Introducción a DataOps
Profundizando en Data Lakes
AWS Lake Formation
AWS Lake Formation Construir un Data Lake es una tarea que requiere mucho cuidado. Si bien su nivel de complejidad depende de diversos factores, entre ellos: diversidad en tipo y orígenes de los datos almacenamiento requerido exigentes niveles de seguridad Sin importar las múltiples combinaciones que puedan darse entre estos (y muchos más factores), siempre habrá un elemento común en los posibles escenarios de implementación de un Data Lake: conocimiento global y general del ciclo de vida del dato. Por definición podríamos considerar que un Data Lake es un enfoque arquitectónico que permite almacenar cantidades masivas de datos en una ubicación central, de manera que estén fácilmente disponibles para ser categorizados, procesados, analizados y consumidos por diversos grupos dentro de una organización. Una construcción típica de un Data Lake se compone de: Configuración del almacenamiento Movilización de los datos Limpieza, preparación y catálogo de datos Configuración y refuerzo de políticas de seguridad y cumplimiento de las mismas Asegurar que los datos estén disponibles (para aplicaciones analíticas o de visualización, entre otras) Como es de suponerse, cada uno de estos puntos representa a su vez un procedimiento más detallado y que debe abordarse con una rigurosidad mayor. De nuevo, las combinaciones entre estos pasos hace que una persona (o empresa) que quiera comenzar a ‘jugar’ con un Data Lake pueda sentirse abrumada. Curiosamente AWS tiene una enorme gama de servicios de AWS para trabajar con datos que, en ocasiones, puede ‘forzar’ a que una persona simplemente se dé por vencida en su meta de trabajar con un Data Lake. Antes de revisar la propuesta de AWS Lake Formation, podríamos considerar algunos de los pasos requeridos para construir un Data Lake en AWS: Identificar las fuentes de datos (como RDBMS, archivos, streams, transacciones) Crear los buckets en S3 necesarios para almacenar estos datos, con sus correspondientes políticas Crear los ETLs que van a realizar las transformaciones de esos datos desde sus orígenes para llevarlos a los buckets S3. Esto supone la correspondiente administración de políticas de auditoría y permisos de los ETLs, y crear una estrategia de limpieza de datos. Permitir que los servicios de analytics accedan a estos datos en S3. En el proceso anterior cada punto implica un factor humano de riesgo por posibles errores que puedan cometerse. Las 2 ‘rutas alternativas’ serían ejecutar manualmente con total minucia el proceso, generando un checklist e identificando a su vez cada una de las nuevas alternativas en cada punto; o bien, apoyarse en un servicio administrado que se encargue de la mayor cantidad posible de tareas para la creación del Data Lake. Y es en este punto donde entra AWS Lake Formation: AWS Lake Formation es una opción atractiva para aquellas personas que no posean el conocimiento técnico o el tiempo necesarios para enfrentar un proyecto que involucre un Data Lake. Como se puede observar en la imagen anterior, AWS Lake Formation comprende las 4 etapas básicas de un Data Lake, permitiendo en cada una de ellas una interacción humana al nivel que sea deseado por el usuario. Dicho de otra forma, quien quiera hacer un ‘doble clic’ en alguna de estas 4 fases podrá hacerlo. En AWS Lake Formation, S3 se encarga de la capa de almacenamiento. El usuario tendrá acceso a sus datos sin que exista algún tipo de ‘bloqueo’ por parte del servicio. Se pueden hacer cargas de una sola ejecución o incrementales. Se trata de indicar el origen y destino de los datos, y especificar con qué frecuencia se realizará la carga. Esta configuración se realiza por medio de ‘planos’ (blueprints). Lake Formation se apoya en ML Transforms para crear transformaciones con Machine Learning, las cuales se utilizan en un job ETL (por ejemplo). Una de estas transformaciones es FindMatches la cual ayuda a administrar los duplicados de datos. Como herramienta para catalogar los datos, AWS Lake Formation utiliza crawlers de AWS Glue para obtener los metadatos y crear un catálogo con ellos. Posteriormente, estos se pueden utilizar para etiquetar la información (por ejemplo, marcar información como sensible). El usuario administrador podrá crear los accesos que considere convenientes, y AWS Lake Formation se encargará de bloquear o permitir el acceso a los datos (o los servicios que los utilicen) a otros usuarios: Estos permisos pueden ser