{"id":71246,"date":"2023-07-03T16:06:12","date_gmt":"2023-07-03T15:06:12","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=71246"},"modified":"2024-09-20T17:45:57","modified_gmt":"2024-09-20T16:45:57","slug":"big-data-platform-a-foundation-for-data-solutions-guidelines-for-a-future-proof-and-purpose-built-platform","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/big-data-platform-a-foundation-for-data-solutions-guidelines-for-a-future-proof-and-purpose-built-platform\/","title":{"rendered":"Gran Plataforma Data: Una base para las soluciones Data | Directrices para una plataforma preparada para el futuro y dise\u00f1ada a medida"},"content":{"rendered":"

Autor<\/h2><\/div>\"Image\"

Oussama Ahmad<\/h3><\/div>

Socio de Data y Consultor\u00eda Digital en Artefact MENA<\/p>\n<\/div><\/div><\/div>

Autor<\/h2><\/div>\"Image\"

Anthony Cassab<\/h3><\/div>

Data Director de consultor\u00eda en Artefact MENA<\/p>\n<\/div><\/div><\/div>

Autor<\/h2><\/div>\"Image\"

Faisal Najmuddin<\/h3><\/div>

1TP18Gerente de marketing en Artefact MENA<\/p>\n<\/div><\/div><\/div><\/div><\/div>

En la era digital actual, las organizaciones se enfrentan al reto de seguir el ritmo sin precedentes de generaci\u00f3n de data y la pl\u00e9tora de sistemas empresariales y tecnolog\u00edas digitales que recopilan todo tipo de data. A esto se une la necesidad de analizar r\u00e1pida y eficazmente estos grandes vol\u00famenes de data para generar perspectivas e inteligencia con el fin de maximizar su valor empresarial. Como resultado, los big data platforms se han convertido en una base esencial para que las organizaciones desplieguen eficientemente soluciones data que proporcionen decisiones empresariales data-driven oportunas y ventajas competitivas.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

\n
\u201cLas soluciones de an\u00e1lisis e inteligencia Data est\u00e1n proliferando en las organizaciones para permitir el crecimiento empresarial. Las organizaciones deben construir grandes data platforms como cimientos s\u00f3lidos para desplegar soluciones data a escala. Estas data platforms deben estar dise\u00f1adas espec\u00edficamente para el negocio, ya que s\u00f3lo son tan buenas como el conocimiento y la inteligencia empresarial que permiten; y deben construirse para estar preparadas para el futuro, benefici\u00e1ndose de los constantes avances en los servicios y tecnolog\u00edas de infraestructura data.\u201d<\/div>\n
Oussama Ahmad, Data Socio consultor en Artefact<\/div>\n<\/blockquote>\n<\/div>

Objetivos clave de la plataforma Big Data<\/h2><\/div>

Los Big data platforms pretenden acabar con los silos data e integrar los distintos tipos de fuentes data necesarios para implantar soluciones avanzadas de an\u00e1lisis e inteligencia data. Proporcionan una infraestructura escalable y flexible para recopilar, almacenar y analizar grandes vol\u00famenes de data procedentes de m\u00faltiples fuentes. Estas plataformas deben aprovechar los mejores servicios y tecnolog\u00edas de gesti\u00f3n de data y cumplir tres objetivos clave:<\/p>\n<\/div>

