PlataformasIA

Introducción a
las plataformas de datos
inteligentes
eBook

Introducción a las plataformas de datos inteligentes 2
Introducción a las plataformas
de datos inteligentes
Introducción........................................................................................................................................ 3
Definición de una plataforma de datos inteligente................................................................. 5
Exploración de una plataforma de datos inteligente............................................................... 6
Bases de datos operativas....................................................................................................................................7
Análisis........................................................................................................................................................................7
Ingesta de datos.................................................................................................................................................................8
Almacenamiento de datos analíticos.........................................................................................................................8
Visualización de datos.....................................................................................................................................................9
Inteligencia artificial y machine learning......................................................................................................10
Gobernanza de datos...........................................................................................................................................11
Clasificación de datos y creación del glosario empresarial................................................................................11
Captura del linaje de datos..........................................................................................................................................12
Funcionalidades híbridas....................................................................................................................................12
El aumento de la seguridad con una plataforma de datos inteligente..............................................13
Seguridad de red.............................................................................................................................................................13
Administración de acceso.............................................................................................................................................14
Protección contra amenazas.......................................................................................................................................14
Protección de la información y cifrado....................................................................................................................14
Almacén de claves...........................................................................................................................................................14
Plataforma de datos inteligente para el crecimiento empresarial......................................15
Conclusión..........................................................................................................................................17

Introducción
Hoy en día, los datos son fundamentales para las empresas. Con la explosión de la información
digital y la mayor disponibilidad de herramientas de análisis eficaces, las empresas pueden sacar
partido de los datos para obtener una visión profunda de sus operaciones, clientes y mercados.
Al aprovechar el poder de los datos, las empresas pueden optimizar sus procesos, tomar
decisiones con conocimiento informadas e identificar nuevas oportunidades de crecimiento
e innovación. Por ejemplo, una encuesta realizada en 2021 por Vanson Bourne entre responsables
de TI y altos directivos de empresas reveló que el crecimiento promedio de los beneficios de
las empresas que habían aplicado una estrategia de datos empresariales durante más de un
año era del 5,97 %, frente a solo el 2,50 % de las que carecían de ella.1
Muchas organizaciones han reunido una colección de soluciones puntuales para satisfacer sus
cambiantes necesidades de datos. Por ejemplo, un proveedor para la base de datos operativa,
otro para la plataforma de análisis y una herramienta independiente para la integración de
datos. Cada solución puede tener sus propias herramientas, procesos e interfaces, lo que exige
esfuerzos de administración y mantenimiento distintos. Integrar datos entre silos puede resultar
caro y llevar mucho tiempo a los equipos, ya que necesita una compleja ingeniería para mantener
los datos sincronizados. La implementación de la gobernanza de datos para obtener una
comprensión exhaustiva del almacenamiento y la utilización de datos críticos en la elaboración
de informes también puede plantear desafíos importantes. Diferentes soluciones con distintas
funciones y protocolos de seguridad pueden dificultar la protección de los datos. Puede que
no sea posible obtener a tiempo los datos precisos necesarios para el análisis de la inteligencia
artificial. En definitiva, la falta de integración y normalización puede afectar a la capacidad
de una organización para administrar y analizar sus datos de forma eficaz, lo que se traduce
en la pérdida de oportunidades y en una toma de decisiones subóptima.
Una plataforma de datos inteligente diseñada para los datos modernos puede superar con
facilidad estos obstáculos. Contempla la gobernanza de datos, la administración de datos,
el análisis de datos y la capacidad de impulsar cargas de trabajo de inteligencia artificial.
Al adoptar un enfoque integral de los datos, las empresas pueden sacar partido a todo el
potencial de los activos de datos y alcanzar el éxito en la economía digital actual. Tanto si los
datos se encuentran en el entorno local, en la nube pública o privada, estructurados o no
estructurados, en gigabytes de datos o petabytes, o en cualquier punto intermedio, una
plataforma de datos inteligente puede respaldar la estrategia de datos de cualquier organización.
1 Informe de investigación sobre la madurez de los datos de Cloudera Enterprise

