Los datos nunca han sido más cruciales para las empresas. Es la moneda moderna. Un mundo respaldado por información inteligente de datos impulsa ciudades conectadas, influye en las decisiones comerciales en tiempo real y hace que cada interacción con el cliente sea personal y personalizada.
Sin embargo, entre esta avalancha de datos, la mayoría de las organizaciones desconocen la gran cantidad de datos que tienen a su disposición, no están seguras de cómo aprovecharlos todos o no tienen una estrategia para analizarlos de un extremo a otro para tomar las mejores decisiones.
Es por eso por lo que una estrategia moderna de análisis de datos es fundamental para obtener el máximo valor de los datos, pero muchas organizaciones luchan por hacerlo bien.
Por ejemplo, 60 por ciento de las organizaciones alrededor del mundo están tratando de integrar entre cuatro y nueve silos de datos desconectados. Sin la base adecuada en su lugar, eso puede ser realmente un desafío.
¿Por qué invertir en análisis de datos?
En un proyecto de investigación reciente que Pure Storage llevó a cabo con Enterprise Strategy Group (ESG), se examinaron los beneficios para las empresas que invierten en análisis, en comparación con las que no lo hacen. El estudio reveló algunas ideas fascinantes y mostró que las organizaciones con las capacidades de análisis de datos más maduras se adelantaron a la competencia.
En comparación con las organizaciones que no utilizan capacidades de análisis de datos, estas empresas tenían 3.2 veces más probabilidades de obtener un rendimiento superior en satisfacción del cliente, 2.4 veces más probabilidades de tener mayores ingresos por empleado en los últimos dos años y 2.7 veces más probabilidades de ver un tiempo de comercialización más corto.
Obstáculos para la analítica: cuatro desafíos clave
Pero si bien los beneficios de invertir en una plataforma analítica madura son claros, existen varios desafíos que impiden que las empresas puedan alcanzar sus metas y objetivos analíticos.
En primer lugar, y el desafío más común que vemos, está relacionado con el rendimiento. A medida que las arquitecturas de análisis de registros escalan, su rendimiento comienza a ser más difícil de predecir, lo que provoca ralentizaciones en las consultas de búsqueda y los procesos posteriores. Como sistema distribuido que gestiona una gran cantidad de datos ingeridos, una gran parte del rendimiento de la búsqueda depende de la capacidad del administrador para predecir qué datos se consultarán. Pero a medida que las empresas evolucionan sus canales y utilizan cada vez más datos para obtener información, a los administradores les resulta cada vez más difícil pronosticar con precisión qué datos deberían vivir, dónde y durante cuánto tiempo.
A medida que la plataforma analítica madura y se procesan más datos, la infraestructura puede verse fácilmente abrumada y las capacidades de búsqueda en general afectadas. Esto puede provocar un aprovisionamiento excesivo de la infraestructura y una reducción de la eficiencia.
En segundo lugar, además del rendimiento impredecible, existen problemas relacionados con la naturaleza estrechamente acoplada de la computación y el almacenamiento que utilizan las implementaciones analíticas de registros tradicionales, lo que genera interrupciones y complejidad a medida que estos entornos escalan.
A medida que aumentan las necesidades de capacidad, los clientes se ven obligados a implementar también recursos informáticos innecesarios y experimentan procesos de reequilibrio prolongados e impactantes. Del mismo modo, si un cliente necesita aumentar sus recursos informáticos, también se verá obligado a aumentar la capacidad, lo necesite o no.
En tercer lugar, pero no menos importante, es que a menudo los equipos que ejecutan y administran las aplicaciones de análisis de registros no son los mismos equipos que administran la infraestructura. Debido a esto, recurrentemente hay impactos dramáticos en las canalizaciones de datos en forma de problemas de rendimiento, recursos limitados o interrupciones.
