Basil Faruqui, BMC Software: Cómo desarrollar una estrategia de datos e IA
Basil Faruqui, director de marketing de soluciones de BMC Software, analiza DataOps, la importancia de la orquestación de datos y el papel de la IA en la optimización de la automatización de flujos de trabajo complejos para el éxito empresarial.
¿Cuáles son las últimas novedades en BMC?
Estos son tiempos emocionantes para BMC, y específicamente para nuestra línea de productos Control-M, mientras continuamos ayudando a algunas de las empresas más grandes del mundo a automatizar y orquestar resultados comerciales que dependen de flujos de trabajo complejos. Un enfoque clave de nuestra estrategia son las operaciones de datos, específicamente la orquestación de prácticas de operaciones de datos. En los últimos 12 meses, hemos entregado más de 70 integraciones para productos PaaS y sin servidor en AWS, Azure y GCP, lo que permite a nuestros clientes incorporar rápidamente servicios modernos en la nube a su modelo de orquestación Control-M. Además, estamos creando prototipos de casos de uso basados en GenAI para acelerar el desarrollo del flujo de trabajo y la optimización del tiempo de ejecución.
¿Cuáles son las últimas tendencias que ha notado en la evolución de DataOps?
Lo que estamos viendo en general en el mundo de los datos es una inversión continua en software de análisis y datos. Los analistas estiman que el gasto en software de análisis y datos superó los 100 mil millones de dólares el año pasado. Si nos fijamos en las áreas de aprendizaje automático, inteligencia artificial y datos en las que se centra Matt Turck Primera marca Publicado cada año, está más lleno que nunca. Tiene 2.011 logotipos, y se han añadido más de 500 desde 2023. Dado el rápido crecimiento de las herramientas y las inversiones, DataOps ahora ocupa un lugar central a medida que las empresas se dan cuenta de que para implementar iniciativas de datos con éxito, ya no pueden simplemente agregar más ingenieros. Las prácticas de operaciones de datos se están convirtiendo ahora en el modelo para escalar estas iniciativas en producción. El reciente auge de GenAI hará que este modelo operativo sea aún más importante.
Ivo Everts, Databricks: Impulsando la IA de código abierto y mejorando la gobernanza de datos¿A qué deberían prestar atención las empresas cuando intentan desarrollar una estrategia de datos?
Como mencioné antes, la inversión en iniciativas de datos por parte de ejecutivos de negocios, directores ejecutivos, directores de marketing, directores financieros, etc., sigue siendo fuerte. Esta inversión no se trata sólo de mejorar la eficiencia, sino también de cambiar las reglas del juego y generar resultados empresariales transformadores. Esto significa que tres cosas se vuelven muy importantes. El primero es una clara alineación de la estrategia de datos con los objetivos comerciales, garantizando que los equipos de tecnología estén trabajando en lo que más importa para el negocio. En segundo lugar está la calidad y accesibilidad de los datos. La calidad de los datos es crucial. La mala calidad de los datos puede generar conocimientos inexactos. Igualmente importante es garantizar la accesibilidad de los datos: proporcionar los datos correctos a las personas adecuadas en el momento adecuado. Democratice el acceso a los datos mientras mantiene los controles adecuados, permitiendo a los equipos de toda la organización tomar decisiones basadas en datos. El tercero es la escala de producción. La estrategia debe garantizar que la preparación operativa se integre en las prácticas de ingeniería de datos, por lo que no es algo que se considere sólo después de una prueba piloto.
¿Qué importancia tiene la orquestación de datos como parte de la estrategia general de una empresa?
Podría decirse que la orquestación de datos es el pilar más importante de las operaciones de datos. Los datos de la mayoría de las organizaciones se distribuyen en múltiples sistemas: nube, local, bases de datos heredadas y aplicaciones de terceros. La capacidad de integrar y orquestar estas fuentes de datos dispares en un sistema unificado es fundamental. La orquestación adecuada de los datos garantiza un flujo de datos fluido entre sistemas, minimizando la duplicación, la latencia y los cuellos de botella, al tiempo que respalda la toma de decisiones oportuna.
¿Qué le han dicho sus clientes que tienen la mayor dificultad con la orquestación de datos?
Han Heloir, MongoDB: El papel de las bases de datos escalables en aplicaciones de inteligencia artificialLas organizaciones continúan enfrentando el desafío de entregar productos de datos rápidamente y escalar rápidamente en producción. GenAI es un buen ejemplo. Los directores ejecutivos y juntas directivas de todo el mundo exigen resultados lo más rápido posible, conscientes de que esto podría perturbar gravemente a quienes no pueden aprovechar su poder. GenAI está incorporando prácticas como la ingeniería justo a tiempo, la vinculación justo a tiempo y más a la corriente principal. El desafío es cómo integramos LLM y bases de datos vectoriales, robots, etc. en un canal de datos más grande que atraviesa arquitecturas híbridas desde múltiples nubes hasta las instalaciones, incluidos los mainframes de muchas personas. Esto solo reitera la necesidad de un enfoque estratégico de la orquestación que permita la incorporación de nuevas tecnologías y prácticas para permitir la automatización escalable de los canales de datos. Un cliente describió Control-M como una regleta orquestada que podían conectar a nuevas tecnologías y patrones a medida que surgían, en lugar de tener que volver a cablear tecnología antigua cada vez que la cambiaban por nueva.
