Por qué la próxima generación de gestión de datos comienza con estructuras de datos

Haga clic para obtener más información sobre el autor Kendall Clark.

El mandato de TI para ofrecer valor empresarial nunca ha sido tan fuerte. De hecho, 76% de ejecutivos creen que TI debe ser un socio activo en el desarrollo de la estrategia empresarial. La agilidad es la clave del éxito aquí. Sin embargo, la mayoría de las empresas se ven obstaculizadas por estrategias de datos que dejan a los equipos desprevenidos cuando el mercado cambia o surgen nuevos desafíos.

Tomemos, por ejemplo, los sistemas estructurados de gestión de datos. Esta opción funcionó bien cuando el panorama de datos empresariales estaba predominantemente estructurado. Pero el mundo es diferente ahora, y el panorama de los datos empresariales ahora está dominado por datos híbridos, variados y cambiantes. La aparición de Internet de las cosas (IoT), el aumento del volumen de datos no estructurados, la creciente relevancia de las fuentes de datos externas y la tendencia hacia entornos híbridos de múltiples nubes son obstáculos para satisfacer cada nueva solicitud de datos. El estrategia de datos antigua, centrado en los sistemas de datos relacionales, está fundamentalmente roto. Entonces, ¿cómo pueden las empresas pasar de una estrategia de datos reactiva a una receptiva?

Tejidos de datos empresariales: el camino a seguir

Las organizaciones de hoy buscan construir un tejido de datos para impulsar proyectos y productos colaborativos y multifuncionales y escapar de los flujos de trabajo reactivos con una base digital resistente, sin necesidad de extraer y reemplazar. Los tejidos de datos entrelazan datos de silos de datos internos y fuentes externas y crean una red de información para impulsar aplicaciones, inteligencia artificial y análisis. En pocas palabras, admiten toda la gama de desafíos de datos en la empresa compleja y conectada de hoy.

A diferencia de las técnicas de integración de datos estáticos más antiguas, los principios clave de los tejidos de datos son que pueden:

• Responda preguntas imprevistas y adáptese a los nuevos requisitos
• Aportar significado a los datos, lo que conduce a una mejor comprensión
• Habilite consultas en silos de datos y fuentes externas, independientemente de la estructura de los datos
• Modernice los sistemas existentes para que no sea necesario extraer y reemplazar
• Conecte los datos en la capa de cálculo, no en la capa de almacenamiento, para que los silos de datos se puedan conectar sin crear silos adicionales.

Los tejidos de datos también son compatibles con las conexiones de datos multifuncionales que son clave para crear y defender una ventaja competitiva y permitir la colaboración en toda la empresa y con socios externos. Tomemos como ejemplo los desafíos en torno a la innovación de la cadena de suministro. Los sistemas de datos de la cadena de suministro convencionales son una carrera de relevos, que operan con transferencias lineales y enlaces peer-to-peer en silos entre sistemas. Vimos los resultados predecibles cuando llegó el COVID-19 y las cadenas de suministro globales colapsaron. Era inevitable cierta tensión o incluso un colapso parcial, pero las consecuencias se agravaron por las estrategias de datos inadecuadas que trataban la cadena de suministro como un sistema rígido. En realidad, la cadena de suministro es una red compleja de actores que deben estar completamente sincronizados para ajustarse según sea necesario.

Con una red de suministro digital impulsada por una estructura de datos, las empresas pueden responder preguntas complejas a las que antes estaban ciegas, como "muéstreme todos los lotes de materias primas y proveedores asociados involucrados en la producción del lote 123 de productos terminados". O "¿cómo se comparan los COGS del producto A entre estas dos regiones?" O "¿qué fabricantes suministraron las materias primas involucradas en esta queja del cliente?"

Unir una estructura de datos exitosa comienza por comprender sus materiales

A diferencia de otros enfoques, los tejidos de datos entrelazan los sistemas y aplicaciones de gestión de datos existentes. Por lo tanto, no es de extrañar que los tejidos de datos se vean rápidamente como el siguiente paso adelante en la maduración del espacio de integración de datos. Esto sucede porque los tejidos de datos pueden:

1. Descubra el significado oculto: Los tejidos de datos cambian el status quo al brindar significado, no solo datos, en toda la empresa. Este significado se entrelaza a partir de muchas fuentes: datos y metadatos, fuentes internas y externas, y sistemas en la nube y locales. El significado se captura dentro y mediante modelos de datos extensibles, basados ​​en gráficos de conocimiento, con todo el contexto de cada activo de datos completamente presente y disponible, en una forma comprensible para la máquina. Con una estructura de datos, las personas y los algoritmos pueden tomar mejores decisiones, al mismo tiempo que reducen la probabilidad y el riesgo de mal uso o mala interpretación de los datos.