Plataforma inteligente de datos Microsoft2
Bases de datos operativas
Análisis
IA
Gobernanza de datos
Figura 1: Un ejemplo de una plataforma de datos inteligente.
Según mi experiencia, la mayoría de las empresas disponen de muchos
recursos, cuentan con tecnología y personas muy inteligentes, y tienen
toneladas y toneladas de datos. Pero el éxito no consiste en recopilar
datos, sino en administrarlos y comprenderlos.
Prashanth Southekal, autor de Business Analytics, profesor y director del Data
for Business Performance Institute
2 La versión de la Plataforma inteligente de datos Microsoft en mayo de 2023

Definición de una plataforma
de datos inteligente
Una plataforma de datos inteligente brinda soporte a las necesidades de datos de una organización
a lo largo de todo el ciclo de vida, desde la recopilación de datos hasta su análisis y visualización, al
tiempo que proporciona una base de gobernanza y seguridad. También incorpora funciones que
permiten a los desarrolladores de una organización aprovechar el poder de sus datos sin necesidad
de dedicar mucho tiempo a tareas repetitivas como copiar datos de una base de datos a otra.
Una plataforma de datos eficaz considera diversos componentes, como bases de datos
transaccionales, datos no estructurados, sensores de IoT, inteligencia artificial y machine learning,
almacenes de datos analíticos de alto rendimiento, análisis de datos y visualización. Una capa de
orquestación administra la integración de herramientas y almacenes de datos dispares. La capa
de gobernanza ayuda con la administración de los datos en toda la organización.
Los principales bloques de creación de una plataforma de datos aparecen en la Figura 2.
Gobernanza
Orígenes
de datos
Orquestación
Flujo de datos
de IoT Hub
Data Factory
Transformación
y modelado
de datos
Ingesta de
mensajes en
tiempo real
Procesamiento
de secuencias
Fuente de
datos locales
Análisis
Procesamiento
y adminis-
tración de
macrodatos
Figura 2: Los principales bloques de creación de una plataforma de datos

Exploración de una plataforma
Una plataforma de datos inteligente ofrece las siguientes características:
● Bases de datos operativas: almacena, administra y realiza el seguimiento de información
empresarial como ventas, productos e información sobre clientes y empleados.
● Análisis: las herramientas para convertir los datos sin procesar en información que permita
tomar mejores decisiones. Puede incluir la copia de datos de bases de datos operativas,
la transformación de su formato y la visualización de los datos.
● Inteligencia artificial y machine learning: uso de algoritmos para identificar patrones
en los datos y predecir resultados futuros.
● Gobernanza de datos: procesos, directivas, roles y normas para garantizar un uso eficaz
y eficiente de la información.
Estas funciones tienen que estar respaldadas por una base de seguridad. Utilizarlos conjunta-
mente permite a una organización sacar el máximo partido de sus datos. Esto permite a una
organización trabajar de forma eficiente en términos del esfuerzo requerido y la capacidad
informática consumida.
La única constante para cualquier organización es el cambio. Tanto si se trata de hacer crecer un
negocio para satisfacer mejor las demandas de los clientes, como de adquirir nuevas empresas,
cumplir nuevos requisitos normativos o responder a la solicitud de datos de un ejecutivo para
ayudarlo a tomar una decisión importante, una plataforma de datos seguirá evolucionando.
Una plataforma de datos inteligente ayuda a las empresas a responder con mayor rapidez para
mantenerse por delante de la competencia.
El tiempo y el dinero son sus recursos más escasos. Hay que asegurarse
de asignarlos a las áreas de mayor impacto. Los datos revelan el
impacto, y con los datos puede aportar más ciencia a sus decisiones.
Matthew Trififoro, director de Marketing, Vapor IO

