Webinar complementario
Data fabric ha surgido para proporcionar una visión unificada de datos dispares y distribuidos, y para dar soporte a cualquier tipo de carga de trabajo, desde la inteligencia empresarial a la analítica ad hoc o la ciencia de datos. Data Fabric utiliza metadatos e inteligencia artificial/machine learning (IA/ML) para automatizar funciones de gestión de datos como la incorporación de nuevas fuentes de datos y la gestión de metadatos. También simplifica la combinación de datos de distintos tipos y de distintas ubicaciones para proporcionar un acceso sin fisuras a los datos de la empresa.
Este informe se centra en data fabric e incluye:
- Evolución de la arquitectura de datos;
- Definición de Data Fabric;
- Ventajas y desventajas potenciales de Data Fabric;
- Características de Data Fabric;
- Opciones de implantación;
- Evolución de Data Fabric.
Principales conclusiones
- Data Fabric es un enfoque arquitectónico que utiliza metadatos, machine learning y automatización para proporcionar una visión unificada de los datos empresariales, independientemente de su formato o ubicación.
- Data fabric no sustituye a los data warehouse y a los data lakes, sino que los abarca para soportar el business intelligence, la ciencia de datos y el análisis integrado.
- El objetivo de Data Fabric es reducir significativamente el tiempo necesario para obtener información.
- Data Fabric incorpora procesos basados en IA que automatizan muchos aspectos de la gestión de datos, como el descubrimiento, la catalogación, la preparación, la validación y la supervisión, para ayudar a los equipos de datos a seguir el ritmo de la interminable demanda de datos.
- Data fabric no es un producto único que se pueda adquirir. Las opciones son comprar herramientas preintegradas a un proveedor o adquirir los mejores componentes de varios proveedores e integrarlos uno mismo.
- Data Fabric es idónea para organizaciones cuyo panorama de datos crece rápidamente, con una variedad de formatos de datos almacenados en múltiples ubicaciones y la necesidad de democratizar el acceso a los datos para satisfacer muchas demandas analíticas.