Espere un aumento en el modelado de datos elegante y orientado al negocio: los planes y actividades en torno a los requisitos de diagramación para arquitectura de datos. Estas tendencias de modelado de datos ganarán terreno a medida que disminuyan los presupuestos para proyectos más nuevos y los mandatos para mejorar. Calidad de los Datos aumentar, a medida que la resolución de cada incidente de datos ha aumentado a las 15 horas entre 2022 y 2023.

Las partes interesadas claman por regresa de la IA después de una gran inversión, lo que hace que el modelado de datos centrado en el negocio sea fundamental. Disponer de datos fiables y gobernados para que la IA aprenda y haga recomendaciones se está convirtiendo en la máxima prioridad de muchas empresas.

A medida que los ejecutivos y las empresas revisen el modelado de datos en 2024, exigirán cambios desde el enfoque anterior, que captura todos los sistemas físicos de las organizaciones a una perspectiva de componentes comerciales. Un modelo de datos estancado en el nivel físico, con muchos detalles, dejará cada vez más de encontrar valor en 2024.

En cambio, las empresas querrán poseer modelos personalizados de un producto o servicio específico y crearán modelos de datos elegantes para brindar respuestas a preguntas comerciales. Estos requisitos se harán evidentes con las seis tendencias de modelado de datos que se describen a continuación.

Una proliferación de modelos industriales específicos 

Como enfatiza Peter Aiken, una reconocida autoridad en gestión de datos (DM) y profesor asociado de la Virginia Commonwealth University: modelos de datos abordar lo que se necesita construir y cómo. Para llegar a la solución relevante, las empresas se concentran en modelar los datos de su dominio, un ontológico Contexto que contiene información sobre el comportamiento de las entidades y las relaciones entre ellas. Los modelos específicos de la industria abordan este enfoque.

Los campos del conocimiento, como las finanzas, la medicina o el derecho, expresan varios matices necesario para cumplir con los organismos de supervisión y reguladores en esa área. Además, cada industria tiene terminología y conceptos específicos y consistentes necesarios para realizar negocios. Las empresas necesitan capturar estas sutilezas a través de plantillas y modelos de datos listos para usar, fácilmente disponibles para aplicar a los componentes de la arquitectura de datos. 

De esa manera, las organizaciones ahorrarán tiempo al recrear entidades y relaciones de modelos de datos estándar que son parte integrante de sus sectores comerciales. En cambio, pueden dedicar más tiempo a comprender y acordar cómo modelar sus servicios particulares y definir sus reglas de negocio.

Esta tendencia hacia modelos específicos de la industria aumentará rápidamente hasta 2024 y más allá, a medida que las empresas quieran una forma más eficiente de de la máquina datos en tiempo real y procesados ​​por lotes sin trabajo adicional innecesario. Además, a medida que las organizaciones adoptan arquitectura de malla de datos y equipos de dominio centrarse en los componentes de la arquitectura de datos que poseen, el uso de modelos predefinidos específicos de la industria será más atractivo y hará que hacerse cargo de los datos sea más accesible.

Un mayor uso del modelado conceptual 

Con un enfoque en el modelado de datos basado en dominios y un interés creciente en mejorar la calidad de los datos, las organizaciones recurrirán cada vez más a modelos conceptuales. Los modelos conceptuales describen qué entidades existen y sus relaciones, lo que constituye el enfoque y el alcance de un componente de la arquitectura de datos.

Al desarrollar un modelo de datos conceptual, los equipos de negocios y de tecnología se involucrarán entre sí para desarrollar un vocabulario compartido y una alineación sobre qué infraestructura de datos actualizar o construir. Idealmente, las empresas harán un seguimiento con un modelo de datos lógico para formalizar la implementación de la conceptualización acordada; sin embargo, ante la presión de cumplir, muchas empresas intentarán omitir o dedicar un poco menos de tiempo a trabajar con modelos lógicos en 2024.

Mayor popularidad de los gráficos de conocimiento

Si bien el modelado de datos adopta muchos formatos, quedan los diagramas entidad-relación (ER), relacionales y de flujo de datos (DFD). popular, espera ver gráficos de conocimiento, las visualizaciones de entidades y sus relaciones ascienden a la parte superior de la lista. Las empresas enfrentan un marco de tiempo más corto para obtener modelos de datos utilizables, quieren información inmediata y manejan datos cada vez más desestructurados. 

Los gráficos de conocimiento proporcionan las herramientas para manejar los tres requisitos. Especialmente genial para datos conceptuales Al modelar, los gráficos de conocimiento brindan una comprensión de la solución a construir, factores relacionados y relevantes a considerar, e incluyen metadatos y el contexto alrededor de los datos. Además, un gráfico de conocimiento realiza un seguimiento de los cambios a medida que evolucionan los datos y metadatos.

Según Juan Sequeda, científico principal y jefe del Laboratorio de IA de data.world, los gráficos de conocimiento simplifican conceptos complejos de un vistazo al dando "Contexto rico y significativo y conexiones entre conjuntos de datos". Estas ventajas conducen a modelos de datos más relevantes y generados más rápidamente.

