ENCUENTROS

La observabilidad de datos es clave para un negocio digital maduro



Dirección copiada

La observabilidad de los datos, un concepto introducido por Gartner, se centra en comprender el estado y el rendimiento de los datos y sistemas de datos a través de la recopilación y análisis de información de diversas fuentes

Publicado el 14 dic 2023

Rufino Contreras

Redactor Jefe



26_DATOS TRANSPARENTES_BARCELONA_LOGICALIS_MESA

¿Qué es la observabilidad de datos o data observability?

Data observability se refiere a la capacidad de comprender el estado y el rendimiento de los datos y los sistemas de datos. Se basa en la recopilación y el análisis de datos de una variedad de fuentes, como registros, métricas y rastreos. Sobre este tema versó la reunión de Computing que tuvo lugar en Barcelona, con Logicalis como compañero de viaje.

Ignacio Santillana, director de Serveis Sistemes d’Informació del Ajuntament de Barcelona, considera que la monitorización de sistemas, infraestructuras, aplicaciones, API, etc., es responsabilidad de los directores de operaciones, quienes tienen un enfoque más informático. Según comenta, “estamos trabajando con diferentes perspectivas, como la del empleado, la del contribuyente, la del proveedor y la del ciudadano que presenta una incidencia, entre otras. Es fundamental que estos datos sean transparentes en diversas dimensiones, es decir, contengan la información necesaria pero no más de la requerida para llevar a cabo el trámite correspondiente”. Ya no se trata de problemas como datos duplicados; temas que considera superados. “Desde mi punto de vista, la observabilidad de los datos debería ser una competencia de los directores de negocio de cada área temática”, sentencia Santillana.

No confundir transparencia con observabilidad de datos

Existe una confusión generalizada entre transparencia y observabilidad de datos, es un desafío para la AAPP adoptar nuevos conceptos que el que nos ocupa y el directivo TIC detecta una dificultad de garantizar que los propietarios de los datos, las organizaciones, gestionen activamente la fiabilidad de sus datos en diversas aplicaciones.

Santillana define la observabilidad de los datos en el contexto de los flujos de trabajo empresariales, enfatizando la necesidad de defender y comprender el flujo de los procesos comerciales. Critica la tendencia de las empresas a desviarse de los formatos de datos estándar, “lo que lleva a complejidades en la gestión e interpretación de los datos”.

Datos visibles y no tan visibles

Coincide con lo expresado, Xavier Altafulla, Cap de Govern Obert en Ajuntament del Prat de Llobregat: “En el ámbito de la ciencia de la observabilidad de datos, las herramientas que permiten visualizar datos a lo largo de meses o años son fundamentales. Estas herramientas pueden establecer intervalos normales para los datos y generar alertas cuando se desvían de estos rangos. Aquí, la clave recae más en los profesionales de negocios que, en muchas ocasiones, son quienes pueden determinar si un dato es bueno o malo, especialmente en momentos puntuales”.

En el contexto de la Administración Pública, la observabilidad de los datos se convierte en un aspecto crítico. “Existen datos menos visibles, ocultos en consultas periódicas o en portales de datos abiertos que pueden ser consumidos por la ciudadanía. Estos datos, al no ser utilizados a diario, pueden carecer de controles de calidad efectivos. En estos casos, aplicar herramientas de control de calidad con cierto nivel de inteligencia podría ser beneficioso”, aconseja Altafulla. Dichas herramientas podrían identificar anomalías, como cambios significativos en los datos, y alertar sobre posibles problemas. Aunque estos datos menos visibles pueden no tener la misma prioridad a nivel político, es importante abordar su calidad para mantener la integridad de la información proporcionada.

Coherencia de un modelo de datos

Xavier Busquets, CIO en ESADE Fundacio, aporta su visión de experto docente: “En términos generales, la observabilidad se relaciona con nuestra capacidad para verificar si un modelo de datos se ajusta a nuestras expectativas. Esto implica analizar la coherencia de los números almacenados en una base de datos con la representación que esos números deberían tener en relación con procesos externos o sensores”. Busquets observa que un primer desafío radica en garantizar que los números almacenados reflejen con precisión la realidad que representan. “A una escala superior, otro desafío es el modelo de datos en sí. Se trata de evaluar si el modelo de datos cumple con las expectativas, priorizando aspectos como la disponibilidad, transparencia y precisión”. Otro aspecto relevante es el modelo que alimenta los datos, representando el modelo de la empresa. “Estos problemas son especialmente cruciales en entornos de negocios digitales o modelos de negocio digital, donde el valor estratégico de los datos está vinculado a su relación con la realidad, los procesos y el modelo empresarial”. Como resume alegóricamente Alberto Rascón, director de Estrategia y Tecnología de Logicalis, “la construcción de modelos de datos serían las tuberías por las que fluirá la información y la observabilidad es la que supervisa el agua que fluye por dentro, asegurándose de que esté limpia y en buen estado para su consumo”.

