Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Consideramos que si continúa navegando, acepta su uso. Obtener más información

Cómo las empresas pueden hacer uso de todos sus datos

  • Predictive Analytics

disco duro

Las empresas necesitan aprovechar todos los datos de manera completa y eficaz, incluida la creciente digitalización de las comunicaciones humanas y los datos generados por todo (desde bombillas a teléfonos inteligentes).

Hay que capturar una gran variedad de datos, almacenarlos de una manera que los haga accesibles y consultarlos ​​en función de las necesidades cambiantes del negocio. Pero no se puede sobrevivir con esquemas rígidos y predeterminados.

A grandes rasgos, podemos decir que hay cinco grandes desafíos que las empresas deben superar si quieren aprovechar completamente sus datos y los de terceros.

En primer lugar, nos encontramos con múltiples tipos de datos y formatos. Los datos de hoy se presentan en todas las formas, tamaños y formas. Pero eso no elimina la necesidad de que deben procesarse y analizarse básicamente en tiempo real. Es más, las diferentes formas y tipos de datos necesitan ser utilizados juntos sin problemas.

Hablando de datos, nos enfrentamos a una proliferación de silos en la empresa. El rápido crecimiento de todo tipo de datos y el crecimiento en el número de servicios prestados por las empresas a sus clientes, ha creado una proliferación de silos de datos en la empresa. Para servir mejor a sus clientes, a los reguladores y a ellas mismas, las empresas necesitan crear una visión de 360 ​​grados de sus objetos de negocio, tales como clientes, productos o pacientes. Pero la creación de esta visión holística ha sido una tarea ardua y tremendamente costosa. Y, al mismo tiempo, se crean más silos de datos.

Además, hay un lento ritmo de innovación basado en sistemas legados. Los requerimientos tecnológicos y empresariales están cambiando casi a diario, y las organizaciones necesitan innovar para mantenerse competitivas y conformes. Muchas empresas hoy en día apenas pueden lidiar con los datos que tienen a mano, y mucho menos lo que vendrá en el futuro, como los datos generados por IoT. Cuando invierten en innovación, a menudo se sienten frustrados porque necesitan lidiar con sistemas heredados, que contienen muchos de los activos de datos corporativos. Estos sistemas son un ancla que retarda su progreso y capacidad para competir efectivamente.

En cuarto lugar, cabe recordar que las bases de datos relacionales son el estándar de facto para almacenar datos en la mayoría de las organizaciones. Una vez que se rellena un esquema relacional, es sencillo consultar un SQL. Pero las empresas tienen que crear un esquema para las consultas. La integración de todos los esquemas existentes (y posiblemente los datos de los mainframes y el contenido de texto) requiere una cantidad tremenda de tiempo y coordinación entre las unidades de negocio, los expertos en la materia y los ejecutores. Luego, una vez que un modelo finalmente es establecido por varias partes interesadas, los datos deben ser extraídos de los sistemas, transformados para ajustarse al nuevo esquema y cargados de nuevo en el nuevo esquema, un proceso denominado ETL. Esto supone mucho tiempo y la amenaza de que nunca acabe, puesto que las fuentes de datos cambian y se añaden nuevas. O se plantean diferentes preguntas.

Por último se produce la falta de contexto. Tal vez el mayor problema que las empresas tienen hoy es pensar que saben lo que no saben. Los datos sin contexto son inútiles. ¿Qué significan estos datos? ¿Cómo se relaciona con otros datos? ¿Cuál es la procedencia de los datos? ¿En qué circunstancias y con quién puedo compartirlo? En la mayoría de los casos, las respuestas a estas preguntas no se capturan en la base de datos. Podría estar en la cabeza de un desarrollador, o un documento de diseño, o un script ETL, o peor, en todos esos lugares, pero no de manera coherente. Las bases de datos tradicionales no se enfocan en almacenar, administrar y consultar estos metadatos contextuales y los procesos típicos de ETL suelen dejar caer esta información. Abandonar el contexto significa renunciar a obtener el máximo valor de sus datos.

Por eso, cada vez más, las empresas están recurriendo a bases de datos de varios modelos. Con una base de datos de varios modelos, pueden capturar el contexto de los datos y almacenarlos con los datos, proporcionando la máxima agilidad y auditabilidad de los datos, y esencialmente probando el sistema de bases de datos en el futuro frente a cualquier nuevo tipo de datos. inevitablemente bajar el lucio.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mudo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.