5 Tendencias de Almacenamiento en la nube que nos esperan este año

Las empresas están buscando capacidades en cuanto a la captura, almacenamiento y procesamiento del dato, y aquellas que lo consigan habrán alcanzado una ventaja sobre su competencia, es lo que se denomina Ventaja Analítica. Aquellas empresas que logren las ansiadas ventajas analíticas podrán decir, entonces sí, que son verdaderas empresas Data Driven, empresas centradas en el valor del dato.

Data Strategy: la estrategia de datos integrada en la estrategia de crecimiento de las empresas

Si hasta ahora la estrategia de datos era formulada de forma independientemente por los equipos de IT o de Data dentro de las organizaciones, y creadas para sumar a la estrategia global de las empresas, parece haber cambiado el rumbo, y las empresas ya introducen proyectos de data en sus estrategias primarias formando parte del core business.

Por lo tanto, en 2022 y años posteriores veremos cómo los planes estratégicos de numerosas organizaciones incluirán elementos claros de Data Strategy. De hecho, tenemos que sumar que la gran mayoría de estrategias de transformación digital de las empresas toma como fundamento una estrategia de datos. Una señal más de que es una de las tendencias clave de Big Data.

Evolución de la analítica aumentada

Muchos expertos coinciden que 2022 será el año en que el Big Data logrará una evolución tecnología considerable pero aún nos queda mucho para ver todo lo que el Big Data puede hacer por nosotros. Sin duda, será un cambio de contexto económico y social.

Con la analítica aumentada veremos la aparición de conocimientos o cambios más importantes que servirán a los negocios a optimizar la toma de decisiones.

Por todo esto, otra de las tendencias de Big Data es la analítica aumentada. La analítica aumentada utiliza el aprendizaje automático y la inteligencia artificial para mejorar el análisis de los datos mediante la búsqueda de un nuevo método de creación, desarrollo y compartición de análisis de datos. Muchos clientes empresariales prefieren el análisis aumentado a los análisis tradicionales para reducir los errores y sesgos humanos.

Para 2022, la analítica aumentada será un impulsor dominante de nuevas herramientas tecnológicas que hagan del propio proceso de analítica de datos algo sencillo y accesible para gran parte de los perfiles de una organización. Estas herramientas tratarán de democratizar la ciencia de datos y el aprendizaje automático a toda una organización.

Inteligencia artificial, clave para la toma de decisiones

Otra palabra clave cuando hablamos de avances tecnológicos es la IA que está permitiendo ser más rápido y preciso a la hora de la toma de decisiones estratégicas en muchos sectores empresariales. Lo que sin duda veremos es cómo el auge de las tecnologías digitales, el almacenamiento de datos a un menor coste, el hardware de alto rendimiento y el software integrado fomentarán el cambio tanto en las grandes como en las pequeñas empresas.

Las empresas que adopten la IA formando parte de sus procesos de negocio serán cada vez más. Es lógico, puesto que las ventajas que ofrece esta tecnología son muchas en diferentes niveles como, por ejemplo, a nivel de procesos, de creación de nuevos modelos de negocio, de interacción con el cliente, e incluso de interacción entre las propias personas de una organización.

Datos como servicio

Los datos como servicio utilizan la tecnología de la nube para dar a los usuarios y a las aplicaciones con acceso a la información a pedido sin depender de dónde puedan estar los usuarios o las aplicaciones. Es una de las tendencias actuales de Big Data.

La computación en memoria son los datos que se almacenan en un nuevo nivel de memoria que está situado entre la memoria flash NAND y la memoria dinámica de acceso aleatorio. Esto proporciona una memoria mucho más rápida que puede soportar cargas de trabajo de alto rendimiento para el análisis avanzado de datos en las empresas.

Data Lakehouse: Más allá del Data Lake

¡Seguimos con más Tendencias Big Data! Actualmente, muchas de las grandes compañías tienen uno o varios Data Lakes y uno o varios Datawarehouses. Probablemente, la mayoría también separe los casos de uso en casos de IA (Inteligencia Artificial) o Data Science de los casos de BI. Lo más común es que para los primeros se usen los Data Lakes y para los segundos se usen los Datawarehouses.

Hasta hace unos años, esto era lo normal. El grado de madurez de las tecnologías no permitía que el grado de las sinergias entre los dos mundos fuera grande, nos cuenta José Luis Sánchez, experto en el ámbito.

Desafortunadamente, todavía los mundos de BI y Big Data siguen separados. Principalmente, porque la manera de contestar las preguntas del negocio son diferentes:

• BI: Las preguntas son conocidas por los que modelamos los datos para obtener respuestas a esas preguntas
• Big Data: No sabemos las preguntas por lo que analizamos los datos buscando esa pepita de oro

Afortunadamente, la industria se mueve a modelos más holísticos. Concretamente, las arquitecturas de datos se están uniendo en plataformas que pueden extraer lo mejor de los dos mundos favoreciendo las sinergias entre BI y Big Data.

CARACTERÍSTICAS FUNDAMENTALES DE UN DATA LAKEHOUSE

«Este cambio tiene que seguir satisfaciendo las necesidades de velocidad, rendimiento, calidad y veracidad que las grandes compañías siguen requiriendo», añade Sánchez. Nos cuenta que La idea de un Data Lakehouse es la siguiente:

• ¿Se podría crear un Datawarehouse sobre un sistema de almacenamiento distribuido barato, sin perder el rendimiento del sistema y que siga cubriendo los casos de uso más enterprise?

La respuesta es: Sí. Y es que, en esencia, un Data Lakehouse es un Datawarehouse que tiene como almacenamiento de datos un Data Lake. La idea es simple, pero esconde una gran complejidad técnica que muchas compañías han sabido trasladar a la realidad: Databricks, Snowflake, Microsoft…

Las características fundamentales de un Data Lakehouse según Sánchez son:

• Soporte ACID
• Gestión de los esquemas y los metadatos
• Conectividad con herramientas BI
• Almacenamiento desacoplado del procesamiento
• Formatos de almacenamiento Open Source (parquet)
• Soporte para datos estructurados y no estructurados
• Soporte para diferentes casos de uso: Machine learning, reporting/dashboarding, ETL
• Capacidad de gestionar datos en real-time/streaming

Para terminar, Sánchez asegura que Lakehouse es un nuevo paradigma que simplifica radicalmente la infraestructura de datos empresariales. También, explica, acelera la innovación en una era en la que Machine Learning está listo para revolucionar todas las industrias.