Los amantes de los acrónimos están de parabienes, porque está emergiendo uno nuevo que las empresas con grandes infraestructuras tecnológicas deberían comenzar a practicar: infralytics –combinación, precisamente, de “infraestructura” con “analytics”-.
Este nuevo concepto aprovecha los avances en términos de inteligencia artificial y machine learning para analizar cada detalle de la infraestructura de IT de una compañía, incluyendo antiguos sistemas heredados, hardware ubicado en sucursales o locaciones distantes, servicios de integración o interacción con la cadena de valor y dispositivos de internet de las cosas además, claro, de todo aquello que se haya migrado a la nube.
LA CERTEZA QUE REEMPLAZA AL RIESGO
A partir de mecanismos predictivos que aprovechan el machine learning, el infralytics permite obtener el máximo provecho de la infraestructura de IT. El foco se centra en predecir fallas y alcanzar en cada momento del negocio el dimensionamiento óptimo.
En 2002, Steven Spielberg llevó a la pantalla grande Minority report, película basada en un cuento de ciencia ficción de Philip K. Dick: un equipo de fuerzas de seguridad capaz de predecir los crímenes antes de que ocurran, lo que les permite poner tras las rejas a los potenciales delincuentes en instancias en que estos aún ni siquiera sospechan lo que están por hacer. Más allá de las discusiones éticas y morales que despierta la trama, una lectura específica (y deshumanizada por cierto) para el mundo de la infraestructura tecnológica nos lleva a pensar cuánto  más eficiente  podría  ser una empresa capaz de saber de manera an­ticipada si el hardware destinado para de­ terminada función podría quedar insufi­ciente por un aumento de la demanda, si un sistema específico está a punto de fallar o si en algún lugar del mundo alguien está planeando un ataque, físico o ciber­nético, para hacer que todo deje de funcio­nar. Poder contar con esa previsión ayu­daría sustancialmente a reducir uno de los mayores retos de los negocios actuales: la incertidumbre.
Infralytics llega para dar certeza allí donde había un fuerte nivel de riesgo.

LOS PIONEROS: Si bien la mayor parte de los sistemas modernos de detección de ataques cibernéticos y de malware utilizan machine learning para desarrollar mode­ los predictivos, lo cierto es que aplicar esta tecnología para el total de la infraestructura es un enfoque muy novedoso. Los primeros casos se están viendo particularmente en los Estados Unidos, aunque también se observan algunas implementaciones en Chile. En la Argentina, uno de los bancos más importantes emprendió su camino hacia infralytics de la mano de Practia.

Es cierto que la mayoría de las empresas puede determinar, a simple vista y en base a su propio conocimiento, cuáles son los pe­ríodos de mayor carga de trabajo para su in­ fraestructura de IT: los bancos, por ejemplo, saben que sus sistemas de home banking se saturan de consultas en esos primeros días del mes en que todos quieren saber si ya les depositaron el sueldo, cuándo vencen los servicios o si todavía están a tiempo de pagar el mínimo de la tarjeta. Un comerciante minorista, por su parte, es consciente de que en los días previos al Día de la Madre podrían incrementarse exponencialmente las visitas físicas a los locales mientras que en las vísperas del Hot Sale la demanda sobre su e-commerce se irá a las nubes.
Sin embargo, existen modificaciones más leves que se producen de manera cotidia­na y que, por su propia esencia sutil, son imperceptibles –pero, aún así, ralentizan toda la operación y generan una mala ex­ periencia para los clientes, que sienten que hacer una operación sencilla les toma toda una vida-. También movimientos sísmicos que, por no haber sido contemplados, des­ embocan en un desastre. Y,  por  supues­to, complejidades que escapan a una úni­ca operación:  en un universo  competitivo en el que el banco necesita lanzar nuevos servicios adaptados a un nuevo consumidor, en el que convive con sistemas de empresas cien por ciento innovadoras como las fintech pero también con su propia infraestructura heredada, muchas veces compuesta por sistemas IBM AS/400 (que fueron durante décadas el estándard para la industria) o grandes mainframes, el ciclo de actividad del home banking, sin dejar de ser importante, dista mucho de ser el único problema a analizar.
INCERTIDUMBRE CERO
Infralytics es un concepto emergente que apunta a reducir todo lo posible la incerti­ dumbre relacionada con el uso óptimo de la infraestructura tecnológica. No solo es capaz de predecir cambios en el volumen de acti­vidad, sino que además analiza los inconta­bles sistemas internos para detectar y pre­decir anomalías: cada mensaje emitido por una máquina, cada señal de alerta, cada interacción entre distintos sistemas integrados, sea propio o de algún miembro de la cadena de valor, cada salida de los valores esperados en términos de latencia o velocidad de carga. Los beneficios que propone infralytics pueden resumirse en tres grandes grupos: prevenir fallas o caídas, optimizar cada elemento de infraestructura y estimar crecimiento.
En términos de infraestructura tecnológica, mantener los balances de carga de trabajo “a ojo” es, mínimamente riesgoso.

