Open Source And Security Services

Open Source And Security Services

COVID-19: Análisis de la futura situación (Parte II)

Tiempo de lectura: 5 minutos

Como comentábamos en el anterior artículo, en Open3S hemos querido realizar un par de ejercicios para analizar la evolución del COVID-19. En el anterior, explicábamos el crecimiento de los nuevos casos y fallecimientos basándonos en el modelo de crecimiento que presentó China. En este, queremos pasar a la aplicación de técnicas de Machine Learning para su predicción futura.

Además de analizar la evolución de los nuevos casos, expondremos también el problema de la escasez de camas de UCI que está afrontando España.

Os dejamos a continuación las conclusiones del segundo ejercicio.

Aplicando Técnicas de Machine Learning

Para realizar predicciones de series cronológicas de datos, es decir, datos que varían con el paso del tiempo, se utilizan los algoritmos de Forecasting. Para entender un poco más el funcionamiento de estos algoritmos, son los usados por ejemplo para las predicciones de las Bolsa de Valores. Dichos algoritmos, realizan predicciones del comportamiento futuro basándose en los datos pasados y presentes. De esta forma se puede predecir el valor futuro de la variable que se desee, siempre y cuando se posean histórico de esa variable.

En relación al análisis realizado a continuación, es importante tener en cuenta que el histórico del COVID-19 en el caso de España no alcanza el mes. Por ello, las predicciones realizadas pueden darnos una intuición de cómo será el comportamiento de las variables analizadas pero no son los valores futuros exactos.

Predicción Nuevos Casos COVID-19

España

Observando el comportamiento de la gráfica en los tres últimos días, parece que nos acercamos al famoso ‘pico’. Como tercer día consecutivo ha disminuido el número de nuevos casos a nivel nacional, lo cual son buenas noticias, pero sin olvidarnos de que a nivel autonómico cada Comunidad lleva un ritmo diferente con respecto al virus. En la gráfica, la línea verde pertenece a la predicción y las barras azules al número de nuevos casos en España por día.

Por lo que, a nivel nacional, parece que la situación comienza a estabilizarse.

Predicción de nuevos casos de COVID-19 en España

Mundialmente

A nivel mundial la curva presenta un crecimiento más irregular, ya que aquí se consideran todos los países del mundo y cada uno lleva un ritmo diferente en cuanto a la evolución del coronavirus.

Por otra parte, en países como EE.UU. y Reino Unido el virus ha llegado más recientemente. Esto quiere decir que, si la evolución en aquellos países en los que el COVID-19 ha impactado más tarde es similar a la de Italia y España, en breves días el aumento de casos crecerá considerablemente.

Predicción de nuevos casos de COVID-19 en el mundo

Predicción Total Camas UCI ocupadas por pacientes de COVID-19

En este apartado se lleva a cabo un análisis de cual será el número de camas de UCI ocupadas en los próximos 10 días por pacientes de COVID-19. El crecimiento observado hasta el momento es bastante lineal. Este dato es preocupante ya que, a este paso, en menos de medio mes no habría camas suficientes.

Predicción del total de ocupación de camas UCI en España

En la gráfica se presenta un análisis de cómo es la situación a nivel España, donde la línea roja nos indica el número total de Camas UCI (sin tener en cuenta las nuevas añadidas en algunas CC.AA.), la línea verde es la que indica la predicción de cómo evolucionará la situación. En este caso, se puede ver que dicha predicción es optimista ya que, el crecimiento actual (barras naranjas) es mas exponencial de lo que la línea predictiva muestra. Esto quiere decir, que se llegará al límite antes de lo previsto si el crecimiento sigue este ritmo.

Pero para realmente visualizar el impacto del coronavirus se debe realizar un análisis nivel autonómico, que es donde se encontraran las situaciones más preocupantes.

A continuación se presenta la situación de las Comunidades Autónomas en estados mas críticos con respecto al número de camas de UCI.

Madrid

En Madrid, la Comunidad Autónoma con la situación mas crítica en España, la línea de predicción pasa de lineal a un comportamiento casi exponencial al inicio. Este cambio, marca totalmente la diferencia entre ambas situaciones. En esta Comunidad Autónoma, se llevó a cabo un aumento de camas de UCI que pasó de 1.100 a 1.500. Aun así, como se observa en la gráfica, será necesario otro aumento en el número de camas ya que en 10 días (período predecido por la línea gris) se alcanzaría este nuevo límite.

