Dominar la gestión de datos entre el mainframe y la nube

Las tecnologías emergentes evolucionan a un ritmo vertiginoso y las empresas están deseosas de aprovechar las nuevas herramientas y soluciones disponibles en el mercado. Uno de los campos más destacados es la inteligencia artificial (IA), que impulsa la innovación y la inversión gracias a su diversa gama de casos de uso. Desde facilitar el análisis de datos en tiempo real hasta transformar las aplicaciones de cara al cliente, el 78 % de los líderes empresariales prevé aumentar su inversión total en IA durante el próximo ejercicio fiscal.

Sin embargo, la demanda de nuevas soluciones tecnológicas plantea nuevos desafíos a los equipos de TI, lo que los impulsa a replantear sus prácticas de gestión de datos. La innovación no surge de la nada, y la infraestructura de TI debe ser capaz de integrarse eficazmente con cualquier tecnología o aplicación recién implementada para lograr resultados tangibles. Especialmente para las empresas con grandes cantidades de datos históricos almacenados en sistemas heredados, como el mainframe, encontrar la estrategia de gestión de datos adecuada es fundamental para una implementación exitosa.

Descubrimiento de datos para una mayor visibilidad

El descubrimiento de datos es el primer paso, ya que no todos los datos son iguales. La decisión sobre dónde almacenarlos dependerá de las circunstancias y prioridades individuales, pero el descubrimiento de datos debe preceder a cualquier decisión estratégica.

Dado que cualquier iniciativa de IA solo será tan buena como los datos que la sustentan, el retorno de la inversión (ROI) se verá directamente influenciado por los datos a los que la IA tenga acceso. Las organizaciones podrían perder la oportunidad de utilizar algunos de sus datos de mayor calidad si el entorno no se mapea correctamente.

Esto hace que el descubrimiento y la gestión adecuada de datos no solo sean útiles, sino cruciales, y no se limitan a las empresas que operan en mainframes. De hecho, el 80% de las organizaciones que cuentan con soluciones de nube nativa e híbrida presentan problemas con puntos ciegos en la red que dificultan la eficacia del sistema.

El descubrimiento de datos permite a las empresas determinar dónde se encuentran sus datos, cómo acceder a ellos y qué dependencias preexistentes deben tener en cuenta antes de introducir nuevos elementos en ese entorno. Esto también incluye la localización de los metadatos, lo que contextualizará aún más los datos y confirmará su origen. Los equipos de TI pueden entonces utilizar herramientas de análisis avanzado para determinar las posibles consecuencias de la transferencia de esos datos. ¿Se producirían fallos en otras aplicaciones o la empresa tendría que enfrentarse a un nuevo riesgo de seguridad?

Sin estas herramientas, la introducción de nuevos endpoints se convierte en una medida arriesgada que muchas organizaciones evitarán con razón. Si el sistema carece de transparencia, una empresa podría acabar trasladando información confidencial a una ubicación insegura y, sin darse cuenta, otorgando acceso a ella a personas que no deberían tenerla. Mapear el panorama de datos reducirá drásticamente el riesgo de fallos al realizar cambios en la infraestructura existente y eliminará la posibilidad de efectos dominó inesperados.

Encontrar la estrategia adecuada

El descubrimiento de datos puede ser una tarea monumental, pero las herramientas modernas con capacidades de automatización pueden ayudar a aliviar la presión sobre los equipos internos y simplificar el proceso. Una vez completado, los equipos podrán tener una visión completa y tomar decisiones analíticas más sólidas, a la vez que reducen el tiempo y los costos. El siguiente paso es definir una estrategia que se ajuste a las necesidades de la organización y a los requisitos de la nueva tecnología que se pretende implementar.

Por ejemplo, las empresas que almacenan sus datos en el mainframe podrían optar por dejarlos allí en lugar de migrarlos a un entorno de nube, para aprovechar la estabilidad y seguridad que ofrece un entorno mainframe. Esto será cada vez más relevante para las organizaciones que operan en sectores altamente regulados, como el financiero y el sanitario, donde la seguridad de los datos es primordial.

En este caso, el equipo de TI podría determinar que sería demasiado arriesgado exponer esos datos a los peligros de la nube y, en su lugar, optar por replicarlos. De esta manera, aún pueden implementar herramientas de IA innovadoras sin tener que comprometerse con una migración completa a la nube. En otros casos, como con la mayoría de las herramientas de análisis, la virtualización de los datos puede ser suficiente. Encontrar la mejor estrategia puede ser complicado cuando hay tantas consideraciones a considerar, pero trabajar con un socio de confianza puede permitir a los equipos internos de TI gestionar el proceso con confianza.

El costo de la innovación comienza con la gestión de datos

Cuando una empresa invierte en tecnología de vanguardia, el retorno de la inversión (ROI) es un componente clave de esa decisión, y los costos que conlleva una nueva estrategia de gestión de datos son necesariamente parte de ello. Las organizaciones desean contar con datos lo más seguros y confiables posibles para impulsar sus iniciativas de IA y sus aplicaciones en tiempo real, y desean comprender mejor sus propios datos para optimizar sus análisis de negocio. Unos datos de calidad son la base de la innovación.

Una parte importante del diseño de una estrategia de gestión de datos se centra en el coste. Desde el almacenamiento de datos hasta las herramientas que el equipo utiliza para la gestión e integración, pasando por el coste de implementar nuevos modelos o software, estos gastos pueden acumularse rápidamente.

Los equipos de TI suelen encargarse de la gestión de sus propios presupuestos, lo que se convierte en un equilibrio entre mantener un entorno que respalde las operaciones diarias de la empresa y, al mismo tiempo, fomentar el crecimiento y la inversión en innovación. Dado que las operaciones comerciales ahora se basan en datos, su gestión se sentirá en todas las áreas, lo que impactará directamente en el retorno de la inversión (ROI), la eficiencia, la facilidad de uso y la seguridad.

Las empresas que consideran implementar soluciones innovadoras y desean mantenerse a la vanguardia de sus sectores deben comprender primero sus propios datos. Eliminar las áreas oscuras de los datos es fundamental para el correcto funcionamiento de las aplicaciones innovadoras y garantiza el cumplimiento continuo de normativas como DORA y NIS2. Implementar nuevas tecnologías siempre supone un riesgo calculado para las empresas, pero este riesgo puede reducirse significativamente creando las bases adecuadas.

Los equipos de TI que dedican tiempo y recursos a completar el descubrimiento de datos podrán tomar decisiones más estratégicas, generar resultados significativos y preparar a toda la organización para el éxito.

(datacenterdynamics.com)

Les estaremos informando con mucho más detalle, en el marco del informe especial: “Soluciones y productos de infraestructura para edificios y ciudades inteligentes (Sistemas BIM y BMS), POL (Passive Optical LAN). Seguridad integrada, video vigilancia y control de acceso. Casos de uso y aplicabilidad de cada solución y producto, incluyendo la colaboración digital (relacionado a realidad virtual sistema BIM) (Gemelos digitales). Buenas prácticas ambientales.», que estamos preparando para nuestra edición 216 y publicaremos en el mes de julio.

Mantente conectado a nuestra revista Channel News Perú, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario.