Esta publicación es parte de la serie de tendencias digitales 2021 de G2. Lee más sobre la perspectiva de G2 sobre las tendencias de transformación digital en una introducción de Michael Fauscette, director de investigación de G2, y Tom Pringle, vicepresidente de investigación de mercado, y cobertura adicional sobre las tendencias identificadas por los analistas de G2.

Tendencias de gestión de datos en 2021

En 2021, los líderes impulsados por los datos reevaluarán sus estrategias de gestión de datos debido al entorno tecnológico en evolución. Las organizaciones priorizarán las inversiones en plataformas de datos escalables para asegurar, gobernar y analizar efectivamente los datos a través de las funciones empresariales mediante una única plataforma unificada. Estas plataformas proporcionarán un mayor control y permitirán un acceso sin problemas a sus datos, independientemente de dónde residan, ayudándoles en última instancia a obtener valiosos conocimientos y tomar mejores decisiones empresariales.

Las organizaciones pueden obtener una ventaja competitiva desarrollando experiencia en gestión de datos para impulsar su estrategia empresarial. Nuevas herramientas y tecnologías basadas en inteligencia artificial (IA) y aprendizaje automático (ML) se están introduciendo continuamente para manejar las complejidades en constante evolución como la diversidad y disparidad de datos en diferentes entornos.

Otra evolución gradual en la gestión de datos es la línea borrosa entre las responsabilidades de TI y de negocio; las organizaciones ya no están limitadas por fronteras funcionales, lo que permite la colaboración de datos a nivel empresarial y empodera a los interesados en toda la organización con los datos correctos en el momento adecuado.

Profundicemos en las tendencias que probablemente emergerán en el espacio de gestión de datos en 2021.

Repensar la gestión de datos para la estrategia híbrida y multicloud

El auge de la arquitectura híbrida y multicloud, y los avances continuos en IA y ML, están impulsando al mercado de gestión de datos a evolucionar constantemente con desafíos, oportunidades y estrategias intensificadas. La reciente asociación entre dos gigantes tecnológicos, IBM y SAP, explica el movimiento de las organizaciones hacia un viaje de nube híbrida.

La adopción de la nube ha aumentado drásticamente en los últimos años, con 2020 acelerando la tendencia aún más, en medio de la pandemia de COVID-19. El crecimiento del mercado de servicios de infraestructura en la nube se disparó en el tercer trimestre con la pandemia actuando como catalizador, impulsando la demanda en línea. Las empresas han comenzado a mover cada vez más sus cargas de trabajo y datos a la nube, al mismo tiempo que prefieren múltiples entornos de nube sobre un solo proveedor de nube.

A medida que las empresas aceleran su migración a la nube, están implementando cada vez más una estrategia multicloud. El 93% de las empresas tienen una estrategia multicloud y el 87% tienen una estrategia de nube híbrida, según el Informe del Estado de la Nube 2020 de Flexera.

Una estrategia multicloud permite a las organizaciones mantener un entorno de nube híbrida que proporciona una combinación de seguridad y capacidades especializadas como capacidades integradas de ML. Las cargas de trabajo y datos más centrados en la seguridad pueden mantenerse en la nube privada mientras que los datos y aplicaciones regulares pueden ejecutarse en redes de nube pública rentables. Este tipo de infraestructura está demostrando ser un modelo exitoso para las organizaciones, ya que ofrecen un rico conjunto de opciones de nube que ayudan tanto a optimizar los retornos de las inversiones en la nube como a reducir el bloqueo de proveedores.

Uno de los principales desafíos que surgen con el aumento de la adopción de multicloud o nube híbrida es la gestión de datos a través de múltiples sistemas y ubicaciones dentro de las organizaciones. Las empresas se verán a sí mismas en algún lugar entre estar 100% en las instalaciones y en la nube en el espectro de implementación.

En un escenario de nube híbrida en tiempo real, la mayoría de las organizaciones utilizarán una mezcla de implementación multicloud y en las instalaciones. Para superar los desafíos relacionados con este paisaje en evolución, las organizaciones adoptarán plataformas de gestión de datos híbridas de extremo a extremo para ofrecer una mayor visibilidad y control sobre sus datos a través de entornos en la nube, híbridos y en las instalaciones, asegurando al mismo tiempo la seguridad de los datos y la gobernanza.

Los gigantes en el espacio de gestión de datos, como IBM definen una plataforma moderna de gestión de datos híbrida como aquella que debe asegurar la accesibilidad completa independientemente de la fuente o el formato, soportar varias opciones de implementación, eliminar restricciones y democratizar el acceso a los datos, y abrazar el poder de los análisis inteligentes con ML integrado.

Descifrando la tecnología emergente en la gestión de datos: data fabric

Los datos ya no residen en un solo entorno; están dispersos en entornos en las instalaciones y en la nube, lo que indica que las empresas se están moviendo hacia un mundo híbrido. Con el crecimiento exponencial en formatos de datos, fuentes y despliegues a través de las organizaciones, las empresas están buscando constantemente formas de optimizar mejor los activos de datos que viven dentro de los sistemas heredados existentes en las instalaciones.

El data fabric puede considerarse como un tejido que se extiende sobre un gran espacio que conecta múltiples ubicaciones, tipos y fuentes de datos, con métodos para acceder a esos datos. La tecnología de data fabric está diseñada para resolver las complejidades relacionadas con la gestión de la disparidad de datos tanto en entornos en las instalaciones como en la nube a través de una única plataforma unificada.