También se puede observar que en los 4 últimos días, la línea de crecimiento con respecto a los anteriores (14 – 22 de Marzo) presenta una inclinación menor, lo que indica que puede que la situación esté poco a poco estabilizándose.

Predicción de ocupación de camas UCI en Madrid

A pesar de este indicio de estabilización, se observa que en menos de 10 días se alcanzaría otra vez este nuevo número de camas tras el aumento que se realizó.

Cataluña

El aumento en la ocupación de camas de UCI en los últimos días en Cataluña es muy grave. Se habla de que se necesitan alrededor del triple de las camas de UCI existentes hasta ahora. Esto se puede ver reflejado en la gráfica, donde las 640 camas de UCI iniciales han pasado a ser 1.406. De todas formas, si el crecimiento en la ocupación de camas sigue igual de precipitado como lo hace desde el 24 de Marzo, en poco tiempo se alcanzaría el nuevo límite.

Sorprende esta situación en Cataluña, ya que es la Comunidad Autónoma con mas camas por habitantes en España.

Predicción de ocupación de camas UCI en Cataluña

País Vasco

La situación que nos encontramos aquí es más segura que las dos descritas anteriormente. El aumento sigue un crecimiento lineal. En este caso, cabe tener en cuenta que es también una de las comunidades autónomas con mayor número de camas por habitante. En este caso tendría que llegar a alrededor de 200 camas ocupadas para considerarse como muy crítica la situación.

El problema en el País Vasco está mas focalizado a nivel provincial, debido a que los contagios se han producido de forma masiva en localidades de Álava. Dato que no vemos del todo reflejado a nivel autonómico debido a que es en las grandes ciudades de la Comunidad donde se encuentra el mayor número de camas.

Predicción de ocupación de camas UCI en el País Vasco

 

Como se muestra en el artículo, poco a poco la situación va adquiriendo cierta estabilidad. Esperamos que la situación evolucione prósperamente, tanto en España como en el resto de países del mundo que la sufren.

Autora: Sara Estévez Manteiga, Área Big Data

COVID-19: Análisis de la futura situación (Parte I)

Tiempo de lectura: 4 minutos

Dada la situación que estamos viviendo actualmente, en Open3s decidimos crear un dashboard que permitiese a la ciudadanía consultar de manera sencilla el estado actual frente a la pandemia del COVID-19.

Teniendo tantos datos, no sólo de España sino a nivel mundial, hemos querido realizar dos ejercicios para analizar la evolución futura de la situación. Por un lado, hemos aplicado el modelo de crecimiento que hubo en China a los números de casos de España para ver a futuro cómo sería aquí la situación de seguir su modelo; y por otro lado, hemos aplicado técnicas de Machine Learning a los datos de contagios para obtener una predicción a futuro.

Hoy queremos compartir con vosotros las conclusiones del primer ejercicio.

Aplicando el Modelo de Crecimiento de China

Para llevar a cabo la aplicación del modelo de China a los datos de España, éste se implementa a partir del paciente infectado número 600. Esto es debido a que los datos de los primeros fines de semana de expansión del virus en España no se publicaban.

En los próximos apartados se presenta un análisis de los resultados obtenidos tanto para los futuros nuevos casos como para las futuras defunciones.

Nuevos Casos

En la gráfica, las barras naranjas hacen referencia a los Datos reales de nuevos casos de COVID-19 en España durante los 10 primeros días (del 9 al 19 de Marzo), las barras verdes son los Nuevos Casos futuros en España basándonos en el crecimiento de casos en China, representado por la línea azul.

Previsión de Nuevos Casos futuros de COVID-19 en España basándonos en el crecimiento de casos en China.

Como se puede observar en la gráfica, el crecimiento que presentó China y el que, hasta el momento, presentaba España son muy similares. Pero para un análisis mas exacto, es necesario hablar de valores concretos.

En la tabla a continuación aparecen reflejados los datos reales de España y los datos de las predicciones que se realizaban de nuevos pacientes infectados por el COVID-19.