Bases de datos operativas
Una base de datos operativa está diseñada para la administración y el almacenamiento de datos
para las operaciones empresariales cotidianas. Estas bases de datos están optimizadas para una
recuperación y actualización de datos rápida y eficaz, lo que las hace ideales para aplicaciones
transaccionales como el comercio minorista o la banca en línea.
Una de las dificultades a las que pueden enfrentarse las organizaciones con las bases de datos
operativas es la administración de su patrimonio de datos. Una organización puede utilizar
docenas o incluso cientos de bases de datos operativas. Saber qué datos se almacenan en cada
una puede ser fundamental para el cumplimiento de normativas como el Reglamento general
de protección de datos (RGPD), la Ley de Privacidad del Consumidor de California (CCPA)
y otras similares en todo el mundo.
Otro obstáculo puede ser el aprovechamiento de los datos de una base de datos operativa para
su análisis y visualización. Los análisis pueden requerir copiar parte de los datos operativos para
poder reestructurarlos o combinarlos con otros datos operativos o externos. Los análisis pueden
requerir copiar algunos de los datos operativos para poder reestructurarlos o combinarlos con
otros datos operativos o externos. No obstante, mantener los datos sincronizados entre los
almacenes de datos operativos y analíticos puede ser un proceso complejo.
Una plataforma de datos inteligente aborda estas complejidades proporcionando gober-
nanza para administrar estos datos. También ayuda a integrar los datos de las bases de datos
operativas con las demás partes de la plataforma de datos inteligente. Facilita la copia de
datos de bases de datos operativas a almacenes de datos analíticos y mantiene estos últimos
sincronizados a medida que cambian los datos. Las capacidades que simplifican la integración
de los datos operativos con las plataformas analíticas permiten a una organización sacar partido
de sus datos para tomar mejores decisiones.
Análisis
Los análisis permiten a las empresas realizar un seguimiento de los progresos, identificar
oportunidades y tomar decisiones informadas. Mediante el análisis de datos, las empresas
pueden descubrir tendencias y patrones que pueden apuntar a nuevas oportunidades
de crecimiento. Los análisis también pueden ayudar a las empresas a mejorar su eficiencia
operativa y aumentar su rentabilidad.
Tres áreas principales de análisis constituyen los componentes clave de una plataforma
de datos inteligente:
● Ingesta de datos
● Almacenamiento de datos analíticos
● Visualización de datos
Estos componentes tienen que funcionar a la perfección para implementar una solución
de análisis eficaz.

También es esencial la integración de los análisis con los demás componentes de la plataforma
de datos, como las bases de datos operativas, la gobernanza de los datos y la seguridad. El
término "impuesto de integración" hace referencia al costo de integrar diferentes orígenes de
datos y sistemas en una única plataforma. Sin una plataforma de datos inteligente, la tasa de
integración puede ser importante y con frecuencia impide que las organizaciones aprovechen
a plenitud sus datos.
Ingesta de datos
La ingesta de datos es el proceso para obtener e importar datos de diversos orígenes a un medio
de almacenamiento en el que una organización pueda acceder a ellos, utilizarlos y analizarlos.
Los datos pueden transmitirse en tiempo real o por lotes.
Los datos suelen transformarse y pasar por tres fases:
● Sin procesar: datos que son sencillamente una copia de los datos del sistema de origen.
● Refinado: datos depurados. Por ejemplo, si los datos de origen proceden de las cajas
registradoras de un comercio minorista, la eliminación de las transacciones anuladas
refinaría los datos.
● Mantenido: datos que se resumen con fines de información y análisis. Por ejemplo, si los
datos de ventas se van a analizar a nivel de tienda, los datos agregados de todas las cajas
registradoras de una tienda contarían como datos mantenidos.
Una plataforma de datos inteligente facilita la ingesta y la integración de datos al simplificar
el proceso de traslado de datos a través de la plataforma. Por ejemplo, las tablas pueden
copiarse de manera automática de una base de datos operativa al almacenamiento analítico,
evitando la necesidad de escribir código para cada tabla.
Almacenamiento de datos analíticos
Las bases de datos operativas suelen estar optimizadas para buscar y actualizar un único registro
o un número reducido de registros. Por ejemplo, una consulta para encontrar la información
de un cliente concreto, o para recuperar todos los pedidos que ha hecho, funcionará bien en
una base de datos operativa diseñada adecuadamente. Sin embargo, un sistema de análisis
puede necesitar mostrar las ventas totales del año y luego permitir al usuario desglosar por
categoría de producto, producto, región y tienda. Si solo hay unos pocos miles de registros de
ventas, el rendimiento del sistema operativo puede ser aceptable. Pero, si hay millones o miles
de millones de registros de ventas, utilizar un almacenamiento de datos analíticos separado
de la base de datos operativa puede aportar varias ventajas:
● Almacenamiento e indexación de datos optimizados para consultas analíticas.