  • <\/i><\/span>
    \n

    Centralizar fuentes data<\/strong>: Un gran data platform deber\u00eda romper los silos data ingestando y almacenando autom\u00e1ticamente diferentes tipos y tama\u00f1os de fuentes data procedentes de sistemas data empresariales y fuentes data de terceros. Deber\u00eda convertirse en el repositorio central data, proporcionando una \u00fanica fuente de verdad para todas las fuentes data necesarias para las soluciones anal\u00edticas data.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Habilitar soluciones anal\u00edticas data<\/strong>: Un gran data platform debe proporcionar una infraestructura robusta para desarrollar, ejecutar y desplegar diferentes tipos de soluciones anal\u00edticas (desde la simple generaci\u00f3n de informes hasta el aprendizaje autom\u00e1tico avanzado) seg\u00fan sea necesario para satisfacer las necesidades empresariales de inteligencia y conocimientos para la toma de decisiones.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Garantice un acceso conforme y seguro al data y a las aplicaciones<\/strong>: Con un gran data platform, las organizaciones deber\u00edan ser capaces de proporcionar un acceso data consolidado y seguro tanto a las partes interesadas internas como externas. Tambi\u00e9n debe almacenar, procesar y distribuir data de manera que cumpla las leyes y reglamentos data locales, as\u00ed como las normas y mejores pr\u00e1cticas internacionales.<\/p>\n<\/div><\/li><\/ul>

    Infraestructura de la Gran Plataforma Data<\/h2><\/div>

    Existen varias opciones de infraestructura para una gran data platform: totalmente on-premise, totalmente cloud o h\u00edbrida cloud\/on-premise, cada una con sus propias ventajas y retos. Las organizaciones deben tener en cuenta una serie de factores a la hora de elegir la opci\u00f3n de infraestructura m\u00e1s adecuada para su gran data platform, incluidos los requisitos de seguridad y residencia data, las integraciones de fuentes data, los requisitos de funcionalidad y escalabilidad, y el coste y el tiempo. Una arquitectura totalmente cloud ofrece costes m\u00e1s bajos y predecibles, servicios e integraciones listos para usar y una r\u00e1pida escalabilidad, pero carece de control sobre el hardware y puede no cumplir las normativas de data privacidad y residencia. Una arquitectura totalmente on-premise proporciona un control total sobre el hardware y la seguridad data, suele cumplir las normativas de privacidad y residencia, pero incurre en costes m\u00e1s elevados y requiere una planificaci\u00f3n a largo plazo para su ampliaci\u00f3n. Una arquitectura h\u00edbrida cloud\/on-premise ofrece lo mejor de ambos mundos, facilitando la migraci\u00f3n completa al cloud en una fecha posterior, pero puede requerir una configuraci\u00f3n m\u00e1s compleja.<\/p>\n

    Muchas organizaciones eligen una infraestructura h\u00edbrida para su gran data platforms debido a los requisitos organizativos de mantener la data altamente sensible (como la data financiera y de clientes) en sus propios servidores, o debido a la falta de proveedores de servicios cloud certificados por el gobierno (CSP) que cumplan los requisitos locales de privacidad y residencia de data. Estas organizaciones tambi\u00e9n prefieren mantener las fuentes cloud nativas o no sensibles data en el cloud para optimizar los costes de almacenamiento y recursos inform\u00e1ticos y aprovechar los servicios de an\u00e1lisis y aprendizaje autom\u00e1tico data listos para usar disponibles en los CSP. Otras organizaciones que no tienen requisitos organizativos o normativos para la residencia de data dentro de la empresa o el pa\u00eds optan por una infraestructura totalmente basada en cloud para obtener un tiempo de implantaci\u00f3n m\u00e1s r\u00e1pido, costes optimizados y recursos f\u00e1cilmente escalables.<\/p>\n<\/div>

    <\/span><\/div>

    Figura 1: Infraestructura de la plataforma Data en las instalaciones y en la nube h\u00edbrida<\/i><\/span><\/p>\n<\/div>

    Un gran data platform suele implicar la creaci\u00f3n de siete capas principales que reflejan el ciclo de vida del data desde el \u201cdata en bruto\u201d a la \u201cinformaci\u00f3n\u201d y a los \u201cinsights\u201d. Las organizaciones deben considerar cuidadosamente los servicios y herramientas apropiados que requiere cada una de las capas para garantizar un flujo data fluido y una generaci\u00f3n eficiente de insights data. Estos servicios y herramientas deben desempe\u00f1ar funciones clave en cada capa de la big data platform, como se muestra en la Figura 2: Capas de la plataforma big Data.<\/p>\n<\/div>