Fecha Casos Reales Casos Estimados
28/03/2020 50817
27/03/2020 47873
26/03/2020 56188 44323
25/03/2020 47610 41166
24/03/2020 39673 37137
23/03/2020 33089 33388
22/03/2020 28572 28990

 

Como se puede observar, hasta el 23 de Marzo las estimaciones obtenidas siguiendo el modelo de China son muy cercanas a la situación que España presenta en la realidad. La diferencia entre valores no es superior a 300. Pero a partir del día 24 de Marzo, la diferencia comienza a ser notable. Lo que se esperaba siguiendo el modelo aplicado eran 37,137 nuevos casos, pero la realidad es que se registraron 39,673. La diferencia sigue aumentando en los próximos días, y actualmente tenemos 12000 casos más de los que deberíamos si siguiésemos el modelo de China, por lo que estamos frente a una situación mucho mas crítica que la que China presentó.

Defunciones

En este caso, las barras azules de la grafica representan los casos reales de Fallecimientos en España, las verdes representan los Fallecimientos futuros basándose en el modelo de fallecimientos en China, representados por la línea roja.

Previsión de Fallecimientos futuros por COVID-19 en España basándose en el modelo de fallecimientos en China.

Sabiendo interpretar lo observado en la gráfica, está claro que el número de fallecimientos en China fue mucho menor que el que presenta España. Esto quiere decir que, aplicando la evolución del número de fallecidos en China a los datos de España, obtendríamos resultados realmente preocupantes.

Para evaluar como de acertadas son las estimaciones obtenidas, se compararán esos datos con los reales obtenidos en los últimos días.

Fallecimientos Reales Fallecimientos estimados
28/03/2020 2564
27/03/2020 2292
26/03/2020 4089 2047
25/03/2020 3434 1823
24/03/2020 2696 1606
23/03/2020 2182 1422
22/03/2020 1720 1238
21/03/2020 1326 1072
20/03/2020 1002 910

Como se puede observar, los datos estimados son considerablemente mas optimistas que la realidad. El primer día de estimación (20 de Marzo), el resultado real ya superaba en casi 100 a los fallecidos que deberíamos tener de seguir el modelo chino. Por lo tanto, la línea de crecimiento de fallecidos será mucho mas pronunciada de lo que fue en China, encontrándonos a día de hoy con el doble de fallecidos que si nuestro modelo de crecimiento hubiera sido similar al de China.

Como conclusión en este apartado, se puede afirmar que la situación futura de España en cuanto al número de fallecidos será mucho más crítica que la que China vivió.

Esperamos que la situación mejore y podamos tener una evolución favorable como la que está experimentando China en estos momentos. En el próximo artículo explicaremos cómo hemos analizado la situación futura aplicando Machine Learning y qué limitaciones hemos experimentado.

Autora: Sara Estévez Manteiga, Área Big Data

Mitos sobre el Machine Learning

Tiempo de lectura: 4 minutos.

El Aprendizaje Automático, del inglés machine learning, es una rama de la Inteligencia Artificial. Su principal objetivo es desarrollar técnicas que permitan a las computadoras aprender. Se centra en el desarrollo de programas informáticos con la capacidad de cambiar cuando se exponen a nuevos datos. En otras palabras, detectar patrones en los datos estudiados y que las acciones del programa se ajusten en consecuencia.

Algoritmos

Dentro del Machine Learning, los algoritmos existentes se dividen en dos grandes grupos. Por una parte están los Supervisados, del inglés Supervised Learning, que se dividen en algoritmos de clasificación y de regresión. Por otra parte tenemos los No Supervisados, del inglés Unsupervised Learning, donde encontramos algoritmos de clustering y de reducción de la dimensionalidad. Dependiendo de los datos que poseamos, terminaremos usando un algoritmo u otro dentro de esos dos grandes grupos.

En el Supervised Learning, los datos de entrada son inicialmente de entrenamiento y están etiquetados. Estos datos son proporcionados al algoritmo, el cual, los procesa y extrae un modelo. Este modelo podrá etiquetar los nuevos datos que lleguen al sistema. Un ejemplo sería el correo spam. Cada vez que clasificamos un correo recibido como spam, el algoritmo mejora su precisión para catalogarlo automáticamente como tal. Así, el algoritmo llega a tener la suficiente confianza para clasificar los correos sin necesidad de consultar al usuario.

En el Supervised Learning, los datos de entrada son inicialmente de entrenamiento y etiquetados. El algoritmo los procesa y extrae un modelo que podrá etiquetar los nuevos datos que lleguen al sistema, mejorando su precisión.

