Cómo aprovechar el análisis de datos en tiempo real mediante datos operativos

Las organizaciones actuales generan datos a escala masiva y volúmenes.

Las aplicaciones que se ejecutan en servidores en la nube, centros de datos y dispositivos periféricos producen más datos, de más fuentes de datos, que nunca. Con este crecimiento, las empresas se enfrentan constantemente a un uso eficiente de sus datos operativos para recopilar información empresarial mediante una variedad de análisis de datos.

Lamentablemente, los enfoques tradicionales de la analítica reparten los datos operativos entre múltiples sistemas dispares. Estos sistemas tienen estructuras de datos variadas y presentan propiedades transaccionales diferentes, lo que dificulta su análisis por parte de los usuarios finales. Los desarrolladores suelen afrontar este reto creando arquitecturas y canalizaciones de análisis de datos no estándar que, invariablemente, afectan a las aplicaciones operativas (transaccionales).

Las organizaciones se encuentran con que tienen que lidiar con procesos y sistemas no compartidos entre equipos. Esto agrava el problema y, en última instancia, provoca un aumento de los costes de administración, fugas de datos y obstáculos a la gobernanza.

Como los datos y transacciones surgen de las aplicaciones modernas, hay una mayor necesidad de enriquecer la experiencia del usuario. Por ejemplo, ahora es posible entrelazar cargas de trabajo operativas y analíticas mientras se ingieren y procesan datos en tiempo real. Las empresas quieren ofrecer productos de datos sólidos que les ayuden a comprender mejor el comportamiento de los usuarios. Del mismo modo, los desarrolladores quieren analizar los datos con facilidad y sin incurrir en enormes costes de infraestructura.

Las canalizaciones de datos tradicionales utilizan sistemas OLTP y OLAP interconectados mediante procesos ETL.

Análisis de datos JSON para ganar... ¡pero espere!

En las aplicaciones modernas, JSON se ha convertido en un estándar de facto para almacenar datos que requieren flexibilidad de esquema.

Ampliar los datos almacenados en formato JSON es relativamente sencillo, lo que permite a las aplicaciones evolucionar con rapidez y satisfacer las necesidades empresariales. Pero las arquitecturas y herramientas tradicionales de análisis de datos imponen otra restricción: Se encuentran en separar las cargas de trabajo transaccionales (OLTP) y analíticas (OLAP). Las herramientas de análisis de datos tienen que esperar a que se modifiquen los conductos de datos cuando cambian los esquemas subyacentes.

Los procesos Extract-Transform-Load (ETL) conllevan elevados costes sólo para que los datos estén disponibles para su posterior procesamiento analítico cuando sea necesario. Este planteamiento en varios pasos dificulta la gestión de los datos debido a la complejidad de utilizar sistemas separados. Como resultado, los retrasos inherentes entre los sistemas OLTP y OLAP ralentizan la toma de decisiones y paralizan un negocio que, de otro modo, sería ágil.

Naturalmente, los datos en tiempo real son esenciales para mejorar los resultados de las aplicaciones avanzadas de análisis de datos e inteligencia empresarial. Esto repercute en la capacidad de identificar tendencias, de aplicar el aprendizaje automáticoo para aprovechar a tiempo cualquier otro tipo de análisis prescriptivo.

Couchbase Analytics: Análisis, procesamiento y gestión de datos simplificados

Entra en la era de análisis híbrido con Análisis de Couchbase.

Intentamos reimaginar un mundo en el que nuestros clientes ganan y la analítica está disponible a la velocidad de las transacciones. Se trata de un mundo en el que los procesos ETL son inexistentes y un único sistema híbrido derriba el muro entre las cargas de trabajo transaccionales y analíticas.

En esencia, Couchbase Analytics evita mover datos de bases de datos a almacenes de datos y proporciona acceso al tratamiento de datos en tiempo real con facilidad.

Couchbase Analytics también procesa información de otros sistemas además de los presentes en un Couchbase clúster. Esta innovación permite mejorar la experiencia del cliente y comprender mejor el rendimiento de la empresa, lo que conduce a tomar decisiones más basadas en datos.

Ahora, los desarrolladores pueden realizar complejas peticiones analíticas ad hoc -joins de gran tamaño, agregaciones, agrupaciones- utilizando motores de procesamiento de consultas en paralelo con manejo de datos masivos.

Couchbase Analytics potencia las aplicaciones modernas basadas en información.

Deje que los datos impulsen sus decisiones empresariales para obtener ventajas competitivas

Gracias a los análisis de datos en tiempo real, ahora dispondrá de información más rápidamente.

Puede realizar más experimentos para comprender mejor a sus clientes, ya que no hay una laboriosa ETL implicada. El bucle de retroalimentación también es más corto entre los sistemas transaccionales y analíticos sin una capa ETL.

El desglose a partir de agregados analíticos siempre conduce a nuevos datos de aplicación. Como resultado, los desarrolladores y administradores de bases de datos evitan la proliferación de bases de datos y dejan de gestionar sistemas analíticos independientes.

Couchbase Analytics también ofrece un rico lenguaje de consulta de base de datos similar a SQL que hace que explorar y analizar datos JSON sea pan comido. (Más información sobre N1QL.)

Por último, es un planteamiento más barato: un único sistema híbrido consume menos infraestructura y necesita menos copias de datos, lo que se traduce en un menor coste total de propiedad. Al separar la carga de trabajo entre las consultas operativas y las cargas de trabajo analíticas, la utilización de los recursos es más eficaz sin el riesgo de afectar al sistema transaccional. (Exploraré más a fondo las ventajas del aislamiento de la carga de trabajo en nuestro próximo post de esta serie).

Aplicaciones basadas en la información para la empresa moderna

Las empresas utilizan Couchbase Analytics en numerosos sectores, entre ellos:

• • Las fintech y las aseguradoras detectan el fraude y puntúan los riesgos en tiempo real a través de transacciones, pólizas y reclamaciones.
  • Las aplicaciones de comercio electrónico y B2C generan recomendaciones personalizadas basadas en la actividad de la sesión.
  • Empresas de todos los sectores optimizan sus campañas de marketing y publicidad para evitar los retrasos habituales en los sistemas por lotes actuales.
  • Las plataformas IoT detectan los problemas de los dispositivos y optimizan los procesos en tiempo real, sin esperar a las actividades periódicas de mantenimiento.

Véalo en acción

Próximos pasos

• • Comience su prueba gratuita de Couchbase Cloud - no requiere instalación.
  • Profundice en los detalles técnicos con este libro blanco: Couchbase bajo el capó: una visión general de la arquitectura.
  • Explora la Consulta, Búsqueda de texto completo, Eventosy Analítica que ofrece Couchbase.
  • Vea nuestro vídeo Couchbase Analytics - Por qué, qué, cómo.