{"id":6928,"date":"2022-04-20T12:46:41","date_gmt":"2022-04-20T11:46:41","guid":{"rendered":"https:\/\/telecomkh.info\/?p=6928"},"modified":"2022-04-20T12:47:04","modified_gmt":"2022-04-20T11:47:04","slug":"datos-sin-limites-para-todas-las-cargas-de-trabajo-para-todos","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=6928","title":{"rendered":"Datos sin l\u00edmites. Para todas las cargas de trabajo. Para todos"},"content":{"rendered":"

Hoy los datos adoptan muchos formatos, se env\u00edan por flujos en tiempo real y se almacenan en muchos centros de datos y nubes repartidos por todo el mundo. Desde el an\u00e1lisis hasta la ingenier\u00eda de datos, la IA, el aprendizaje autom\u00e1tico y las aplicaciones basadas en datos, las formas en que los datos se utilizan y comparten no paran de crecer. Los datos ya han sobrepasado el \u00e1mbito de trabajo de los analistas para convertirse en herramientas de cada empleado, cada cliente y cada socio. El espectacular incremento en la cantidad y diversidad de los datos, las cargas de trabajo y los usuarios nos ha llevado a un punto de inflexi\u00f3n en el que las arquitecturas tradicionales, incluso cuando se implementan en la nube, no permiten aprovechar todo el potencial de los datos. El resultado es que la brecha del \u00abdata-to-value\u00bb, es decir, entre los datos disponibles y el valor que podemos extraer de ellos, es cada vez mayor<\/strong><\/p>\n

 <\/p>\n

Por Google Cloud<\/em><\/span><\/p>\n

Para hacer frente a este problema, presentamos varias novedades de la nube que permitir\u00e1n a nuestros clientes trabajar con datos sin l\u00edmites, en todas las cargas de trabajo, y proporcionar su acceso a todos. Entre estas novedades destacan los flujos de cambios de BigLake y Spanner, que permiten unificar a\u00fan m\u00e1s los datos de los clientes y garantizar su env\u00edo en tiempo real. Otras novedades son Vertex AI Workbench y Model Registry, que mejoran la rentabilidad de la IA. Asimismo, para que los datos est\u00e9n al alcance de todos, lanzamos una soluci\u00f3n de inteligencia empresarial (BI) unificada que incluye una nueva integraci\u00f3n de Workspace, adem\u00e1s de nuevos programas que potenciar\u00e1n a\u00fan m\u00e1s nuestro ecosistema de socios de nube de datos.<\/p>\n

Suprimir todos los l\u00edmites de los datos<\/strong>
\nHoy anunciamos la versi\u00f3n preliminar de BigLake, un motor de almacenamiento de lagos de datos que permite suprimir los l\u00edmites al unificar los lagos y los almacenes. Gestionar los datos entre lagos y almacenes dispares crea silos y aumenta los riesgos y los costes, sobre todo cuando hay que mover los datos. BigLake permite a las empresas unificar sus almacenes y ejecutar sus an\u00e1lisis sin preocuparse por el formato o el sistema de almacenamiento de los datos; de este modo se elimina la necesidad de duplicar o mover los datos desde una fuente, y se reducen los costes y las ineficiencias.
\nCon BigLake, los clientes consiguen un control de accesos m\u00e1s preciso, con una interfaz API que admite formatos de archivo de Google Cloud o abiertos, como Parquet, adem\u00e1s de motores de procesamiento de c\u00f3digo abierto como Apache Spark. Estas capacidades suponen incorporar a los lagos de datos de Google Cloud Storage las innovaciones realizadas en BigQuery durante una d\u00e9cada, para crear una arquitectura lakehouse abierta, flexible y rentable.
\nTwitter ya utiliza las capacidades de almacenamiento de BigQuery para suprimir los l\u00edmites de los datos al objeto de averiguar c\u00f3mo los usuarios utilizan su plataforma y cu\u00e1les son los contenidos que les interesan. De este modo, pueden servir contenidos entre billones de eventos diarios con un pipeline de anuncios que ejecuta m\u00e1s de 3 millones de agregaciones por segundo.
\nOtra importante novedad que anunciamos hoy son los flujos de cambios de Spanner. Este nuevo producto, de pr\u00f3xima comercializaci\u00f3n, contribuir\u00e1 a\u00fan m\u00e1s a eliminar los l\u00edmites entre los datos para nuestros clientes, permiti\u00e9ndoles rastrear los cambios en sus bases de datos de Spanner en tiempo real y obtener un mayor data-to-value. Los flujos de cambios de Spanner rastrean las inserciones, las actualizaciones y las eliminaciones de datos en Spanner y transmiten en tiempo real esos cambios a toda la base de datos Spanner del cliente.
\nGracias a ello, el cliente dispone en todo momento de los datos m\u00e1s recientes, al poder replicar f\u00e1cilmente los cambios desde Spanner a BigQuery para ejecutar an\u00e1lisis en tiempo real, activar el comportamiento descendiente de la aplicaci\u00f3n utilizando Pub\/Sub, o almacenar los cambios en Google Cloud Storage (GCS) conforme a las normas. Gracias a la incorporaci\u00f3n de los flujos de cambios, Spanner, que actualmente, en su pico de actividad, procesa m\u00e1s de 2 mil millones de solicitudes por segundo con una disponibilidad de hasta un 99,999%, ofrece ahora a los clientes infinitas posibilidades de procesamiento de datos.<\/p>\n

