CAPÍTULO 2

La arquitectura de datos empresariales

Introducción
La arquitectura de datos empresariales es una ruptura con la aplicación tradicional de datos en silos, donde los
datos se desconectan de los análisis y otras aplicaciones y datos. La arquitectura de datos empresariales admite
datos rápidos creados en una multitud de nuevos puntos finales, hace operativo el uso de esos datos en las
aplicaciones y mueve los datos a un "lago de datos" donde los servicios están disponibles para las necesidades
profundas de almacenamiento y análisis a largo plazo de la empresa. La arquitectura de datos empresariales se
puede representar como un flujo de datos que unifica las aplicaciones, los análisis y la interacción de las
aplicaciones en múltiples funciones, productos y disciplinas (consulte la Figura 2-1).

Figura 2-1. Los datos rápidos representan el aspecto de la velocidad de big data.
Los datos y el universo de las base de datos
La clave para comprender la necesidad de una arquitectura de datos empresarial es un examen del concepto del
"universo de la base de datos", que ilustra el vínculo estrecho entre la antigüedad de los datos y su valor.
La mayoría de los tecnólogos entienden que los datos existen en un tiempo continuo; no es estacionario. En casi
todos los negocios, los datos se mueven de una función a otra para informar las decisiones comerciales en todos
los niveles de la organización. Si bien todavía existen silos de datos, muchas organizaciones se están alejando
de la práctica de volcar datos en una base de datos (por ejemplo, Oracle, DB2, MSSQL, etc.) y la mantienen de
forma estática durante largos períodos de tiempo antes de tomar medidas.
 Figura 2-2. Los datos tienen el mayor valor a medida que entran en la tubería, donde las interacciones en
tiempo real pueden impulsar las decisiones comerciales, por ejemplo, la interacción con el cliente, la
seguridad y la prevención de fraudes, y la optimización de la utilización de los recursos.

Las acciones que las empresas toman con los datos están cada vez más correlacionadas con la edad de los datos.
La figura 2-2 representa el tiempo como el eje horizontal. En el extremo izquierdo está el punto en el que se
crean los datos. Inmediatamente después de crear los datos, es altamente interactivo y para cada evento, de
mayor valor. Aquí es donde existe la posibilidad de realizar operaciones de alta velocidad en la “nueva” o
“entrante” datos, por ejemplo, para colocar un comercio, hacer una recomendación, publicar un anuncio, o
inspeccionar un registro. Este es el comienzo de una tubería de gestión de datos.

Poco después de que los datos ingresen a la tubería, se pueden examinar en relación con otros datos que también
llegaron recientemente, por ejemplo, al examinar las tendencias del tráfico de red, el riesgo compuesto de la
mesa de operaciones o el estado de una tabla de clasificación de juegos en línea.
Las consultas sobre datos nuevos en movimiento se denominan comúnmente "analíticas en tiempo real".

A medida que los datos comienzan a envejecer, la naturaleza de su valor comienza a cambiar; Se vuelve útil en
un contexto histórico y en relación con otras fuentes de datos. Por ejemplo, conocer la preferencia de un
comprador después de una compra es claramente menos valioso de lo que sería durante la compra.

Las organizaciones han encontrado innumerables formas de obtener información valiosa, como tendencias,
patrones y anomalías, a partir de datos en líneas de tiempo largas y de múltiples fuentes. La inteligencia
empresarial y los informes son ejemplos de lo que se puede hacer para extraer valor de datos históricos. Además,
las aplicaciones de big data se utilizan cada vez más para explorar datos históricos para obtener información más
profunda, no solo para observar tendencias, sino para descubrirlas. Esto se puede considerar como un "análisis
exploratorio".

Con la adopción de tecnologías rápidas y de datos grandes, está surgiendo una tendencia en la forma en que las
aplicaciones de gestión de datos se están diseñando, diseñando y desarrollando. Un principio central subyace en
el diseño moderno de la arquitectura de datos:basa
 el valor de los datos no sea únicamente en información histórica.

Existe un impulso natural para que los análisis sean visibles más cerca y más cerca del tiempo real. A medida
que esto ocurre, se vuelve obvio que tomar acción sobre esta información, en tiempo real, en el instante en que
se crea, es el objetivo final de una arquitectura de datos empresariales. Como resultado, las funciones
históricamente separadas de la "aplicación" y la "analítica" comienzan a fusionarse.

Las empresas están examinando cómo crean nuevas aplicaciones y nuevas capacidades de análisis. Esta
progresión natural lleva rápidamente a las personas al punto en el que se dan cuenta de que necesitan una
arquitectura unificadora que sirva de base para la forma en que las aplicaciones de datos pesados se construirán
en toda la empresa, abarcando la interacción de las aplicaciones hasta el análisis exploratorio. Lo que ha
cambiado es que las interacciones de las aplicaciones ahora son parte de la tubería. El resultado de este trabajo
es la arquitectura moderna de datos empresariales.

La arquitectura importa
La interacción con datos rápidos es un proceso fundamentalmente diferente a la interacción con big data que está
en reposo, lo que requiere sistemas con arquitectura diferente. Con el conjunto correcto de componentes que
reflejan la realidad de que la aplicación y el análisis se están fusionando, se puede construir una arquitectura de
datos empresariales que satisfaga las necesidades de los datos en movimiento (rápido) y los datos en reposo
(grandes).

Crear aplicaciones de alto rendimiento que puedan aprovechar los datos rápidos es un nuevo desafío. La
combinación de estas capacidades con el análisis de big data en una arquitectura de datos empresariales se está
convirtiendo cada vez más en una mesa. Pero no todos están preparados para jugar.