Blog

Tres arquitecturas de datos de próxima generación: cómo la nube, la malla y las estructuras de datos impactan sus implementaciones de IA - insideBIGDATA

Las empresas modernas generan grandes cantidades de datos, que en última instancia se distribuyen en varias bases de datos en la nube, aplicaciones locales, servidores locales y en el borde.Los datos desconectados, desorganizados y aislados son un riesgo y representan oportunidades perdidas para obtener inteligencia estratégica para los líderes y conocimientos para tomar decisiones en tiempo real.La oportunidad es más apremiante a medida que las empresas se apresuran a implementar análisis, aprendizaje automático (ML) e inteligencia artificial (IA) en toda su empresa.

La solución ideal para los datos aislados es implementar un único plano de datos en toda la empresa.Este sistema unificado permite a las empresas hacer realidad la gran visión que se les ha prometido: una en la que los datos de todas las fuentes y aplicaciones se puedan utilizar juntos para el beneficio del negocio.Comprender el papel de las arquitecturas de nube, malla y estructura es el primer paso hacia una empresa verdaderamente contemporánea basada en datos. Tela Punto Canalé 2x1

Tres arquitecturas de datos de próxima generación: cómo la nube, la malla y las estructuras de datos impactan sus implementaciones de IA - insideBIGDATA

El enfoque de datos en la nube proporciona almacenamiento flexible a escala.El back-end lo administra un proveedor de la nube y el acceso se controla en la nube, disponible para cualquier persona con conexión a Internet y credenciales.Las nubes de datos pueden ser rentables según la cantidad de datos y los tipos de cargas de trabajo, que pueden incluir bases de datos, análisis y alojamiento web o de contenidos.Por lo general, también son seguros, ya que los proveedores a escala de la nube tienen altos niveles de redundancia y seguridad.

Las nubes de datos ofrecen escalabilidad, flexibilidad y agilidad para el procesamiento y almacenamiento de datos.Son menos valiosos para cargas de trabajo con uso intensivo de datos, en particular análisis.La nube también presenta desafíos como el aumento de los gastos a escala: una encuesta de tecnología de KPMG de 2022 encontró que el 66 por ciento de los ejecutivos de negocios dijeron que los programas en la nube no redujeron sus costos de propiedad de TI.

Las nubes de datos también pueden sufrir problemas de rendimiento que afectan el desempeño empresarial: los datos de Google muestran que los consumidores abandonarán sitios o aplicaciones a medida que aumenta el tiempo de carga, aunque solo sea de uno a tres segundos.

La principal debilidad de las nubes de datos es que la mayoría de los datos de las empresas nunca residirán en una sola nube.Se requiere un enfoque multinube híbrido más holístico para la gestión de datos.Las empresas también deben estar atentas a los costos ocultos relacionados con el control, el cumplimiento y la gobernanza de los datos y el costo de reequilibrar las cargas de trabajo fuera de una nube de datos.

El objetivo de una malla de datos es unir las fuentes de datos, dondequiera que estén, bajo una gestión y un intercambio gestionados de forma centralizada.Mesh es una arquitectura compleja, pero eficaz para mejorar el control y la seguridad del acceso a los datos.

Una malla de datos suele ser buena para datos muy estructurados, como cuando muchas bases de datos deben interconectarse y comunicarse entre sí.Mesh permite la integración, coherencia y calidad de los datos en diferentes sistemas.También requiere coordinación, gobernanza y mantenimiento complejos.

Las empresas de servicios financieros a menudo aplican malla de datos para interconectar líneas de negocios, de modo que los datos estructurados puedan usarse en todas las funciones comerciales (servicio al cliente, marketing, etc.) y aun así administrarse de forma segura.

El modelo de estructura es el más flexible y la estructura de datos adecuada ayuda a las organizaciones a aprovechar las herramientas que ya utilizan para acelerar sus procesos de modernización digital, análisis e inteligencia artificial.

Con los datos aislados en nubes híbridas y multinube, las estructuras de datos pueden operar como una estructura de estructuras, reuniendo múltiples estructuras de datos y almacenes de datos subyacentes, al mismo tiempo que abstraen la ubicación física.El modelo de estructura de datos proporciona gestión de datos en diversos entornos en la nube pública, colocación, nube privada y local, y una gestión de datos perfecta (en teoría) en una variedad de puntos finales.Con tanto énfasis hoy en la IA y el ML, las estructuras de datos son uno de los medios más claros para capitalizar estas cargas de trabajo, particularmente aquellas que combinan grandes volúmenes de datos estructurados y no estructurados en objetos, transmisiones, videos y más.