En el Unsupervised Learning, los datos de entrada no tienen ninguna etiqueta, es el propio algoritmo el que debe extraer patrones para crear un modelo. De esta forma, es capaz de detectar anomalías o semejanzas que los datos posean. Un ejemplo serían las técnicas de marketing usadas en los supermercados para la colocación de los productos. Se estudian un número de cestas de la compra, como datos de entrada, y se construyen modelos de tendencias con un cierto nivel de confidencia.

En el Unsupervised Learning, los datos de entrada no tienen etiqueta y es el propio algoritmo el que debe extraer patrones para crear un modelo, detectando anomalías o semejanzas que los datos posean.

Mitos

Como ocurre con muchas nuevas tecnologías, el Machine Learning ha causado un efecto ‘fiebre del oro’ en muchas industrias. Hoy en día, se habla de tal cantidad de productos que “incorporan” el aprendizaje automático que el concepto está comenzando a perder su actual significado. Los mitos e ideas erróneos sobre el tema pueden volverse muy densos. Por ello, a continuación expondremos los más importantes para tener una idea más clara sobre el panorama actual.

“Inteligencia Artificial y Machine Learning son lo mismo

La diferencia entre estos dos conceptos es probablemente el punto más importante. Sin tener conocimientos en este campo, es normal que nunca te hayas planteado si realmente el Machine Learning y la Inteligencia Artificial hacen referencia a lo mismo. La Inteligencia Artificial es un campo de la informática. Está destinada al desarrollo de ordenadores capaces de hacer tareas normalmente realizadas por personas, más en concreto, tareas asociadas a personas actuando de forma inteligente. En cambio, el Machine Learning es un tipo de Inteligencia Artificial que le permite a un dispositivo acceder a datos de los que más tarde aprenderá.Machine Learning e Inteligencia Artificial no son lo mismo. El Machine Learning es un tipo de Inteligencia Artificial que le permite a un dispositivo acceder a datos de los que más tarde aprenderá.

“El modelo aprende por sí solo, así que no hay mucho que hacer”

Está muy generalizada la idea de que el Machine Learning mejora automáticamente con el tiempo, como si tuviera algún tipo de súperpoder. La realidad es que todavía está muy lejos de ser autónomo. El modelo encontrará relaciones, pero necesita direcciones y datos. En cuanto a su funcionamiento, el primer paso es entrenar el sistema con datos históricos. Más tarde utiliza lo aprendido para clasificar nuevas observaciones recibidas que nunca haya visto. Estas clasificaciones deben ser revisadas por un técnico, ya que pueden ser incorrectas y habría que modificar o re-entrenar el algoritmo.

Dentro de este mito es interesante mencionar la existencia del Aprendizaje por Refuerzo, del inglés Reinforcement Learning. Es actualmente la herramienta más cercana a ser autónoma. Lo que hace es; determina qué acciones debe escoger un agente de software en un entorno concreto con el fin de maximizar la recompensa.

“Funciona en cualquier situación”

¡No hay que confundirse! El Machine Learning no es una panacea, no se dispone de un ‘plugin de Machine Learning’ capaz de darle capacidad cognitiva a tecnologías ya existentes. El Machine Learning es usado solo si se poseen grandes conjuntos de datos. Primero se define el problema y se identifica una tecnología para resolverlo. Luego se entrena la herramienta con los datos adecuados y se verifica la validez de los resultados. Incluso los algoritmos más potentes del Machine Learning tienen que ser cuidadosamente revisados periódicamente para que no se salgan de su cometido. No tiene sentido gastar miles de euros en crear una solución personalizada cuando, en la mayoria de los casos, una persona puede realizar ese análisis de forma sencilla.

“Nunca falla”

Cada problema requiere una solución diferente, por lo que utilizar el algoritmo erróneo lleva al fracaso de toda la solución. Para elegir el algoritmo correcto, se necesita tener claro los datos que tienes y que es realmente lo que deseas que el algoritmo haga por ti.

Por otra parte, que el algoritmo muestre una precisión muy alta (p. ej. 99%), es una señal de que probablemente el modelo está sobreentrenado. ¿Esto que quiere decir? Que la predicción que hemos realizado se ajusta demasiado (over-fitting) a los datos con los que el modelo ha sido entrenado. Esto provocará un elevado margen de error cuando examinemos nuevas observaciones.