a nivel de tabla y de columna: AWS Lake Formation permite auditar desde un único punto, sin necesidad de recorrer múltiples servicios. Este monitoreo puede hacerse en tiempo real. Un aspecto fuerte en este nuevo servicio es su costo: sólo se paga por los servicios subyacentes, es decir, AWS Lake Formation es gratis. Sólo se cobrará por los servicios que se invoquen a partir de él. Después de haber revisado de manera inicial el servicio de AWS Lake Formation, podríamos decir que estamos ante un servicio que permitirá a los usuarios (tanto principiantes como expertos) comenzar de manera casi inmediata con un Data Lake básico. No sólo esto, sino que permitirá ‘abstraer’ los detalles técnicos complejos de implementar un Data Lake básico, y enfocar los esfuerzos en tareas más específicas del negocio. Sin embargo vale la pena resaltar la palabra básico, ya que en la medida en que la solución Big Data tenga un nivel de complejidad mayor, podría ser necesario revisar los requerimientos por completo y en este punto el alcance esté por fuera de AWS Lake Formation. Fuentes: AWS Lake Formation for Data Lakes Introduction to AWS Lake Formation. Prajakta Damle, Principal Product Manager, AWS Lake Formation & AWS Glue https://pages.awscloud.com/lake-formation-preview.html
Morris & Opazo and AWS carried out the first Big Data Analytics Workshop 2019: «Building a Data Lake»
In an increasingly digitalized world, information has become an extremely valuable resource, especially for companies and institutions that work daily around it. The power of this large volume of content known as Big Data lies precisely in the ability to extract valuable data to make timely decisions and achieve competitive advantages. Starting from this context, Amazon Web Services Chile (AWS) and Morris & Opazo, Advanced Partner specializing in Big Data, held on Thursday April 4th, a Workshop with different companies and public institutions called «Building a Data Lake in AWS» . This time participated representatives from Autofin, ABCdin, PUC, Ministry of Education, Ministry of Health, Digital Government Division, Pontificia Universidad Católica de Chile, General Treasury of the Republic of Chile, among others. The training space that was held in the spaces of Amazon Web Services in Chile, was in charge of Gerardo Gómez Dobree, South America Public Sector Country Sales at Amazon Web Services, who during the first part of the meeting exposed the important advances that has achieved AWS for the international market around fundamental aspects of the Cloud. His speech was centered in the main services that AWS offers, Best Practices of the Architecture of the Cloud, different approaches to implement Architectures in AWS, the Shared Responsibility Model, the Regions and Availability Zones in AWS. In regards of the concept and current context of the Big Data Analytics, Marcelo Rybertt, Country Manager of Morris & Opazo, deepened the thematic of the Data Lake, as well as the services and tools provided by the AWS platform to carry out the different components of data flow. As technical support and to clarify the different doubts of the participants, Pamela Orbenes, Regional Partner Manager – Latam, was present on behalf of the AWS team, who had the opportunity to develop the possibility of applying Big Data within each company. Finally, to see all the contents learned in execution and in real time, William Guzmán, Chief Operations Officer of Morris & Opazo, exposed three of the multiple use cases in which Big Data can support the operations of a Company, as follows: Real Time Sentiment Analysis in Social Networks: Twitter provides an excellent opportunity to test the Data Stream concept. During the Workshop attendees were asked to post Tweets with certain words that would be recognized by a Twitter application. Previously, in an EC2 instance, an application in NodeJS was executed that ‘listened’ to the generated tweets and selected those containing the configured keywords. Once the tweets were detected, this application in NodeJS fed a data flow in Amazon Kinesis which sent to an S3 bucket the tweets without making any kind of analysis until that moment. Once an object was stored in the Data Lake, a function in AWS Lambda was fired which, based on Amazon Comprehend, identified the entities of each tweet and performed a sentiment analysis. If the original language of the tweet was different from English, the Lambda function used Amazon Translate to generate the