À medida que surgem melhores condições econômicas após a pandemia, as organizações precisam de uma visão única e em tempo real de dados precisos e confiáveis para que possam gerar valor aos clientes, reduzir o risco e responder rápida e eficazmente a novas oportunidades e desafios.
Isso está longe de ser fácil para as muitas organizações que acumularam múltiplas e diversas tecnologias para gerir diferentes tipos de dados e carga de trabalho. Talvez não por culpa própria, os líderes de TI destas organizações enfrentam uma complexidade e latência arquitetônicas desnecessárias. Devem lidar com muitas partes e com a necessidade de mover dados entre elas.
Para conseguir maior agilidade, a simplificação arquitetônica é um objetivo real porque reduz custos, aumenta o desempenho e ajuda a melhorar a segurança. É realizável e ao alcance de qualquer organização, e aqui estão três formas de conseguir.
O caminho do multi-modelo
O primeiro destes caminhos para a simplificação é uma base de dados puramente multi-modelo. Isto substitui múltiplos sistemas de gestão de bases de dados com fins especiais, tais como bases de dados de valores-chave, documentos ou gráficos, por uma única representação dos dados em disco. É acessível como qualquer representação on-demand e sem duplicação de dados.
Muitas áreas de negócios podem empregar esta abordagem multi-modelo. Na indústria hoteleira, por exemplo, uma única aplicação de reserva de hotel pode depender de até cinco sistemas de gestão de bases de dados, uma configuração suscetível que pode afetar negativamente a elevada disponibilidade de dados. Cada local tem um modelo separado para scale-out, load, disaster recovery, disponibilidade e segurança, o que resulta em duplicação de dados e muitas oportunidades para que as coisas possam dar errado.
As aplicações que trabalham em tais sistemas devem ser submetidas a testes extensivos, enquanto que a reutilização de dados se torna problemática. Para além da necessidade de aprender vários produtos, a depuração e o apoio absorvem muito tempo dos funcionários, aumentando o custo total de propriedade.
Compare isso com a forma como um aplicativo de reserva de hotel simplificado reduz os custos de desenvolvimento por um fator de três. Um sistema único, multi-modelo é comparativamente fácil de escalar e proporciona um acesso mais fácil aos dados de um pool comum. Também é mais simples refatorar de acordo com os requisitos em mudança e erradicar a latência entre sistemas.
A plataforma de dados translíticos
O segundo caminho para uma arquitetura mais simples depende da plataforma transacional-analítica - ou "translítica". Isto combina capacidades de gestão de dados transacionais e analíticos num único motor de base de dados. Enquanto que um sistema transacional otimiza o processamento de transações, um sistema analítico otimiza as consultas e cargas de trabalho analíticas. A reunião dessas capacidades num único motor de base de dados proporciona um alto desempenho sem qualquer compromisso quando se utiliza a análise para uma visão e ações em tempo real. A tecnologia avançada da plataforma de dados coloca esta arquitetura consolidada em posição, eliminando a latência ao mover os dados entre sistemas. Isso é possível sem sacrificar o desempenho ou a escalabilidade para qualquer tipo de carga de trabalho.
Nos serviços financeiros globais, a implantação de uma única plataforma transilítica permite às principais instituições de investimento processar milhares de milhões de transações e ordens por dia, ao mesmo tempo que serve milhares de pedidos simultâneos por segundo de centenas de aplicações em toda a empresa. Numa organização, a produção comercial aumentou mais do que um fator de três, enquanto que a ingestão de dados aumentou dez vezes. Esta nova abordagem reduziu os custos operacionais em 75% - um valor notável para qualquer norma.
Aprendizagem em base de dados por máquina
O terceiro e mais recente padrão de simplificação é a aprendizagem de máquinas em banco de dados (ML). Elimina a necessidade de ter plataformas separadas para a gestão e ciência dos dados e supera as muitas barreiras à otimização de uma tecnologia avançada como o ML. Isto inclui a sempre presente escassez de conhecimentos e problemas com dados utilizáveis.
A simplificação aqui vem sob a forma de AutoML ou IntegratedML, que incorpora a tecnologia ML diretamente na plataforma de dados. Isto torna o desenvolvimento de modelos ML mais facilmente acessível ao pessoal que compreende os problemas empresariais mas que pode não ter conhecimentos alargados de ciência de dados. Para os cientistas de dados dentro de uma organização, a AutoML oferece outro grande ganho - devolve-lhes mais tempo para o trabalho produtivo em atividades de maior valor, tais como afinação e avaliação de modelos. Também é fácil incorporar estes modelos de aprendizagem de máquinas em processos e fluxos de trabalho para criar processos prescritivos inteligentes, orientados por dados, que executam em tempo real com base em eventos e transações.
A simplificação arquitetônica será realizada de imediato
Qualquer que seja o caminho para a simplificação das organizações com arquiteturas complexas, através dos avanços na tecnologia de gestão de dados, estas obterão vantagens operacionais e de custo significativas. Estes incluem custos totais de propriedade substancialmente reduzidos, níveis de desempenho e eficiência mais elevados, juntamente com uma escalabilidade e resiliência de grande importância. Estes são ganhos que estão imediatamente disponíveis, independentemente de a implantação ser no local, na nuvem ou num ambiente híbrido.
Como vimos, os avanços na gestão de bases de dados baniram as velhas noções de que a simplificação da arquitetura de dados se fazia à custa do desempenho. Tais alternativas que estão disponíveis geram uma complexidade muito maior através da implementação de soluções de múltiplos pontos e colocam os dados em risco, exigindo que estes estejam em movimento onde são mais vulneráveis. Chegou o momento de perceber que a simplificação tem muitas vantagens em relação à abordagem best-of-breed.
Para ouvir mais de Jeff sobre os prós e os contras e as tendências para o ajudar a compreender o que é possível com bases de dados multi-trabalho e multi-modelo, ouça a sua gravação completa da conferência da IASA.
