Hoy, más que nunca, las organizaciones se esfuerzan por obtener una ventaja competitiva, ofrecer más valor a los clientes, reducir los riesgos y responder más rápidamente a las necesidades de la empresa. Para lograr estos objetivos, las organizaciones necesitan un acceso fácil a un único conjunto de datos precisos, coherentes y fiables, y todo ello en tiempo real. Sin embargo, los crecientes volúmenes de datos y sus complejidades dificultan el logro de estos objetivos. A medida que los datos crecen, también lo hace la prevalencia de los silos de datos, dificultando la integración y el aprovechamiento de los datos procedentes de fuentes internas y externas.
Recientemente, han surgido los data fabrics como un enfoque arquitectónico muy necesario para proporcionar una visibilidad precisa en toda la empresa, sin los problemas asociados a los almacenes de datos, los lagos de datos y otros enfoques para su integración y gestión. Los data fabrics pueden transformarlos y armonizarlos bajo demanda, aunque procedan de múltiples fuentes, para crear una única fuente fiable, precisa y actualizada al servicio de todos sus usuarios. Los Smart Data Fabrics llevan este enfoque un paso más allá al incorporar una amplia gama de capacidades analíticas, como la exploración de datos, la inteligencia empresarial, el procesamiento del lenguaje natural, el machine learning e, incluso, la IA generativa. Esto facilita que las organizaciones obtengan conocimientos nuevos y potencien sus servicios y aplicaciones prescriptivos inteligentes.
A menudo recibimos preguntas sobre cómo pueden aplicarse los smart data fabrics para abordar retos industriales específicos. A continuación, encontrará las respuestas a once preguntas frecuentes.
Cómo pueden aplicarse los data fabrics para afrontar retos específicos de la industria
En general, un data fabric proporciona un enfoque moderno para crear una única fuente fiable, a partir de todas las fuentes de datos desconectadas, dispares y disímiles, dentro y fuera de la organización, para alimentar los cometidos de todos los usuarios, ya sean empresariales, de aplicaciones, científicos de datos, clientes, reguladores, etc. También proporciona una capa de metadatos coherente y global, y una capa semántica que mantiene las relaciones entre los distintos datos y metadatos. Un data fabric puede eliminar los errores y redundancias típicos del mantenimiento de múltiples repositorios de datos individuales que sirven a diferentes usuarios. Además, debe permitir que los datos sean opcionalmente persistentes o virtualizados (no persistentes), manejar datos de flujo en tiempo real y datos por lotes a escala, ser capaz de gestionar de forma nativa una amplia variedad de tipos de datos, incluidos los no estructurados (multimodelo), y tener análisis integrados para el procesamiento analítico avanzado y en tiempo real, sin mover los datos a un entorno diferente para el análisis (smart data fabric).
Su frase sobre data fabrices: "Llevo 25 años trabajando con datos. Hemos pasado por varias soluciones. Por fin hemos encontrado algo que funciona".
Hay muchas formas de implementar un data fabric. Una forma es implantar e integrar muchas soluciones puntuales de gestión de datos diferentes, por ejemplo para la gestión de bases de datos relacionales y no relacionales, la integración, la capa de almacenamiento en caché, el catálogo de datos, el flujo de trabajo, la inteligencia empresarial, el machine learning, la gestión de metadatos y datos semánticos, etc. Hemos visto que las organizaciones que intentan este enfoque suelen acabar con una arquitectura compleja e ineficaz lenta de implantar, difícil de mantener, que carece de rendimiento y que es ineficiente en su uso de los recursos de la infraestructura.
En su lugar, se recomienda buscar una tecnología de plataforma de datos que ofrezca muchas de las funciones necesarias en un único producto o plataforma. Uno de los clientes de InterSystems, un proveedor de software de tecnología financiera valorado en 5.000 millones de dólares, ha podido sustituir ocho tecnologías diferentes por este único producto, obteniendo un rendimiento nueve veces superior con sólo el 30% de la infraestructura y una arquitectura mucho más sencilla.
Por ejemplo, los acontecimientos geopolíticos, la escasez de mano de obra, los fallos en el suministro, las pautas meteorológicas y la rápida evolución de la demanda de los consumidores pueden influir en la oferta y la demanda. Las organizaciones pueden acelerar la toma de decisiones basada en datos aprovechando un data fabric con análisis integrados, para lograr un mayor nivel de apoyo a la toma de decisiones y resultados basados en la automatización.
En la práctica, existen modelos de madurez digital estándar en el sector que pueden servir de orientación. La progresión comienza con la comprensión de los requisitos organizativos y los indicadores clave de rendimiento (KPI) críticos para, después, aprovechar una arquitectura data fabric fundacional y desarrollar procesos para progresar gradualmente hacia los niveles superiores de madurez digital, que es lograr una supply chain predictiva, autónoma y adaptable.
Al igual que en la supply chain, un smart data fabric con capacidades analíticas avanzadas integradas en el tejido, puede proporcionar análisis predictivos y prescriptivos; por ejemplo, para informar sobre el mantenimiento predictivo para mantener en funcionamiento las líneas de producción críticas, equilibrar la oferta con las fluctuaciones previstas de la demanda y optimizar la dotación de personal.
Las organizaciones sanitarias también se benefician del uso de smart data fabric como capa analítica, facilitando que los analistas y sus herramientas exploren datos de fuentes distintas. Al tiempo, pueden incorporar información en tiempo real, junto con los datos de su almacén tradicional, para obtener análisis más actualizados que ofrecen perspectivas y patrones nuevos que, de otra forma, habrían quedado ocultos en los silos de datos.
Es recomendable que los equipos técnicos de la organización trabajen en estrecha colaboración con las líneas de negocio, para identificar qué casos de uso aportan más valor a la organización y aplicarlos en sprints que proporcionen algún valor empresarial medible. También es aconsejable trabajar con un socio de confianza, con experiencia demostrada con organizaciones y casos de uso similares, para ayudar con la estrategia, las mejores prácticas y la implantación.