translation into this language. The result of these 3 analysis (entities, sentiments and translations) were stored again in the Data Lake (in different buckets). Amazon Athena was in charge of analyzing the unstructured data generated by the Lambda function, and made this information available to any consumer. The option chosen for the Workshop was Amazon Quicksight, in which attendees could see how the tweets they had generated during the session appeared in the different sections of the dashboard: Types of Entities most mentioned Sentiments per minute Original text, translation and sentiment of each tweet Geographical location of the tweet Audio Analysis of Calls from a Call Center with Machine Learning: Through a dashboard implemented in Kibana, the companies attending the Workshop saw how various audio files were processed and analyzed to identify the keywords, entities, texts, data and metadata contained in each one of them. They were able to demonstrate one of the Best Practices for Cloud Architectures, since there is no rigid link between each component of the data flow (for this use case, Kibana was used as a consumer of Data Lake, a different system than the previous case but still based on S3 as Data Lake). Images and Video Recognition using Machine Learning Attendees to the event could see how a system supported by Amazon Rekognition was trained by uploading a photo of a person, and then identify in a different video or photo whether or not the face of the person with whom the system was trained was found. It was possible not only to find this type of coincidences. In addition to this, Rekognition delivered detailed information about tags, features, traits and celebrities of the video or photo in real time. It is precisely this type of activities which allow AWS and Morris & Opazo to bring to companies the full potential of Cloud Computing, in this particular case, the added value of Big Data solutions. But above all, they allow us to hear ‘first hand’ the concerns generated by technical issues addressed in a face-to-face, practical and collaborative manner. To all the attendees, thank you so much for your active participation in our Workshop! Texto: Morris & Opazo Como un AWS Partner con la Competencia de Big Data, hemos superado un alto nivel de requerimientos tales como evidenciar nuestro profundo conocimiento técnico y/o experiencia en consultoría ayudando a empresas a evaluar y usar herramientas, técnicas, y tecnologías de Big Data de forma productiva en AWS. Esto significa que tenemos el conocimiento, capacidad y las herramientas necesarias para ayudar a su organización a obtener el máximo provecho de sus cargas de trabajo de Big Data en AWS.
Morris & Opazo presente en ChileMass Innovation Day 2019 Massachusetts
Para conocer los nuevos desarrollos que respecto a tecnologías limpias y manufactura vienen implementándose, Morris & Opazo, un equipo siempre a la vanguardia y partner certificado por Amazon Web Services en la especialidad de Big Data Analitycs, participó durante el 9 de abril en el ChileMass Innovation Day, un encuentro realizado en los espacios del Massachusetts Institute of Technology, Estados Unidos. Durante el encuentro, expertos abordaron diferentes temáticas relacionadas a los desafíos y los avances tecnológicos en estas áreas y en consecuencia, las oportunidades que podrían surgir para Chile y Massachusetts como miembros y cómo fomentar la colaboración entre ambos estados. Es importante recordar que en esta ciudad de los Estados Unidos, específicamente en la Mancomunidad de Massachusetts, se lanzó recientemente un plan de eficiencia energética con miras a abordar el consumo a través de cambios en las tecnologías de transporte y construcción, además de buscar implementar políticas públicas que incentiven al ahorro energético. Como parte de la experiencia vivida, el equipo de Morris & Opazo pudo conocer de cerca, nuevas formas de generar energía geoeléctrica, avances sobre energía solar y minería de bajas emisiones, así como también desarrollos, aplicaciones y prototipos que llevan adelante algunas aceleradoras e incubadoras como Mass Challenge Boston, Greentown Labs y Autodesk. El Innovation Day es una actividad organizada por CORFO y Chile Massachussetts (ChileMass) para conocer oportunidades de desarrollo energético y colaboración entre ambas ciudades. Se espera que el próximo encuentro, según el mismo Presidente Piñera invitó, pueda realizarse en la ciudad de Santiago, Chile.