Los propietarios de las aplicaciones luchan por satisfacer la demanda de sus sistemas debido a la infraestructura en dificultades, y los equipos de infraestructura no comprenden los requisitos y la dinámica de las aplicaciones para adaptarse rápidamente a las demandas siempre cambiantes.
![](https://i0.wp.com/iworld.com.mx/wp-content/uploads/2020/11/118384300-big-data-concept-businessman-running-in-a-tsunami-wave-of-computer-data-huge-amount-of-numbers-and-l.jpg?resize=696%2C464&ssl=1)
Los datos tienen que trabajar duro, sólo pregúntele a Domino’s
Dado que las empresas enfrentan desafíos y competitividad aún mayores que antes, no hay mucho en lo que la analítica no pueda ayudar a hacer avanzar las empresas. En todo el mundo, las empresas están haciendo de las inversiones en análisis de datos una prioridad absoluta. Sus objetivos: aumentar la eficiencia, la entrega de productos y el tiempo de comercialización; aumentar los ingresos comerciales y mejorar la satisfacción y retención de los clientes.
Un gran ejemplo de esto es Domino’s Pizza. “Nuestros datos funcionan tan duro como nuestros impulsores de entrega. Se trata de velocidad: la capacidad de recibir datos, analizarlos y retroalimentarlos en canales procesables”, aseveró Dan Djuric, Gestor de información empresarial e infraestructura global en Domino’s.
Esto es un testimonio de los beneficios del análisis de datos y de cómo una estrategia de datos concreta está ayudando a la empresa a aprender y adaptarse constantemente a las preferencias del cliente.
Si bien muchas organizaciones han expandido sus capacidades analíticas al capturar “Big Data” para explorar nuevas capacidades comerciales, las empresas con visión de futuro son aquellas que están acelerando esas capacidades al ir más allá de la experimentación con análisis hacia inversiones y capacidades más maduras.
La necesidad de velocidad
Cuando se trata de análisis, la rapidez importa. Es por eso por lo que muchas organizaciones están recurriendo al poder de todo flash, que, junto con la capacidad de escalar en múltiples dimensiones, permite a las empresas con visión de futuro experimentar la velocidad de los sistemas distribuidos con la simplicidad de una plataforma consolidada.
También se trata de escalar: tener la capacidad de escalar la capacidad, el rendimiento y la simultaneidad en una plataforma unificada de archivos y objetos rápidos (UFFO), lo que permite a los arquitectos de datos utilizar el mismo sistema para una multitud de aplicaciones analíticas. Esto significa que los científicos de datos pueden concentrarse en sus canales de datos en lugar de luchar contra la infraestructura necesaria para ejecutarlos.
Además, una arquitectura de datos moderna adecuada para el análisis de datos debe proteger la inversión de un cliente, asegurando que pueda innovar ahora y en el futuro, sin gastos innecesarios, a menudo repetidos.
Como cualquier otra aplicación crítica para el negocio, una canalización de análisis no puede permitirse el tiempo de inactividad.
Cualquier interrupción, planificada o no planificada, tendrá un impacto negativo en las canalizaciones analíticas y los conocimientos empresariales. Por ello, las empresas buscan soluciones que ofrezcan más de seis nueves de disponibilidad.
El bote salvavidas de la analítica
Cuando se trata de análisis de datos, las recompensas son abundantes y, mientras persisten los desafíos, las barreras tecnológicas se están derribando constantemente. Entonces, en la era de un nuevo escenario de datos moderno, si siente que se está hundiendo, tenga la seguridad de que hay soluciones que se adaptan a su estrategia, y si sus capacidades de análisis son más maduras y ya siente que está saliendo adelante, la única pregunta que faltaría formular sería ¿hasta dónde quiere llegar?
_______________
![](https://i0.wp.com/iworld.com.mx/wp-content/uploads/2020/10/julio-cesar-castrejon-pure-storage-cio-mexico.jpg?resize=97%2C95&ssl=1)
El autor de este artículo, Julio César Castrejón, es Country Manager para México de Pure Storage.