Data fabric es un término emergente en la industria de la tecnología de datos. Organizaciones como Cinchy, una empresa de colaboración de datos con sede en Toronto, están tratando de educar a los proveedores sobre el potencial de esta tecnología. La empresa también aseguró recientemente una ronda de financiación Serie A para apoyar la creciente demanda de tecnología de data fabric. El enfoque de estas empresas es crear un entorno de datos que proporcione acceso centralizado a través de una vista unificada de los datos de una organización que hereda restricciones de acceso y gobernanza, independientemente del formato o ubicación de los datos.

La tecnología de colaboración de datos aplicada en un data fabric permite a los usuarios acelerar y simplificar los procesos intensivos de ETL al conectarse fácilmente a diferentes fuentes de datos y eliminar el tiempo dedicado a mover y copiar datos entre aplicaciones a través de una arquitectura interconectada. Los profesionales de datos creen que con datos cada vez más distribuidos, dinámicos y diversos, las empresas necesitan un acceso y compartición de datos sin fricciones y esto va a impulsar el auge de la tecnología de data fabric.

Las organizaciones continúan adoptando IA y ML para impulsar estrategias de gestión de datos

Gestión de datos aumentada (ADM)

Los científicos de datos e ingenieros de datos pasan la mayor parte de su tiempo accediendo, preparando y gestionando datos manualmente. ADM es la aplicación de tecnologías de IA/ML en la automatización de tareas manuales en los procesos de gestión de datos.

ADM ayudará a las empresas a simplificar, optimizar y automatizar operaciones relacionadas con la calidad de los datos, la gestión de metadatos, la gestión de datos maestros, los sistemas de gestión de bases de datos, etc., haciéndolos autoconfigurables y autoajustables. Un motor aumentado por IA/ML ofrece recomendaciones inteligentes a los profesionales de datos, permitiéndoles seleccionar entre múltiples modelos preaprendidos de soluciones para una tarea de datos específica. Automatizar tareas manuales de datos dentro de las organizaciones generará una mayor productividad y una mayor democracia entre la comunidad de usuarios de datos.

Aplicación de ADM en catálogos de datos

La necesidad de catálogos de metadatos aumentados por ML continuará aumentando en 2021. Considerando cuán amplios y distribuidos son los conjuntos de datos, hay desafíos significativos que surgen al inventariar y sintetizar los datos para su uso en toda la empresa. Hoy en día, buscar y rastrear el recorrido de los datos se está volviendo cada vez más importante para un análisis efectivo.

Los catálogos de datos de aprendizaje automático se vendieron como pan caliente en 2020 y esta tendencia continuará creciendo. ML automatiza los aspectos mundanos de entender los datos y aplicar políticas, reglas de negocio, etiquetas y clasificaciones en los catálogos de datos.

Proliferación de gráficos de conocimiento

Las bases de datos de gráficos son una tecnología relativamente antigua. Gigantes tecnológicos como Google, Facebook y Twitter han estado utilizando gráficos de conocimiento para entender a sus clientes, decisiones empresariales y líneas de productos desde hace mucho tiempo. Los gráficos de conocimiento están compuestos por una base de datos de gráficos subyacente para almacenar los datos y una capa de razonamiento para buscar y derivar conocimientos de los datos.

Este año, G2 vio un aumento del 119% en la categoría de Bases de Datos de Gráficos y registró el mayor crecimiento durante la pandemia. Se puede inferir que las bases de datos de gráficos demostraron ser una herramienta realmente valiosa para modelar la propagación del coronavirus. Organizaciones farmacéuticas como AstraZeneca utilizaron algoritmos de gráficos para encontrar pacientes que tenían tipos y patrones de recorrido específicos, y luego encontrar otros que estaban cerca y eran similares.

La capacidad de los gráficos de conocimiento para desenredar y analizar relaciones de datos heterogéneos complejos para descubrir relaciones significativas ha aumentado la productividad de los científicos de datos. También facilita la capacidad de los usuarios para aprender y crecer continuamente de manera orgánica con la ayuda de ontologías.

El gráfico está demostrando ser una de las formas más rápidas de conectar datos, especialmente cuando se trata de datos complejos o grandes volúmenes de datos dispares. Implementar un gráfico de conocimiento en combinación con algoritmos de IA y ML ayudará a infundir contexto y razonamiento en los datos. Los principales casos de uso del procesamiento de gráficos se verán en detección de fraude, análisis de redes sociales y en el espacio de la salud.

Conclusiones clave

Las organizaciones están adoptando cada vez más estrategias multicloud y moviendo sus cargas de trabajo y datos a la nube. Los datos se alojarán en algún lugar entre las instalaciones y la nube. Gestionar estos datos dispersos a través de múltiples fuentes, formatos y despliegues es un desafío que las organizaciones se darán cuenta en 2021. Esto llevará a las empresas a reimaginar su estrategia de gestión de datos para adoptar un enfoque de gestión de datos híbrido con el objetivo de conectar y gestionar datos independientemente de dónde residan.

Se verá a las organizaciones construyendo plataformas de datos escalables impulsadas por tecnología de IA/ML para atender el paisaje tecnológico en constante evolución.