kentoh - Fotolia

Crear una arquitectura analítica para el presente y el futuro

Consejos estratégicos para alcanzar el éxito en la construcción de una arquitectura analítica eficaz.

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 de código abierto y la nube. Sabemos que existe mucha presión para acortar los plazos de amortización, lograr un costo total óptimo y retornos de inversión esperados. También sabemos de la necesidad de habilitar eficazmente herramientas analíticas para el usuario final, a fin de lograr resultados ágiles que cumplan cada una de sus demandas.

Para lograrlo, es necesario entender que las empresas deben contar con una arquitectura que ayude a proporcionar resultados analíticos a gran velocidad, en tiempo real y bajo un apropiado ecosistema de información. El costo de contar con una arquitectura analítica adecuada es elevado, ya que puede haber problemas de incompatibilidad, gobierno de datos, seguridad, falta de acceso a la información que cada área específica del negocio requiere, así como problemas de escalabilidad y extensibilidad.

El reto es saber cómo planificar una arquitectura de datos eficaz, tanto para las necesidades actuales como para las futuras. La clave radica en que tal arquitectura no debe basarse principalmente en opciones tecnológicas aisladas, sino en funcionalidades y requisitos que el negocio necesite, tanto técnicos como no técnicos, así como ser capaz de evaluar cada tecnología según su adaptación a las nuevas y futuras necesidades.

A menudo, la elección de tecnología se basa en 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 en la construcción de una arquitectura analítica eficaz, se recomienda seguir los siguientes consejos:

  1. Definir qué significa éxito y cuantificar el valor. Solo 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 exigir que las iniciativas de análisis de datos incluyan medidas tangibles. Hoy en día, la gestión empresarial se enfoca en los datos, los cuales 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.
  2. Explorar las posibles soluciones. No existe una sola tecnología o configuración que sea idónea 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. Las necesidades varían de acuerdo al perfil de los usuarios y el área; por ejemplo, un gerente de marketing necesita herramientas analíticas que le ayuden a identificar patrones y preferencias de productos por cada perfil de clientes, mientras que un gerente de logística buscará cómo analizar sus rutas, salidas de almacén y fechas de entrega para minimizar costos y mantener un inventario adecuado. Ambas soluciones pueden estar integradas en un mismo motor analítico que, de hecho, les ayude a predecir sucesos futuros.
  3. Desarrollar a partir de lo ya existente. En lugar de deshacerse de las inversiones analíticas que no les aportan todo el valor que esperaban, las organizaciones deben evaluar las funciones analíticas existentes y crear arquitecturas que ayuden a mejorar y aprovechar todo su valor. Se trata de definir necesidades, identificar herramientas analíticas faltantes y adaptar la mejor solución del mercado. Actualmente, existen opciones que incluso ofrecen servicios de consultoría calificada por industria, a fin de solucionar problemas específicos. Por ejemplo, se puede rentar servicios de software (base instalada o en la nube) por tan solo unos meses, cosa que antes no existía.
  4. 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. Ahora, lo significativo es integrar todas las necesidades y soluciones de todos los usuarios del negocio, a fin de integrarlas en una sola solución analítica.
  5. Obtener valor de negocio. Las organizaciones deben enfocarse en resolver sus retos de negocios, en lugar de tratar de lograr que las tecnologías existentes funcionen correctamente de manera conjunta. 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 presentes y futuras, así como de una arquitectura bien pensada y adecuada, puede asegurar una vida más útil, larga y con retornos de inversión asegurados, como lo han hecho empresas como Ticketmaster, Procter & Gamble, DHL Express, entre otras. Por ello, es indispensable desarrollar una arquitectura procurando garantizar que las funcionalidades puedan satisfacer retos del hoy y del mañana.

Sobre el autor: Stephen F. Rigo es arquitecto principal de ecosistema de Think Big Analytics en Teradata Corporation. 

Investigue más sobre Gestión y metodologías

ComputerWeekly.com.br
Close