Conclusión

El Machine Learning ha abierto una nueva puerta a la imaginación, haciendo realidad muchas cosas impensables hace una década. Queda claro que es una herramienta muy potente, pero siempre y cuando se sepa cómo utilizar. El estudio previo de los datos que entrenaremos es fundamental, ya que en muchos casos a primera vista se puede descartar la viabilidad del proyecto. También es importante tener claro que los algoritmos de Machine Learning no harán milagros y que tampoco obtendremos siempre los resultados deseados.

Autora: Sara Estévez Manteiga, Área Big Data

COVID-19 en datos

Tiempo de lectura: 6 minutos

Actualización 13/03/2020: Ya hemos publicado la web de actualización diaria con los indicadores y métricas más relevantes del COVID-19 en España. Puedes acceder a través de este enlace.

La situación actual a nivel mundial asusta bastante. Constantemente estamos recibiendo noticias sobre la magnitud del coronavirus (bautizado posteriormente como COVID-19).

Lo cierto es que en el mundo en que vivimos, con acceso a tantísima información, hay veces que se hace difícil dar con un sitio concreto donde encontrar la información que necesitamos de manera directa y resumida. Día a día, en España, sabemos el estado de la recientemente declarada pandemia gracias a distintos informativos, pero cuando intentamos buscar información resumida, visualmente comprensible y actualizada, la tarea es ardua.

Dada esta situación, en Open3s se nos ha ocurrido que dotar de esta información al ciudadano, con distintas métricas sencillamente comprensibles, mostrando tendencias y evoluciones, sería muy útil para cualquier persona. Hemos decidido generar un dashboard en el que se pudieran consultar datos actualizados de la situación actual y su tendencia tanto a nivel global como en España. Es cierto que a nivel global existen algunos recursos en los que encontrar información sobre la situación actual, pero en España excepto por informes que se publican de manera diaria no hay un lugar donde acceder a estos indicadores.

A continuación hablaremos sobre el trabajo realizado, conclusiones extraídas, así como los retos que hemos enfrentado.

 

Retos

El reto más importante ha sido obtener los datos. Nos hemos encontrado con que, tras mucho investigar, no había ninguna fuente de datos en crudo lista para consumir con toda la información sobre el COVID-19 en España. Mundialmente sí hay algunas fuentes e incluso APIs para consulta bajo demanda, pero para el caso concreto de España y sus comunidades autónomas no.

Finalmente hemos recurrido al Ministerio de Sanidad, que publica de manera diaria un reporte de casos por Comunidad Autónoma, pero con el trabajo previo de convertir los datos de su informe a un dataset que indexar en la plataforma. En esos datos hemos echado en falta el número de recuperaciones por Comunidad, dato que sí está en otros reportes globales. Un dato interesante publicado por el Ministerio es la IA (incidencia cada 100.000 habitantes), lo cuál nos puede dar una idea de la magnitud de los contagios.

 

Datos del COVID-19 en España

Por lo tanto, finalmente contamos con los siguientes datos de manera diaria por Comunidad Autónoma:
• Número total de casos
• IA
• Ingresados en UCI
• Fallecidos

Hemos tenido que procesar los datos para obtener de cada día nuevos casos, nuevos fallecidos, y nuevos ingresados en UCI ya que los datos publicados son totalizados.

 

Conclusiones obtenidas

 

Casos totales

En primer lugar, en el día de hoy, nos encontramos con que la cifra total de detecciones de las últimas 24 horas en España va subiendo muy rápidamente, y si nos fijamos en la evolución por Comunidad Autónoma vemos que Madrid tiene un ritmo de propagación mucho más alto que el resto. El día 6 de Marzo es el punto de inflexión en Madrid a partir del cuál aumenta significativamente día a día, aunque el 11 de Marzo se observa un descenso de contagios que no continua en el tiempo.

En España contamos ya con 2.950 contagios, y si nos paramos a analizar la evolución vemos que desde el día 5 de Marzo estamos experimentando una subida muy acelerada. Sin embargo, el crecimiento (% de subida respecto al día anterior) ha descendido de un 95% a un 47% de ayer a hoy (pese a que la cifra de contagios sigue aumentando).