Morris & Opazo firma convenio con Universidad de la Frontera (UFRO) para iniciar en conjunto proyectos de desarrollo e investigación a través de la plataforma de Amazon Web Services (AWS)
Durante este miércoles 11 de abril, gracias a un convenio de cooperación académico y técnico sostenido entre Morris & Opazo y la Universidad de la Frontera (UFRO), se sentaron las bases para para iniciar en conjunto proyectos de desarrollo e investigación a través de la plataforma de Amazon Web Services en el sur de Chile que permitirá entre otros, poder abordar proyectos de gran envergadura a nivel tecnológico. “Siempre estamos a la vanguardia, continuamos trabajando para ser cada vez mejores en el servicio que venimos prestando desde hace más de 15 años. Hoy subimos un nuevo escalón y es solo una pequeña muestra de lo que viene para este 2019”, expresó al respecto Marcelo Rybertt, Country Manager de Morris & Opazo. En cuanto al convenio firmado con una de las universidades más importantes del país, Rybertt añadió “tenemos la oportunidad de poder capacitar y formar a nuevas generaciones ávidas de sumergirse en nuevas tecnologías de la nube, pero al mismo tiempo de sumarlos a la investigación y puesta en marcha de proyectos con alto grado de exigencia que impacten finalmente en la Región, el país y también a escala internacional”. En este sentido destacó: “este es un proceso de retroalimentación constante en donde la expertise, certificaciones, experiencia y capacidades de un equipo altamente preparado se unen a un recurso humano con sólidos conocimientos científicos”. Agregó finalmente que la idea «con este convenio, es que podamos crecer, paquetizar soluciones innovadoras y atraer talento». Entre los múltiples puntos que se establecen en el acuerdo pueden mencionarse “el proceso de formación continua en el ámbito de las Ciencias y la Ingeniería, el desarrollo de la investigación y de programas de postgrado científico y/o tecnológico de calidad, pertinentes a sus áreas”. Este convenio establecido entre Morris & Opazo y la Universidad de la Frontera, cuenta con el apoyo de Amazon Web Services (AWS) a través de sus diferentes programas, entre los cuales destaca AWS Educate, el cual busca proveer a los estudiantes de recursos integrales y capacitarles en tecnología de la nube, les ofrece a los jóvenes el acceso a contenidos adaptados a sus conocimientos con miras a potenciar la innovación en ámbitos profesionales como inteligencia artificial, reconocimiento facial y de voz, juegos, avances médicos, entre otros.
Morris & Opazo participa en encuentro “AWS Educate” de Amazon Web Services en Santiago
Con el objetivo de sumar al fortalecimiento del proceso educativo en Universidades y Centros educativos del país, Morris & Opazo, partner de AWS certificado en Big Data Analytics, participó durante este martes, desde los espacios del Hotel InterContinental Santiago, en Chile, en la presentación del programa AWS Educate. Esta iniciativa global de Amazon para proveer a los estudiantes de recursos integrales y capacitarles en tecnología de la nube, ofrece a los jóvenes el acceso a contenidos adaptados a sus conocimientos con miras a potenciar la innovación en ámbitos profesionales como inteligencia artificial, reconocimiento facial y de voz, juegos, avances médicos, entre otros. En este sentido, Carmen Zemelman, Gerente de Cuentas de Morris & Opazo informó que como equipo siempre a la vanguardia, esta presentación tiene gran relevancia para nosotros puesto que coincide en la firma de un acuerdo de cooperación en la ciudad de Temuco, con Amazon Web Services y la Universidad de la Frontera (UFro), espacio donde hemos venido realizando desde hace aproximadamente dos meses, una labor bien participativa en cuanto al proceso de formación y capacitación. Al respecto, Hilary Foster, del programa AWS Educate de Amazon Web Services, destacó “como un acuerdo muy especial y de gran placer el poder contar con el apoyo de Morris & Opazo”, al tiempo que subrayó la presencia en el evento de partners proveedores de software especializados en la nube. Diferentes fueron los temas abordados en el encuentro, entre los cuales estuvieron el AWS Academy, la posibilidad de fomentar la investigación con créditos en la Nube, Datos abiertos en AWS, entre otros.
Morris & Opazo y AWS desarrollan primer Workshop de Big Data Analytics 2019: “Construyendo un Data Lake”
