Onde os líderes encontram dificuldades para superar os desafios de dados em mainframe

Visão geral

Os dados de mainframe têm o potencial de aprimorar drasticamente as iniciativas de IA e os projetos avançados de análise de dados. Muitas organizações de grande porte, em especial, armazenam décadas de dados transacionais, de estoque e de clientes em mainframes legados. A capacidade de recuperar e usar esses dados em escala representa uma enorme oportunidade para as empresas modernas. Cada vez mais líderes estão percebendo isso para seus próprios projetos de IA e análise de dados.

De acordo com uma pesquisa recente realizada pela Rocket Software e Foundry com mais de 200 líderes empresariais e tomadores de decisão, 46% dos líderes acreditam que os dados de mainframe podem melhorar a qualidade, a precisão e a integridade dos conjuntos de dados existentes. Além disso, 44% dos entrevistados concordam que os dados de mainframe podem proporcionar uma visão mais holística das operações comerciais. Essa transparência permite que as equipes tomem decisões mais acertadas e descubram oportunidades que poderiam ter passado despercebidas. Indo além, 42% dos entrevistados reconheceram que os dados de mainframe podem impulsionar as iniciativas de IA existentes e enriquecer os insights.

Os dados de mainframe não apenas fornecem uma visão mais completa do que está acontecendo em toda a empresa, como também impulsionam a inovação. As capacidades de IA e análise de dados Enterprise são um verdadeiro diferencial atualmente, e a possibilidade de usar dados de mainframe destaca ainda mais as empresas da concorrência.

Parece ótimo, não é? A realidade não é tão simples. Vinte e oito por cento dos entrevistados disseram usar dados de mainframe extensivamente em iniciativas orientadas a dados. E quatro em cada dez líderes (42%) estão com dificuldades para integrar dados de mainframe com fontes de dados em nuvem existentes.

Então, por que muitos líderes empresariais só agora estão começando a considerar o uso de dados de mainframe em suas iniciativas de IA e análise de dados? A resposta é uma combinação de desafios e obstáculos muito reais, juntamente com algumas considerações que podem ser mais percepção do que realidade.

Vamos explorar mais a fundo.

Utilizar dados de mainframe apresenta desafios únicos.

O potencial dos dados de mainframe é evidente, mas o problema é que muitas empresas não têm clareza sobre o melhor caminho a seguir para utilizá-los na prática. Os participantes da pesquisa revelaram diversas áreas onde ainda persistem desafios reais nas operações de TI. A principal barreira que impede as equipes de usar dados de mainframe atualmente é a complexidade da recuperação e extração de dados. Cinquenta e nove por cento dos entrevistados citaram isso como o principal obstáculo, ficando ligeiramente acima das preocupações com segurança, privacidade e conformidade (56%).

Além desses desafios principais, uma parcela significativa dos entrevistados também citou a falta de habilidades internas (31%) e a falta de escalabilidade (31%) como obstáculos para o aproveitamento de dados de mainframe. À medida que as organizações buscam não apenas adotar, mas também expandir o uso de IA em suas operações, soluções de modernização de mainframe escaláveis ​​e acessíveis serão cruciais para alcançar os melhores resultados possíveis.

Os dados da pesquisa também revelaram que os líderes desejam que os dados do mainframe sejam utilizáveis ​​por profissionais técnicos e não técnicos. Quase dois terços dos entrevistados (64%) afirmaram que suas empresas tiveram alguma dificuldade em tornar os dados do mainframe acessíveis em toda a organização, e 36% disseram que esse foi um problema muito desafiador. Em outras palavras, as empresas sabem que existe um potencial inexplorado em seus dados de mainframe, mas não sabem como operacionalizá-lo.

Além disso, há a questão da percepção. Quase três quartos (76%) dos líderes entrevistados afirmaram que o acesso a dados de mainframe e metadados contextuais é muito ou um tanto desafiador. E quase metade (42%) dos líderes empresariais considerou a integração de dados de mainframe com fontes de dados em nuvem muito desafiadora. Com essa percepção relativamente disseminada de dificuldade de acesso e integração, as organizações podem hesitar em aproveitar seus dados de mainframe em modelos de IA e análise de dados.

Superar os desafios de dados em mainframe exige soluções personalizadas.

Superar os desafios dos dados em mainframe exige que as organizações implementem um conjunto de soluções holístico. Muitas dessas organizações já estão em algum ponto de sua jornada rumo à modernização. Essa jornada requer soluções flexíveis, escaláveis ​​e prontas para atender às suas necessidades em qualquer etapa. Soluções como o Hybrid Cloud Data Suite da Rocket Software oferecem aos líderes empresariais as ferramentas necessárias para facilitar e tornar mais acessível a integração de dados em nuvem e em mainframe. Esse conjunto de soluções também proporciona escalabilidade crucial e cria uma visão simplificada dos dados da organização, abrangendo dados estruturados e não estruturados.

As organizações também precisam manter a integridade e a precisão dos dados sem comprometer a velocidade. Isso exige pipelines eficientes e recursos de treinamento de modelos que integrem dados de mainframe com dados em nuvem sem adicionar imensa complexidade operacional. Ferramentas como o Rocket^® Data Replicate and Sync permitem que as equipes de TI repliquem e sincronizem dados em tempo real de forma integrada e segura em um ambiente de nuvem ou em qualquer outro lugar onde sejam necessários. Isso pode fornecer aos líderes empresariais as ferramentas certas para ajudar a simplificar a complexidade associada à manutenção da integridade e da velocidade dos dados, possibilitando a replicação e a sincronização de dados em tempo real e de alto desempenho em diversas plataformas, desde mainframes locais até a nuvem.

A pesquisa da Rocket Software e da Foundry revelou que 42% dos tomadores de decisão preferem adotar uma solução pré-construída para atingir esses objetivos. Vinte e oito por cento disseram que optariam por desenvolver uma solução personalizada internamente, e 30% estão considerando ambas as opções. A decisão correta depende do negócio específico e do caso de uso. Mas, independentemente do caminho escolhido pela organização, optar por trabalhar com um parceiro confiável como a Rocket Software permite que os líderes empresariais acessem um portfólio robusto de soluções e serviços que podem ajudar a modernizar sistemas e tornar os dados de mainframe mais acessíveis para iniciativas de IA e análise de dados a longo prazo.

O mais importante é que qualquer tentativa de incorporar dados de mainframe em iniciativas de IA e análise de dados corporativas deve ser segura, escalável e capacitar os usuários finais em toda a empresa. Injetar dados de mainframe em projetos de dados avançados representa uma fusão do antigo e do novo, e é por isso que é um desafio tão intrigante. Mas esses desafios não são insuperáveis. E as organizações que adotarem as ferramentas certas para aproveitar os dados de mainframe com segurança e em escala terão uma grande vantagem sobre aquelas que dependem apenas de dados em tempo real.

Saiba mais sobre como a Rocket Software pode ajudar sua organização a superar os desafios mais complexos relacionados a dados em mainframe e a obter o máximo proveito das iniciativas de IA.