211service.com
DataOps y el futuro de la gestión de datos
Producido en asociación con hitachi vantara
DataOps y el futuro de la gestión de datos
Descarga el informe completo
Las empresas de hoy se enfrentan a un desafío digital gigantesco: se esfuerzan por encontrar formas de extraer valor de los datos. Es decir, quieren lograr resultados comerciales específicos mientras el volumen y la variedad de datos disponibles aumentan rápidamente.
Y no se deje engañar: buscar esas motas de oro de datos en un mar turbulento de información no es tarea fácil. Se necesita el enfoque y el esfuerzo de los científicos de datos para hacer la minería, los equipos de desarrollo para crear aplicaciones de análisis que respalden una toma de decisiones más inteligente y alimenten la innovación, los administradores de datos para mantener la calidad y la seguridad de los datos, y la gente de TI para garantizar la disponibilidad y el rendimiento. Diferentes equipos y diferentes objetivos para los datos significan que las aplicaciones de análisis a menudo tardan demasiado en desarrollarse y llegar a los usuarios que las necesitan. O es posible que no hagan lo que se supone que deben hacer, que es ayudar a hacer crecer el negocio.
Para que los análisis sean más efectivos, las organizaciones están reemplazando la gestión de datos tradicional con un conjunto emergente de prácticas centradas en la colaboración y la automatización. Se denomina operaciones de datos, o DataOps, una confluencia de prácticas avanzadas de gestión de datos y entrega de análisis que abarca todo el ciclo de vida de los datos, desde la recuperación y preparación de datos hasta el análisis y la generación de informes. Al igual que DevOps, cuyo objetivo es acelerar el desarrollo de software, DataOps incorpora métodos de desarrollo ágiles y de entrega continua respaldados por recursos de TI bajo demanda. DataOps promete ayudar a las organizaciones a optimizar su gestión de datos; impulsar iniciativas que involucren tecnologías de uso intensivo de datos, como inteligencia artificial, aprendizaje automático y aprendizaje profundo; y producir consistentemente los resultados comerciales deseados.
Descarga el informe completo.