De un vistazo rápido se puede apreciar que casi la mitad de los contagios se sitúan en la Comunidad de Madrid (46%), siendo el País Vasco la segunda Comunidad Autónoma más afectada (11%).

 

Fallecimientos

El número diario de fallecidos también empieza a aumentar de manera rápida, y al igual que los contagios, en Madrid la cifra asciende muy por encima y más rápido que en el resto de comunidades autónomas, llegando a día de hoy a duplicarse respecto al día de ayer.

En España han fallecido ya 84 personas, viviendo desde el 5 de Marzo una subida muy acusada diariamente. El crecimiento indica que del día 5 al 6 de Marzo se produjo el mayor porcentaje, pasando de 5 a 16 fallecidos (más del triple en un solo día).

Los fallecimientos en Madrid suponen un 67% del total (cifra más elevada que el % de casos totales de Madrid respecto al resto de comunidades), seguido por el País Vasco, con un 13%. Llama la atención que los % de fallecidos no se corresponden necesariamente con los % de contagiados por Comunidad Autónoma.

 

Estado crítico

Son 190 las personas que se encuentran en estado crítico ingresadas en unidades de cuidados intensivos. Analizando el crecimiento vemos que este número sufrió una subida drástica respecto al día anterior el 9 de Marzo, pasando de 11 a 68 pacientes en estado crítico.

Si nos fijamos en las cifras por Comunidad Autónoma llegamos a la conclusión de que el 71% de los pacientes críticos se encuentran en Madrid, con cifras mucho más bajas en el resto de comunidades autónomas.

 

IA (Incidencia cada 100.000 habitantes)

Un dato interesante para medir la magnitud de los contagios es la IA, que mide la incidencia cada 100.000 habitantes. Ahora mismo esta cifra se sitúa de media en España en casi un 8%, subiendo desde el 1% en que se situaba el 5 de Marzo.

El análisis de esta cifra por Comunidad Autónoma refleja hallazgos sorprendentes, puesto que en lugar de posicionarse Madrid con la IA más alta, está en primer lugar La Rioja. Dado que Madrid tiene muchos contagios, pero una población muy grande, esa cifra está en torno a un 21%. La Rioja, región muy afectada por COVID-19, tiene una IA de casi un 65%.

 

Valor aportado

Creemos que con el ejercicio realizado podemos aportar a los ciudadanos una visión que previamente no tenían. Queremos facilitar la extracción de conclusiones y el acceso a información sintetizada para toda la población de manera que puedan estar informados sin tener que bucear entre las miles y miles de noticias que se publican constantemente sobre la situación con el COVID-19.

Esperamos no tener que mantener este ejercicio durante mucho tiempo ya que significará que todo está controlado y que la población no sufre ningún riesgo. No obstante, mientras dure, nuestra intención es seguir informando basándonos en fuentes oficiales, posibilitando que Big Data y Analytics sean de utilidad para los ciudadanos de a pie.

Autora: Nerea Sánchez Fernández, Area Manager Big Data

Cohesity. La solución de almacenamiento secundario.

En este artículo hablaremos sobre Cohesity. Un fabricante que basa su solución en el concepto de hiperconvergencia y la posibilidad de implementación en infraestructuras multicloud y cloud híbrido. Esta solución integra funcionalidades y usos bajo el concepto de almacenamiento secundario.

¿A qué llamamos almacenamiento secundario?

Es aquel almacenamiento considerado no crítico para las organizaciones y que necesita gran capacidad para copias de seguridad, servidores de ficheros de criticidad menor, archivado y para entornos de pruebas y desarrollo.

Tener nuestros datos dispersos y no controlados produce lo que Cohesity denomina Mass Data Fragmentation. Muchas organizaciones se encuentran inmersas en este problema por el crecimiento de sus datos y por la complejidad en su gestión.

Los datos secundarios consumen el 80% del almacenamiento empresarial, un fragmentado, complejo e ineficiente mosaico que la solución de Cohesity permite consolidar y gestionar de manera eficiente.

¿Cuál es la solución que ofrece Cohesity?

Cohesity hace frente a esta necesidad, a través de la plataforma de software DataPlatform.

DataPlatform se puede desplegar tanto en hardware propietario como no propietario, así como en modalidad cloud con escalabilidad ilimitada. Posee un potente sistema distribuido de almacenamiento, SpanFS, que garantiza el acceso a través de diferentes protocolos.

