Las tecnologías que alimentan a Minga Digital

El incesante flujo de datos que atraviesa el mundo de la publicidad digital es uno de los principales desafíos que hoy enfrentan las empresas en el área. Administrar correctamente esa información, poder visualizar las analíticas de forma rápida y simple, es vital para tomar la mejor decisión respecto a dónde y cuándo mostrar las campañas. 

Analizamos, junto a Mateo Marín, Director de Operaciones de Minga Digital, algunas de las tecnologías que impulsan su liderazgo en la publicidad digital.

Machine learning 

En julio pasado Minga Digital estrenó una herramienta que, utilizando tecnología de machine learning, puede identificar las temáticas de cada página que analiza: moda, cine, música, noticias, tecnología. Así, puede mostrar banners adecuados al contexto. “El algoritmo está basado en la tecnología Natural Lenguage Processing (NLP), y en conjunto con el machine learning, le permite ‘entender’ lo que dice el sitio y así identificar otros sitios con la misma temática de forma más eficiente” explica Mateo. “Tenemos ciertos sistemas que automáticamente son capaces de tomar decisiones en base a la experiencia. En este caso, tenemos un sistema al que le enseñamos a identificar páginas que hablan de deportes y cuando está frente a ella, es capaz de definirla como tal” dice.  

Amazon Web Service (AWS)

“Es nuestro principal proveedor de cloud computing y lo usamos como solución para CND, servidores virtuales y bases de datos” dice Mateo. En estas herramientas se procesan cerca de 2TB de información mensual, lo que cabría en 2.600 CD’s tradicionales y 200 millones de solicitudes. “Equivale a tener una oficina que mensualmente atiende a 200 millones de personas” explica. La consistencia y velocidad, con tal magnitud de datos, son las características principales que mantienen su uso dentro de Minga Digital. 

Google Bigquery

Al igual que AWS, esta solución de administración de Big Data de Google también destaca en su velocidad pero, sobre todo, en su consistencia. “En las aplicaciones que nosotros desarrollamos, puedes pasar, de un segundo a otro, de tener 1.000 solicitudes a tener 100 mil, por lo que nos importa que la consistencia, la adaptabilidad a ese comportamiento heterogéneo sea eficiente y mantengan su desempeño” explica Mateo. “La usamos como un data warehouse para las aplicaciones que manejamos internamente y que entregan servicios tanto a clientes internos como externos”. Los datos procesados en esta herramienta SQL rondan los 150 GB de información mensuales, lo que se traduce a aproximadamente 600 millones de registros al mes. “Es una solución SQL muy adecuada debido a la escalada de información que manejamos” explica.

MongoDB

También una solución de Big Data y que procesa grandes bases de datos, pero está enfocada en los detalles. “En Bigquery a mí me interesa lo que representa el conjunto completo de los datos. Ver los clics, las impresiones”, aclara Mateo. “Mientras que MongoDB lo usamos para hacer consultas a nivel más específico de cada documento, como la propiedad de un sitio web”. La elasticidad de sus funciones lo han hecho muy requerido en el mundo de los videojuegos, cuenta Mateo, ya que al ser NoSQL (no relacional) y basadas en documentos, provee una mayor flexibilidad para modelar datos. “Por el tipo de estructura que tiene, los tiempos de respuesta son sumamente bajos” dice, agregando otra ventaja a la lista.