Publicado en
Una cadena de restaurantes con 500 sucursales utiliza a diario un producto de movimiento de datos para transferir las información a un data warehouse. Esa información permite conocer la realidad del negocio al instante y empujar información comparativa a cada sucursal. Están implementando modelos predictivos que reducirán costo e identifican las mejores oportunidades.
A primera impresión, este parece ser un caso de estudio innovador de inicios del 2000. Desde ese entonces muchas empresas tenían la visión de hacer algo similar, pero muy pocas tenían la capacidad para poder llevar a cabo un proyecto de esta magnitud. Adelantemos el calendario al 2015 y veamos el sueño haciéndose realidad.
Analicemos los factores que lo hacen posible:
Infraestructura elástica. Hace una década, la inversión requerida era quizás prohibitiva: La infraestructura de cómputo tendría que tener capacidad para operar por 3-5 años, implicando una inversión inicial de varias decenas de miles de dólares. En comparación, hoy un data warehouse en la nube puede iniciar a veinticinco centavos de dólar por hora [2] y crecer conforme el negocio lo requiera.
Integración de datos. Para consolidar fuentes de datos, los vendedores de herramientas ETL (Extract, transform and load) ofrecían soluciones de integración de datos igualmente costosas. Hoy es posible mover los datos a la nube de forma casi gratuita o comprar soluciones en demanda. Por ejemplo, Attunity Cloudbeam [3] permite mantener sincronizada una copia en la nube teniendo un impacto de desempeño menor al 5%. Productos similares ofrecen la misma funcionalidad para ambientes Hadoop o mainframes.
Inteligencia de negocio. Después de una década de Business Intelligence, menos del 30% de los empleados tienen acceso a dichas capacidades. El costo típico de una solución de BI era de varios miles de dolares por usuario, y hoy se ha reducido en alrededor de 75%, además de que existe una gran variedad de herramientas que permiten el autoservicio para transformar, combinar y visualizar fuentes de datos de forma visual. El uso bajo demanda para proyectos de menor duración[4] cambia las reglas del juego.
Analítica avanzada y streaming. NoSQL y Hadoop ofrecen nuevos mecanismos de análisis y procesamiento de datos en tiempo casi real. Pero si su empresa no tiene esas habilidades, el tiempo de integración y costo podría ser tan alto o mayor que software empresarial relacional. Software como Atigeo xPatterns[5] integra software libre para instantáneamente implementar análisis predictivo en una variedad de modelos disponibles.
Conclusión
La calidad y captura de datos, mantenimiento de los mismos y uso efectivo de la información para desarrollar el modelo de negocio continúan siendo retos complejos; la explosión de datos apenas inicia. Con la nube y tecnología integrada a menores costos, el operar un negocio a ciegas es cada vez más injustificado.
Referencias:
“Big Data at Dickey’s Barbecue Pit”. Forbes, junio 2015. http://swgu.ru/q4
Amazon Redshift Pricing. https://aws.amazon.com/redshift/pricing
Attunity CloudBeam. http://swgu.ru/q5
TIBCO Jaspersoft Reporting for AWS. http://swgu.ru/q6
xPatterns Connect. http://swgu.ru/q7
- Log in to post comments