O blog anterior, “DataOps: Otimização da experiência de dados” explorou o conceito de DataOps como catalisador para resultados bem-sucedidos enquanto realiza iniciativas de transformação digital. As funções e recursos de DataOps mudam drasticamente a maneira como os dados podem ser gerenciados e analisados alterando a criação de fluxos de dados de uma atividade de engenharia para uma atividade operacional. Com essa mudança, os especialistas em TI podem concentrar seus esforços em ferramentas e automação que permitem que os usuários de dados funcionais se tornem mais autônomos e melhorem drasticamente a velocidade e o desempenho geral na maneira como trabalham.
Como exemplo, vamos dar uma olhada no trabalho necessário para instalar etiquetas RFID, que identificam e resolvem variações de pressão nos oleodutos que transportam gasolina das refinarias para os terminais de armazenamento. Normalmente, as etapas a seguir são seguidas:
- Os engenheiros de dados buscam entender e definir o modelo de dados para dar suporte a esse processo.
- Os engenheiros de dados coletam e mapeiam os dados, normalmente usando automação.
- Os arquitetos de dados projetam como os novos campos de dados se encaixam no modelo de dados corporativos canônicos e no modelo de dados mestre do cliente.
- Os administradores de dados identificam e definem os elementos de dados no glossário comercial.
- Operações de dados produzem catálogos com novas informações de metadados.
- A governança de dados identifica e aplica padrões aos novos dados e estabelece permissões e controle de acesso.
- As operações de segurança de dados revelam os novos dados e os disponibilizam, são rastreáveis e seguras.
Em alguns casos, especialmente em grandes corporações, o cientista de dados pode não ter acesso aos dados por seis meses. Se os cientistas de dados pudessem reduzir esse tempo realizando parte da integração de dados por conta própria e possivelmente ignorando parte do processo tradicional, o tempo poderia ser economizado se estivesse dentro do apetite de risco da organização.
Mas e se a equipe de DataOps pudesse passar por todos os processos (sem ignorar as funções e recursos de arquitetura, design, governança ou segurança) e entregar os dados em alguns dias? Ou talvez eles pudessem entregar no mesmo dia em que a RFID é implementada como dados de transmissão em tempo real? Isso criaria uma mudança significativa?
Por exemplo, vamos analisar o tempo típico necessário para integrar duas empresas. Algumas empresas adquirirão outras para penetrar nas adjacências relacionadas ao mercado, o que envolve gerenciar a integração entre os principais negócios. Leva tempo para racionalizar e integrar os dados da nova empresa e compará-los ao modelo de dados anterior e, em seguida, posicionar novos recursos e aplicativos para dar suporte ao modelo combinado de pós-aquisição.
Se a DataOps pudesse facilitar tudo isso em um décimo do tempo, a economia de custos e a vantagem competitiva para fusões como essas poderiam valer milhões de dólares.
Outras experiências comuns de dados ocorrem devido a erros de dados ou erros de software. Isso acontece regularmente; variações de dados podem surgir devido a mudanças tecnológicas, mudanças regulatórias, mudanças de sistema e erro humano. Os resultados potenciais podem variar amplamente e ter um impacto real nos negócios. Vamos dar uma olhada nos negócios de varejo e considerar exemplos de erros de preços:
- Um varejista multicanal de ferramentas comerciais, acessórios e hardware precifica erroneamente um cortador de grama por US$ 309,90 em vez de US$ 3.099,00, resultando em incidentes de satisfação do cliente.
- Uma rede de supermercados oferece um voucher de US$ 50 e se esquece da declaração “somente na primeira vez”; centenas de compradores o usam repetidamente até que a empresa termine a promoção.
- Um varejista atacadista reduz involuntariamente os preços de tudo, de mountain bikes a TVs de alta definição, e responde rescindindo centenas de preços de venda e oferecendo aos compradores um vale-presente de US$ 10.
Com problemas de dados como esses, as empresas geralmente se recuperam rapidamente e conseguem conter seus custos, mas ainda incorrem em uma perda financeira líquida e problemas de experiência do cliente de longo prazo em campo. No entanto, com o DataOps em vigor, juntamente com o monitoramento e os alertas corretos, os problemas podem ser resolvidos em minutos e sem qualquer impacto para o cliente.
Em um ambiente de operações de dados maduros, verificações e alertas sistemáticos são acionados antes que o fluxo de trabalho entre em produção.
Na realidade operacional atual, normalmente temos que esperar meses para que a TI arquitetete, projete, teste e implemente integrações de novos sistemas ou versões de aplicativos. Esse é especialmente o caso se esses aplicativos residirem em diferentes ambientes (no local, no local e na Public Cloud) sem uma plataforma de dados corporativos e um sistema de gerenciamento de painel único. No entanto, as práticas de DataOps podem realmente alcançar inovações automatizando, verificando e governando os processos operacionais diários, e a infraestrutura certa pode fornecer uma vantagem poderosa.
Gerencie seus dados, não seu armazenamento
Saiba como a nuvem de dados corporativos traz agilidade, simplicidade e eficiência para o gerenciamento de dados.