Este sistema nos permitirá ejecutar diferentes cargas de trabajo como backup (Dataprotect), NAS (NFS/SMB) y objetos (S3). Cohesity revoluciona el concepto de copias de seguridad y almacenamiento de nuestras aplicaciones, entornos y modelos de continuidad de negocio.

 

Con datos fragmentados entre silos, las empresas necesitan una forma simple y eficiente de gestionarlos. Cohesity SpanFS lo resuelve consolidando los silos de almacenamiento.

La fortaleza de Cohesity es la forma en como soluciona el problema de la fragmentación de los datos: ofrece una solución de fácil gestión, que integra aplicaciones y usos sobre un almacenamiento secundario, eliminando los problemas de gestión y el cumplimiento de requisitos de acceso al mismo tiempo.

Desde Open3s, hace tiempo que apostamos por la importancia de la Gestión del Dato, para muchos el nuevo petróleo del siglo XXI.

Cohesity es una de esas soluciones que entendemos como necesarias para gestionar el Ciclo de Vida de nuestros datos y aplicaciones.

Nosotros te ayudamos en cómo hacerlo.

Autor: Carlos Zavala Pasco, Area Manager Sistemas, Virtualización y Cloud

 

 

 

 

 

 

Apostando por un fabricante único para comunicaciones y seguridad

Cuando toca proyecto de renovación de comunicaciones y seguridad, si eres CIO/CTO o Responsable IT, tendrás que refrescar lo que está ofreciendo el mercado. Los partners especialistas iremos a contarte que se cuece en el mundo del Data Center, seguridad prerimetral, protección del dato, etc. y tú, como decisor dentro de la empresa, tienes la tarea de separar el grano de la paja.

Ya conocemos la oferta del mercado, tienes una aproximación económica e incluso un ganador que te ha convencido especialmente por su solución técnica. Y entonces, cuando se valora internamente, salta la alarma: «¿Nos vamos a casar con un único fabricante?«.

Sí, la mejor solución técnica y económica, a veces implica apostar parte de tu cadena IT (Firewall, Switch, WiFi) a un único fabricante. Pero, ¿es esto realmente un problema?

En este artículo, vamos a exponer las ventajas y desventajas de apostar por un único fabricante para las comunicaciones y seguridad perimetral. Y en que escenario podemos considerarla como apuesta ganadora.

El mantra del vendor lock-in

«Poner todos los huevos en la misma cesta», «apostar todo al rojo», en general son expresiones que denotan cierto componente negativo. Dicho de otra manera, el mantra más extendido es «no casarse con ningún fabricante». Pero, ¿realmente es esto siempre un problema? O más aún, ¿es realmente evitable el bloqueo o lock-in de manera general?

Siempre vamos a tener bloqueo de uno u otro tipo. Vamos a ser dependientes de una arquitectura definida o de una tecnología concreta, o de un producto (aunque sea software libre), o incluso de una persona del equipo que es quien tiene el conocimiento. Este punto es importante remarcarlo: siempre vamos a tener algún tipo de dependencia. Martin Fowler, Arquitecto software, lo define perfectamente en su blog, en el artículo Shades of lock-in, donde repasa los diferentes tipos de bloqueo que podemos sufrir en un proyecto.

Ventajas del vendor lock-in

La primera es una ventaja técnica. Tener toda tu infraestructura homogénea es una gozada desde el punto de vista operativo. Consola de gestión única, analítica integrada, interacción entre los elementos (Firewall, Switch, WiFi) muy fluida. Por supuesto, si nuestro equipo IT es pequeño, esta ventaja se maximiza. No es lo mismo aprender a operar 5 fabricantes que 1.

Pongamos un ejemplo en el que seguro nos hemos visto todos. En la oficina de Barcelona tenemos 10 Switches HP y un Firewall FortiGate, en la oficina de Madrid 10 Switches Dell y un Firewall Palo Alto, en ambas sedes tenemos WiFi de Cisco Aironet, pero en el resto de sedes remotas, como son pequeñitas, hemos puesto un par de Switches D-Link y un AP de Ubiquiti. ¿Quien puede gestionar una infraestructura tan dispar? Apostemos por un fabricante y simplifiquemos las operaciones de IT.

