Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Automatización y silos, retos de DataOps

  • DevOps

GMV Big Data 2

Las barreras y los bloques que se interponen en el camino de una gran pila de big data y un buen proceso de análisis son más profundos y casi inevitablemente abarcan los silos que la mayoría de las organizaciones han creado como grupos de datos en departamentos y equipos.

Cada uno guarda su información y procesos estrechamente optimizados para que la empresa tenga un complejo de datos de activos combinados. Cada silo es una barrera y un bloque para una única versión de la verdad, y un proceso analítico sólido que abarca a toda la organización.

De hecho, la fusión de fuentes de datos y datos de catalogación (aspectos de las mejores prácticas para eliminar esos silos) realmente ayuda a combatir otro bloque.

El flujo de datos solo es tan bueno como su enlace más débil. Los problemas de tiempo de ejecución inexplicables en sus aplicaciones a menudo ocurren porque una parte de la tubería de análisis ha cambiado, movido, reconfigurado, carece de recursos informáticos, etc.

La resolución de problemas requiere mucho tiempo y es compleja, y las variables de configuración son difíciles de analizar. Y cuando apunta a la perfección, la persona sabia de DataOps sabe que "perfecto es el enemigo del bien".

La automatización es un gran bloque de datos que revienta aliado. Hay una verdadera escasez de habilidades para los buenos arquitectos de big data y los especialistas en la nube. La creciente demanda y una enorme escasez de talento disponible en tecnologías emergentes y campos especializados ha incrementado los salarios de la industria.

Dada la falta de talento disponible libremente, tiene sentido salvaguardar a los equipos que tiene y permitirles usar sus habilidades para lograr un mejor efecto al automatizar las partes de sus roles que les permiten centrarse en su conjunto de habilidades más alto.

Darle una mano a los DataOps existentes y al talento analítico de resolución de problemas con algunas soluciones sólidas de gestión del rendimiento de las aplicaciones les ayudará a superar los bloqueos con facilidad, solucionando problemas más fácilmente y optimizando cada aspecto de la gran pila de datos.

No solo tiene sentido optimizar el proceso para obtener mejores y más rápidos resultados comerciales, sino que, dada la fortaleza del poder de negociación del equipo de DataOps en la actual escasez de habilidades, es prudente mantenerlos felices y permitirles disfrutar de sus trabajos, en lugar de depurar, persiguiendo sus propias colas todo el día.

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 mundo 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.