Dónde los líderes luchan por superar los desafíos de los datos del mainframe

Descripción general

Los datos de los mainframes tienen el potencial de mejorar drásticamente las iniciativas de IA y los proyectos de análisis de datos avanzados. Muchas organizaciones de gran tamaño, en particular, almacenan décadas de datos esenciales de transacciones, inventario y clientes en mainframes heredados. Poder recuperar y utilizar estos datos a gran escala representa una enorme oportunidad para las empresas modernas. Cada vez más líderes comienzan a darse cuenta de esto para sus propios proyectos de IA y análisis de datos.

Según una encuesta reciente realizada por Rocket Software y Foundry a más de 200 líderes empresariales y responsables de la toma de decisiones, el 46 % de los líderes empresariales cree que los datos de mainframe pueden mejorar la calidad, la precisión y la exhaustividad de los conjuntos de datos existentes. Además, el 44 % de los encuestados coincide en que los datos de mainframe pueden proporcionar una visión más integral de las operaciones comerciales. Esta transparencia permite a los equipos tomar mejores decisiones y descubrir oportunidades que antes podrían haber pasado desapercibidas. Yendo un paso más allá, el 42 % de los encuestados reconoció que los datos de mainframe pueden impulsar las iniciativas de IA existentes y enriquecer la información.

Los datos de los sistemas centrales no solo ofrecen una visión más completa de lo que sucede en toda la empresa, sino que también impulsan la innovación. Las capacidades de IA Enterprise y análisis de datos son un verdadero factor diferenciador hoy en día, y poder utilizar los datos de los sistemas centrales distingue aún más a las empresas de la competencia.

Suena genial, ¿verdad? La realidad es más compleja. El 28% de los encuestados afirmó utilizar ampliamente datos de mainframe en iniciativas basadas en datos. Además, cuatro de cada diez líderes (42%) tienen dificultades para integrar los datos de mainframe con las fuentes de datos en la nube existentes.

Entonces, ¿por qué muchos líderes empresariales apenas están empezando a aprovechar los datos de los mainframes en sus iniciativas de IA y análisis? La respuesta radica en una combinación de desafíos y obstáculos muy reales, junto con algunas consideraciones que quizás sean más una percepción que una realidad.

Exploremos más a fondo.

El uso de datos de mainframe conlleva desafíos únicos.

El potencial de los datos de mainframe es evidente, pero el problema radica en que muchas empresas no tienen claro cuál es la mejor manera de utilizarlos. Los encuestados revelaron varias áreas donde persisten importantes desafíos en las operaciones de TI. La principal barrera que impide a los equipos utilizar los datos de mainframe hoy en día es la complejidad de la recuperación y extracción de datos. El 59 % de los encuestados citó este como el principal obstáculo, superando ligeramente las preocupaciones relacionadas con la seguridad, la privacidad y el cumplimiento normativo (56 %).

Además de estos desafíos principales, una proporción significativa de los encuestados también mencionó la falta de habilidades internas (31 %) y la falta de escalabilidad (31 %) como obstáculos para el aprovechamiento de los datos de los sistemas centrales. A medida que las organizaciones buscan no solo adoptar, sino también expandir el uso de la IA en toda su estructura, las soluciones de modernización de sistemas centrales escalables y accesibles serán cruciales para lograr los mejores resultados posibles.

Los datos de la encuesta también revelaron que los líderes desean que los datos del mainframe sean accesibles tanto para profesionales técnicos como no técnicos. Casi dos tercios de los encuestados (64%) indicaron que su empresa ha tenido dificultades para que los datos del mainframe sean accesibles en toda la organización, y el 36% afirmó que este era un problema muy complejo. En otras palabras, las empresas saben que existe un potencial sin explotar en sus datos de mainframe, pero no saben cómo aprovecharlo.

Luego está el tema de la percepción. Casi tres cuartas partes (76%) de los líderes encuestados afirmaron que acceder a los datos del mainframe y a los metadatos contextuales les resultaba muy o algo difícil. Y casi la mitad (42%) de los líderes empresariales consideraron que integrar los datos del mainframe con fuentes de datos en la nube era muy difícil. Dada la percepción generalizada de que el acceso y la integración son difíciles, las organizaciones podrían mostrarse reacias a aprovechar sus datos del mainframe en modelos de IA y análisis.

Superar los desafíos de los datos en los sistemas mainframe requiere soluciones a medida.

Para superar los desafíos de los datos en sistemas centrales, las organizaciones necesitan implementar un conjunto de soluciones integrales. Muchas de estas organizaciones ya se encuentran en algún punto del proceso de modernización. Este proceso requiere soluciones flexibles, escalables y preparadas para adaptarse a cualquier etapa. Soluciones como Hybrid Cloud Data Suite de Rocket Software brindan a los líderes empresariales las herramientas para facilitar y hacer más accesible la integración de datos en la nube y en sistemas centrales. Este conjunto de soluciones también proporciona una escalabilidad crucial y crea una visión simplificada de los datos de la organización, abarcando tanto datos estructurados como no estructurados.

Las organizaciones también necesitan mantener la integridad y precisión de los datos sin sacrificar la velocidad. Esto requiere flujos de datos eficientes y capacidades de entrenamiento de modelos que integren los datos de mainframe con los datos en la nube sin añadir una complejidad operativa excesiva. Herramientas como Rocket^® Data Replicate and Sync permiten a los equipos de TI replicar y sincronizar datos en tiempo real de forma segura y sin interrupciones en un entorno de nube o en cualquier otro lugar donde se necesiten. Esto proporciona a los líderes empresariales las herramientas adecuadas para simplificar la complejidad que implica mantener la integridad y la velocidad de los datos, permitiendo la replicación y sincronización de datos en tiempo real y de alto rendimiento en diversas plataformas, desde mainframes locales hasta la nube.

La encuesta de Rocket Software y Foundry reveló que el 42 % de los responsables de la toma de decisiones preferiría adoptar una solución prediseñada para lograr estos objetivos. El 28 % afirmó que optaría por desarrollar una solución personalizada internamente, y el 30 % está considerando ambas opciones. La decisión correcta depende del negocio y el caso de uso específicos. Pero independientemente de la opción que elija una organización, trabajar con un socio de confianza como Rocket Software permite a los líderes empresariales acceder a una sólida cartera de soluciones y servicios que pueden ayudar a modernizar los sistemas y facilitar el acceso a los datos de mainframe para iniciativas de IA y análisis a largo plazo.

Lo más importante es que cualquier intento de incorporar datos de mainframe a las iniciativas de IA y análisis empresariales sea seguro, escalable y permita a los usuarios finales de toda la organización aprovechar al máximo sus capacidades. Integrar datos de mainframe en proyectos de datos avanzados representa una fusión entre lo antiguo y lo nuevo, lo que lo convierte en un reto fascinante. Sin embargo, estos retos no son insuperables. Las organizaciones que adopten las herramientas adecuadas para aprovechar los datos de mainframe de forma segura y a gran escala tendrán una gran ventaja sobre aquellas que solo dependan de datos en tiempo real.

Descubra cómo Rocket Software puede ayudar a su organización a superar sus desafíos más complejos en materia de datos de sistemas centrales y a sacar el máximo provecho de las iniciativas de IA.