Superar las cuatro barreras principales con respecto a la información útil sobre los datos

Pierre Fricke

illustration of business person running on a road and facing a barrier

 

Según IDC, la cantidad de datos que se creará en los próximos tres años superará a todos los datos que se crearon en los últimos 30 años. Y el mundo creará tres veces más datos en los próximos cinco años de los que creó en los cinco años anteriores.

A medida que aumenten el volumen y la variedad de los datos y que las fuentes de datos proliferen, surgirán nuevas oportunidades, que incluyen ofrecer una experiencia superior del cliente, impulsar mejores decisiones comerciales y posibilitar mayor agilidad y resiliencia. Las nuevas tecnologías y los nuevos enfoques, como la Internet de las cosas (IoT), el desarrollo de la nube nativa, la AI y el machine learning y la estructura de datos moderna ofrecen un camino hacia esta visión comercial inteligente.

A pesar de estas oportunidades y de estos nuevos enfoques, las empresas se esfuerzan por administrar los datos y por generar un análisis significativo. Se ven afectadas por problemas tales como datos sucios y políticas desalineadas de control y recopilación de datos. Y, a su vez, corren el riesgo de quedar atrás de la competencia, que usa la inteligencia de datos para adaptarse a las necesidades de sus clientes de manera rápida y proactiva.

Para obtener información útil de sus datos, deberá abordar algunas barreras comunes. Echemos un vistazo a cada una de ellas, como también a lo que puede hacer para superarlas.

 

Barreras y soluciones para administrar una empresa de manera más inteligente y rápida

En un estudio reciente de más de 1,800 líderes de TI, exploramos por qué las empresas no logran pasar sus proyectos de análisis de datos a producción o experimentan problemas relacionados con la calidad y la disponibilidad cuando lo hacen. El estudio reveló algunas barreras clave que son comunes para la mayoría de las empresas:

 

1. Desafíos que plantea la detección de datos

La detección de datos es difícil cuando usted tiene fuentes de datos desconocidas, datos de mala calidad, silos de datos y restricciones con respecto al compliance. Estos problemas pueden tener su origen en los datos utilizados o generados por una aplicación específica que está almacenada en una plataforma de datos aislada, que, por lo general, se encuentra en una arquitectura de aplicaciones web de principios de la década del 2000 o en las aplicaciones de UNIX de la década de 1990.

Además, las opiniones inconclusas de los clientes y de otras entidades comerciales, los datos duplicados y la falta general de comprensión sobre qué datos están disponibles (para construir nuevas aplicaciones o actualizar las existentes) generan servicios, información y experiencias del cliente menos eficientes.

Solución:

Con una perspectiva holística y una comprensión de su conjunto de datos, además de la arquitectura de datos moderna que facilita el acceso a sus datos, puede naturalizar la detección y el uso de los datos en su cultura y sus procesos de DevOps. DevOps impulsa la velocidad y el rápido tiempo de respuesta. Y sus datos —si se conocen y se puede acceder a ellos y, además, están en un formato útil— pueden incorporarse por completo en sus procesos de implementación, desarrollo y cultura de DevOps.

 

2. Costos excesivos

Cuando su infraestructura no está diseñada para que sea flexible y beneficiosa, su talento es costoso y se enfrenta a inversiones continuas sin un retorno garantizado, los costos pueden crecer sin control.

El costo también se puede tornar excesivo a medida que sigue dependiendo de las soluciones de datos en las instalaciones para sus peores escenarios posibles, ya que queda atrapado en el mantenimiento de la infraestructura de datos y de las aplicaciones virtualizadas más antiguas. Y sus plataformas de datos en las instalaciones que prestan servicio a las aplicaciones basadas en la nube pueden generar cargos de ingreso/egreso más altos que los necesarios.

SOLUCIÓN:

Al pasar las plataformas de datos a las nubes públicas y privadas correctas en una arquitectura multi-cloud, obtiene los beneficios de la multi-cloud, incluso la flexibilidad, el autoservicio, la economía optimizada y los servicios de la nube nativa y, gracias a esto, podrá desarrollar aplicaciones modernas y hospedar una arquitectura de datos moderna.

