Attunity & Qlik Enabling DataOps (Parte 2)

Retomando mi conversación con Dana Gardner en mi último post, quería discutir cómo estamos aprovechando los datos para embarcarnos en nuevas formas de aumentar la inteligencia de forma más colaborativa en toda la empresa para definir una estrategia completa de DataOps.

A medida que las organizaciones se mueven hacia la nube para automatizar los procesos, los clientes están empezando a adoptar los lagos de datos. Es fácil poner datos en un lago de datos, pero es realmente difícil obtener valor del lago de datos y reconstruir los datos para que estén listos para el análisis. Por ejemplo, puede tomar transacciones de un mainframe y depositarlas en un lago de datos, lo cual es maravilloso, pero ¿cómo se puede crear una perspectiva analítica? ¿Cómo puede asegurarse de que todos esos archivos actualizados con frecuencia que se añaden al lago puedan reconstruirse en un conjunto de datos consultable? En el pasado, los usuarios lo hacían manualmente. Con la destreza de Qlik Data Catalyst y Attunity, estamos automatizando completamente este proceso. A medida que tomamos el Qlik Data Catalyst y lo convertimos en el nexo de unión entre el lado empresarial y el lado de TI, el enfoque DataOps aprovecha ese catálogo y lo amplía con la colaboración, permitiendo así a los usuarios encontrar fácilmente sus datos.

Zurich Insurance, cliente de Attunity, es uno de los primeros innovadores en la aplicación de la automatización a sus iniciativas de almacenamiento de datos. Zurich se había trasladado a un moderno almacén de datos para cumplir mejor con los requisitos analíticos, pero se dieron cuenta de que necesitaban una mejor manera de hacerlo que en el pasado. El data warehousing empresarial tradicional emplea a mucha gente, construyendo muchos scripts ETL. Cuando los sistemas fuente cambian, las empresas no lo saben hasta que se rompen los scripts o hasta que los usuarios de la empresa se quejan de la falta de enlaces en sus informes. Zurich recurrió a Attunity para automatizar el proceso de integración, trasladándolo a tiempo real y estructurando automáticamente su almacén de datos. Su capacidad para responder a los usuarios empresariales es una fracción de lo que era. Redujeron los ciclos de 45 días a ciclos de dos días para actualizar y crear nuevos data marts para los usuarios, y ahora pueden satisfacer mejor las necesidades de sus usuarios empresariales a través de la automatización.

Para más información sobre cómo estamos automatizando la información y otros temas, sintonice mi discusión completa con Dana aquí.