Suprimir los l\u00edmites de las cargas de trabajo<\/strong>
\nNuestra cartera de IA est\u00e1 respaldada por Vertex AI, una plataforma administrada que contiene todas las herramientas de ML necesarias para crear, implementar y dimensionar modelos, y que est\u00e1 optimizada para funcionar de manera integrada con cargas de trabajo de BigQuery y otros almacenes. Hoy lanzamos nuevas soluciones de Vertex AI que permitir\u00e1n al cliente poner en producci\u00f3n los modelos de IA de manera a\u00fan m\u00e1s sencilla y r\u00e1pida, y facilitar\u00e1n a\u00fan m\u00e1s su mantenimiento.
\nVertex AI Workbench, ahora disponible para todos, re\u00fane los datos y los sistemas de ML en una sola interfaz para que los empleados dispongan de herramientas comunes tanto para el an\u00e1lisis y la ciencia de datos, como para el aprendizaje autom\u00e1tico. Con integraciones nativas en BigQuery, Serverless Spark y Dataproc, Vertex AI Workbench permite a los empleados construir, entrenar e implementar modelos de aprendizaje autom\u00e1tico 5 veces m\u00e1s r\u00e1pidamente que con los ordenadores port\u00e1tiles tradicionales. De hecho, gracias a Vertex AI Workbench, una empresa comercial de nivel mundial ha conseguido ganar millones de d\u00f3lares incrementando sus ventas y mejorar en un 15% su velocidad de comercializaci\u00f3n.
\nCon Vertex AI los clientes tienen la posibilidad de actualizar regularmente sus modelos. Sin embargo, la gesti\u00f3n de tanta complejidad puede descontrolarse f\u00e1cilmente. As\u00ed que, para simplificar la administraci\u00f3n de los gastos de mantenimiento del modelo, hoy lanzamos unas nuevas capacidades de MLOps con Vertex AI Model Registry. Vertex AI Model Registry (de momento en versi\u00f3n preliminar) es un repositorio central para encontrar, usar y gobernar modelos de aprendizaje autom\u00e1tico, como los de BigQuery ML. Gracias a esta herramienta, los cient\u00edficos de datos pueden compartir modelos y los desarrolladores de aplicaciones pueden utilizarlos, lo que, en \u00faltima instancia, permite a la empresa convertir los datos en decisiones tomadas en tiempo real y responder m\u00e1s r\u00e1pidamente a los cambios del mercado.<\/p>\n