¿Cuáles son los principales consejos para garantizar una orquestación de datos óptima?
Probablemente haya muchos consejos importantes, pero me centraré en uno: la interoperabilidad entre aplicaciones y flujos de trabajo de datos, que creo que es fundamental para lograr escala y velocidad de producción. Orquestar los canales de datos es importante, pero es importante recordar que estos canales son parte de un ecosistema más amplio dentro de la empresa. Consideremos implementar un canal de aprendizaje automático para predecir los clientes que probablemente cambiarán a un competidor. Los datos que ingresan a este tipo de canalización son el resultado de una combinación de flujos de trabajo que se ejecutan en ERP/CRM y otras aplicaciones. La finalización exitosa del flujo de trabajo de una aplicación suele ser un requisito previo para activar un flujo de trabajo de datos. Una vez que el modelo identifica a los clientes que probablemente realizarán una conversión, el siguiente paso podría ser enviarles ofertas promocionales, lo que significa que debemos volver a la capa de aplicación en ERP y CRM. Control-M está en una posición única para resolver este desafío porque nuestros clientes lo utilizan para orquestar y gestionar dependencias complejas entre aplicaciones y niveles de datos.
¿Cuáles cree que son las principales oportunidades y desafíos al implementar la inteligencia artificial?
La inteligencia artificial (especialmente GenAI) está aumentando rápidamente las tecnologías involucradas en el ecosistema de datos. Muchos modelos nuevos, bases de datos vectoriales, nuevos modos de automatización en torno a cadenas de referencia y más. Este desafío no es nuevo en el mundo de los datos, pero el ritmo del cambio se está acelerando. Desde una perspectiva de orquestación, vemos una gran oportunidad para los clientes porque ofrecemos una plataforma de orquestación altamente adaptable donde pueden incorporar estas herramientas y patrones a sus flujos de trabajo existentes en lugar de volver a la mesa de dibujo.
¿Tiene algún estudio de caso de empresas que aprovechen con éxito la IA que pueda compartir con nosotros?
Domino's Pizza utiliza Control-M para organizar su gran y complejo canal de datos. Domino's tiene más de 20.000 tiendas en todo el mundo y gestiona más de 3.000 canales de datos que reúnen datos de fuentes tan diversas como sistemas internos de la cadena de suministro, datos de ventas e integraciones de terceros. Estos datos de la aplicación deben pasar por patrones y modelos de transformación complejos antes de poder usarse para impulsar decisiones relacionadas con la calidad de los alimentos, la satisfacción del cliente y la eficiencia operativa en toda la red de franquicias.
Control-M juega un papel vital en la orquestación de estos flujos de trabajo de datos, asegurando una integración perfecta entre múltiples tecnologías como MicroStrategy, AMQ, Apache Kafka, Confluence, GreenPlum, Couchbase, Talend, SQL Server, Power BI y más.
Además de unir patrones de orquestación complejos, Control-M les proporciona visibilidad de canalización de extremo a extremo, lo que garantiza que cumplan estrictos acuerdos de nivel de servicio (SLA) mientras manejan volúmenes de datos cada vez mayores. Control-M les está ayudando a generar informes críticos más rápido, brindar información a los franquiciados y escalar la implementación de nuevos servicios comerciales.
¿Qué podemos esperar de BMC el próximo año?
Nuestra estrategia Control-M en BMC se centrará en varios principios fundamentales:
Continuar permitiendo que nuestros clientes utilicen Control-M como un único punto de control para la orquestación a medida que adoptan tecnologías modernas, especialmente en la nube pública. Esto significa que continuaremos brindando nuevas integraciones a todos los principales proveedores de nube pública para garantizar que puedan usar Control-M para orquestar flujos de trabajo en los tres principales modelos de infraestructura de nube: IaaS, contenedores y PaaS (servicios de nube sin servidor). Planeamos seguir centrándonos en la tecnología sin servidor y verá que Control-M proporciona más integraciones listas para usar para admitir el modelo PaaS.
Reconocemos que la orquestación empresarial es un deporte de equipo que implica la coordinación entre ingeniería, operaciones y usuarios comerciales. Con esto en mente, planeamos brindar una experiencia de usuario basada en roles y una interfaz para una colaboración fluida.
Específicamente, en DataOps estamos analizando la intersección de la orquestación y la calidad de los datos, con un enfoque particular en hacer de la calidad de los datos un ciudadano de primera clase dentro de las aplicaciones y los flujos de trabajo de datos. ¡Estén atentos para obtener más información sobre esto!
¿Quiere aprender más sobre inteligencia artificial y big data de la mano de los líderes de la industria? Controlar Expo Inteligencia Artificial y Big Data Celebrada en Amsterdam, California y Londres. El evento integral se lleva a cabo al mismo tiempo que otros eventos importantes, incluidos Conferencia de automatización inteligente, brockx, semana de transformación digitaly Expo Ciberseguridad y Nube.
Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados por TechForge aquí.
Descubre herramientas IA similares a Basil Faruqui, BMC Software: Cómo desarrollar una estrategia de datos e IA puedes visitar la categoría Noticias.
Relacionado: