¿Qué es la administración de datos?

La administración de datos es la práctica de recopilar, mantener y utilizar datos de forma segura, eficiente y rentable. El objetivo de la administración de datos es ayudar a las personas, las organizaciones y las cuestiones relacionadas a optimizar el uso de datos dentro de los límites de las políticas y regulaciones para que puedan tomar decisiones y tomar medidas que maximicen los beneficios para la organización. Una estrategia sólida de administración de datos se está volviendo más importante que nunca a medida que las organizaciones confían cada vez más en activos intangibles para crear valor.

La administración de datos digitales en una organización implica una amplia gama de tareas, políticas, procedimientos y prácticas. El trabajo de administración de datos tiene un amplio alcance, que abarca factores como la forma

• crear, acceder y actualizar datos en un nivel de datos diverso
• almacenar datos en varias nubes y en las instalaciones
• proporcionar alta disponibilidad y recuperación ante desastres
• utilizar datos en una variedad creciente de aplicaciones, análisis y algoritmos
• garantizar la privacidad y la seguridad de los datos.
• archivar y destruir datos de acuerdo con los cronogramas de retención y los requisitos de cumplimiento

Una estrategia formal de administración de datos aborda la actividad de los usuarios y administradores, las capacidades de las tecnologías de administración de datos, las demandas de los requisitos reglamentarios y las necesidades de la organización para obtener valor de sus datos.

Sistemas de administración de datos hoy

Las organizaciones actuales necesitan una solución de administración de datos que brinde una manera eficiente de gestionar los datos en un nivel de datos diverso pero unificado. Los sistemas de administración de datos se basan en plataformas de administración de datos y pueden incluir bases de datos, lagos y almacenes de datos, sistemas de administración de big data, análisis de datos y más.

Todos estos componentes trabajan juntos como una “utilidad de datos” para entregar las capacidades de administración de datos que una organización necesita para sus aplicaciones, y los análisis y algoritmos que utilizan los datos que originaron esas aplicaciones. Si bien las herramientas actuales ayudan a los administradores de bases de datos (DBA) a automatizar muchas de las tareas de administración tradicionales, a menudo aún es necesaria la intervención manual debido al tamaño y la complejidad de la mayoría de las implementaciones de bases de datos. Siempre que se requiere la intervención manual, aumenta la posibilidad de errores. Reducir la necesidad de una administración de datos manual es un objetivo clave para una nueva tecnología de administración de datos, la base de datos autónoma.

Sistemas de administración de Big Data

De alguna forma, big data es justo lo que parece—montones y montones de datos. Pero los grandes datos también viene en una variedad de formas más amplia que los datos tradicionales y se los recopila a una alta velocidad. Piense en todos los datos que ingresan cada día, o cada minuto, de una fuente de redes sociales como Facebook. La cantidad, variedad y velocidad de esos datos son lo que los hace tan valiosos para las empresas, pero también hacen que su administración sea muy compleja.

A medida que se recopilan cada vez más datos de fuentes tan diversas como las cámaras de video, las redes sociales, las grabaciones de audio y los dispositivos de Internet of Things (IoT), han surgido grandes sistemas de administración de datos. Estos sistemas se especializan en tres áreas generales.

• La integración de big data combina distintos tipos de datos, desde el lote hacia la transmisión, y los transforma para que puedan consumirse.
• La administración de big data almacena y procesa datos en un lago de datos o almacenamiento de datos de manera más eficiente, segura y confiable, muchas veces mediante la utilización del almacenamiento de objetos.
• El análisis de big data descubre información nueva con análisis y visualización y utiliza el aprendizaje autónomo y la visualización de inteligencia artificial (IA) para construir modelos.

Las empresas están utilizando big data para mejorar y acelerar el desarrollo de productos, el mantenimiento predictivo, la experiencia del cliente, la seguridad, la eficiencia operativa y mucho más. A medida que los grandes datos crecen, también lo harán las oportunidades.

Desafíos de la administración de datos

La mayoría de los desafíos en la administración de datos actual se derivan del ritmo más rápido de los negocios y la creciente proliferación de datos. La expansión constante de la variedad, la velocidad y el volumen de datos disponibles para las organizaciones los empuja a buscar herramientas de administración más efectivas para mantenerse actualizados. Algunos de los principales desafíos que enfrentan las organizaciones incluyen los siguientes:

• Desconocen qué datos tienen. Se recopilan y almacenan datos de una cantidad y variedad de fuentes en aumento, como sensores, dispositivos inteligentes, redes sociales y cámaras de video. Pero ninguno de esos datos es útil si la organización desconoce qué datos tiene, dónde están y cómo usarlos.
• Deben mantener niveles de rendimiento a medida que se expande el nivel de datos. Las organizaciones están capturando, almacenando y utilizando más datos todo el tiempo. Para mantener los tiempos de respuesta máximos en este nivel en expansión, las organizaciones necesitan monitorear continuamente el tipo de preguntas que responde la base de datos y cambiar los índices a medida que cambian las consultas—sin afectar el rendimiento.
• Deben cumplir con los requisitos de cumplimiento en constante cambio. Las regulaciones de cumplimiento son complejas y multijurisdiccionales, y cambian constantemente. Las organizaciones deben poder revisar sus datos e identificar cualquier elemento que se encuentre bajo requisitos nuevos o modificados de forma sencilla. En particular, la información de identificación personal (PII) debe detectarse, rastrearse y monitorearse para cumplir con las regulaciones de privacidad global cada vez más estrictas.
• No están seguros de cómo reutilizar los datos para darle usos nuevos. Recopilar e identificar los datos en sí no proporciona ningún valor—la organización necesita procesarlos. Si conlleva mucho tiempo y esfuerzo convertir los datos en lo que necesitan para el análisis, este no sucederá. Como resultado, se pierde el valor potencial de esos datos.
• Deben mantenerse actualizados con los cambios en el almacenamiento de datos. En el nuevo mundo de la administración de datos, las organizaciones almacenan datos en distintos sistemas, lo que incluye los almacenes de datos y los lagos de datos no estructurados que almacenan cualquier información en cualquier formato en un único repositorio. Los científicos de datos de una organización necesitan una forma de transformar rápida y fácilmente los datos de su formato original en la forma, el formato o el modelo que necesitan para una amplia gama de análisis.

Prácticas recomendadas de la administración de datos

Abordar los desafíos de la administración de datos requiere un conjunto integral y bien pensado de prácticas recomendadas. Aunque las prácticas recomendadas específicas varían según el tipo de datos involucrados y la industria, las siguientes prácticas recomendadas abordan los principales desafíos de la administración de datos que enfrentan las organizaciones hoy en día:

• Cree una capa de descubrimiento para identificar sus datos. Una capa de descubrimiento sobre el nivel de datos de su organización permite a los analistas y científicos de datos buscar y navegar en busca de conjuntos de datos para que sus datos sean utilizables.
• Desarrolle un entorno de ciencia de datos para reutilizar sus datos de forma eficiente. Un entorno de ciencia de datos automatiza la mayor parte del trabajo de transformación de datos posible, lo que simplifica la creación y evaluación de modelos de datos. Un conjunto de herramientas que elimina la necesidad de la transformación manual de datos puede acelerar la etapa de hipótesis y la prueba de nuevos modelos.
• Use tecnología autónoma para mantener los niveles de rendimiento en su nivel de datos en expansión. Las capacidades de datos autónomos utilizan inteligencia artificial y aprendizaje autónomo para monitorear continuamente las consultas de la base de datos y optimizar los índices a medida que cambian las consultas. Esto permite que la base de datos mantenga tiempos de respuesta rápidos y libera a los DBA y a los científicos de datos de tareas manuales que requieren mucho tiempo.
• Use el descubrimiento para estar al tanto de los requisitos de cumplimiento. Las herramientas nuevas utilizan el descubrimiento de datos para revisar los datos e identificar las cadenas de conexión que deben detectarse, rastrearse y monitorearse para el cumplimiento multijurisdiccional. A medida que las demandas de cumplimiento aumentan a nivel mundial, esta capacidad será cada vez más importante para los oficiales de riesgo y seguridad.
• Use una capa de consulta común para administrar múltiples y diversas formas de almacenamiento de datos. Las nuevas tecnologías están permitiendo que los repositorios de administración de datos trabajen juntos, lo que hace que las diferencias entre ellos desaparezcan. Una capa de consulta común que abarca los muchos tipos de almacenamiento de datos permite a los científicos de datos, analistas y aplicaciones acceder a los datos sin necesidad de saber dónde están almacenados ni de transformarlos de forma manual en un formato utilizable.

La administración de datos evoluciona

Con la nueva función de los datos como capital empresarial, las organizaciones están descubriendo lo que los emprendimientos digitales y los disruptores ya saben: Los datos son un activo valioso para identificar tendencias, tomar decisiones y tomar medidas ante los competidores. La nueva posición de los datos en la cadena de valor está llevando a las organizaciones a buscar de forma activa mejores formas de obtener valor de este nuevo capital.

Dentro de las empresas, las responsabilidades de administración de datos de los DBA también están evolucionando, lo que reduce la cantidad de tareas rutinarias para que los DBA pueden concentrarse en cuestiones más estratégicas y proporcionar soporte de administración de datos críticos en entornos en la nube lo que involucra iniciativas clave tales como modelado y seguridad de datos.