● Aislamiento de la base de datos operativa para garantizar que el procesamiento analítico
no afecte a las operaciones del sistema compitiendo por los recursos o bloqueando las
actualizaciones.
● La capacidad de combinar datos de diversos orígenes de datos. Por ejemplo, una factura
de servicios públicos también puede mostrar datos de temperatura junto con el uso.
El almacenamiento de datos analíticos puede ser un almacén de datos que utilice un modelo
de base de datos relacional, un lago de datos o un almacén de lago de datos, que combina
atributos tanto de un almacén de datos como de un lago de datos.
Una plataforma de datos inteligente admite todos estos modelos, por lo que una organización
puede utilizar cualquiera de ellos o una combinación que tenga más sentido. Por ejemplo,
supongamos que una organización intenta medir las emisiones de gases de efecto invernadero
de una operación industrial. Los datos de los sensores pueden almacenarse inicialmente
en un lago de datos. Una vez resumidos los datos, los datos agregados pueden almacenarse
en un almacén de datos relacionales para la elaboración de informes y su visualización.
Visualización de datos
Una buena herramienta de visualización de datos puede ayudar a contar una historia con ellos.
Esta parte crítica de cualquier plataforma de datos inteligente permite traducir los volúmenes
de datos recopilados, mantenidos y enriquecidos en una representación visual que los usuarios
empresariales entiendan.
Una herramienta de visualización de datos también tiene que apoyar la democratización
de los datos, el principio y el proceso de hacer que los datos de la empresa sean de fácil acceso
para todos los miembros de una organización. El objetivo principal de la democratización de los
datos es permitir a cualquier usuario, técnico o no, que descubra información en los datos que
le permita tomar decisiones empresariales mejor informadas y obtener una ventaja competitiva.
Permitir que las personas de toda la organización accedan a los datos que necesitan y actúen
en consecuencia puede ser esencial para el éxito de una empresa.
Las herramientas de visualización de datos permiten crear paneles ejecutivos que muestran los
datos globales y luego permiten al usuario manipularlos de diversas formas, como ver las ventas
por fecha, región geográfica, departamento o categoría de producto. Algunas herramientas
de visualización de datos también incorporan funciones analíticas avanzadas, como el procesa-
miento del lenguaje natural, que permite a los usuarios hacer una pregunta sobre los datos
y obtener una respuesta al instante. Otro ejemplo de una función de la inteligencia artificial
que puede incluirse en las herramientas de visualización de datos es la capacidad de detectar
anomalías o valores atípicos en los datos.
Las herramientas de visualización de datos pueden almacenar una copia de los datos para
permitir interacciones de alto rendimiento. Otros realizan consultas directamente en el sistema
de origen. Algunos permiten ambas opciones.
Hay un número enorme de opciones que considerar dentro del área de análisis. Es importante
considerar cada componente no solo individualmente, sino también cómo trabajarán juntos con
las otras partes de la solución analítica y la plataforma de datos global. Por ejemplo, la perfecta
integración entre el almacenamiento de datos analíticos y la herramienta de visualización
de datos permitirá a los desarrolladores dedicar más tiempo a crear las visualizaciones que
la organización necesita y menos a masificar los datos.