Ampliar el alcance de los datos del cliente<\/strong>
\nLanzamos Connected Sheets para Looker y la posibilidad de acceder a los modelos de datos de Looker en Data Studio. Los clientes ahora tienen la posibilidad de interactuar con los datos de la forma que ellos elijan, ya sea a trav\u00e9s de Looker Explore, desde Hojas de c\u00e1lculo de Google o mediante la interfaz de arrastrar y soltar de Data Studio. As\u00ed, todos podr\u00e1n extraer f\u00e1cilmente informaci\u00f3n de los datos para innovar y tomar decisiones fundamentadas gracias a esta nueva plataforma unificada de inteligencia empresarial (BI) de Google Cloud. Con esta BI unificada es f\u00e1cil acceder a datos empresariales fiables y gobernados, incorporar nuevos conjuntos de datos y c\u00e1lculos, y colaborar con los colegas.
\nMercado Libre, el mayor sistema de pagos y comercio online de Am\u00e9rica Latina, ha sido uno de los primeros en adoptar Connected Sheets para Looker. Utilizando esta integraci\u00f3n ha conseguido ampliar el acceso a los datos a trav\u00e9s de una interfaz de hoja de c\u00e1lculo con la que sus empleados ya estaban familiarizados. Al reducir las barreras de acceso han conseguido construir una cultura basada en los datos en la que todos pueden basar en estos sus decisiones.<\/p>\n

Apostar por el ecosistema de socios de la nube de datos<\/strong>
\nAprovechar todo el potencial econ\u00f3mico de los datos gracias a estas nuevas soluciones no ser\u00eda posible sin nuestro incre\u00edble ecosistema de socios. En la actualidad, m\u00e1s de 700 socios de software ejecutan sus aplicaciones utilizando la nube de datos de Google. Muchos de ellos, como Bloomreach, Equifax, Exabeam, Quantum Metric y ZoomInfo, empezaron a usar nuestras capacidades de nube con la iniciativa Built with BigQuery, que ofrece equipos de ingenier\u00eda especializados, marketing conjunto y asistencia para la comercializaci\u00f3n.
\nNuestros clientes demandan soluciones espec\u00edficas que est\u00e9n perfectamente integradas y optimizadas para productos como BigQuery. Por eso hoy lanzamos Google Cloud Ready – BigQuery, una nueva validaci\u00f3n que reconoce soluciones espec\u00edficas para socios como las de Fivetran, Informatica y Tableau, que satisfagan unos requisitos b\u00e1sicos de funcionamiento e interoperabilidad. En la actualidad, ya hay m\u00e1s de 25 socios en este nuevo programa Google Cloud Ready – BigQuery, que reduce los costes que supondr\u00eda para el cliente la evaluaci\u00f3n de nuevas herramientas, adem\u00e1s de proporcionarle soporte para nuevas necesidades.
\nTambi\u00e9n lanzamos un nuevo Programa de migraci\u00f3n de bases de datos que ayudar\u00e1 a nuestros clientes a migrar de forma r\u00e1pida y fluida desde sus propias instalaciones y otras nubes a los servicios de bases de datos administradas de Google, los mejores del sector. El programa incluye herramientas y recursos, el know-how de socios de la talla de Deloitte e incentivos para compensar los costes derivados de la migraci\u00f3n.<\/p>\n

Nos mantenemos fieles a nuestro compromiso de seguir innovando con las mejores empresas de datos y an\u00e1lisis en las que nuestros clientes est\u00e1n invirtiendo. Esta semana, Databricks, Fivetran, MongoDB, Neo4j y Redis est\u00e1n anunciando nuevas e importantes capacidades para los clientes de Google Cloud.
\nNo cabe duda de que el futuro de los datos en la nube encierra unas posibilidades ilimitadas y nosotros estamos entusiasmados con poder participar en este viaje tan emocionante.<\/p>\n

Arriba, imagen de la entrada de Google en Dublin, Irlanda \/ Foto realizada por telecomkh<\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Hoy los datos adoptan muchos formatos, se env\u00edan por flujos en tiempo real y se almacenan en muchos centros de datos y nubes repartidos por todo el mundo. Desde el an\u00e1lisis hasta la ingenier\u00eda de datos, la IA, el aprendizaje autom\u00e1tico y las aplicaciones basadas en datos, las formas en que los datos se utilizan … <\/p>\n

Continue reading \u00abDatos sin l\u00edmites. Para todas las cargas de trabajo. Para todos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":6929,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[8],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/6928"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6928"}],"version-history":[{"count":2,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/6928\/revisions"}],"predecessor-version":[{"id":6931,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/6928\/revisions\/6931"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/6929"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6928"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6928"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6928"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}