2. Responda preguntas difíciles: Los tejidos de datos brindan respuestas a través de potentes capacidades de consulta, búsqueda y aprendizaje. En lugar de una entidad estática basada en mover o copiar datos, una plataforma de estructura de datos proporciona una capa de datos dinámica "consultable" que recopila respuestas de todas partes silos de datos. Las estrategias de integración de datos anteriores dependían de la creación de un nuevo modelo de datos para admitir cada nuevo caso de uso y luego mover o copiar datos para completar ese modelo de datos. Con una estructura de datos, los modelos de datos son reutilizables, por lo que cuando surgen preguntas imprevistas, es fácil para los equipos adaptarse para satisfacer las necesidades de la empresa.

3. Apoyar proyectos de gestión de datos multifuncionales: Los tejidos de datos entrelazan los sistemas de gestión de datos existentes, enriqueciendo todas las aplicaciones conectadas. Reemplazan los sistemas más antiguos que recopilaban o catalogaban los activos de una empresa pero no lograban que los datos fueran utilizables. Las soluciones anteriores también fallaron en parte debido a su incapacidad para manejar datos híbridos, variados y cambiantes, pero también debido al rechazo organizacional. Sin embargo, los tejidos de datos están diseñados para la colaboración, aprovechando y conectando los activos existentes e impulsando una nueva generación de proyectos de gestión de datos multifuncionales.

Modernizar las inversiones existentes

La mayoría de nosotros recordará cómo los lagos de datos alguna vez tuvieron la promesa de centralizar los activos de datos de una empresa. Pero muchos lagos de datos no logran cumplir con sus expectativas precisamente porque colocan los datos en la capa de almacenamiento en lugar de conectarlos en la capa de cómputo. Aprovechan los datos en función de su ubicación en lugar de en función de su significado comercial. Toda la premisa detrás de una estructura de datos es que la colocación física de datos no logra por sí misma la conexión de datos ni proporciona significado o contexto. Las generaciones anteriores de sistemas de integración basados ​​en almacenamiento, como el almacén de datos, son, de hecho, incluso menos capaces que los lagos de datos, ya que solo administran fácilmente datos estructurados para empezar, dejando los silos de datos semiestructurados y no estructurados completamente sin abordar y desconectados. Las empresas rápidamente recurrieron a los catálogos de datos para tratar de abordar la asombrosa diversidad de sus paisajes de datos solo para descubrir que la catalogación por sí sola no conduce a una empresa conectada.

Si bien estas tecnologías prometían acabar con los silos de datos, la verdad es que son inevitables y existen por muy buenas razones. Permiten el control y la gobernanza local cuando es importante para una parte particular del negocio, ya que algunos datos deben almacenarse separados de otros datos para cumplir con la regulación legal o simplemente por razones comerciales heredadas. Integración de datos convencional enfocada en eliminar
ng silos a través de la masterización, la migración, la consolidación o la gobernanza. Pero las estructuras de datos ofrecen una alternativa práctica. En lugar de trabajar contra los silos de datos, una estructura de datos los aprovecha sin requerir más copias de datos. En lugar de reemplazar las tecnologías heredadas, una estructura de datos funciona junto con las inversiones existentes y mejora su utilidad. Esto se debe a que una estructura de datos es un diseño arquitectónico que opera en la capa de cómputo y se enfoca en conectar los datos dondequiera que residan y, por lo tanto, en realidad mejora los activos de almacenamiento de datos consolidados físicamente existentes, como lagos de datos, catálogos de datos, almacenes, MDM y otros.

Gráficos de conocimiento: la puntada que falta para una estructura de datos exitosa

Los gráficos de conocimiento pueden representar toda la diversidad y complejidad de los datos empresariales porque sirven como un formato universal para el significado, independientemente de la estructura, ubicación o formato de la fuente de datos. Un gráfico de conocimiento reemplaza el laborioso proceso actual para integrar datos empresariales, que normalmente implica extracción, traducción, modelado, mapeo y luego emocionante datos entre varias aplicaciones. El código personalizado necesario para el modelado y el mapeo se vuelve rápidamente difícil de manejar a gran escala, lo que ralentiza el ritmo de la innovación y el conocimiento.

Los gráficos de conocimiento son una parte integral de una estructura de datos efectiva, ya que crean una red reutilizable de conocimiento y representan fácilmente datos de varias estructuras y admiten múltiples esquemas. Al crear una comprensión semántica reutilizable y consultable de datos empresariales y de terceros, los gráficos de conocimiento sirven como el núcleo del tejido de datos: enriquecen y aceleran las inversiones existentes y brindan acceso crítico a la información empresarial.

Al igual que una estructura ordinaria que se ajusta a lo que sea que envuelve, una estructura de datos empresarial coloca sobre los activos de datos existentes y se conecta a ellos a través de subprocesos individuales y entrelaza estas fuentes en una capa unificada. Al hacerlo, los tejidos de datos en realidad componen el valor comercial de las inversiones existentes.

Fuente: https://www.dataversity.net/why-the-next-generation-of-data-management-begins-with-data-fabrics/