Inteligencia artificial y machine learning
Los datos son el combustible que impulsa los sistemas de inteligencia artificial, y el máximo
rendimiento requiere datos limpios, integrados y accesibles, así como soluciones en la
nube diseñadas específicamente para ejecutar grandes modelos de IA a escala. Innovar con
inteligencia artificial exige bases de datos operativas, soluciones analíticas y de gobernanza
que trabajen juntas, por diseño, para permitir a las organizaciones dedicar menos tiempo
a la integración de datos y más a la creación de valor. La inteligencia artificial y el machine
learning suelen utilizarse indistintamente, pero la IA es cualquier técnica que permita a los
equipos generar tareas que se aproximen o superen la paridad humana, por ejemplo, la
transcripción de voz. El machine learning es un subconjunto de la inteligencia artificial que
permite a las máquinas utilizar su experiencia para mejorar en la realización de tareas. Un
algoritmo de machine learning requiere una gran cantidad de datos (que incluyan tanto
atributos como un resultado en un modelo) para poder aprender de los datos y obtener
el resultado deseado.
Un ejemplo de machine learning es el de una empresa de telefonía móvil interesada en predecir
qué clientes son propensos a cambiar de proveedor. Es probable que haya varios atributos
que puedan afectar al resultado, como los datos demográficos del cliente, el número de veces
que llamó al Servicio de Atención al Cliente, el número de líneas de su plan y la fecha de
actualización de su teléfono. El algoritmo de machine learning aprende de estos datos qué
atributos aumentan o disminuyen la probabilidad de un resultado. A continuación, se pueden
proporcionar al algoritmo nuevos datos que aún no tengan un resultado, y el algoritmo
predecirá cuál será probablemente el resultado.
Un modelo de procesamiento del lenguaje natural (NLP) es otro tipo de inteligencia artificial.
Es un algoritmo de aprendizaje profundo que puede reconocer, resumir, traducir, predecir
y generar texto y otros contenidos utilizando el conocimiento obtenido de conjuntos de
datos masivos. Hay muchas aplicaciones para los modelos de NLP, como el resumen de
noticias y correos electrónicos, la traducción de textos, los bots de chat de atención al cliente
y la codificación.
Por ejemplo, una organización de administración de patrimonios podría utilizar la NLP para
permitir a sus asesores financieros formular preguntas y recibir respuestas fácilmente digeribles
que se basan de forma exclusiva en el contenido interno de la empresa. Además, la inteligencia
artificial y el machine learning pueden utilizarse para apoyar las operaciones cotidianas; por
ejemplo, detectar transacciones de tarjetas de crédito potencialmente fraudulentas o enriquecer
los datos para el análisis al evaluar si el sentimiento de un comentario es positivo, negativo
o neutro.

Gobernanza de datos
La gobernanza de datos se refiere al conjunto de procesos, directivas, funciones, métricas
y normas necesarias para administrar los datos con eficacia. Mediante la aplicación de
prácticas sólidas de gobernanza de datos, las organizaciones pueden definir soluciones sólidas
de administración de datos para garantizar que sus datos sean seguros, privados, precisos
y utilizables a lo largo de todo el ciclo de vida de los datos.
Una solución sólida de gobernanza de datos proporciona a todos los responsables de la toma
de decisiones de una organización una única fuente de la verdad; es decir, los mismos conjuntos
de datos, terminología y visión, lo que ofrece más oportunidades de flexibilidad interna.
También garantiza una administración limpia de los datos en todo el proceso de gobernanza
de una organización, lo que significa que los procedimientos generan, manejan y protegen
de forma correcta los datos para mantener su conformidad.
Una plataforma de datos inteligente proporciona una solución de gobernanza de datos
unificada para ayudar a administrar y gobernar los datos locales, multinube y de software
como servicio (SaaS). Permite que las organizaciones creen un mapa integral y actualizado
de su panorama de datos con la detección automatizada de datos, la clasificación de datos
confidenciales y el linaje de datos de extremo a extremo.
Para 2026, el 20 % de las organizaciones de alto rendimiento utilizarán
la gobernanza conectada para escalar y ejecutar sus ambiciones
digitales.
Gartner, Top Trends in Data and Analytics, 2022
Clasificación de datos y creación del glosario empresarial
Una directiva de datos bien administrada tiene planes definidos sobre cómo tienen que
almacenarse y utilizarse los datos. A continuación, estos planes tienen que comunicarse
a la organización. Un glosario empresarial puede ser una herramienta eficaz para comunicar
un plan de gobernanza de datos. En términos generales, un glosario empresarial es una
colección de definiciones que una empresa puede utilizar para garantizar que sus empleados
se comunican con claridad.
Cuando se trata de datos, la gobernanza de los mismos también se clasifica en el glosario
empresarial. Cuando un empleado busca "datos de ventas de clientes", debe poder ver con
exactitud qué son esos datos, quién es responsable de ellos, si puede o no acceder a ellos
y el tipo de informes para los que se utilizan. Un glosario empresarial ayuda a mejorar la
comunicación. Cuando todos los empleados tienen un significado consensuado de un
término, pueden utilizarlo con confianza para comunicarse y colaborar en todos los ámbitos
de la organización.

