Cómo modernizar y potenciar tu arquitectura con datos legacy del IBM i – AS400

La competitividad empresarial depende de cómo una organización aprovecha sus datos. A pesar de los avances tecnológicos, muchas empresas aún tienen dificultades para acceder a sus datos, especialmente a los datos heredados (legacy) de mainframes o IBM i – AS400. Por ello, la mayoría de las compañías tienen una arquitectura de datos fragmentada que no apoya sus objetivos estratégicos. 

Además, la presión competitiva sigue aumentando. Las empresas más exitosas operan más allá de la analítica específica de funciones e interdepartamental. Permiten una analítica a nivel empresarial que incluye datos de fuentes internas y externas. También usan el aprendizaje automático para responder preguntas que antes no podían responder.

A diferencia de las empresas más jóvenes que nacieron en la nube, las organizaciones bien establecidas no han tenido el lujo de optimizar el uso de sus datos desde el primer día. Para competir eficazmente, deben integrar datos de múltiples fuentes dispares.

Sin embargo, los datos provenientes de los IBM i suelen ser inaccessibles debido a su complejidad. Con Connect CDC, cualquier empresa puede construir una arquitectura de datos moderna que integre cualquier fuente de datos, sin importar su tipo, formato, origen o ubicación, de una manera rápida, sencilla, rentable, segura y futurista. 

En TIMWare sabemos que cada empresa tiene sus propias circunstancias en cuanto a los niveles de madurez respecto a la operación y gestión de los datos, pero todas suelen enfrentar los siguientes desafíos comunes:

• Acceso a los datos: Las empresas a menudo carecen de la experiencia para liberar datos de todos sus sistemas, incluidos los IBM i. Además, personas y departamentos prefieren no compartir sus datos por miedo a perder el control.
• Complejidad ambiental: Los sistemas empresariales se han expandido desde los IBM i hasta dispositivos móviles, la nube y el IoT.
• Rendimiento: El creciente volumen de datos abruma los sistemas, ralentizando el procesamiento y causando incumplimientos de los SLA.
• Calidad de los datos: Los datos de baja calidad afectan la precisión del análisis y la fiabilidad del aprendizaje automático.
• Múltiples tipos y formatos de datos: La variedad de datos hace que la integración sea más compleja.
• Retrasos en los datos: Las empresas no tienen acceso rápido a los datos porque están atrapados en los sistemas.
• Estrategia de datos: Muchas organizaciones no tienen una estrategia de datos completa. Algunas han nombrado Directores de Datos (Chief Data Officers) para afrontar este problema.
• Recursos inadecuados: Presupuestos de TI ajustados y falta de talento en datos ralentizan el progreso.
• Presiones competitivas: Competidores que dominan el uso de datos están robando clientes y cambiando el panorama.

Generamos 2.5 quintillones de bytes de datos cada día, y el 90% de los datos actuales se ha creado en los últimos dos años. Para seguir siendo relevantes, las empresas deben extraer rápidamente conocimientos de estos datos a gran escala. 

Décadas de datos comerciales importantes se han acumulado en almacenes de datos tradicionales como mainframe o IBM i, y esta valiosa información no puede ser ignorada.

¿Cómo crear una arquitectura de datos moderna?

1. Evaluación

La manera más efectiva de empezar a crear una arquitectura de datos moderna y sostenible es alinearla con los objetivos actuales y futuros de tu empresa.

• ¿Qué tan adecuada es tu arquitectura de datos para cumplir esos objetivos?
• ¿Qué quiere lograr la empresa que no puede hacer ahora o podría hacer mejor con conjuntos de datos más completos?
• ¿Tu arquitectura de datos también respalda las necesidades futuras de la empresa? 

Luego, pregúntate: ¿qué datos existen y dónde están? Por ejemplo, ¿están en sistemas heredados en el centro de datos, provienen de flujos de datos en tiempo real, aplicaciones en la nube o repositorios? Las empresas a menudo luchan por comprender el alcance completo de su inventario de datos. Si algunos activos de datos son invisibles, la precisión del análisis de datos y el aprendizaje automático pueden verse comprometidos. 

Otra pregunta importante es: ¿qué datos te faltan que son necesarios para alcanzar un objetivo empresarial? Identificar estos datos faltantes puede ser tan crucial como saber qué datos ya existen. Por ejemplo, si un hotel quiere predecir las ventas de habitaciones para una semana específica, debe considerar más que solo los datos de transacciones históricas y la estacionalidad de años anteriores. También debe considerar otros impactos externos como el clima y eventos cercanos. 

Una consideración clave es la latencia: ¿con qué frecuencia necesitas datos actualizados del mainframe para satisfacer tus necesidades? Por ejemplo, si el hotel mencionado necesita datos históricos del mainframe para análisis, una actualización diaria podría ser suficiente. Sin embargo, si el hotel necesita actualizar su inventario de habitaciones en un sistema de reservas basado en la nube, las transacciones registradas en el mainframe deben ser enviadas a la nube en tiempo real. 

Además, las organizaciones deben tener en cuenta el cumplimiento normativo. Es importante entender no solo qué datos están disponibles, sino también las leyes o regulaciones que tu empresa debe cumplir.

Te podría interesar: Anonimización: Garantizando privacidad de datos en ambientes no productivos del IBM i

2. Planifica tu enfoque

Si bien es un objetivo ambicioso identificar los activos de datos de una organización y ponerlos a disposición para alcanzar objetivos comerciales, es esencial tener un plan para evitar obstáculos imprevistos. 

