Tendencias Data Management 2017

Dentro de los conceptos de Data Management, Business Analytics & Big Data, los expertos acuerdan tres tendencias que serán claves en 2017 para la evolución de las soluciones de Gestión de la Información de las Organizaciones.

  • La SQLización de Hadoop

Hadoop fue diseñado originalmente para entornos de Internet que no tenían requisitos relacionales. A medida que empleamos cada vez más a Hadoop en los casos principales de uso, sin embargo, los requisitos relacionales se están convirtiendo en urgentes, especialmente la necesidad de SQL estándar ANSI. De hecho, el soporte de SQL para Hadoop es un “must do” para las prácticas emergentes que implican datos de Hadoop, tales como exploración de datos, preparación de datos y análisis basado en SQL.

Algunas herramientas de código abierto, como Impala, Drill, Presto y Spark, buscan agregar ANSI SQL a Hadoop, y algunas herramientas de proveedores maduros (para informes, análisis e integración de datos) se han actualizado para hacer lo mismo. Sin embargo, todavía estamos en los primeros días con motores SQL para Hadoop, por lo que esperamos más funcionalidad, rendimiento e interoperabilidad. En el año 2017 seremos testigos de mejoras en estas áreas tanto para el código abierto como para las capacidades de Hadoop.

  • Hubs de datos

En lugar de un “Data Lake” basado en Hadoop, algunas organizaciones prefieren construir un gran centro de datos relacionales para lograr objetivos similares, a saber, proporcionar un espacio gobernable para grandes datos, bancos de datos analíticos y prácticas de datos colaborativos. Las organizaciones ambiciosas están construyendo centros de datos que mezclan tecnologías relacionales y Hadoop de tal manera que es difícil decirle “Data Lake” y nace la concepción de “Data Hubs”.

Aún así, aquí hay un diferenciador clave: un verdadero “Data Hub” es más que una simple base de datos. También tiene una gran cantidad de herramientas para orquestación de datos, publicación y suscripción, seguridad, auditoría e integración y calidad de datos. La expansión de los despliegues de centros de datos iniciados en 2016 crecerá en 2017.

  • Sensores en la Industria de Internet de las Cosas (IoT)

Gartner visualiza a IoT como emergiendo de su “ciclo de hype” antes de lo anticipado. En particular, el lado industrial de IoT (pero no el lado del consumidor) está aumentando de forma agresiva, impulsado por una explosión de sensores empresariales en 2015 y 2016.

Por ejemplo, las empresas de servicios públicos (y otras empresas que monitorean instalaciones) han implementado muchos sensores; estas empresas han cuadruplicado recientemente sus sensores para que puedan seguir los procesos de una manera más granular y convertir más tareas manuales en digitales. La fabricación es un caso similar; ha tenido robots durante décadas, pero ahora los robots tienen más sensores para un control más fino – ahora pueden realizar la garantía de calidad, no sólo en el montaje.

Como otro ejemplo, varias compañías de camiones y ferrocarriles han hablado en conferencias de TDWI sobre cómo los datos de sensores (de vehículos y contenedores de envío) los ayudan a hacer operaciones logísticas y rutas más eficientes, mantener a los clientes satisfechos con un servicio rápido y auditable y reducir las tasas de seguros, demostrando que los vehículos y cargas son manejados legalmente y con seguridad.

Fuente: TDWI

04

Newsletter

Su nombre es WATSON y su pasión: LOS DATOS

IBM Watson (en honor al fundador de la compañía Thomas Watson), es la primera plataforma de tecnol...

Minería de Datos (Data Mining) vs Grandes Datos (Big Data)

La Minería de Datos (Data Mining) también conocida como exploración de datos, se define como el a...

¿Cómo es el experto en Big Data? La profesión con más futuro del siglo XXI

El experto en Big Data o “data scientist” es una de las profesiones más prometedoras para el si...

Big Data y la Ilusión del Servicio 1 a 1

Una de las decepciones más grandes al escuchar o leer sobre Big Data, es caer en la cuenta de la br...