El 88 % de las organizaciones encuestadas señalan que los metadatos
constituyen un desafío importante.
• El 11 % considera que los metadatos son su principal prioridad
• El 65 % no utiliza herramientas de metadatos
• El 71 % tiene cuatro o menos administradores de datos
y el 26 % no tiene ninguno
IDC, Chief Data Officers: The New Business Leaders, agosto de 2020
Captura del linaje de datos
El linaje de datos es un conjunto de respuestas a las preguntas que podemos hacernos
sobre los datos:
● ¿De qué tratan los datos?
● ¿Por qué recopilamos los datos?
● ¿Cuándo se recopilaron los datos?
● ¿Cómo se recopilaron los datos?
● ¿Dónde se recopilaron los datos?
● ¿De quién recopilamos los datos?
Las herramientas de linaje de datos, como las que se encuentran en Microsoft Purview, una
parte de la Plataforma inteligente de datos Microsoft, pueden representar visualmente este
linaje. El objetivo de un catálogo de datos es que todos los sistemas de datos y activos de datos
que controla una organización se conecten e informen de su linaje al catálogo. Una vez que
estos metadatos de linaje están disponibles en el catálogo de datos, este puede presentarlos
a los empleados para ayudarles a crear casos de uso de gobernanza de datos informados.
Funcionalidades híbridas
Para acelerar la obtención de información y la eficiencia operativa, las organizaciones buscan una
plataforma, normalmente una solución en la nube, que les ayude a agilizar los procesos de datos.
Sin embargo, muchos clientes tienen que mantener algunas de sus aplicaciones y almacenes de
datos en entornos locales. Pueden tener motivos normativos y de cumplimiento de normativas
o, en determinados sectores, como el manufacturero, pueden necesitar que los datos de los
extremos se ingieran, almacenen y analicen de inmediato. De hecho, la mayoría de los clientes
empresariales que buscan obtener valor con los datos y la inteligencia artificial tendrán un entorno
híbrido o multinube. Estas organizaciones también buscan una gobernanza centralizada de su
patrimonio de datos, aplicaciones y bases de datos, así como una plataforma que les permita
descubrir, clasificar, ingerir, analizar y gobernar todos sus datos, independientemente de dónde
residan y del tipo de datos que tengan. Es importante que una plataforma de datos inteligente
cuente con las capacidades de gobernanza y seguridad necesarias para admitir un modelo híbrido.

Pensemos en un hospital que tiene una base de datos que admite una aplicación que controla
los signos vitales de los pacientes. La base de datos operativa tiene que estar en el hospital para
mitigar el riesgo de interrupción de la red de área extensa. Sin embargo, la escalabilidad y las
herramientas disponibles en la nube pública la convierten en una mejor opción para analizar los
datos, buscar tendencias y garantizar el cumplimiento de los protocolos de calidad del hospital
que velan por la salud del paciente. Una plataforma de datos inteligente facilita el trabajo con
los datos, estén donde estén, de forma gobernada y segura.
El aumento de la seguridad con una plataforma
La seguridad de los datos es la base del éxito de una plataforma de datos inteligente. El éxito
de una estrategia de datos requiere datos confiables. Una plataforma de datos inteligente
permite a las organizaciones identificar nuevas amenazas y responder con rapidez. Para
proteger los activos de datos de una organización se emplea un enfoque de seguridad
de defensa en profundidad por capas. Esto se muestra en la Figura 3:
Seguridad de red
Protección de la información
Administración de acceso
Protección contra amenazas
Datos del cliente
Figura 3: Enfoque de defensa en profundidad para proteger los datos
Seguridad de red
La red es la primera línea de defensa para proteger los datos de una organización. Garantiza
que solo se permita el acceso a los datos desde las ubicaciones de red especificadas. Por
ejemplo, el acceso a una base de datos que da soporte al sitio web de una empresa puede estar
restringido a los servidores web y a un número reducido de otras direcciones necesarias para
la administración de la base de datos. El tráfico saliente también puede restringirse para evitar
la filtración de datos. La protección de los activos de datos mediante el acceso a la red reduce
en gran medida el riesgo de ataques de fuerza bruta.