En un mundo cada vez más digitalizado, la información se ha vuelto un recurso sumamente valioso, en especial para las empresas e instituciones que a diario trabajan en torno a esta. El poder de este gran volumen de contenido conocido como Big Data reside precisamente en la capacidad de extraer datos valiosos para tomar decisiones oportunas y lograr ventajas competitivas. Partiendo de este contexto, Amazon Web Services Chile (AWS) y Morris & Opazo, Partner Advanced especialista en Big Data, han realizado durante este jueves 04 de abril, un Workshop con diferentes empresas e instituciones públicas denominadas “Construyendo un Data Lake en AWS” . En esta ocasión se contó con la participación de representantes de Autofin, ABCdin, PUC, Ministerio de Educación, Ministerio de Salud, División de Gobierno Digital, Pontificia Universidad Católica de Chile, Tesorería General de la República de Chile, entre otros. El espacio de capacitación que se mantuvo en los espacios de Amazon Web Services en Chile, estuvo a cargo de Gerardo Gómez Dobree, South America Public Sector Country Sales at Amazon Web Services, quien durante la primera parte del encuentro expuso los importantes avances que ha logrado AWS para el mercado internacional en torno a aspectos fundamentales de la Nube. Su temática estuvo centrada en los principales servicios que ofrece AWS, Mejores Prácticas de la Arquitectura de la Nube, distintos enfoques para implementar Arquitecturas en AWS, el Modelo de Responsabilidad Compartida, las Regiones y Zonas de Disponibilidad en AWS. Sobre el concepto y contexto actual del Big Data Analitycs, Marcelo Rybertt, Country Manager de Morris & Opazo, profundizó la temática del Data Lake, así como los servicios y herramientas que nos proporciona la plataforma de AWS para llevar a cabo la ejecución de los distintos componentes del flujo de datos. Como apoyo técnico y para aclarar las distintas dudas de los participantes, estuvo presente por parte del equipo de AWS, Pamela Orbenes, Regional Partner Manager – Latam, quien tuvo la oportunidad de desarrollar la posibilidad de aplicación de Big Data dentro de cada empresa. Finalmente, para ver todo el contenido aprendido ahora en ejecución y en tiempo real, William Guzmán, Jefe de Servicios y Operaciones de Morris & Opazo, expuso tres de los múltiples casos de uso en los que Big Data puede respaldar las operaciones de una Empresa, los mismos se presentan a continuación: Análisis en Tiempo Real de Sentimiento en Redes Sociales: Twitter proporciona una excelente oportunidad de poner a prueba el concepto de Stream de Datos. Durante el Workshop se pidió a los asistentes que publicaran Tweets con ciertas palabras que serían reconocidas por una aplicación de Twitter. Previamente en una instancia EC2 se ejecutó una aplicación en Nodejs que ‘escuchaba’ los tweets generados y seleccionaba los que contenían las palabras clave configuradas. Una vez se detectaron los tweets, esta aplicación en Nodejs alimentó un flujo de datos en Amazon Kinesis el cual enviaba a un bucket de S3 los tweets sin realizar hasta ese instante ningún tipo de análisis. Una vez se almacenó un objeto en el Data Lake se ‘disparaba’ una función en AWS Lambda que, apoyada en Amazon Comprehend, identificaba las entidades de cada tweet y realizaba un análisis de sentimiento. Si el idioma original del tweet era diferente al inglés, la función Lambda utilizaba Amazon Translate para generar la traducción hacia este idioma. El resultado de estos 3 análisis (entidades, sentimientos y traducción) se almacenó de nuevo en el Data Lake (en cubos diferentes). Amazon Athena era la encargada de analizar los datos no estructurados generados por la función Lambda, y hacía que esta información estuviera disponible para cualquier consumidor. El elegido para el Workshop fue Amazon Quicksight, en el cual los asistentes pudieron ver cómo los tweets que ellos mismos generaron durante la sesión aparecieron en las diferentes secciones del dashboard: Tipos de Entidades más mencionadas Sentimientos por minuto Texto original, traducción y sentimiento de cada tuit Localización geográfica del tuit Análisis de Audio de las Llamadas de un Call Center con Machine learning Por medio de un tablero implementado en Kibana, las empresas asistentes al Workshop vieron cómo diversos archivos de audio eran procesados y analizados para identificar en ellos las palabras clave, entidades, textos, datos y metadatos que contenían cada uno de ellos. Con esto podría evidenciar una de las Mejores Prácticas para Arquitecturas de la Nube, ya que no existe un rígido endurecimiento entre cada componente del flujo de datos (para este caso de uso se empleó Kibana como consumidor del Data Lake, sistema diferente al caso anterior pero basado en S3 como Data Lake). Reconocimiento de Imágenes y Video usando Machine Learning Los asistentes al evento podrán observar cómo un sistema apoyado en Amazon Rekognition estaba cargando una foto de una persona, para luego identificarse en un video o foto diferente si se encontró o no el rostro de la persona con la que se había operado el sistema. No sólo era posible encontrar este tipo de coincidencias. Adicional a esto, Rekognition entregó información detallada sobre las etiquetas, rasgos, características y celebridades del video o foto en tiempo real. Son precisamente este tipo de actividades las que permiten que AWS y Morris & Opazo puedan acercar a las Empresas todo el potencial que tiene la Computación en la Nube, en este caso en particular, el