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.
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
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.
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.
