BAJAR EL DOCUMENTO DE WEB DE SAP
Publicamos por cortesía de SAP Latinoamérica informe Forrester Wave Q4 2017 de 28/11/2017 en español sobre «Plataformas de datos Transanalíticas».
Se analizan siguiendo 25 criterios de los siguientes productos: Aerospike, DataStax, GigaSpaces, IBM, MemSQL, Microsoft, NuoDB, Oracle, Redis Labs, SAP, Splice Machine y VoltDB.
¿Qué son las plataformas de Datos Analíticas?
Generalmente encontramos que las empresas tienen bases de datos dispersas así como diferentes Data Warehouses o Data Smarts para dar soporte a las diversas cargas de trabajo, como son las transaccionales, las operacionales o las analíticas.
Estos silos de datos y tecnologías diferentes dificultan a los Arquitectos de Datos dar soporte a las necesidades actuales «en tiempo real» al tener que mover los datos de manera incesante.
Las plataformas de datos Translytical permiten la utilización de una única Base de Datos para grandes proyectos «trans departamentales o trans Data Warehouse o Trans Bases de Datos».
Estas plataformas se pueden utilizar para analítica en tiempo real, machine learning, streaming analytics y en procesamientos transaccionales extremos.
Los principales casos de uso son:
a) Aplicaciones en Real Time.
Por ejemplo: Stock Trading, detección de fraude, contraterrorismo, monitorización de pacientes, analítica de máquinas o monitorización de terremotos. Estas aplicaciones piden datos 24 x 7 con acceso de baja latencia. Si bien muchas empresas han utilizado aplicaciones en tiempo real por décadas, incluso mucho antes de las bases de datos transanalíticas, dichas aplicaciones necesitaron amplias labores de adecuación y personalización.
b) Análisis de la Internet de las cosas (IoT) sobre datos operativos para mantenimiento predictico o analítica en tiempo real de todo tipo de maquinaria o motores.
c) Sincronización en tiempo real de datos de transaccionales. Los ETL tradicionales no permiten una sincronización en tiempo real de datos que se cambian en un transaccional. En cambio las plataformas Translytical sí. Por ejemplo: los datos de contacto de un cliente pueden estar almacenados en diversos aplicativos transaccionales (CRM, ERPs, ecommerce..) y un cambio puntual no se refleja automáticamente. Con una BBDD transanalítica sí que se contemplaría.
d) Aprendizaje contínuo. A medida que las empresas dependen cada vez más de los modelos de aprendizaje automático para hacer predicciones sobre los clientes, los procesos empresariales y las operaciones, necesitan mantener estos modelos actualizados con los nuevos datos. Las bases de datos transanalíticas admiten el aprendizaje continuo, retención y control de los modelos de aprendizaje automático sin la necesidad de mover los datos a plataformas de aprendizaje automático externas ya que es costoso y requiere mucho tiempo.