|
Ainda que, atualmente, o armazenamento de dados continue a ser necessário, por si só não é suficiente. Quando os dados são utilizados diversas vezes é necessário minimizar o custo total de aquisição, amortizando o custo de compra e integração através de múltiplos processos de negócio. Isto só é possível através do recurso a várias aplicações de análise para uma das cópias de dados, e não o contrário. Quando estes dados suportam processos de negócio cruciais, é necessário que estes sejam precisos, fiáveis e certificados. A verdade é que uma cópia segura é sempre melhor que duas.
Por outro lado, de forma a otimizar completamente os processos de negócio é necessário integrar os dados para apoiar as análises multi-funcionais. Isto é essencial se pretende por em marcha uma análise da informação processável de toda a empresa através de limites funcionais, organizacionais e geográficos.
“Sendo que implementar um Integrated Data Warehouse continua a ser a forma mais racional de analisar uma empresa, pode dizer-se que os rumores sobre o seu desaparecimento são exagerados”, afirma Martin Willcox. “Além disso, dado que as plataformas de RDBMS (relational database management system) paralelas continuam a ser as únicas tecnologias com escalabilidade comprovada para suportar uma mistura complexa de cargas de trabalho, são assim a única opção no se que refere à oferta de múltiplas aplicações analíticas para fazer uma cópia dos ativos de dados estruturados da empresa”, conclui.
A Gartner inventou a expressão “Logical Data Warehouse” para descrever a evolução do que poderia denominar de arquitetura “monolítica” até um Data Warehouse mais distribuído.
Willcox comenta: “Independentemente de como é chamada esta evolução, na Teradata denominamo-la de Unified Data Architecture. Está claro que o futuro das empresas de Arquitetura Analítica difere. Com o tempo, a necessidade de usar e integrar múltiplas plataformas de análise vai aumentar, cada uma delas optimizada para alcançar diferentes combinações dos cinco desafios do Big Data.”
Estes cinco desafios estão a trazer consequências para a Arquitetura Analítica Empresarial:
O desafio dos dados multi-estruturados: como consequência desta realidade, hoje em dia, é necessário ser capaz de gerir de forma relacional os dados multi-estruturados e combinar abordagens “schema on-load” e “schema on-read”, o que faz com que essas estratégias de gestão de informação que <> sejam cada vez menos rentáveis.
O desafio das analíticas interativas: o aumento dos novos modelos generalistas de programação paralela como o MapReduce e o Bulk Synchronous Parallel (BSP) para utilização intensiva de CPU, significa que não há soluções milagrosas para a análise de Big Data.
O desafio do armazenamento de dados com ruído: grande parte dos esforços da indústria estão orientados para minimizar os custos de armazenamento, sabendo que o custo unitário de armazenamento é igual ao custo unitário de processamento, que por sua vez é igual ao custo total de aquisição.
O desafio “pode haver uma agulha num palheiro, mas se são necessários 12 meses e €500 mil para a descobrir, não há tempo nem dinheiro suficientes”: se realizar uma pesquisa de “exploração” da mesma forma que faz em Business Intelligence tradicional, algo está mal! É fundamental certificar-se que a aquisição seja ágil, de forma a alinhar-se com o rápido desenvolvimento e implementação de aplicações.
O desafio de ir mais além para oferecer verdadeiro valor de negócio: o objetivo dum projeto de Big Data não é aumentar os conhecimentos empresariais, mas sim mudar a forma como se fazem negócios, partilhando esses conhecimentos com todos os níveis da empresa e alterando os processos de negócio.
Os desafios do Big Data tornam cada vez mais necessário aumentar o armazenamento de dados com novas arquiteturas que, em muitos casos, estão melhor implementadas em novas tecnologias. Uma “plataforma de dados” ou “data-lake”, por exemplo, permite às empresas enfrentar o desafio económico de capturar grandes conjuntos de dados com ruído, uma vez que está desenvolvida sobre uma tecnologia com um custo unitário de armazenamento mais baixo que a plataforma de armazenamento de dados, que está desenhada e otimizada para partilhar dados de uma forma mais eficiente.
Assim, as tecnologias de Sistemas de Ficheiros Distribuídos são provavelmente uma escolha mais natural para capturar os dados multi-estruturados complexos, que com um sistema de dados relacionais (RDBMS). Por outro lado, as tecnologias criadas de raiz para suportar analíticas interativas são fáceis de usar e oferecem vantagens de rendimento para analíticas complexas de interação de dados modelados.
“Alguns analistas garantem que esta situação não irá favorecer a empresa, uma vez que acreditam que apenas somos líderes quando o Integrated Data Warehouse é o principal do mercado. Isto não está correto por dois motivos: Em primeiro lugar, é errado pressupor que o modelo de arquitetura de Integrated Data Warehouse irá desaparecer, uma vez que, como se tem verificado, as novas tecnologias e arquiteturas estão estendendo-se e não a ser substituídas”, garante Martin Willcox, International Product and Solutions Marketing Director, da Teradata Corporation. “Em segundo lugar, este argumento ignora o facto de que a Teradata também lidera a adaptação da indústria à realidade das três novas tendências do Big Data, com novas plataformas e tecnologias integradas que permitem às empresas desenvolver arquiteturas Logical Data Warehouse. Resumindo, atrevo-me a assegurar que a Teradata “percorre o caminho” enquanto os nossos concorrentes simplesmente “lideram pelo exemplo”, conclui. |
