Según Gartner, el 60 por ciento de los proyectos de Big Data fallan; y según Capgemini, el 70 por ciento de estos no son redituables. No hay duda, se trata de algo complicado. No hay una razón específica por la que generalmente no funcionen, sino bastantes. Por ejemplo, el almacenamiento de Big Data y las tecnologías de procesamiento son complejas, para muchos se trata de algo nuevo, y usualmente se utilizan en casos inadecuados.

A pesar de estos resultados decepcionantes, las organizaciones todavía están iniciando proyectos de Big Data para aprovechar los beneficios potenciales del Big Data.

• 60 por ciento de los proyectos de Big Data fallan.
• 70 por ciento de los proyectos de Big Data no son redituables.

Casos en donde la virtualización de datos puede simplificar los proyectos de Big Data

La virtualización de datos no resolverá todos los problemas, pero si es desplegada en los casos correctos, definitivamente incrementará su probabilidad de éxito. A continuación, te presentamos algunos de estos casos:

1. La virtualización y la generación remota de datos

En las organizaciones que operan internamente, el Big Data puede ser producido remotamente. Los datos son generados, por ejemplo, en fábricas, plantas o tiendas. La cantidad de información producida en cada sitio puede ser demasiada para una ubicación central en cuanto a reportes y analítica se refiere. En otras palabras, el Big Data puede ser muy grande como para moverse. La virtualización de datos permite a las tablas virtuales esconder esta cualidad remota. Para los usuarios, la información aparecerá como almacenada centralmente. ¿Y cómo es esto posible? El servidor de la virtualización de datos envía el procesamiento a los sitios remotos, en lugar de transferir el Big Data a un punto central.

En numerosos proyectos, el Big Data es almacenado utilizando productos transaccionales NoSQL de alta gama. La mayoría de estos están diseñados y optimizados para procesar cantidades masivas de transacciones. Desafortunadamente, este enfoque está a expensas de sus capacidades analíticas y de reporte. Con la virtualización de datos, la información almacenada en productos NoSQL puede acumularse y moverse a una plataforma de analítica más rápida. De esta manera, con un esfuerzo mínimo, esos datos transaccionales estarán disponibles para reportes y analítica fácil y rápidamente.

No todo el Big Data es almacenado en sistemas que permitan documentación y descripción. Por eso, los metadatos técnicos y de negocios usualmente no existen. Un servidor de virtualización de datos permite metadatos en forma de definiciones, descripciones y etiquetas, los cuales pueden ser definidos en todo tipo de fuentes de datos.

También lee: 6 Tips para entender la capacidad de negocios de los proyectos de Big Data

2. La virtualización frente al incesante avance de la tecnología

El último caso de uso tiene que ver con la constante evolución de la tecnología de Big Data. Para explotarla, los consumidores de datos deben estar desacoplados de los productores. Por ejemplo, entre más aplicaciones estén ligadas a una tecnología de almacenamiento específica, más difícil será conectarlas con una nueva. Con la virtualización de datos, las aplicaciones y reportes pueden desarrollarse independientemente de la tecnología de almacenamiento empleada. Esto simplificará la migración a una tecnología más nueva y rápida. En suma, la virtualización de datos hace menos dependientes a las organizaciones de tecnologías nuevas que en breve podrían hacerse obsoletas.

En conclusión, las organizaciones deben desarrollar sistemas de Big Data. Para la mayoría, se trata de su transformación digital natural, por lo que es esencial para ellas conducirse más hacia los datos. Pero la práctica ha demostrado que esto puede ser complicado, ya que el riesgo de fallar es muy alto.

Los servidores de virtualización de datos no pueden resolver todos los problemas, pero hay áreas clave con las que pueden ayudar a simplificar los proyectos de Big Data.

¿Tienes un proyecto y te gustaría virtualizar?

Fuente: Data Virtualization Blog