Nuevas tendencias en la administración de datos

Durante los últimos 10 años, empresas como Amazon Redshift, Google BigQuery y Snowflake modernizaron la industria de base de datos, la cual previamente dependía de ecosistemas propietarios y de implementaciones autogestionadas (impulsadas por Oracle, Teradata, y otras). Estas compañías les permitieron a sus clientes poder mover petabytes de datos a la nube, democratizando el acceso a los datos e incrementando dramáticamente su valor a través de integraciones, colaboraciones, y aplicaciones.

Con el tiempo, esas mismas empresas comenzaron a examinar más de cerca sus almacenamientos de datos, considerando tanto la naturaleza de la información contenida como la utilidad potencial que tendrían a través del tiempo. Y ahora que la disponibilidad de los datos empresariales ha mejorado, esas mismas empresas han empezado la transición de generar reportes estáticos a construir aplicaciones interactivas, tanto para usos internos como para distribuciones externas.

Sin embargo, aquí es donde empezaron a encontrar desafíos. Debido a que los almacenes de datos en la nube están diseñados para ejecutar aplicaciones en la infraestructura de la nube, su arquitectura y modelos de precios no están optimizados para servir como backend para aplicaciones interactivas basadas en grandes cantidades de datos. Por lo tanto, muchas de las empresas terminan con un rendimiento deficiente (tiempo de respuesta de decenas de segundos a minutos, en lugar de milisegundos), costos disparados (3 a 5 veces más costosos en comparación con las alternativas) y baja simultaneidad de consultas (no aptas para aplicaciones externas).

Como resultado, las organizaciones necesitan recurrir a bases de datos de análisis en tiempo real optimizadas para impulsar aplicaciones con uso intensivo de datos. Se puede utilizar para impulsar aplicaciones, así como para permitir a las partes interesadas aprovechar los mismos datos para análisis internos de inteligencia artificial. En los próximos blog posts explicaremos porque un almacén de datos tradicional no está óptimamente diseñado para las necesidades de las aplicaciones analíticas en tiempo real y como un almacén de datos en tiempo real aborda estos desafíos y conduce a un cambio que permite a las empresas monetizar sus datos y optimizar las decisiones analíticas dentro de la empresa.