    <\/span><\/div>

    Figura 2: Capas de la gran plataforma Data
    \n<\/i><\/span><\/p>\n<\/div>

    Evoluci\u00f3n de la plataforma Big Data<\/h2><\/div>

    El desarrollo de una big data platform deber\u00eda evolucionar a trav\u00e9s de varias etapas, empezando por una plataforma m\u00ednima viable (MVP) y continuando con actualizaciones incrementales. Una organizaci\u00f3n debe sincronizar la evoluci\u00f3n de su big data platform con el aumento de los requisitos para obtener conocimientos e inteligencia data m\u00e1s amplios y r\u00e1pidos para las decisiones empresariales. Estos mayores requisitos afectan a la complejidad del big data platform en t\u00e9rminos de soluciones anal\u00edticas data, vol\u00famenes y tipos de fuentes data y usuarios internos y externos. La evoluci\u00f3n del big data platform incluye la adici\u00f3n de m\u00e1s recursos de almacenamiento y computaci\u00f3n, caracter\u00edsticas y funcionalidades avanzadas, y mejoras en la seguridad y gesti\u00f3n de la plataforma.<\/p>\n<\/div>

    <\/span><\/div>

    Recuadro 3: Evoluci\u00f3n de la plataforma Big Data<\/i><\/span><\/p>\n<\/div>

    \n
    \u201cHemos visto que muchas organizaciones tienden a construir grandes data platforms con funciones avanzadas e innecesarias desde el primer d\u00eda, lo que aumenta el coste tecnol\u00f3gico de propiedad. El despliegue de una gran data platform deber\u00eda comenzar con una plataforma m\u00ednima viable y evolucionar en funci\u00f3n de los requisitos empresariales y tecnol\u00f3gicos. En las primeras fases de la construcci\u00f3n de la plataforma, las organizaciones deber\u00edan implantar una capa robusta de data governance y gesti\u00f3n que garantice la calidad, la privacidad, la seguridad y el cumplimiento de las leyes locales y regionales de data.\u201d<\/div>\n
    \u00a0Anthony Cassab, Data Director consultor en Artefact<\/div>\n<\/blockquote>\n<\/div>

    Directrices para una plataforma Big Data a prueba de futuro<\/h2><\/div>

    Una gran data platform debe construirse de acuerdo con unas directrices arquitect\u00f3nicas clave para garantizar que est\u00e1 preparada para el futuro, permitiendo una f\u00e1cil escalabilidad de los recursos, la portabilidad a trav\u00e9s de diferentes infraestructuras locales y cloud, la actualizaci\u00f3n y sustituci\u00f3n de los servicios, y la ampliaci\u00f3n de los mecanismos de recopilaci\u00f3n e intercambio de data.<\/p>\n<\/div>

