Tendencias de la estrategia de datos empresarial en clave de siete

Toda empresa necesita una estrategia de datos que defina claramente las tecnologías, los procesos, las personas y las normas necesarias para gestionar de forma segura sus activos y prácticas de información. Como casi todo en TI, una estrategia de datos debe evolucionar con el tiempo para seguir el ritmo de la transformación de las tecnologías, los clientes, los mercados, las necesidades y prácticas empresariales, la normativa y un número prácticamente infinito de otras prioridades. He aquí un rápido resumen de las siete principales tendencias que probablemente reconfigurarán la actual estrategia de datos de las organizaciones en el futuro más próximo.

Datos en tiempo real

Los CIO deben priorizar su estrategia de inversión para hacer frente al creciente volumen de datos complejos en tiempo real que están llegando a la empresa, aconseja Lan Guan, líder de datos globales e inteligencia artificial en la firma de consultoría de negocios Accenture. En este sentido Guan cree que tener la capacidad de aprovechar los datos no es negociable en el entorno empresarial actual. “Los conocimientos únicos derivados de los datos de una organización constituyen una ventaja competitiva que es inherente a su negocio y que los competidores no pueden copiar fácilmente”, observa. “No cumplir con estas necesidades significa quedarse atrás y perderse muchas oportunidades que son posibles gracias a los avances en el análisis de datos”.

El próximo paso en la estrategia de datos de cada organización, continúa el representante de Accenture, debería ser invertir y aprovechar la inteligencia artificial y el aprendizaje automático para desbloquear más valor de sus datos. “Iniciativas como el mantenimiento predictivo automatizado de maquinaria o la optimización de la fuerza laboral a través de datos operativos son solo algunas de las muchas oportunidades que ofrece la combinación de una estrategia de datos exitosa con el despliegue impactante de inteligencia artificial”.

Demandas internas, eje central

 Los CIO y los líderes de datos se enfrentan a una creciente demanda de acceso a datos internos. “Los datos ya no son solo utilizados por analistas y científicos de datos”, dice Dinesh Nirmal, gerente general de IA y automatización de IBM Data. “Todos en su organización, desde ventas hasta marketing, recursos humanos y operaciones, necesitan acceso a los datos para tomar mejores decisiones”. La desventaja es que brindar acceso fácil a datos relevantes y oportunos se ha vuelto cada vez más desafiante. “A pesar de las inversiones masivas, el panorama de datos dentro de las empresas sigue siendo demasiado complejo y se distribuye en múltiples nubes, aplicaciones, ubicaciones, entornos y proveedores”.

Como resultado, un número creciente de líderes de TI están buscando estrategias de datos que les permitan administrar las cantidades masivas de datos dispares ubicados en silos sin introducir nuevos riesgos y desafíos de cumplimiento. “Si bien la necesidad de acceso a datos internamente está aumentando, [los CIO] también tienen que seguir el ritmo de las medidas regulatorias y de cumplimiento que evolucionan rápidamente, como la Ley de Inteligencia Artificial de la UE y el Plan de la Casa Blanca para una Declaración de Derechos de IA recientemente publicado”, explica Nirmal.

Intercambio de datos externos

El intercambio de datos entre socios comerciales se está volviendo mucho más fácil y mucho más cooperativo, observa Mike Bechtel, jefe futurista de la firma de asesoría comercial Deloitte Consulting. "Con la adopción significativa de los almacenes de datos nativos de la nube y las plataformas de información de datos adyacentes, estamos empezando a ver casos de uso interesantes en los que las empresas pueden entrelazar sus datos con los datos de las contrapartes para crear activos digitales totalmente nuevos y vendibles", detalla Bechtel.

Siguiendo esta misma línea vaticina un próximo cambio radical en el intercambio de datos externos. “Durante años, tanto la gente de la sala de juntas como de la sala de servidores ha hablado de manera abstracta sobre el valor de tener todos estos datos, pero los geeks sabíamos que la capacidad de monetizar esos datos requería que fueran más líquidos”, dice. “Las organizaciones pueden tener petabytes de datos interesantes, pero si están calcificados en un almacén local obsoleto, no podrá hacer mucho con ellos”.

Data Fabric y Data Mesh

Las tecnologías Data Fabric y Data Mesh pueden ayudar a las organizaciones a exprimir al máximo el valor de todos los elementos en una pila técnica y una jerarquía de una manera práctica y usable. “Muchas empresas aún utilizan soluciones heredadas, tecnologías antiguas y nuevas, políticas, procesos, procedimientos o enfoques heredados, pero se enfrentan a la necesidad de combinar todo dentro de una nueva arquitectura que permite una mayor agilidad y velocidad”, infiere Paola Saibene, consultora principal de TI Resultant.