Propone un esquema de modelado predic­tivo que aprovecha los avances en machine learning para que cada hecho o cada transac­ción se convierta en un aprendizaje. Cuando todas las variables son conocidas, realizar un cálculo es sencillo: si la intención es ac­cionar una palanca, basta investigar qué presión hay que aplicarle para saber exac­tamente  qué comportamiento va a tener.

¿Pero qué ocurre en casos en que el núme­ro de variables es enorme y cambiante y se carece sobre información fehaciente sobre la gran parte de ellas? Pensemos una em­ presa del segmento retail. Si  se consultara al dependiente que está todos los días de­ trás del mostrador cuántos clientes  pien­sa que van a entrar en esa jornada, segura­ mente arriesgará un número. Sin embargo, la cantidad de condicionantes imposibles de estimar (un paro repentino en el transporte público, un cambio climático que desaliente a la gente a salir de su casa, un accidente que ralentiza el tránsito, por citar apenas tres ejemplos) pueden generar una variación en­tre leve y notoria. Llevado esto al mundo de la infraestructura tecnológica, mantener los balances de carga de trabajo “a ojo” es, míni­mamente, riesgoso. En particular en una era en que el avance de la innovación hace que sea innecesario.

¿ES PARA CUALQUIERA?

¿Qué empresas deberían observar el concepto de infralytics? Aquellas que suelen tener infraestructuras complejas, en las que conviven grandes equipos de otras épocas con porciones migradas a la nube, dispositi­vos de internet de las cosas (IoT) diseminados por aquí y por allá y múltiples locaciones físicas – que muchas veces actúan de manera autónoma, pero que a partir de este paradigma pueden  centralizarse-, sistemas heredados con implementacio­nes recientes, elementos propios con fuerte interacción con siste­mas de terceros.

Además de los bancos y del re­tail, que ya fueron mencio­nados,   empresas  de  secto­res como los de generación de energía (tanto petroleras como productoras de gas o distribui­doras) o prestación de servi­cios públicos también pueden beneficiarse con infralytics. En caso de una fusión o adquisi­ción entre dos organizaciones de porte, el concepto  adquie­re el tinte de fundamental: es lo que permitirá detectar qué sobra o qué falta para llevar la op­timización a la nueva etapa.

1500 transacciones generan hoy un nuevo dispositivo de IoT por cada transacción que produce un ser humano. Para 2025, unos 150.000 millones de equipos estarán conectados en todo el mundo. (Fuente: IDC)

El estatismo en términos de infraestruc­tura tecnológica ya no es posible: adquirir equipamiento que será subutilizado o jugar al límite de las posibilidades son opciones que, en la era de la economía del conoci­ miento y de la experiencia, resultan suici­ das en términos  de  negocios. Hoy,  existen elementos flexibles que permiten aportar la dinámica necesaria como para trabajar en todo momento en niveles óptimos: des­de los balanceadores de carga modernos hasta, por supuesto, la posibilidad de con­ tratar espacio en la nube para cubrir los pe­ ríodos de carga muy intensos.

Infralytics llega para dar certeza allí donde había un fuerte nivel de riesgo. Si existe al­ guien capaz de saber exactamente qué nú­ mero saldrá en la siguiente tirada de una ruleta, difícilmente prefiera apostar a cie­ gas. Del mismo modo, no tiene lógica en esta época de negocios digitales, poner so­bre el paño toda la infraestructura digital apostando a la fe, a una corazonada o que se repitan resultados del pasado.

Infralytics contempla tanto la infraestructura física como la de nube.

Los grandes beneficios que propone infralytics pueden asociarse en tres grupos: prevenir fallas o caídas, optimizar cada elemento de infraestructura y estimar crecimiento.
 

METODOLOGÍA

EL CAMINO HACIA INFRALYTICS

Cuáles son los aspectos clave que debe considerar una empresa a la hora de incorporar este nuevo concepto tecnológico.

