![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/10\/Data-platform-2.0-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>NOTICIAS \/ CONSULTOR\u00cdA DE DATOS<\/p>\n<\/div>
28 de octubre de 2020
\nLas plataformas Data han revolucionado la forma en que las marcas almacenan, analizan y utilizan data, pero para utilizarlas de forma m\u00e1s eficaz necesitan empezar a integrar data governance como c\u00f3digo, escriben Justine Nerce, Directora de Consultor\u00eda de Data, y Jean-Baptiste Charruey, Director de Data Engineering, en Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
A medida que las econom\u00edas mundiales comienzan a recuperarse del shock inicial del coronavirus, podemos esperar un periodo de consolidaci\u00f3n y reevaluaci\u00f3n por parte de las empresas. Sin embargo, la necesidad de innovaci\u00f3n no va a ninguna parte aunque los presupuestos sean ajustados. El lanzamiento de nuevos productos y servicios sigue<\/span> representa m\u00e1s de 25% de los ingresos y beneficios totales<\/span><\/a>.<\/span><\/p>\n \u00a0<\/span><\/p>\n La innovaci\u00f3n debe guiarse por una data precisa y de alta calidad<\/strong>. Sin embargo, para que esto sea posible, las empresas necesitan una base de f\u00e1cilmente accesible, documentada y estandarizada data a la que recurrir<\/strong>. Los ciclos de desarrollo de nuevos productos y servicios son cada vez m\u00e1s cortos y competitivos, por lo que las organizaciones deben evolucionar su enfoque de la data para seguir el ritmo.<\/span><\/p>\n \u00a0<\/span><\/p>\n El auge del data platform ha servido a las empresas para acelerar el acceso al data, especialmente a aquellas que buscan construir la pr\u00f3xima generaci\u00f3n de soluciones de IA. Sin embargo, est\u00e1 claro que las marcas necesitan ahora un enfoque m\u00e1s robusto, eficiente y cualitativo para que su caso data platforms sea agn\u00f3stico: mantenible, operativo y escalable para cualquier infraestructura cloud, on-prem o h\u00edbrida.<\/strong>.<\/span><\/p>\n \u00a0<\/span><\/p>\n \u00a0<\/span>Las empresas revolucionan constantemente su enfoque del data para obtener ventajas en el mercado. A lo largo de las d\u00e9cadas, los almacenes de data -grandes dep\u00f3sitos de data filtrada- han dado paso a los lagos de data -vastos almacenes centralizados de data bruta sin refinar. Sin embargo, estos enormes almacenes de data han demostrado ser poco manejables y dif\u00edciles de gobernar. Los plazos de entrega se alargaron porque no exist\u00eda un proceso claro y \u00e1gil para racionalizar el desarrollo.\u00a0<\/span><\/p>\n Como consecuencia, lo que estamos viendo es el paso de los entornos monol\u00edticos de anta\u00f1o a una arquitectura data m\u00e1s distribuida, basada en m\u00faltiples data platforms. Se trata de conjuntos de software y servicios que rodean un lago data para ayudar a que \u00e9ste sea m\u00e1s explotable. Las organizaciones suelen construir m\u00faltiples data platforms para cada dominio empresarial y para cada nuevo proyecto. Esto proporciona a los equipos de desarrollo acceso r\u00e1pido al data y a los conocimientos que necesitan para crear un nuevo valor empresarial que responda a sus necesidades actuales<\/strong>.<\/span><\/p>\n Sin embargo, con la descentralizaci\u00f3n trae fragmentaci\u00f3n y duplicaci\u00f3n<\/strong>. Muchas empresas dedican grandes cantidades de tiempo y recursos a construir un data platform para un entorno concreto. Luego tienen que hacerlo todo de nuevo para el siguiente proyecto o caso de uso, con discrepancias significativas en funci\u00f3n de los conocimientos t\u00e9cnicos del equipo. Los costes se multiplican varias veces, ya que los equipos empiezan esencialmente de cero cada vez que se inicia un nuevo proyecto.<\/span><\/p>\n Gran parte del trabajo m\u00e1s valioso que realizan las empresas hoy en d\u00eda -incluso en torno al artificial intelligence- es interdepartamental e interdominio. La data de alta calidad tiene que ser compartida entre equipos y diferentes data platforms para desarrollar todo su potencial, pero \u00bfc\u00f3mo mantener la calidad cuando la data est\u00e1 sometida a una gama de pol\u00edticas contradictorias? Hay que encontrar un compromiso entre dar a los equipos la propiedad local del data para que lo personalicen y creen, y la estandarizaci\u00f3n del enfoque para construir una base tecnol\u00f3gica s\u00f3lida<\/strong>.