La codificación manual carece de amplitud empresarial. Los codificadores manuales de integración de datos tradicionales tardaron muchos años en darse cuenta de lo importantes y necesarios que son los datos. Tres formas en que la codificación manual está destruyendo la productividad de su empresa.
La calidad y el gobierno son para garantizar que la empresa tenga datos confiables. Esto es aún más importante hoy en día con las empresas que se centran en los datos y el auge de la IA y el aprendizaje automático. La codificación manual no puede ofrecer amplitud empresarial para los datos integración, calidad de datos y gestión de metadatos.
Tres formas en que la codificación manual está destruyendo la productividad de su empresa
Las limitaciones de la codificación manual no se limitan solo a la TI. En última instancia, la codificación manual afecta los resultados comerciales. Aquí Hay tres áreas clave en las que la codificación manual puede tener un impacto comercial negativo.
Costes más altos
Los costos de mano de obra de codificación manual y secuencias de comandos pueden ser significativos, y los recursos calificados son limitados. Estos costos aumentan tiempo. Si bien un proyecto individual de alcance limitado puede entregarse de manera rápida y económica, esas economías se pierden a escala empresarial. No existe el concepto de reutilización con la codificación manual. A veces, los ingenieros de datos terminar escribiendo guiones que ya existen sin darnos cuenta.
Las habilidades no son repetibles para futuros esfuerzos. Por ejemplo, Las técnicas modernas de integración de datos incluyen ingesta de datos de latencia múltiple, transformaciones ETL/ELT complejas, transmisión, limpieza y análisis de datos. Con una solución personalizada codificada a mano, estas técnicas son difíciles de desarrollar y no son reutilizables con datos o proyectos más nuevos. Por lo tanto, la organización de TI deberá volver a capacitar a los desarrolladores en gran costo y con un uso futuro limitado.
Los altos costos de desarrollo conducen a un alto costo de mantenimiento. Si se requiere un cambio de código, los ingenieros de datos necesitan para determinar el impacto de los cambios, reescribir el código. Después deben volver a probar y volver a implementar el código y cualquier artefacto afectado como los informes de BI. Si hay errores en el procesamiento de datos, una solución codificada a mano es difícil de depurar. Como resultado, los desarrolladores están encadenados a su código en un entorno en constante cambio.
Riesgo mayor
Las actualizaciones frecuentes de la infraestructura subyacente requieren una coordinación compleja. Cuando entregas el código, ya no se desarrollan al ritmo de la innovación. Cada vez que hay un cambio en el panorama de datos (por ejemplo, un Oracle actualización, un cambio de un almacén de datos de Teradata en las instalaciones a Amazon Redshift, o un cambio de SAP a Salesforce CRM), los desarrolladores deben dejar lo que están haciendo y mantener su código. Estas dependencias aumentan el riesgo general cuando los recursos calificados son limitados.
Dependiendo de las habilidades requeridas, las organizaciones pueden gastar una cantidad significativa de dinero en encontrar y capacitar al recurso adecuado para apoyar soluciones caseras. En muchas regiones, puede ser difícil encontrar desarrolladores de codificación manual altamente calificados que sean competentes en las últimas tecnologías y la competencia por los desarrolladores expertos es feroz.
Por ejemplo, un desarrollador experto de una compañía farmacéutica global creó un marco de ingestión para obtener datos en el lago de datos de la empresa aprovechando Sqoop (un componente de código abierto de Apache Hadoop). El proceso dependía completamente de una sola persona para su mantenimiento y operación. El desarrollador siguió adelante, sin dejar a nadie para mantener o operar el marco existente. Ningún dato nuevo pudo ingresar al lago de datos porque nadie más entendió o podría mantener el código. La empresa se dio cuenta de su error y cambió a una solución de integración de datos empresariales.
Tiempo de valorización más lento
Las organizaciones corren el riesgo de sufrir retrasos cuando dependen de un puñado de desarrolladores para desarrollar, implementar y mantener la solución personalizada de cosecha propia. En algunos casos, estas dependencias pueden afectar significativamente el tiempo de valor y resultar en oportunidades perdidas.
Una gran empresa de energía tenía un entorno Hadoop que no devolvía el valor esperado. Resultó que, a pesar de buscar durante seis meses, el desarrollador principal no pudo encontrar recursos calificados para construir lo requerido. La empresa decidió invertir en una herramienta de integración de datos empresariales para sacar más provecho de sus inversiones y ayudar al desarrollador líder con la acumulación de solicitudes.
La falta de gobernanza de datos, calidad de datos y de extremo a extremo y la visibilidad de los datos hace disminuir los datos confiables disponibles para la empresa para cualquier tipo de transformación digital iniciativa. Siempre que haya falta de confianza o la gobernanza, el negocio frena, reduce la adopción del usuario y, por lo tanto, retrasa cualquier valor comercial esperado.
Si queréis saber más acerca de esto, os dejamos el manual donde podéis encontrar toda la información.