Tómate el tiempo para comprender lo siguiente: 

• ¿Qué desafíos enfrentarás al obtener los datos que necesitas? Considera las barreras de acceso, como identificar todas las fuentes y destinos de datos, incluidas las nubes privadas, públicas, multi o híbridas. También piensa si puedes acceder a esos datos en el tiempo requerido, especialmente en tiempo real. Si hay obstáculos técnicos, busca una herramienta de integración de datos fácil de usar, flexible y compatible con diversas plataformas. Si el obstáculo es humano, podrías enfrentar problemas culturales y políticos. La falta de acceso a datos a menudo se debe a una combinación de desafíos tecnológicos y humanos.
• ¿Qué partes interesadas deben estar involucradas? Involucra a las partes interesadas adecuadas de toda la organización para habilitar una arquitectura de datos moderna que satisfaga realmente las necesidades del negocio. Tanto las partes interesadas empresariales como las de TI deben estar involucradas.
• ¿Qué tipo de gobernanza se requiere? La gobernanza de datos puede estar vinculada al cumplimiento normativo o ser un mecanismo para administrar eficazmente tus datos como un activo estratégico. Hacer un seguimiento de dónde provienen tus datos, cómo se utilizan y cómo cambian es crucial. Las grandes empresas suelen tener comités de gobernanza, mientras que las pequeñas pueden no tenerlos. Independientemente del tamaño, las políticas de gobernanza deben documentarse y ser respaldadas automáticamente por tu solución de integración de datos con funciones como la trazabilidad de datos de extremo a extremo.
• ¿Qué niveles de seguridad se requieren? Diferentes tipos de datos requieren diferentes niveles de seguridad. Proporcionar acceso seguro a todos los datos y metadatos de la empresa en todas las plataformas es crítico para una plataforma de datos moderna. Esto debe ser parte del plan y ser fácilmente implementable en la herramienta de integración de datos. Tu software debe ser flexible para conectarse a cualquier fuente de datos relevante mientras se adapta a las políticas de gobernanza y seguridad de la organización.

3. Implementa tu plan

Una vez que ya tienes un plan establecido, es crucial realizar un inventario detallado de tus datos, algo que quizás no se haya llevado a cabo antes con tanta minuciosidad. Luego viene el reto principal: extraer los datos, organizarlos, convertirlos en un formato utilizable y hacerlos accesibles para sistemas de informes, análisis de datos o aprendizaje automático. 

A pesar de todas las pruebas que hayas realizado, encontrar obstáculos al poner tu sistema en producción es casi inevitable. Algunos de los desafíos que podrías enfrentar incluyen: 

• Incumplimientos de los acuerdos de nivel de servicio (SLAs) debido a un rendimiento más lento del esperado.
• Pérdida de datos por fallos del sistema o interrupciones de conectividad, especialmente al transferir datos hacia o desde la nube.
• Aumentos inesperados en el uso de los recursos del sistema.
• La necesidad de realizar ajustes manuales en tus procesos.

Utilizar una solución de integración de datos que sea liviano, optimizado para cualquier plataforma y que garantice la entrega de datos puede facilitar enormemente este proceso.

4. Sostener

Una vez que tu arquitectura de datos moderna está en su lugar, necesita ser sostenida en lugar de simplemente mantenida. El mantenimiento tiene como objetivo preservar el status quo, lo cual no solo es desaconsejable, sino prácticamente imposible dada la rapidez con la que cambian la tecnología y los modelos de negocio.

Incluso si fuera posible congelar un entorno de datos, solo sería capaz de abarcar el tiempo del congelamiento y el pasado. Además, el mantenimiento tiende a realizarse de forma periódica, lo que puede no ser lo suficientemente frecuente para mantener a una organización competitiva. 

Para sostener una arquitectura de datos moderna, es crucial adoptar un enfoque dinámico y proactivo. Esto implica no solo solucionar problemas cuando ocurren, sino anticipar las necesidades futuras y adaptarse a las nuevas tecnologías y tendencias del mercado. Un entorno de datos sostenido se caracteriza por su capacidad de evolución continua, mejorando así las capacidades de innovación y rendimiento. 

La participación constante de los equipos de datos, seguridad y compliance es vital. Ellos deben estar involucrados en la vigilancia de la infraestructura para identificar posibles vulnerabilidades y oportunidades de mejora. Además, implementar tecnologías como la inteligencia artificial y el aprendizaje automático puede optimizar el análisis de datos y facilitar la toma de decisiones más informadas y estratégicas. 

Las actualizaciones regulares, las auditorías de seguridad y las revisiones de rendimiento deben formar parte de un ciclo continuo de mejora. Este enfoque no solo mantiene la arquitectura al día, sino que también permite que la organización se adapte rápidamente a los cambios, aprovechando nuevas oportunidades tecnológicas y de mercado. 

Finalmente, una cultura de innovación debe ser fomentada dentro de la organización. El compromiso de todos los niveles con la mejora y la adaptación constantes asegura que la infraestructura de datos no solo permanezca vigente, sino que también proporcione una ventaja competitiva en un entorno empresarial en rápida evolución. Así, la sostenibilidad en la arquitectura de datos se convierte en un motor para el crecimiento y el éxito continuo.