{"id":178232,"date":"2025-04-14T16:00:34","date_gmt":"2025-04-14T19:00:34","guid":{"rendered":"https:\/\/nuevoitsitio1.wpenginepowered.com\/mx\/sin-categoria\/tres-formas-en-que-los-data-fabrics-estan-cambiando-el-papel-de-los-ingenieros-de-datos\/"},"modified":"2025-11-21T18:42:46","modified_gmt":"2025-11-21T21:42:46","slug":"tres-formas-en-que-los-data-fabrics-estan-cambiando-el-papel-de-los-ingenieros-de-datos","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/mx\/infraestructura\/tres-formas-en-que-los-data-fabrics-estan-cambiando-el-papel-de-los-ingenieros-de-datos\/","title":{"rendered":"Tres formas en que los Data Fabrics est\u00e1n cambiando el papel de los ingenieros de datos"},"content":{"rendered":"

Por: Israel Martignon, Senior Solutions Consultant de Appian.<\/i><\/strong><\/p>\n

Los ingenieros de datos son los arquitectos de una infraestructura de datos escalable y resistente. A medida que la tecnolog\u00eda avanza, su papel es cada vez m\u00e1s exigente.<\/p>\n

Las organizaciones est\u00e1n ampliando su presencia en la nube e incorporando an\u00e1lisis de IA en tiempo real en las operaciones. Pero una IA receptiva y precisa requiere datos en tiempo real. Esto hace que los ingenieros de datos se enfrenten a la presi\u00f3n de proporcionar datos procesables m\u00e1s r\u00e1pido y con menos recursos, lo que no es una tarea f\u00e1cil cuando se trata de fuentes de datos desconectadas y en silos.<\/p>\n

Pero el panorama de la ingenier\u00eda de datos est\u00e1 siendo transformado por\u00a0Data Fabrics<\/a>. Las estructuras de datos conectan las fuentes de estos en una capa virtual para que los ingenieros puedan centrarse en el trabajo innovador que las organizaciones necesitan para mantener su ventaja competitiva.<\/p>\n

\"Las
Las organizaciones est\u00e1n ampliando su presencia en la nube e incorporando an\u00e1lisis de IA en tiempo real en las operaciones.<\/figcaption><\/figure>\n

La estructura de datos no solo mejora la eficiencia, sino que tambi\u00e9n redefine las funciones de los profesionales. Hist\u00f3ricamente, los ingenieros de datos han creado la infraestructura y los sistemas de gesti\u00f3n de datos, y los cient\u00edficos los han analizado y creado modelos a partir de ellos. Pero Data Fabrics est\u00e1 difuminando la l\u00ednea entre estos roles.<\/p>\n

Los ingenieros de datos con habilidades anal\u00edticas de ciencia de datos est\u00e1n en la mejor posici\u00f3n para agregar valor a medida que las arquitecturas de Data Fabrics se vuelven m\u00e1s potentes. Estas son tres formas en que los ingenieros de datos pueden adaptarse para mantenerse al d\u00eda con los requisitos cambiantes de sus funciones:<\/p>\n

1. De programador a innovador<\/b><\/span><\/b><\/h2>\n

Los ingenieros de datos utilizan Python, Python R y otros lenguajes y herramientas estad\u00edsticos para extraer datos de fuentes aisladas. Una vez centralizados, pueden gestionar y transformar los datos antes de pasarlos a la siguiente etapa del proceso. La creaci\u00f3n de estas canalizaciones de datos a menudo implica codificar o unir muchos scripts de alto c\u00f3digo. Al igual que cualquier enfoque tradicional de ingenier\u00eda de software, esto introduce errores de codificaci\u00f3n que causan retrasos y riesgos de seguridad.<\/p>\n

Data Fabrics simplifica la conectividad de datos al permitir una f\u00e1cil integraci\u00f3n entre diferentes sistemas. Ya sea JDBC (Java Database Connectivity) para bases de datos o HTTP (Hypertext Transfer Protocol) para integraciones, Data Fabric unifica el panorama de datos y reduce el riesgo de errores. Tambi\u00e9n es compatible con las capacidades de generaci\u00f3n de informes y lectura y reescritura en tiempo real que permiten el autoservicio para los usuarios finales, lo que les permite acceder a los registros de los clientes y actualizarlos en una sola interfaz.<\/p>\n

Sin embargo, no todas las estructuras de datos tienen capacidades de lectura y escritura que se escalen para casos de uso grandes y complejos. Como explica el CTO y fundador de Appian, Michael Beckley,\u00a0“las estructuras de datos son cada vez m\u00e1s el plano de datos preferido en las pilas de IA de las empresas, pero la mayor\u00eda est\u00e1n optimizadas para el acceso de solo lectura y no se escalan bien para escrituras m\u00e1s all\u00e1 de 2.000 filas por registro”<\/i>.<\/p>\n

Appian Data Fabric puede leer y escribir de forma nativa 10 millones de filas por registro, lo que lo hace escalable para los procesos empresariales. Los ingenieros de datos deben conocer la escalabilidad de la estructura de datos con la que trabajan, ya que afectar\u00e1 a la medida en que pueden pasar de la codificaci\u00f3n a un trabajo m\u00e1s innovador.<\/p>\n

