Noticias de IoT: casos de uso y aplicaciones de Data Mesh en IoT, IA y aprendizaje automático

0
2
Noticias de IoT: casos de uso y aplicaciones de Data Mesh en IoT, IA y aprendizaje automático

Un artículo de Yash Mehta, experto en tecnología IoT, M2M y Big Data.

En la web 3.0, la dinámica no solo de Internet sino también de los flujos de datos están experimentando una transformación descentralizada. Como primer paso, gracias al gobierno de datos distribuidos, cada dominio ahora puede administrar y gobernar sus productos de datos pero, al mismo tiempo, también depende del control central de las políticas de seguridad, el modelado de datos y el cumplimiento.

Malla de datos distribuye datos a través de redes físicas y virtuales de manera descentralizada. A diferencia de las herramientas de integración de datos convencionales que requieren una infraestructura altamente centralizada, una malla de datos funciona en entornos de borde locales, múltiples y de una sola nube.

En esta publicación, discutimos las aplicaciones del mundo real de malla en diferentes configuraciones.

Malla de datos: resolución de varios problemas comunes

Según los hallazgos del MIT, solo el 13% de las organizaciones encuestadas pudieron cumplir con éxito según su estrategia de datos. Data Mesh está abordando muchas causas raíz responsables.

El uso de una malla de datos puede resolver varios problemas que se observan en las canalizaciones de datos a menor escala. Si no se abordan, estos pueden convertirse rápidamente en problemáticos y frágiles con el tiempo, ya que los sistemas punto a punto desordenados pueden crear sus redes con el tiempo.

Al mismo tiempo, una malla de datos también resuelve problemas más importantes en una organización, como hechos comerciales centrales en los que los diferentes departamentos de una empresa pueden estar en desacuerdo.

Al implementar una malla de datos, es menos probable que el sistema tenga copias de los hechos.

El uso de una malla de datos no solo pone orden en un sistema, sino que también le brinda una arquitectura de datos más manejable, madura y evolucionada.

A medida que vemos el auge de las aplicaciones basadas en la nube, las arquitecturas de aplicaciones se están alejando y haciendo la transición de la TI centralizada convencional y se están moviendo hacia una malla de servicios distribuidos o microservicios. Una plataforma de datos en tiempo real llamada K2view dio un paso adelante e implementó con éxito el uso de micro-DB en sus arquitecturas de tejido y malla. Cada micro-DB almacena los datos de un socio comercial en particular (cliente) solo, mientras que su plataforma de malla almacena millones de tales micro-DB.

Malla de datos: casos de uso

Una malla de datos puede admitir varios casos de uso analíticos y operativos en múltiples dominios. Algunos ejemplos incluyen: –

1. Comprender el ciclo de vida del cliente

Brinda soporte 360 ​​para la atención al cliente y reduce significativamente el tiempo promedio de atención al cliente. También mejora la satisfacción del cliente y aumenta la resolución en el primer contacto.

El departamento de marketing también puede implementar una vista única del cliente para la toma de decisiones sobre la siguiente mejor oferta o el modelado predictivo de abandono.

2. Utilidad en el Internet de las Cosas (IoT)

Con el monitoreo de dispositivos IoT, los equipos de productos pueden obtener información sobre los patrones de uso de dispositivos de borde. Pueden usar esta información de patrón para iterar y mejorar su rentabilidad y adopción de productos.

Al adoptar una red de malla para dispositivos IoT, las empresas pueden obtener varios beneficios que la convierten en una tecnología popular a la hora de elegir redes.

Las empresas pueden almacenar todos sus datos de IoT, empresariales, de transmisión y de terceros de forma colectiva en un lago de datos S3 a un costo muy bajo.

3.Algoritmo de autocuración

Como se mencionó antes de Shortest Path Bridging, el algoritmo de autorreparación selecciona automáticamente la mejor ruta para enviar datos, incluso en el caso de que algunos nodos pierdan su conexión.

Este algoritmo permite que el sistema use solo conexiones disponibles y en funcionamiento. Entonces, incluso si algunos dispositivos dejan de funcionar, la red aún puede enviar y recibir la información necesaria para mantener o finalizar una tarea determinada.

4. Seguridad distribuida y más efectiva

Ahora, cuando se trata de seguridad, las empresas están bien preparadas y siguen actualizando sus protocolos. Las PYME, sin embargo, carecen de la orientación necesaria. Según el estudio de Ciberdelincuencia de Accenture, el 43 % de los ataques están dirigidos a organizaciones más pequeñas, mientras que solo el 14 % pueden prevenirse por sí mismos.
Con soluciones de gestión de datos contemporáneas como Mesh, las pymes tienen la oportunidad de mantenerse al día con las tendencias.

La seguridad es fundamental en una situación en la que los datos están muy descentralizados y distribuidos.

Dichos sistemas deben delegar las actividades de autorización y autenticación a diferentes usuarios brindándoles diferentes niveles de acceso según sea necesario.

