OpiniónAnalytics

Tres vías para simplificar la arquitectura de datos con una plataforma de datos moderna

Jeff Fried, Director of Product Management InterSystems.

Jeff Fried, Director of Product Management InterSystems
Jeff Fried, Director of Product Management InterSystems

Las empresas necesitan una vista única de datos fiables en tiempo real para dar valor al cliente, reducir riesgos y aprovechar oportunidades. Pero no es fácil para las que han acumulado múltiples tecnologías y sus líderes TI se enfrentan a una complejidad arquitectónica y una latencia innecesarias. La simplificación arquitectónica es un objetivo real: reduce costes, aumenta el rendimiento y mejora la seguridad. Está al alcance de todas las empresas y hay 3 vías para lograrlo.

Vía multimodelo

La primera es una base de datos (BBDD) multimodelo pura. Reemplaza múltiples sistemas de BBDD de propósito especial y es accesible como cualquier representación bajo demanda y sin duplicar datos. En la industria hotelera una aplicación de reserva puede depender de hasta cinco sistemas, afectando la alta disponibilidad. Cada tienda tiene un modelo para escalamiento horizontal, carga, recuperación ante desastres, disponibilidad y seguridad; el resultado es la duplicación de datos y muchas formas de que algo salga mal. Estas aplicaciones deben someterse a pruebas exhaustivas y, además de necesitar aprender varios productos, su depuración y soporte consume mucho tiempo y aumenta el TCO (coste total de propiedad). Puede compararse con una aplicación de reserva de hotel simplificada, que reduce los costes de desarrollo en un factor de tres. Un único sistema multimodelo es más fácil de escalar y proporciona un acceso más sencillo.

Plataforma de datos translíticos

La segunda vía es la plataforma transaccional-analítica o ‘translítica’, que combina gestión de datos transaccionales y analíticos en un solo motor de BBDD. Mientras un sistema transaccional optimiza las transacciones, un sistema analítico optimiza las consultas y cargas de trabajo. Su combinación da un alto rendimiento y no compromete usar análisis para obtener información y acciones en tiempo real; también elimina la latencia al mover los datos entre sistemas, sin sacrificar el rendimiento o la escalabilidad.

Con cualquier vía, las empresas obtienen importantes ventajas operativas y de costes

En los servicios financieros, su despliegue permite procesar miles de millones de operaciones diarias, mientras atiende miles de solicitudes concurrentes por segundo, procedentes de cientos de aplicaciones. En una empresa, el rendimiento comercial se multiplicó por tres, mientras la ingesta de datos lo hizo por diez. Este enfoque redujo los costes operativos en un 75%, una cifra notable según cualquier estándar.

Aprendizaje automático en la base de datos

El tercer y más reciente patrón es machine learning (ML), que elimina las plataformas separadas para gestionar datos y la ciencia de datos, y supera las barreras para optimizar ML, como la falta de experiencia. La simplificación se realiza con AutoML o IntegratedML, que integra ML directamente en la plataforma, haciendo más accesible desarrollar modelos por quienes comprenden los problemas comerciales, pero sin experiencia en ciencia de datos. A los científicos les da tiempo para el trabajo productivo en actividades de más valor, como ajustar y evaluar modelos. Con cualquier vía, las empresas obtienen importantes ventajas operativas y de costes; supone un TCO sustancialmente menor, más rendimiento y eficiencia, junto con escalabilidad y resistencia. Son ventajas disponibles de inmediato en implementación local, cloud o en un entorno híbrido.

Los avances en la gestión de BBDD han desterrado las viejas ideas que asociaban simplificar con perder rendimiento. Es el momento de apreciar que simplificar tiene muchas ventajas y sus beneficios hablan por sí mismos.

Computing 815