Administración de acceso
La administración del acceso tiene dos componentes:
● Autenticación: es el proceso de demostrar que el usuario es quien dice ser. Un mecanismo
de directorio es el método más común para la autenticación. Ofrece funciones como la
autenticación multifactor (MFA) y el acceso condicional. También ofrece la ventaja de una
administración centralizada.
● Autorización: la autorización es el proceso de asignar privilegios específicos a un usuario
o grupo de usuarios. Debe aplicarse el principio del menor privilegio. Se puede utilizar una
herramienta de gobernanza de datos para escanear los activos de datos e identificar los
datos sensibles con el fin de ayudar a aplicar una directiva de autorización eficaz.
Protección contra amenazas
La protección contra amenazas puede utilizarse para realizar un seguimiento de las actividades
de la base de datos y analizar los registros para detectar comportamientos inusuales y posibles
vulnerabilidades. Se pueden crear alertas para actividades sospechosas como inyección SQL,
posible filtración de datos y ataques de fuerza bruta. Los detalles de las actividades sospechosas
y las recomendaciones pueden consultarse a través de la administración de la postura
de seguridad en la nube (CSPM) o de una plataforma de protección de la carga de trabajo
en la nube (CWPP).
Protección de la información y cifrado
La seguridad de la capa de transporte ofrece cifrado en tránsito. El Cifrado de datos transparente
(TDE) ofrece cifrado en reposo. Esto impide acceder a los datos si los discos que contienen los
datos de la base de datos o las copias de seguridad son robados o eliminados de una forma
no segura.
El cifrado en uso puede proteger las columnas de la base de datos que contienen información
confidencial, como números de tarjetas de crédito y números de identificación nacional, para
evitar que accedan a ellas, incluso usuarios con privilegios como los administradores de la base
de datos.
Almacén de claves
Un almacén de claves es un servicio en la nube para almacenar y acceder a secretos de forma
segura. Un secreto es cualquier cosa que necesite un acceso estrictamente controlado, como claves
API, contraseñas, certificados o claves criptográficas. El uso de un almacén de claves ayuda a evitar
el almacenamiento de contraseñas u otros secretos en archivos de código o de configuración
que pueden quedar expuestos a un uso no autorizado. En su lugar, un administrador almacena
los secretos en el almacén de claves y autoriza a los usuarios o aplicaciones a acceder a secretos
específicos. Los secretos se cifran en tránsito entre el almacén de claves y el cliente, y el acceso
al almacén queda registrado.

Plataforma de datos inteligente para
el crecimiento empresarial
Una plataforma de datos inteligente facilita la administración de los datos operativos, la
integración de datos procedentes de diversos orígenes para respaldar los análisis, la aplicación
de técnicas de inteligencia artificial para generar información y la visualización de los datos
para hacerlos accesibles a los responsables de la toma de decisiones, al tiempo que proporciona
gobernanza y seguridad de los datos. Estas capacidades permiten a las empresas utilizar los
datos para transformar su negocio e impulsar el crecimiento.
Algunas de las ventajas empresariales de una plataforma de datos inteligente son:
● Toma de decisiones más rápida y mejor basada en datos e inteligencia artificial
● Más oportunidades de innovación y diferenciación
● Mejora de la calidad y la gobernanza de los datos
● Reducción de los costos y la complejidad de la administración de datos
Los líderes en innovación de datos, aquellos con las prácticas más
maduras en torno al uso de datos para mejorar los productos, los
servicios, la experiencia del cliente, etc., están alcanzando un éxito
final que elude a las organizaciones menos maduras.
Tras encuestar a 2000 organizaciones de todo el mundo, vimos que
las que alcanzaron la excelencia en seis medidas clave de madurez
de datos registran un aumento del 9,5 % en sus beneficios brutos,
en comparación con las organizaciones que aún se encuentran
en el nivel inicial.
Splunk, The Economic Impact of Data Innovation 2023