Las siguientes capacidades clave de seguridad de la malla de datos se identificaron en el informe de estreno del mercado de 2022:

  • Gestión de la privacidad de datos en todas sus formas
  • Cifrado de datos, ya sea en reposo o en movimiento
  • Enmascaramiento de datos, para gestionar eficazmente la ofuscación de PII
  • Cumplimiento de CCPA y GDPR junto con otras legislaciones
  • Gestión de identidades que cubre todos los servicios de tipo IAM/LDAP

5. Autoconfiguración

Los dispositivos IoT ahora pueden autoconfigurarse gracias al descubrimiento automático para redes de malla. Calibra automáticamente los nuevos nodos y los conecta a la red deseada sin tener ninguna configuración previa.

Con esta característica, la red se puede expandir y gobernar fácilmente.

6. Marketing y Ventas

El equipo de marketing y ventas puede seleccionar fácilmente una vista 360 de los perfiles y comportamientos de los consumidores desde diferentes plataformas y sistemas mediante el uso de datos distribuidos.

Esto les permite crear campañas mejor orientadas, CLV (valores de vida útil del cliente), una mejor precisión en la puntuación de clientes potenciales y realizar varias otras métricas esenciales para el rendimiento.

Los equipos de marketing utilizan la hipersegmentación para entregar una campaña al cliente correcto a través del canal correcto en el momento correcto.

7. IA y aprendizaje automático

Los equipos de inteligencia y desarrollo pueden crear fácilmente catálogos de datos y almacenes virtuales a partir de varias fuentes para alimentar modelos de inteligencia artificial y aprendizaje automático.

Esto les brinda más información sin tener que recopilar todos los datos en una ubicación central determinada.

Los equipos también pueden usar la preparación de datos federados que permite que los dominios proporcionen datos confiables y de calidad para las cargas de trabajo de análisis de datos.

8. Prevención de pérdidas

Al implementar la malla de datos en el sector financiero, las empresas pueden desarrollar un tiempo de conocimiento más rápido con menores riesgos y costos operativos.

Esta función permite a las instituciones y organizaciones financieras internacionales analizar sus datos localmente. Esto se puede hacer en cualquier región o país y ayuda a identificar cualquier amenaza de fraude sin crear copias de conjuntos de datos que se puedan transportar a la base de datos central.

La gestión de la privacidad de datos permite a las empresas proteger los datos de sus clientes, ya que deben cumplir con las leyes de privacidad y datos regionales en evolución, como la VCDPA.

Algunas implementaciones reales de malla de datos

Institución de Servicios Financieros

En uno de sus blogs, Thoughtworks analizó el impacto de la malla de datos en el proceso de datos de una institución financiera.

Dado que una aplicación de este tipo maneja grandes volúmenes de datos transaccionales en tiempo real, es importante transmitir fuentes precisas y oportunas a los sistemas analíticos.

En este caso, los ejecutivos tenían la flexibilidad para poner en funcionamiento los datos rápidamente y pudieron acceder a productos de datos orientados al dominio.

Esto les permitió hacer preguntas más relevantes y, finalmente, les proporcionó respuestas más fiables y conocimientos valiosos sobre los que actuar en menos tiempo.

No solo esto, sino que el equipo de dominio también pudo usar datos analíticos y construirlos directamente en la experiencia digital de sus usuarios.

AWS S3

Hubo un cambio drástico cuando AWS convirtió su capa de almacenamiento en un producto básico y la reemplazó con el almacén de objetos AWS S3 hace unos 15 años.

Debido a la asequibilidad y la ubicuidad de S3 y otro almacenamiento en la nube, las empresas ahora están trasladando sus datos a almacenes de objetos en la nube. Esto les permite construir lagos de datos donde eventualmente los datos se pueden analizar de diferentes maneras.

Una marca minorista de moda

El minorista de moda en línea más grande de Europa, Zalando, aprendió que existe una manera simple de garantizar el acceso y la disponibilidad a escala. Esto se puede hacer trasladando más responsabilidades a los equipos que inicialmente recopilan estos datos y también tienen el conocimiento de dominio requerido. Y también manteniendo centralizada toda la información de metadatos y el gobierno de datos.

Confía en mí, el espacio no es suficiente para cubrir todos los casos de uso. Es un mercado dinámico y las empresas quieren sacarle el máximo partido.

¿Que sigue? Adopte una mentalidad de producto de datos

Existen varias prácticas innovadoras para los productos de datos que fusionan diferentes conceptos, como el pensamiento de diseño, la teoría de los trabajos por realizar y la ruptura de los silos organizativos que impiden la innovación interfuncional. Las empresas, en 2022, deberían aprovechar la oportunidad y renovar su estrategia de gestión de datos teniendo en cuenta la web 3.0.

Biografía del autor: Yash Mehta es un experto en tecnología IoT, M2M y Big Data reconocido internacionalmente. Ha escrito una serie de artículos ampliamente reconocidos sobre ciencia de datos, IoT, innovación empresarial e inteligencia cognitiva. Sus artículos han aparecido en las publicaciones más autorizadas y han sido premiados como uno de los trabajos más innovadores e influyentes en la industria de la tecnología conectada por los departamentos de IoT de IBM y Cisco.

LEAVE A REPLY

Please enter your comment!
Please enter your name here