 

3. Complejidad

Elegir la combinación correcta de tecnologías, identificar las mejores prácticas de arquitectura en cuanto a la implementación e integrar la nube, la estructura en las instalaciones y el borde, son todas responsabilidades complejas. Sin embargo, se vuelve todavía más difícil si su combinación de plataformas de datos no está optimizada.

Por ejemplo, sus datos pueden haberse introducido de forma forzada en un sistema tradicional de administración de datos relacionales, o peor, en archivos no estructurados, aunque ese no sea el lugar ideal para el uso y el análisis de los datos. Esto hace que el desarrollo de aplicaciones que utilizan estos datos sea más difícil y menos eficaz.

La IoT aumenta de forma radical los datos que llegan a su empresa. Pero deben analizarse y separarse de forma inteligente en flujos de datos que soporten la empresa, para que sus aplicaciones reciban los datos que necesitan donde los necesitan. Muchas organizaciones no aprovechan la IoT o lo hacen de una manera que limita de forma excesiva el uso de sus datos desde la IoT. Si bien estos enfoques evitan la inundación de datos con sus problemas de confiabilidad, seguridad y disponibilidad, eliminan los beneficios de usar todos los datos apropiados en su ecosistema empresarial.

SOLUCIÓN:

Hacer frente al auge de variedad, velocidad y volumen de datos es complejo. Pero al colocar estos datos en las plataformas de datos correctas en las nubes adecuadas que están configuradas en una arquitectura de datos moderna, sus datos se pueden usar con más facilidad, ser más rentables y sentar las bases para obtener un análisis moderno y mejor información comercial.

 

4. Falta de competencias

La mayoría de las organizaciones no tienen las habilidades necesarias a nivel interno para optimizar su arquitectura de datos para los casos de uso modernos de AI/ML y las aplicaciones nativas de la nube. Para crear una estructura de datos moderna, necesita formación, capacitación y experiencia especializadas que no estén disponibles de forma orgánica en los equipos de TI típicos. Esta falta de competencias también contribuye a la arquitectura de integración de datos que ya está dispersa y es oportunista. Esto evita que las aplicaciones obtengan los datos correctos en el momento oportuno y da lugar a experiencias, resultados e información no ideales.

SOLUCIÓN:

Trabaje con un socio cuyo equipo tenga las competencias y trayectorias profesionales correctas y que además cuente con una experiencia de trabajo continua, donde siempre estén ocupados resolviendo problemas y generando experiencia en muchas industrias y casos de uso diferentes. Esto ayuda a garantizar que puedan atraer y retener a las mejores personas para manipular los datos.

 

Obtener información útil sobre los datos

Con una arquitectura de datos moderna, sus datos pueden ayudar a impulsar mejores procesos, experiencias y decisiones comerciales. Y con un ambiente de datos totalmente integrado respaldado por DataOps y MLOps, sus equipos comerciales y de TI pueden tomar decisiones comerciales y de TI inteligentes, que impulsarán el mayor valor para sus clientes y tendrán un impacto importante en los resultados finales de su empresa.

La arquitectura de datos moderna, junto con AI y machine learning, le permite a su empresa llevar los datos justos a la aplicación correcta en el momento comercial adecuado, mientras ofrece un nuevo nivel de información comercial y aplicaciones inteligentes.

Para obtener más información acerca de cómo las organizaciones administran y modernizan sus datos, eche un vistazo a nuestro informe: "Modernización de datos: Cómo eliminar las barreras de la AI y el machine learning". Descubrirá más acerca de los desafíos generalizados que enfrentan las empresas con la infraestructura y la calidad de los datos, como también información crítica sobre el papel que desempeñan las personas y las operaciones en la modernización de sus datos.

 

Dé el próximo paso hacia la modernización de sus datos.