valor agregado que tienen las soluciones Big Data. Pero sobre todo, nos permiten escuchar ‘de primera mano’ las inquietudes que generan temas técnicos abordados de manera presencial, práctica y colaborativa. A todos los asistentes, ¡mil gracias por su activa participación en nuestro Workshop! Como un socio de AWS con la Competencia de Big Data, hemos superado un alto nivel de requisitos tales como evidenciar nuestro profundo conocimiento técnico y/o experiencia en consultoría ayudando a empresas a evaluar y usar herramientas, técnicas y tecnologías de Big Data de forma productiva en AWS. Esto significa que tenemos el conocimiento, la capacidad y las herramientas necesarias para ayudar a su organización a obtener el máximo provecho de sus cargas de trabajo de Big Data
Caso de éxito – Inteligencia Artificial: Novis – Pronósticos de Ventas
Resumen ejecutivo: Novis es líder en implementación y administración de soluciones SAP e innovación digital. Actualmente, la empresa tiene más de 150 clientes tanto en Chile como en Latinoamérica, administrando más de 300 instancias y 30.000 usuarios, con un staff de 150 consultores y administradores SAP. El desafío a resolver La entidad no cuenta con una buena organización y manejo de sus datos y desean encontrar una solución robusta, clasificando sus metadatos, utilizando los servicios de AWS con una infraestructura como servicio, instalando Apache Atlas, con un conjunto de herramientas, conectándose con la fuente original de los datos y de esta manera tener un mejor manejo, administración y auditoría de sus metadatos. Solución propuesta Utilizando herramientas agnósticas como Apache Atlas, Hive y Hue, para establecer los procesos de linaje y clasificación de metadatos, se desplegó una solución a escala de gobierno de datos en AWS, integrado con servicios de procesamiento clusterizados para la migración gestión de metadatos de tres entidades de salud. Beneficios: Características importantes a un bajo costo. Disponibilidad oportuna de la información. Metadatos Centralizados. Confiabilidad y seguridad. Tecnologías usadas Amazon SageMaker proporciona a los desarrolladores y científicos de datos la posibilidad de crear, entrenar e implementar modelos de aprendizaje automático de forma rápida. Resultados: Disminución de tiempo en la preparación de los pronósticos. Mejorar la planificación comercial.
Morris & Opazo first AWS partner to achieve Data & Analytics Competency in Latin America
Morris & Opazo anunció hoy que ha sido validado para alcanzar el estatus de Amazon Web Services (AWS) Data & Analytics Competency, siendo el 1er Partner en América Latina con este estatus. Esta designación reconoce que Morris & Opazo ha demostrado éxito ayudando a los clientes a evaluar y utilizar las herramientas, técnicas y tecnologías para trabajar con datos de manera productiva, a cualquier escala, y lograr con éxito sus objetivos de datos y análisis en AWS. ¿Qué significa esto? Alcanzar la competencia de datos y análisis de AWS distingue a Morris & Opazo como miembro de la red de socios de AWS (APN) que posee una profunda experiencia en el dominio en una o más de las siguientes categorías: consultoría, integración de datos, administración de datos, análisis avanzado, análisis y visualización de datos, habiendo desarrollado una tecnología y soluciones innovadoras que aprovechan los servicios de AWS. Para recibir la designación, los socios de APN deben demostrar una gran experiencia en AWS y ofrecer soluciones sin problemas en AWS. “En Morris & Opazo estamos orgullosos de ser el primer socio de AWS en América Latina en lograr la competencia de datos y análisis”, dijo Marcelo Rybertt, Country Manager de Morris & Opazo. “Nuestro equipo tiene el compromiso de estar siempre a la vanguardia de la tecnología para ofrecer soluciones óptimas que generen valor; que ayudan a nuestros clientes a lograr sus objetivos de datos y análisis aprovechando la agilidad, la escalabilidad y la innovación de la nube de AWS”. AWS está habilitando soluciones escalables, flexibles y rentables desde nuevas empresas hasta empresas globales. Para respaldar la integración y la implementación perfectas de estas soluciones, AWS estableció el Programa de competencias de AWS para ayudar a los clientes a identificar socios de consultoría y tecnología de APN con amplia experiencia y conocimientos en la industria. Aprende más Para obtener más información sobre nuestro servicio de Data & Analytics en la nube, visite nuestro sitio web: https://blog.morrisopazo.comspecialists-big-data-solutions-aws-cloud-partner/ Acerca de Morris & Opazo Durante más de 12 años hemos entregado soluciones de alta gama perfectamente adaptadas a las necesidades de nuestros clientes. Nuestro éxito es el resultado de un estricto proceso de selección de talento, un impulso continuo por la innovación utilizando las últimas tecnologías y la flexibilidad de nuestras metodologías de gestión de proyectos.