La segunda gran ventaja es económica. Desde el punto de vista del cliente podemos tender a pensar: «estos de $VENDOR me tienen cogido de la… campanilla y me van abusar«. Pero generalmente ocurre lo contrario, el fabricante ha colocado gran parte de su portfolio y te conviertes en un cliente estratégico. Va a hacer el mayor esfuerzo posible para que ese cliente permanezca contento, y esto se traduce en una ventaja económica importante al negociar el paquete.

Piensa que es lo típico que hacen los grandes ISP cuando negocian el contrato marco. Si te gastas 1 millón de euros al año en líneas móviles, Internet y MacroLAN, vuestra posición como cliente es dominante. Y desde Open3s como partner tecnológico, podemos ayudaros a ejercer esa posición de fuerza.

Un buen ejemplo de esto, podemos leerlo en este artículo de Ignacio del Castillo sobre el acuerdo de Orange y MÁSMÓVIL.

Desventajas del vendor lock-in

La desventaja de apostar por un fabricante en toda nuestra cadena IT, es que podemos llegar a atarnos. ¿Que ocurre si el fabricante cambia las condiciones? ¿O descontinúa el producto? ¿O nos duplica el precio de soporte en la renovación (un saludo a los fabricantes de cabinas)? En esos casos, asumimos ese pequeño/gran coste o buscamos una alternativa.

Y aquí voy a volver a tirar de nuestro amigo Martin Fowler que tiene una Matriz muy simple y directa (créditos Martin Fowler).

Apostamos por la innovación pero con seguridad. Asumimos el vendor lock-in, pero solo en los casos en que el valor diferencial sea importante.

Por un lado, tendemos a irnos con un fabricante cuanto más diferencial es su solución, es decir, nos aporta un valor único con respecto a la competencia. Y además, debemos buscar tecnologías/fabricantes que tengan un coste de cambio lo más bajo posible. Con esta definición, la matriz es autoexplicativa:

Asumimos el vendor lock-in, pero solo en aquellos casos en que el valor diferencial sea importante.

El caso Fortinet: apostando por un único fabricante para comunicaciones y seguridad

Hasta aquí el plano teórico. Pasemos a la práctica con el caso de Fortinet.

La mayoría reconocerán a Fortinet como un fabricante de Firewalls, los FortiGate. En nuestra experiencia, son equipos de primera división, con multitud de funcionalidades, una amplísima documentación y un coste muy competitivos. Pero el mundo de la seguridad perimetral es finito, y los fabricantes lo saben. Para seguir creciendo, Fortinet se está posicionando cada vez en otros mercados con FortiCosas. como por ejemplo FortiSwitch y FortiAP.

La ventaja diferencial aquí, es que todos estos equipos se integran en un único punto central, el Firewall FortiGate. Desde un punto de vista técnico, el Firewall hace de Switch Controller o de WiFi Controller. ¿Y que ganamos con esta integración?

En mi opinión, hay 3 grandes ventajas:

  • Gestión unificada. Toda la operativa de la red (Firewall, Switch, WiFi) se realiza desde un punto único. Se acabó ir consola por consola gestionando y que, además, la configuración quede coherente.
  • Visibilidad. Tengo todos los datos de la red en un punto único, la trazabilidad desde el Switch/AP hasta el perímetro es completa. Y si queremos llegar a la última milla, añadamos FortiClient como endpoint protector.
  • Seguridad. Integrando la red de campus en el Firewall, conseguimos añadir una capa de seguridad extra en nuestros Switches y AP.

Las ventajas están claras, ¿en que escenario aplica? Típicamente en redes de acceso con sedes pequeñas o medias y donde haya pocas manos para operar la red. Si nuestro equipo IT se compone de pocas personas, verá con muy buenos ojos esta integración porque le facilita la vida. Y de cara arriba, con Dirección, estamos reduciendo enormemente los costes operativos con respecto a comunicaciones.

A partir de aquí, cada cliente es un mundo con unas necesidades muy específicas. Desde Open3s, como partner especialista en Fortinet, estaremos encantados de atender tus necesidades de comunicación y seguridad y explicarte como Fortinet puede ayudarte con su solución única de Firewall, Switch y WiFi ¡No dudes en consultarnos!

Autor: Miguel Ángel Corzo Lozano, Area Manager Red y Seguridad