La tecnología que permite que una plataforma de datos inteligente ofrezca estas
ventajas incluye:
● La escala prácticamente ilimitada de la nube ofrece una potencia de cálculo y almace-
namiento que puede ayudar a procesar incluso los mayores volúmenes de datos.
● Las funciones de gobernanza de datos facilitan la comprensión de dónde se encuentran
los datos de una organización e identifican cualquier problema de calidad de los datos.
● Un proceso optimizado para integrar datos de bases de datos operativas en sistemas
analíticos con menos desarrollo necesario.
● La capacidad de almacenar los datos en un almacén de datos, un lago de datos o un
almacén de lago de datos (que combina las características de un almacén y un lago) facilita
el consumo de los datos, ya sea para la elaboración de informes y la visualización o para
la inteligencia artificial y el machine learning.
● La visualización de datos permite a los responsables de la toma de decisiones ver con
facilidad los datos que requieren para tomar las mejores decisiones para la organización.
● Capacidades integradas de inteligencia artificial y machine learning para ayudar
a las organizaciones a liberar perspectivas y descubrir conexiones inteligentes.
La plataforma que hemos desarrollado con recursos de Azure nos
está ayudando a capacitar a nuestros farmacéuticos y técnicos. Les
ofrece las herramientas que necesitan para relacionarse con eficacia
con los pacientes, y eso genera grandes beneficios para la experiencia
de nuestros clientes".
Luigi Guadagno: vicepresidente, Pharmacy and HealthCare Platform
Technology Walgreens
Independientemente de cómo utilice los datos una organización, una plataforma de datos
inteligente le permite centrarse más en la obtención de resultados y menos en las tediosas
actividades de administración y traslado de datos.

Conclusión
El valor de los datos para una empresa es evidente. Una plataforma de datos inteligente
aprovecha los datos para ayudar a prestar un mejor servicio a los clientes y tomar decisiones
más oportunas, ya sean datos estructurados o en flujo, locales o en la nube, o de gigabytes
o petabytes de tamaño.
Una plataforma de datos inteligente permite a una organización satisfacer las demandas de
los clientes de una base de datos de alto rendimiento para administrar las transacciones de sus
clientes. Permite a las organizaciones controlar todo un patrimonio de datos desde un único
lugar para saber dónde se almacenan y cómo se utilizan.
Las capacidades analíticas de una plataforma de datos inteligente admiten cualquier caso
de uso, ya sea analizar lo que ya ha ocurrido o utilizar la inteligencia artificial para predecir
lo que es más probable que ocurra en el futuro basándose en los datos.
Las funciones de visualización de datos brindan informes y paneles fáciles de entender para
los usuarios de toda la organización, tanto si necesitan información resumida como datos
detallados para tomar las mejores decisiones.
Por último, la seguridad se aplica en toda la plataforma de datos inteligente con múltiples
capas para garantizar la protección de los datos.
Ahorre
hasta un
Ahorre
hasta un
90 % 59 %
Azure SQL Managed Instance
cuesta hasta un 90 % menos que
Amazon RDS para SQL Server.
Más información
Azure Synapse Analytics
cuesta hasta un 59 % menos
que Snowflake.
Más información
Obtenga más valor de sus datos y reduzca los costos
Descubra cómo la Plataforma inteligente de datos Microsoft ofrece ahorros significativos
para sus necesidades de datos.
Casos de éxito de la
Plataforma inteligente
de datos Microsoft
Explore

PlataformasIA

Recomendados

Recomendados

Más contenido relacionado

Similar a PlataformasIA

Similar a PlataformasIA (20)

Más de Cade Soluciones

Más de Cade Soluciones (20)

Último

Último (20)

PlataformasIA