¿Cómo han evolucionado las arquitecturas de datos?
J. M. L. D.: Su evolución va ligada a los nuevos tipos de datos y a la necesidad de convertirlos en información útil. A los datos de transacciones se unen los generados por el uso de productos, los recogidos por sensores IoT, los mayores requisitos de almacenamiento y procesamiento y el tratamiento en tiempo real, entre otros.
En el ámbito transaccional, las arquitecturas no solo incluyen bases datos SQL, sino NoSQL, sistemas de caché, buscadores y repositorios de eventos. Igualmente, los sistemas informacionales ya no se centran en arquitecturas data warehouse y evolucionan para incluir lagos de datos, herramientas de gobierno de datos o la integración con entornos de analítica avanzada e IA. Pero el mayor cambio está en el uso de las nuevas arquitecturas para sacar beneficio de los datos.
Antes, los sistemas informacionales estaban separados de los operacionales, con una implementación monolítica (incluso en su evolución de data warehouse a lagos de datos), y no han recibido modernizaciones como el diseño a domino o la orientación de los datos como producto. Esto limitaba las estrategias data driven y el acceso a los datos.
Ahora tendemos a arquitecturas data mesh, donde se conectan datos distribuidos entre distintos sistemas transaccionales e informacionales. Así, hay una proliferación de dominios o escenarios de consumo diferenciados más accesibles y escalables. Estas arquitecturas suponen aplicar el concepto de plataforma para contar con una infraestructura de autoservicio para la ingesta, almacenamiento, procesado y acceso a los datos; y tratarlos como un producto.
