Debido al rápido crecimiento de la digitalización en prácticamente todos los sectores, hoy en día la demanda de análisis de datos está en su nivel más alto. Las compañías deben revisar las opciones tecnológicas existentes ya que son múltiples y complejas –entre ellas el software libre y la nube. Sabemos de la presión que existe para acortar los plazos de amortización y lograr un costo total óptimo. También de la necesidad de habilitar eficazmente analíticas para el usuario final, para lograr resultados ágiles que satisfagan las demandas de los usuarios, quienes esperan obtener resultados a una velocidad inusitada.
Para lograrlo es necesario entender que las empresas deben contar con una arquitectura que ayude a proporcionar una analítica de alta velocidad y un ecosistema apropiado. El costo de no tener esta arquitectura analítica adecuada es elevado, ya que puede manifestarse de manera negativa en temas de incompatibilidad, gobierno, seguridad, falta de acuerdos a nivel de servicios, problemas de escalabilidad y extensibilidad.
El reto es saber cómo se puede planificar una arquitectura del ecosistema de datos eficaz para el futuro. La clave es que ésta no debe estar basada principalmente en opciones tecnológicas aisladas, sino en las funcionalidades que se necesitan, los requisitos del negocio -tanto técnicos como no técnicos- y ser capaces de evaluar cada tecnología según su adaptación a las funcionalidades y a los requisitos. A menudo, la elección de las tecnologías se orienta para casos de uso específicos, por lo que tienden a tornarse inútiles al poco tiempo, cuando ya no pueden satisfacer necesidades mayores.
Para alcanzar el éxito hay que tomar ciertas cuestiones en cuenta. Acá recomendamos realizar los siguientes ejercicios:
– Definir qué significa éxito y cuantificar el valor. Sólo el 15% de las estrategias de análisis de datos examinadas por Gartner definen parámetros concretos de éxito, a pesar de que la tendencia en los negocios es la de exigir que las iniciativas de análisis de datos incluyan medidas tangibles. Hoy en día la gestión empresarial se enfoca en los datos, pues son considerados un verdadero activo de negocio, por lo que los expertos en análisis de datos deben demostrar y cuantificar abiertamente el valor que generan.
– Explorar las soluciones posibles. No existe una sola tecnología o configuración que sea para todos los negocios, por lo que hay que adaptar, ajustar y muchas veces combinar soluciones que ayuden a cumplir con los requisitos específicos del negocio.
– Desarrollar a partir de lo ya existente. Muchas organizaciones no obtienen el valor total de sus inversiones analíticas y piensan que tienen que seguir adquiriendo, cuando en realidad lo que debe hacerse es evaluar las funciones analíticas existentes y crear arquitecturas que auxilien a mejorar y aprovechar todo su valor.
– Unir silos de análisis. Es importante que las empresas establezcan un plan estratégico centrado en el análisis de datos. Ya no es aceptable encontrar y extraer datos para cada proyecto individual. Tampoco es aceptable apoyarse en una única tecnología o metodología de integración de datos.
– Obtener valor de negocio. Las organizaciones deben enfocarse en resolver los retos de negocios, en lugar de tratar de lograr que las tecnologías funcionen bien juntas. Por ello deben contar con servicios administrados que se hagan cargo de las operaciones cotidianas para que el personal pueda concentrarse en ayudar a los usuarios de negocio a obtener el mayor valor de su ecosistema analítico.
La elección de tecnología a partir de las necesidades futuras y de una arquitectura bien pensada, puede asegurar que ésta tendrá una vida más útil y larga. Por lo que es indispensable desarrollar una arquitectura pensada en el futuro, procurando garantizar que las funcionalidades podrán satisfacer los retos del mañana.
Por Rigo Steve, Principal Ecosystem Architect en Think Big Analytics, una Compañía de Teradata.