La observabilidad en la universidad

José Torre, Director de Arquitectura Tecnológica, Seguridad y Datos en Universitat Oberta de Catalunya, plantea un problema teórico: “En el mundo de la observabilidad en general y de la observabilidad de datos en particular, lo vinculamos casi a la pregunta de qué fue antes: ¿la aplicación de un sistema de información o su monitorización? Es decir, ¿diseñas y empiezas a dar tus esfuerzos en el mundo de ver todo lo que vas a construir, o primero construyes y luego observas?”. Torre opina que en el mundo del dato tenemos casi el mismo problema. “Todos los que estamos aquí, seguramente con un alto porcentaje de grado de acierto, centramos nuestros esfuerzos en la disponibilización inicial de la información de cara al usuario. Con lo cual, muchas veces lo que hacemos es construir y después observar. Y creo que dentro de las prioridades inmediatas se encuentra la data observability, porque al final no todos tenemos bien garantizada la capa anterior de disponibilización”.

Una vez dicho esto y entendiendo ya desde la parte más académica, como lo ve José Torre, la data observability al final es una parte de la operación de la información, de lo que se conoce como data ops. “A nosotros nos gusta entender la observabilidad, no solo de las aplicaciones sino también de los datos, como una acción preventiva. Es mucho más barato prevenir que curar, y por eso existen, por ejemplo, los screenings de cáncer de colon, etc., porque es más barato hacer esta prueba a 100.000 personas que no tratar luego a 1.000 personas con cáncer de colon”. Para Carles Font, director de Sistemas de Información en Fundació Cardenal Vidal I Barraquera, “a una entidad pequeña como la nuestra (a mi cargo solo tengo a dos personas), le va bien tener herramientas de observabilidad en el sentido de poder recabar información de todos los sistemas y que nos la facilite a la hora de tomar decisiones, de ver qué es lo que está pasando, pero también qué es lo que va a pasar”.

En términos generales, la observabilidad se relaciona con nuestra capacidad para verificar si un modelo de datos se ajusta a nuestras expectativas

Font sitúa el análisis de datos desde tres aspectos: la parte forense de qué es lo que ha pasado, la parte operativa de lo que te permite trabajar en el día a día, y la parte predictiva de lo que viene en el futuro. “Nosotros, con la capacidad que tenemos actualmente, estamos más en la operativa. Y si pasa algo, sí que enviamos a ver lo que tenemos de los logs y demás, de manera muy artesanal, para ver qué ha pasado. Eso nos pasa cuando hay alguna incidencia en alguna conexión o en algún proceso, porque esas herramientas de observabilidad lo que nos tiene que permitir es poder anticipar las cosas y tienen que darnos la información de manera sencilla, no que esa herramienta de observabilidad nos dé unos datos que luego tenemos nosotros que analizarlos y buscar la información”.

Casos prácticos de observabilidad de datos

Juan Luis Peña, IT Manager en ISDIN, aterriza este concepto en un caso práctico: “Tenemos e-commerce en diferentes países, y el equipo que gestiona esos e-commerce utiliza información muy concreta para entender cómo funciona su negocio, si va bien o mal. Esto va desde los datos vinculados al panel de compra hasta cuánta gente se ha suscrito a la newsletter. Todo esto tiene KPI, indicadores y datos que revisan de manera recurrente. Una cosa es que la información que esperan llegue, y otra es que la información que esperan realmente sea útil”. Jorge Pages, director IT en Silver Sanz, también prefiere hablar de su caso concreto: “Yo trabajo en una empresa comercial que se dedica a comprar productos y distribuirlos. Desde el departamento de TIC, lo que hacemos es cocinar todos los datos, prepararlos y ponerlos a disposición para su consumo. Recuerda como premisa que “el exceso de análisis es parálisis”.

Si das demasiada información, lo que lograrás es paralizar a la gente, ya que se perderán en el exceso de información que proporcionas. Entonces, debes saber o tener muy claro la información que ofreces y, sobre todo, para qué puede servirle a la persona que la recibe. Para Pages es clave la fiabilidad del dato (que sea correcto) y marcar los datos cuya variación es sustancial para el negocio (fluctuación de divisas, por ejemplo). Y como recomendación general: “Siempre pienso que es mejor no dar un dato que dar uno erróneo porque, si no das un dato, lo buscarás o lo construirás, pero si le das uno erróneo, estás engañando y tomarán una decisión errónea que puede terminar en un resultado negativo en esa acción debido a la información incorrecta”.

Artículos relacionados

Artículo 1 de 3