Las estructuras de datos proporcionan una capa unificada de abstracción sobre fuentes de datos dispares.Esto se puede utilizar de varias maneras: por lotes, en streaming o interactivo.Los tejidos de datos también permiten el acceso, el descubrimiento y la gobernanza de autoservicio.Es importante tener una única fuente de información para todos en la organización.Significa que todos, desde los científicos de datos hasta los desarrolladores, pueden trabajar desde la misma fuente única de datos relevantes y estandarizados y pueden tomar decisiones informadas utilizando los mismos conjuntos de datos.Eso está muy lejos de tener grupos dispares trabajando a partir de conjuntos de datos alojados en silos y departamentos operando como entidades separadas.Con las barreras adecuadas en torno a las geocercas y la gobernanza, no hay costos ocultos.El costo de la tela es el costo real.

Mi consejo para los CTO y CIO es este: exploren todo y ignoren las palabras de moda.Deje que las cargas de trabajo y los casos de uso guíen el proceso de toma de decisiones, pero manténgase alerta ante los costos ocultos y las limitaciones de la arquitectura.Considere cuánto crecerán los datos de su empresa con el tiempo y las fuentes de esos datos.Con fuentes de datos emergentes, regulaciones de soberanía y casos de uso, una interfaz abierta extensible que pueda adoptar nuevos marcos de monitoreo, observabilidad y explicabilidad hará posible que su arquitectura se adapte a medida que evolucionan las cargas de trabajo.

Si su organización, como la mayoría, espera que su volumen de datos se expanda significativamente y si necesita administrar datos estructurados y no estructurados (archivos, objetos y bases de datos), las estructuras que utilizan herramientas de código abierto ofrecen una flexibilidad valiosa y reducen la dependencia del proveedor. y son la mejor prueba de futuro.

Mohan Rajagopalan es vicepresidente y director general de Hewlett Packard Enterprise, donde supervisa la dirección estratégica y el crecimiento del negocio de software HPE Ezmeral.Mohan se unió a HPE procedente de Splunk, donde desarrolló y dirigió las áreas de productos de análisis de próxima generación y IA/ML.Antes de Splunk, fundó y dirigió dos empresas centradas en incorporar análisis avanzados y ciencia de datos a la pila de datos empresariales.Mohan tiene un doctorado.en Ciencias de la Computación y combina una formación profundamente técnica con una pasión por llevar nueva tecnología al mercado.

Suscríbase al boletín informativo gratuito insideBIGDATA.

Únase a nosotros en Twitter: https://twitter.com/InsideBigData1

Únase a nosotros en LinkedIn: https://www.linkedin.com/company/insidebigdata/

Únase a nosotros en Facebook: https://www.facebook.com/insideBIGDATANOW

En esta publicación patrocinada, Russell Ruben, director de mercado de segmentos automotrices y emergentes de Western Digital, cree que a medida que la innovación en vehículos continúe durante los próximos años, impulsada por los avances en sensores, 5G, inteligencia artificial, aprendizaje automático y profundo y análisis de big data, también debe hacerlo el almacenamiento.La tecnología de almacenamiento debe mantenerse al día con el rápido ritmo de desarrollo, ya que se vuelve cada vez más crítico soportar aplicaciones cada vez más exigentes con usos mixtos que nunca antes.

En 'La guía empresarial para el pensamiento de plataformas: qué puede hacer por su negocio', exploramos cómo lograr el éxito de la plataforma y aprovechar todo el espectro de valor empresarial, operativo y para el cliente que las plataformas pueden ofrecer.En el interior, nos sumergimos en: – Cómo ha evolucionado el pensamiento de plataforma en los últimos cinco años y el papel que desempeñan los aspectos culturales, […]

Notifíqueme de comentarios consecuentes por email.

Tres arquitecturas de datos de próxima generación: cómo la nube, la malla y las estructuras de datos impactan sus implementaciones de IA - insideBIGDATA

Tela de malla de fútbol Notificarme de nuevas publicaciones a través de email.