Mesh permite que una organización obtenga la información y los conocimientos que necesita del entorno en su estado actual sin tener que cambiarlo radicalmente o interrumpirlo masivamente. “De esta manera, los CIO pueden aprovechar las herramientas que ya tienen, pero agregar una capa superior que les permita hacer uso de todos esos activos de una manera moderna y rápida”, explica Saibene.

La estructura de datos es una arquitectura que permite la integración de extremo a extremo de varias canalizaciones de datos y entornos de nube mediante el uso de sistemas inteligentes y automatizados. La estructura, especialmente en el nivel de metadatos activos, es importante, señala Saibene. “Los agentes de interoperabilidad harán que parezca que todo está increíblemente bien conectado y ha sido diseñado intencionalmente de esa manera”, dice. “Como tal, puede obtener todos los conocimientos que necesita mientras evita tener que revisar su entorno”.

La observabilidad, crítica

La observabilidad de los datos amplía el concepto de calidad de los datos al monitorear de cerca los datos a medida que entran y salen de las aplicaciones. El enfoque proporciona información crítica para el negocio sobre la información de la aplicación, el esquema, las métricas y el linaje, dice Andy Petrella, fundador del proveedor de observabilidad de datos Kensu. Un atributo clave de la observabilidad de los datos es que actúa sobre los metadatos, proporcionando una forma segura de monitorear los datos directamente dentro de las aplicaciones. A medida que los datos confidenciales abandonan la canalización de datos; es recopilado por un agente de observabilidad de datos, dice Petrella. “Gracias a esta información, los equipos de datos pueden solucionar los problemas de datos más rápido y evitar que se propaguen, reduciendo los costos de mantenimiento, restaurando la confianza en los datos y aumentando la creación de valor”, agrega.

La observabilidad de datos crea una categoría de solución completamente nueva, afirma Petrella. “Los CIO primero deben comprender los diferentes enfoques para observar datos y en qué se diferencian de la gestión de calidad”, señala. Luego, deben identificar a las partes interesadas en su equipo de datos, ya que serán responsables de adoptar la tecnología de observabilidad. La incapacidad para mejorar la calidad de los datos probablemente obstaculizará la productividad del equipo de datos y disminuirá la confianza en los datos en toda la cadena de datos. “A largo plazo, esto podría dejar las actividades de datos en un segundo plano, lo que afectaría la competitividad de la organización y, en última instancia, sus ingresos”, prosigue.

Los líderes de TI se enfrentan a una complejidad creciente y volúmenes insondables de datos repartidos por la pila de tecnología, observa Gregg Ostrowski, CTO ejecutivo de Cisco AppDynamics. “Tienen que integrar un conjunto de servicios nativos de la nube en expansión masiva con las tecnologías locales existentes”, señala. “Desde la perspectiva de la estrategia de datos, la tendencia más importante es la necesidad de que los equipos de TI obtengan una visualización y un conocimiento claros de sus aplicaciones, independientemente del dominio, ya sea en las instalaciones, en la nube o en entornos híbridos”.

Datos como producto

Los datos como producto son un concepto que tiene como objetivo resolver problemas comerciales del mundo real mediante el uso de datos combinados capturados de muchas fuentes diferentes. "Este enfoque de captura y análisis proporciona un nuevo nivel de inteligencia para las empresas que puede generar un impacto real en los resultados", asegura Irvin Bishop, CIO de Black & Veatch. Comprender cómo recopilar y aplicar datos puede cambiar las reglas del juego de muchas maneras, afirma Bishop. 

Así explica cómo Black & Veatch está trabajando con los clientes para desarrollar hojas de ruta de productos de datos y establecer KPI relevantes. “Un ejemplo es cómo utilizamos los datos dentro de la industria del agua para administrar mejor la salud física de la infraestructura crítica”, señala. “Los datos brindan a nuestros clientes de agua la capacidad de predecir cuándo es probable que sea necesario reemplazar una pieza del equipo y qué tipo de impacto ambiental puede soportar en función de los datos de rendimiento anteriores”. Bishop dice que el enfoque les da a los clientes participantes más control sobre la confiabilidad del servicio y sus presupuestos.

Equipos multifuncionales                                                             

A medida que las organizaciones comienzan a tratar los datos como un producto, se vuelve necesario establecer equipos de productos que estén conectados entre los sectores de TI, negocios y ciencia de datos, dice Traci Gusher, líder de datos y análisis de la firma de asesoría comercial EY Americas. La recopilación y gestión de datos no debe clasificarse como un proyecto más, señala Gusher. “Los datos deben verse como un área comercial completamente funcional, no diferente a recursos humanos o finanzas”, afirma. “El cambio a un enfoque de producto de datos significa que sus datos serán tratados como lo sería un producto físico: desarrollado, comercializado, con control de calidad, mejorado y con un valor de seguimiento claro”.