La disponibilidad y calidad de los datos es el gran desafío que tiene todo proyecto de infralytics. “Existe una divergencia de percepción entre los datos que la organi­ zación cree tener y los que tiene en rea­ lidad”,  afirma  Daniel  Yankelevich, socio fundador de Practia Global. “Por ejemplo, se conservan muchos datos de evolución de demanda, pero que no habili­ tan un aprendizaje sistemáti­co”, destaca Yankelevich.20% de los insights generados por analítica entregarán proyecciones de negocios resultantes para 2022. (Fuente: Gartner).

“Hay que diferenciar las empresas que tienen experiencia en proyectos de analytics, que en general ya hicieron el cambio cultural, y las que deben emprender ese camino desde cero, que mostrarán mayores niveles de resistencia”. Denise Bendersky (Científica de datos en Practia Global).

“El problema con la calidad de datos sue­ le aparecer en cualquier proyecto de big data, no sólo con los de infralytics“,  apor­ ta Denise Bendersky, científica de datos en Practia Global. “Luego, hay que dife­renciar las empresas que ya tienen expe­riencia en proyectos de analytics, que en general ya hicieron el cambio cultural y que comprenden que ese proceso de aná­lisis de datos lleva al descubrimiento de insights, acciones o preguntas de nego­ cios, y las que deben emprender ese cami­no desde cero, que mostrarán mayores ni­veles de resistencia al cambio”, agrega la especialista.

El primer desafío para una empresa que quiere implementar infralytics es trabajar en la recolección y la calidad de sus datos.

STRATEGIC DATA GATHERING: La recolección de datos que van a medirse para implementar infralytics no es azarosa: surge de un análisis, de preguntas que habrá que responder, de una visión sobre cuáles serán los conocimientos que la solución debe proveer. A esta recolección con mirada estratégica, que incluye una mejora de la calidad de los datos durante el proceso, se la conoce como strategic data gathering.

Para combatir esa barrera cultural, en el primer proyecto de infralytics que Practia Global implementó en uno de los principales bancos con operaciones en el país, se decidió apelar a una metodología ágil: a partir del interminable mapa de infraes tructura de la entidad financiera, se decidió proponer un MVP (mínimo producto viable): tomar alguna plataforma específica, encontrar unos pocos indicadores clave sobre los cuales trabajar y apuntar a obtener resultados en un período breve, alrededor de dos a tres meses. Con esta aproximación, se logran dos objetivos: por un lado,  se comienza a avanzar en  la dirección deseada en relación al proyec to; por el otro, se disminuye el nivel de resistencia, ya que la empresa usuaria empieza a recibir beneficios concretos, lo que hace que baje las barreras para seguir avanzando.

ESCALÓN POR ESCALÓN

El seguimiento del proyecto es continuo: más allá de los dos o tres meses de hori zonte que se establece, se realizan interacciones frecuentes, es decir, reuniones pe riódicas en la que se evalúan los avances respecto de la metas fijadas, se proveen  releases mejorados, se evitan desvíos y se propone un incremento en el valor del producto para el siguiente sprint. “El análisis de un solo dato puede ser útil para desbloquear cualquier barrera cultural: muchas veces les permite detectar un pico de consumo ocul­to o descubrir alguna táctica de trabajo que había quedado invi­sible durante mucho tiempo”, in­dica Bendersky.

“Hay otra realidad y es que los responsables del centro de da­ tos suelen estar muy concen­ trados en la resolución de problemas que surgen en lo inmediato: necesita bajar los costos de mantenimiento, dar respuesta a las solicitudes de que el punto de venta funcione más rápido o contener la ira de todo el mundo porque se acaba de caer un servidor”, enumera Yankelevich. “En este contexto, hay que producir, una incertidumbre para comenzar un trabajo que producirá resultados en un mediano plazo”, explica. La metodología ágil en este contexto, se vuelve una aliada fundamental: “los primeros resultados rompen el escepticismo que pudiera exis­tir y abre las puertas a querer más”, concluye Yankelevich.

30% de los datos que se acumulen en 2025, se generarán en tiempo real. En 2017 era 15%. (Fuente IDC)

Cualquier responsable de un centro de datos conoce cuáles son sus problemas críticos. A lo largo del tiempo desarrolla una intuición que le permite resolver los conflictos acuciantes, optimizar buena parte de la infraestructura que tiene a su cargo y hasta establecer mejores prácticas.

Infralytics permite ir más allá de la intuición: la complementa con datos, con materia prima para, a partir de mediciones, continuas y de insights, ofrecer el mejor panorama de infraestructura posible para cualquier necesidad de negocios que se presente.