Las estructuras de datos empresariales representan un cambio fundamental. Al eliminar casi por completo la necesidad de mantenimiento y resoluci\u00f3n de problemas de las tuber\u00edas, Data Fabric permite a los ingenieros centrar su atenci\u00f3n en actividades de mayor valor, como el modelado de datos, el desarrollo de algoritmos y la anal\u00edtica avanzada, \u00e1reas que hist\u00f3ricamente han sido del dominio de los cient\u00edficos de datos. Esto significa que los ingenieros de datos est\u00e1n impulsando cada vez m\u00e1s los conocimientos empresariales y la toma de decisiones estrat\u00e9gicas, en lugar de simplemente permitir el movimiento de datos.<\/p>\n

2. Utilizar la informaci\u00f3n de datos en tiempo real para ser m\u00e1s proactivo<\/b><\/span><\/b><\/h2>\n

Las estructuras de datos unifican los datos entre las fuentes, pero las estructuras de datos operativas van un paso m\u00e1s all\u00e1 al incorporar el procesamiento de datos en tiempo real. Con el acceso a datos en tiempo real, las empresas pueden reaccionar a la informaci\u00f3n y tomar decisiones m\u00e1s r\u00e1pidas basadas en datos. Por ejemplo, un tejido de datos operativos proporciona informaci\u00f3n de inventario en tiempo real para que los gerentes y proveedores puedan tomar decisiones proactivas que mantengan la cadena de suministro funcionando sin problemas.<\/p>\n

Las estructuras de datos operativos tambi\u00e9n facilitan la generaci\u00f3n de informes. Tradicionalmente, los ingenieros de datos ten\u00edan que crear y gestionar flujos de trabajo complejos de procesamiento por lotes para informar sobre la informaci\u00f3n. Pero los tejidos de datos operativos transforman los datos con una intervenci\u00f3n m\u00ednima. Esto significa que los usuarios empresariales pueden acceder a informes en tiempo real y recibir alertas para tomar medidas r\u00e1pidas. Mientras tanto, los ingenieros pueden cambiar su enfoque de la resoluci\u00f3n de problemas reactiva a la optimizaci\u00f3n proactiva.<\/p>\n

\"Datos\"
La mejor tecnolog\u00eda de Data Fabric, opera con una gobernanza s\u00f3lida, con seguridad integrada en el modelo y definida en varias capas de datos en funci\u00f3n de los roles.<\/figcaption><\/figure>\n

3. Dedica menos tiempo a la seguridad y m\u00e1s tiempo a la estrategia<\/b><\/span><\/b><\/h2>\n

La seguridad es esencial en la ingenier\u00eda de datos. Es complejo, es f\u00e1cil equivocarse y tiene altas consecuencias. Esto es especialmente cierto si una empresa utiliza un lago de datos o un modelo de almac\u00e9n. Con este enfoque, todos los datos confidenciales est\u00e1n en un solo lugar, si los datos se ven comprometidos, la violaci\u00f3n es catastr\u00f3fica y las herramientas tradicionales colocan toda la carga de la seguridad en el ingeniero de datos.<\/p>\n

La estructura de datos traslada la mayor parte de la responsabilidad de la persona o grupo de ingenieros a la plataforma subyacente. La mejor tecnolog\u00eda de Data Fabric, opera con una gobernanza s\u00f3lida, con seguridad integrada en el modelo y definida en varias capas de datos en funci\u00f3n de los roles. Las reglas contextuales determinan din\u00e1micamente qui\u00e9n puede acceder y a qu\u00e9. Como resultado, las pol\u00edticas de control son coherentes en todas las aplicaciones y flujos de trabajo.<\/p>\n

Por ejemplo, un ingeniero puede definir reglas de acceso a datos basadas en los atributos del usuario. Estas pol\u00edticas se aplican universalmente, ya sea que se acceda a los datos a trav\u00e9s de un panel interno, una API o un modelo de IA externo. Esto elimina el riesgo de brechas de seguridad accidentales. Tambi\u00e9n garantiza que la gobernanza se mantenga autom\u00e1ticamente en todos los entornos.<\/p>\n

Data Fabric convierte a los ingenieros de datos de guardianes a facilitadores. En lugar de gestionar las configuraciones de seguridad, pueden centrarse en dise\u00f1ar entornos de datos escalables y compatibles. Al aliviar la carga de la seguridad de los ingenieros, Data Fabric los libera para que asuman el trabajo m\u00e1s estrat\u00e9gico y anal\u00edtico que sol\u00eda dejarse en manos de los cient\u00edficos de datos.\u00a0<\/b><\/p>\n

Un futuro unificado para ingenieros de datos y cient\u00edficos<\/b><\/span><\/b><\/h2>\n

En el futuro, los ingenieros de datos ya no se centrar\u00e1n \u00fanicamente en la infraestructura. En su lugar, trabajar\u00e1n en entornos din\u00e1micos e inteligentes. A medida que Data Fabric agilice los flujos de trabajo, los ingenieros cambiar\u00e1n hacia la creaci\u00f3n de plataformas de autoservicio. Afinar\u00e1n las pol\u00edticas de gobernanza y optimizar\u00e1n los datos para la toma de decisiones en tiempo real.<\/p>\n

La frontera entre los ingenieros de datos y los cient\u00edficos de datos se difuminar\u00e1. Los ingenieros deber\u00e1n desarrollar una comprensi\u00f3n m\u00e1s profunda de las metodolog\u00edas de ciencia de datos. Los cient\u00edficos de datos necesitar\u00e1n una mayor fluidez en la arquitectura de datos. El resultado ser\u00e1 una fusi\u00f3n de las dos funciones en una disciplina m\u00e1s amplia, en la que la experiencia t\u00e9cnica y el conocimiento anal\u00edtico se unen para obtener mejores resultados de los datos.<\/p>\n

Lee m\u00e1s:<\/h3>\n