\u00a0\u00a0\u00a0<\/span><\/p>\n Sin alg\u00fan tejido de conexi\u00f3n entre los diferentes dominios, data platforms no conseguir\u00e1 ofrecer la calidad data y la rentabilidad que las marcas necesitan para un desarrollo r\u00e1pido. Afortunadamente, tienen una forma de hacer evolucionar su enfoque. Deben hacer evolucionar su arquitectura data de una colecci\u00f3n dispar de data platforms a lo que <\/strong><\/span>Zhamak Dehghani define como una \u2018malla data\u2019<\/a><\/strong>.\u00a0<\/span><\/p>\n Una malla data es una arquitectura en la que los data platforms distribuidos, propiedad de equipos interfuncionales independientes, est\u00e1n conectados a trav\u00e9s de una \u2018malla\u2019 de pol\u00edticas, gobernanza y herramientas comunes. Este enfoque aporta flexibilidad y resistencia al data platforms estableciendo una base compartida, al tiempo que se da libertad a los equipos para personalizar su propio dominio<\/strong>.<\/span><\/p>\n \u00a0<\/span><\/p>\n Este enfoque convierte un data platform de un proyecto \u00fanico a un activo a largo plazo<\/strong>, eliminando la duplicaci\u00f3n de trabajo y el gasto innecesario de recursos. Sin embargo, el inconveniente de la malla data es que los equipos individuales tienen que hacer mucho trabajo para garantizar que se ha completado la industrializaci\u00f3n. Esto puede llevar mucho tiempo con un resultado que dista mucho de ser perfecto. Disponer de una plantilla que se ocupe de todos los requisitos para lograr una soluci\u00f3n lista para la producci\u00f3n es clave. Sin embargo, \u00bfqu\u00e9 forma debe adoptar esta plantilla?\u00a0<\/span><\/p>\n El componente principal es un conjunto de c\u00f3digos comunes que se aplican a todos los data platforms. Este \u2018centinela data\u2019 es una mezcla de soluciones que facilitan el tratamiento y el an\u00e1lisis del data y la transici\u00f3n a la industrializaci\u00f3n. Su funci\u00f3n es supervisar y racionalizar todos los flujos de data -como la recogida de metadata y la depuraci\u00f3n- mediante el desarrollo de m\u00f3dulos en torno a la calidad y la documentaci\u00f3n de data.<\/strong>.<\/span><\/p>\n Un centinela data libera a los equipos y especialistas data de las tareas mundanas y repetitivas de la gesti\u00f3n data. En su lugar, pueden centrarse en tareas m\u00e1s estrat\u00e9gicas e innovadoras que creen nuevo valor para la empresa<\/strong>.\u00a0<\/span><\/p>\n En el n\u00facleo de data centinela, data governance como c\u00f3digo debe estar firmemente incrustado en el dise\u00f1o de la plataforma y continuarse con cada nuevo caso de uso. Gracias al data governance como c\u00f3digo, el data es desde el principio \u201cpropiedad\u201d, de alta calidad, documentado, seguro y conforme, as\u00ed como f\u00e1cilmente accesible a trav\u00e9s de los modelos data en toda la organizaci\u00f3n<\/strong>.<\/span><\/p>\n Las plataformas Data deben ser productos en evoluci\u00f3n<\/strong>, pensado para la activaci\u00f3n data y el valor empresarial r\u00e1pido<\/strong>. Cuando se mutualizan entre diferentes casos de uso y requisitos, hacen que la innovaci\u00f3n y la invenci\u00f3n sean m\u00e1s r\u00e1pidas y rentables<\/strong>. De hecho, la mutualizaci\u00f3n de servicios puede reducir la velocidad de implementaci\u00f3n en 40%, ayudando a los departamentos a generar valor al ofrecer la data calidad y variedad necesarias para sus casos de uso.<\/strong>.<\/span><\/p>\n Las empresas tienen un flujo constante de nuevos casos de uso y productos que desarrollar, especialmente en el clima actual. Un enfoque mutualizado, data governance como c\u00f3digo, proporciona un proceso de extremo a extremo en el que pueden industrializar verdaderamente estos casos de uso. El data de alta calidad y precisi\u00f3n puede compartirse f\u00e1cilmente entre proyectos y equipos gracias a una soluci\u00f3n robusta y altamente planificada. No se pierde tiempo cuando se necesita informaci\u00f3n para un nuevo producto<\/strong>.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n La tecnolog\u00eda por s\u00ed sola no basta. Para que la data platform funcione, necesita adoptar un enfoque que sea iterativo y transversal. Es la \u00fanica manera de hacer que la innovaci\u00f3n sea algo corriente en su empresa.<\/strong><\/p>\n Publicado por primera vez por ITPortal.com<\/a><\/p>\n<\/div><\/div><\/div><\/div><\/div>Auge y declive del data platform<\/b><\/h4>\n
Introduzca la malla data\u00a0<\/b><\/h4>\n
Hacer de la innovaci\u00f3n algo corriente<\/b><\/h4>\n
![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/06\/Global-Newsletter-Data-Digest_LinkedIn_600x315_april-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>