    • <\/i><\/span>
      \n

      Capas modulares data<\/strong>: Todas las capas de la plataforma deben estar bien definidas e integradas, desde la capa de ingesti\u00f3n data hasta la capa de visualizaci\u00f3n y BI data. Cada capa debe aprovechar los mejores servicios o herramientas de su clase, lo que normalmente requiere que la arquitectura no se base en una soluci\u00f3n de \u201ccaja negra\u201d y permita la configuraci\u00f3n e integraci\u00f3n de herramientas y servicios independientes que proporcionen una funcionalidad espec\u00edfica.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      Aplicaciones en contenedores<\/strong>: La plataforma debe contenerizar los procedimientos y aplicaciones de ingesti\u00f3n, procesamiento y an\u00e1lisis data utilizando plataformas de orquestaci\u00f3n como Kubernetes. Los contenedores ofrecen un mecanismo de empaquetado l\u00f3gico en el que las aplicaciones pueden abstraerse del entorno de ejecuci\u00f3n permitiendo la ejecuci\u00f3n de cargas de trabajo en contenedores en varios tipos de infraestructura. Esto facilita la portabilidad de las aplicaciones de la plataforma a trav\u00e9s de diferentes infraestructuras locales y cloud y el despliegue en m\u00faltiples cloud.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      Arquitectura basada en microservicios<\/strong>: Las aplicaciones de plataforma deben descomponerse en microservicios, cada uno de los cuales cumple una funci\u00f3n espec\u00edfica e interact\u00faa con los dem\u00e1s. Esto facilita la construcci\u00f3n y el mantenimiento de las aplicaciones, permite el despliegue independiente y el escalado de los microservicios, y posibilita la entrega r\u00e1pida y frecuente de grandes aplicaciones complejas.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      Servicios y herramientas est\u00e1ndar<\/strong>: La selecci\u00f3n de herramientas y servicios para la plataforma debe centrarse en los est\u00e1ndares compartidos por la industria (est\u00e1ndares abiertos) y reducir la dependencia de aquellos que son espec\u00edficos de un \u00fanico proveedor de tecnolog\u00eda. Por ejemplo, la plataforma deber\u00eda incluir servicios cloud que sean comunes a m\u00faltiples proveedores de servicios cloud. Esto facilita la migraci\u00f3n entre diferentes infraestructuras locales y cloud y los despliegues multi-cloud, reduciendo costes y tiempo.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      Robusto data governance<\/strong>: Desde el principio, la plataforma debe incorporar un marco data governance s\u00f3lido en forma de herramientas de gobernanza, servicios, procesos, controles y normas que garanticen la supervisi\u00f3n y mejora continuas de la calidad data, el acceso seguro a los an\u00e1lisis data y data, la protecci\u00f3n de la privacidad, el almacenamiento y procesamiento conformes y la gesti\u00f3n estandarizada de data y metadata. Esto facilita el escalado de los recursos y capacidades de la plataforma, y facilita la amplia adopci\u00f3n de soluciones anal\u00edticas data y el uso de los conjuntos data disponibles.<\/p>\n<\/div><\/li><\/ul>

      \n
      \u201cUna plataforma adaptable y modular que pueda escalarse a medida que evolucionan las necesidades empresariales es preferible a una plataforma \u201ccaja negra\u201d que est\u00e9 bien integrada pero permita una personalizaci\u00f3n limitada. Estas arquitecturas de plataforma pueden construirse total o parcialmente en el cloud para aprovechar las ventajas de la inform\u00e1tica del cloud, como la escalabilidad y la rentabilidad, al tiempo que se cumplen los requisitos de privacidad y seguridad de la normativa de protecci\u00f3n del data.\u201d<\/div>\n
      Faisal Najmuddin, Director de Data Engineering en Artefact<\/div>\n<\/blockquote>\n<\/div>

      En resumen, una gran data platform aporta m\u00faltiples beneficios a las organizaciones, como centralizar las fuentes de data, habilitar soluciones anal\u00edticas avanzadas de data y proporcionar acceso en toda la empresa a soluciones y fuentes anal\u00edticas de data. Sin embargo, implantar una gran data platform conlleva una serie de decisiones estrat\u00e9gicas, como elegir la(s) infraestructura(s) adecuada(s), adoptar una arquitectura preparada para el futuro, seleccionar servicios est\u00e1ndar y \u201cmigrables\u201d, considerar cuidadosamente la normativa de protecci\u00f3n de la data y, por \u00faltimo, definir un plan de evoluci\u00f3n \u00f3ptimo que est\u00e9 estrechamente vinculado a los requisitos empresariales y maximice el retorno de la inversi\u00f3n en data.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"

      Los grandes data platform se han convertido en una base esencial para que las organizaciones desplieguen eficazmente soluciones data.<\/p>","protected":false},"featured_media":71255,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-71246","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/71246","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/71255"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=71246"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=71246"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=71246"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}