Data e IAEmergentes

Business Intelligence: Tecnologías in Memory vs. Data Warehouse (Parte II)

3 Mins de lectura

Descubre cómo te ayudamos a analizar tus datos para mejorar la toma de decisiones con herramientas de visualización.

Lo prometido es deuda y no hemos tardado mucho en retomar el pasado post: Business Intelligence: Tecnologías in Memory vs. Data Warehouse (parte I)  ya que nos queda conocer las tecnologías en memoria( in memory) y nuestras conclusiones.

Herramientas como QlikView también se benefician de disponer de un Data Warehouse. Por un lado, el tenerlo como origen de datos único o principal simplifica el diseño del sistema y la construcción de los scripts de carga, además de que la carga será más rápida. Por otro lado, al asegurarse la calidad de los datos así como la homogeneidad de conceptos y valores, redunda en la confianza del usuario respecto a la información mostrada y en facilitar su comprensión.

BI en memoria (in memory BI)

Como ya dijimos tradicionalmente los Sistemas de Business Intelligence ejecutaban las consultas de los usuarios contra los datos cargados en un Data Warehouse ya sea en tablas (SQL) o en cubos multidimensionales (MDX), cuyo rendimiento es mejor pero requieren mayor tiempo de procesamiento para actualizar los datos y son poco flexibles a la hora de incorporar nuevos requisitos. El problema reside en que cuanto mayor es el volumen de datos, mayor degradación se produce en el rendimiento de las consultas, a pesar de los mecanismos incorporados por los distintos fabricantes para mejorar el rendimiento (agregaciones precalculadas, índices en función de las consultas más habituales, cachés, etc.).

Partiendo del hecho de que el acceso a datos en memoria es siempre muchísimo más rápido que la lectura de los mismos de un disco duro, el denominado BI en memoria, se basa en cargar inicialmente todos los datos necesarios en la memoria y ejecutar las consultas sobre ella sin tener que acceder al disco.

Esta carga de datos en memoria no debe confundirse con el almacenamiento en caché, ya que la caché contiene solo subconjuntos de datos específicos predefinidos.

La mejora en el rendimiento de las consultas, permite que su modificación sobre la marcha y la navegación en general sean mucho más fluidas, lo que mejora la experiencia de usuario.

Además se elimina la necesidad de optimizar la base de datos (índices, agregados, etc…) y se simplifican las cargas, con lo que el tiempo de desarrollo se ve reducido y el mantenimiento es más sencillo, siendo el Sistema fácilmente escalable incorporando más memoria al aumentar el volumen de datos.

Aunque estos productos utilizan algoritmos de compresión que reducen considerablemente el tamaño de los datos en la memoria, dada la gran cantidad de datos a cargar es muy importante dimensionar adecuadamente la memoria del servidor, cuyo precio ha condicionado en gran medida la adopción de estas tecnologías, aunque hoy en día éste ha descendido considerablemente.

Otro aspecto que preocupa a las organizaciones es la seguridad al exponer grandes cantidades de datos estratégicos en memoria, sin las restricciones de acceso que proporciona una base de datos tradicional. En este sentido, el procesamiento en memoria permite implementar los mismos niveles de seguridad (autenticación, encriptación, protocolos seguros de comunicación,…) de modo que cada usuario tenga acceso solo a los datos para los que está autorizado.

Las ventajas evidentes que proporciona el procesamiento en memoria en escenarios muy dinámicos o con una alta exigencia en cuanto al rendimiento, han hecho que la mayor parte de fabricantes de BI tradicionales (Oracle, Microsoft, MicroStrategy, IBM-Cognos, Business Objects, etc.) lo hayan incorporado a sus productos o complementado éstos con nuevos productos.

Cómo elegir la solución más adecuada

La elección de la solución más adecuada a cada situación depende de múltiples factores:

  • Volumen de datos
  • Número de usuarios y concurrencia de los mismos
  • Necesidades funcionales y tipología de las consultas a realizar
  • Requisitos de rendimiento
  • Necesidad de consolidar la información corporativa
  • Latencia tolerable de la información a analizar
  • Estabilidad de las estructuras de datos (modelo)
  • Integración con otros Sistemas
  • Etc.

A ello se añade la amplia oferta de herramientas de BI disponibles actualmente. Cada fabricante posee sus puntos fuertes y sus debilidades, y unas políticas de precios a veces excesivamente complejas, por lo que no resulta sencilla la elección.

En este contexto es cuando el asesoramiento de un socio tecnológico capacitado y con amplia experiencia resulta indispensable para asegurar la idoneidad de la solución a sus necesidades y aquí entra Hiberus.

behind the AI

 

¿Quieres más información sobre nuestros servicios de Business Intelligence?

Contacta con nuestro equipo de expertos en BI

    Artículos relacionados

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    ¡No te pierdas de nada!

    Te mantenemos al dia de tendencias y novedades sobre el futuro del trabajo, formas de hacer crecer tu negocio, liderazgo digital y muchas cosas más..

    Newsletter