“La búsqueda de las empresas para gestionar sus datos y aprovecharlos de manera óptima para el negocio está en constante evolución desde la automatización hasta los servicios en la nube híbrida. En esa búsqueda, hay riesgos que cubrir y desafíos que enfrentar, por lo que NTT DATA provee servicios y soluciones para enfrentarlos con Data Fabric y Data Mesh que, a través de tecnologías, organizan los datos que se distribuyen en diferentes almacenamientos”, contaron desde la empresa.
Tendencias
Las tendencias en datos y analítica que marcan la agenda son:
– Data & Analytics se convertirá en una función comercial central en más del 50% de las empresas.
– La alfabetización de datos se convertirá en un impulsor explícito y necesario del valor comercial.
– Augmented data catalog aumentará considerablemente el retorno de las inversiones en datos y análisis.
– Conversational Analytics impulsará la democratización de los datos en la empresa.
– En un par de años, el 50% de las empresas tendrán más del 80% de sus data workloads en la nube.
– Los conceptos de Data Fabric redujeron el tiempo de entrega de datos en un 30%.
– Más del 50% de todas las deep neural networks estarán en el punto de captura en un sistema edge.
– Las empresas confiarán en la IA para generar confianza en los datos a través de la transparencia y la explicabilidad.
Datos
“La solución incluye la estrategia de datos, las plataformas de datos, inteligencia artificial e inteligencia en las decisiones”, detalló Daniel Menal, Director & Head of Data & Analytics de NTT DATA.
Los datos son el corazón de las empresas, uno de los activos más importantes, por lo que su gestión y almacenamiento no están exentos de problemas. Entre los más importantes, Menal destacó los riesgos de seguridad, la menor productividad por la pérdida de tiempo de los empleados en tareas que pueden ser automatizadas y que no suman valor al negocio, la falla en la toma de decisiones por un incorrecto análisis de datos y los excesivos costos en almacenamiento, procesamiento y cuidado de la información. “Sólo el 12% de los datos que gestionan las empresas son críticos y útiles para el negocio. El 65% es información que está oculta en redes, personas y máquinas y el 23% restante es data redundante, obsoleta y trivial”, explicó el ejecutivo.
Data Fabric
En este contexto emergen Data Fabric y Data Mesh. El primero es el conjunto de tecnologías y técnicas de inteligencia artificial puestas a disposición de las plataformas de datos. Su objetivo es aprender del uso de los datos lo que permite automatizar procesos redundantes para potenciar ampliamente sus capacidades.
Sus pilares son:
– Data Catalog IA. Identifica, comparte y enriquece la información de forma inteligente a través de todo el ciclo de vida de los datos.
– Modelos de Grafos. A partir de la metadata obtenida, genera información adicional para ser el input a modelos de mejoras y recomendaciones.
– Metadata Activ1a. Aplica semántica a los modelos de grafos para darle sentido a los datos.
– Motor de recomendación. Permite a diferentes agentes tomar acciones automáticas basadas en modelos de recomendación.
Data Mesh
En tanto, Data Mesh se basa en cuatro conceptos claves:
– Datos como producto, donde los productos de datos, compuestos por datos limpios, actualizados y completos, se entregan a cualquier consumidor de datos, en cualquier momento y en cualquier lugar, en función de los permisos y las funciones.
– Propiedad de datos impulsada por el dominio comercial, lo que reduce la dependencia de equipos de datos centralizados.
– Acceso ágil a los datos, habilitado por nuevos niveles de abstracción y automatización y diseñado para compartir datos relevantes entre funciones, bajo demanda.
– Gobernanza de datos distribuidos, donde cada dominio gobierna sus propios productos de datos, pero depende del control central del modelado de datos, las políticas de seguridad y el cumplimiento.
Beneficios
Tanto Data Fabric como Data Mesh tienen beneficios concretos para las organizaciones. Un modelo maduro de Data Fabric puede proporcionar una reducción de más del 50% en los tiempos necesarios para la construcción de un pipeline de carga o en tareas de calidad de datos; mejora la calidad de los datos, al permitir que los datos se recuperen, validen y enriquezcan automáticamente, sin scripts de transformación; e identifica orígenes en desuso ya que mediante modelos de IA permite el seguimiento de fuentes y conexiones según su uso.
En el caso de Data Mesh, se gana agilidad y escalabilidad en las áreas de dominio y datos seguros y con capacidad de autoservicio. Además, se construye un fuerte gobierno centralizado y, algo fundamental, se le da más valor al negocio con un esfuerzo distribuido.
Aplicación
“Vemos escenarios concretos en los cuales aplicar Data Mesh podría ser un valor diferencial”, agregó Menal. También los enumeró:
– Visión cliente 360° para ayudar a Atención al Cliente a reducir el tiempo promedio de atención, aumentar la resolución del primer contacto y mejorar la satisfacción del cliente.
– Híper-segmentación para permitir que los equipos de Marketing entreguen la campaña correcta al cliente correcto, en el momento correcto y a través del canal correcto.
– Supervisión de dispositivos IoT para brindar a los equipos de trabajo en campo insights de los dispositivos para la mejora continua, rápida adopción y aspectos de seguridad.
Seguinos en las redes:
LinkedIn: https://bit.ly/TodoRiesgoLinkedIn
Twitter: https://bit.ly/TodoRiesgoTwitter
Facebook: https://bit.ly/TodoRiesgoFacebook
YouTube: https://bit.ly/TodoRiesgoYouTube