Además, los trabajadores encuentran gráficos de conocimiento. simple de construir. Estas herramientas se pueden encontrar en muchos sistemas de gestión de bases de datos (DBMS) y otras aplicaciones, generando modelos conceptuales antes, fomentando así un uso aún mayor de los gráficos de conocimiento más allá de 2024.

Mejores capacidades de autoservicio

Con la proliferación de modelos específicos de la industria y el mayor uso de modelos de datos conceptuales, los empresarios utilizarán y exigirán mejores capacidades de autoservicio para experimentar con modelos de datos a través de visualizaciones interactivas y asumir un papel proactivo en las conversaciones con los equipos de tecnología. Además, la fácil accesibilidad a conjuntos de datos a través de la computación en la nube y la presión para tomar decisiones más oportunas e informadas basadas en datos en tiempo real impulsarán a las empresas a actualizar y crear modelos de datos sobre la marcha sin consultar primero a los equipos de tecnología.

Con mejores capacidades de autoservicio, los empresarios aumentarán su iniciativa al iterar los modelos de datos existentes y discutir y priorizar los requisitos. Las mejoras continuas en IA y aprendizaje automático (ML) simplificarán el proceso de modelado de datos para las empresas al brindar recomendaciones sobre relaciones ocultas dentro de los datos y nuevos conocimientos sobre ellos.

En consecuencia, los analistas y otros consumidores de datos con un conocimiento sólido de sus datos participarán plenamente en el modelado de datos, incluso si no tienen capacitación formal. Con ese fin, las empresas aumentarán su interés en tener activos de datos gobernados y confiables para modelar bien los datos.

A medida que las empresas aprenden de los empresarios sobre sus actividades y procesos de modelado de datos de autoservicio, estas organizaciones querrán herramientas más rápidas, mejores y más relevantes para ayudar a sus trabajadores con la personalización del modelo. Por lo tanto, espere que las herramientas de modelado de datos de autoservicio mejoren en 2024 y más allá.

Modelado de datos en tiempo real más frecuente para procesos mineros

Las organizaciones utilizarán el modelado de datos en tiempo real para procesar y analizar los datos a medida que se consumen para comprender y optimizar mejor sus operaciones en el futuro. Para ello, las empresas crearán modelos de datos para diseñar sus negocios. gemelos digitales, que representa los estados, la información y la organización exactos de su línea de producción o servicios, para que AI y ML puedan recomendar procesos de mejora.

espera esto minería de proceso, utilizando aplicaciones y talento para analizar eventos del sistema transaccional empresarial, para que ocurran con mayor regularidad como parte del mantenimiento diario y para reducir costos. Esta tendencia creciente afectará el modelado de datos para la minería de procesos de cinco maneras:

• Mayor demanda por parte de las empresas líderes de la industria de modeladores de datos que codifican, construyen modelos de datos, consultan, comprenden requisitos, implementan y respaldan la mejora de procesos.
• Más análisis de series temporales para descubrir patrones de flujos de datos pasados ​​y hacer predicciones sobre cómo mejorar los resultados comerciales.
• Mayores requisitos para series de tiempo Modelado de datos y visualizaciones para IA y ML para detectar fluctuaciones en el flujo de datos, aprender de ellas y ofrecer recomendaciones.
• Plazos más cortos para crear y entregar modelos de datos y ciclos de retroalimentación de modelado de datos más rápidos
• Modelado de datos más fluido, al centrarse en formatos de almacenamiento JSON, para estructurar los datos de una manera autodescriptiva para la comprensión empresarial.

Más sesiones conjuntas de modelado de datos a través de la gobernanza de datos 

Con un mayor uso de IA y ML, confiable y datos gobernados se convertirá en un nuevo imperativo en 2024. Las sesiones conjuntas de modelado de datos aumentarán para guiar Gobierno de datos para lograr estos objetivos, especialmente con proyectos de IA y ML.

Espere ver arquitectos de datos, analistas de negocios, ingenieros y científicos de datos utilizar estas sesiones de Gobernanza de datos para alinear y comprender los requisitos y definiciones comerciales a través del proceso de modelado de datos. Este esfuerzo conjunto Al crear visualizaciones de entidades, relaciones y flujos de datos, se intentará abordar las complejidades y prioridades en torno a la información, el acceso y el cumplimiento legal. 

Además, la gestión de metadatos, motor de acción eficaz sobre la información y el contexto, permitirá continuar creciendo como un objetivo importante en Gobernanza de Datos, aumentando desde el 66% identificado en un estudio de Tendencias en Gestión de Datos de 2022. Por lo tanto, el modelado de datos integrará procesos de gestión de metadatos para mejorar la capacidad de búsqueda de datos y lograr un acuerdo sobre qué actividad de datos compartidos abordar a continuación en materia de acceso o seguridad.

Al aprovechar las conversaciones comerciales con técnicos, los avances en la automatización y el aprendizaje automático prometen proporcionar conocimientos más significativos en estas sesiones conjuntas sobre gobernanza y modelado de datos. Además, las empresas integrarán objetivos de Modelado de Datos y Gobernanza de Datos en sus plataformas tecnológicas. Estas capacidades generarán modelos de datos realistas más rápidamente durante una sesión de Gobernanza de datos, lo que potencialmente mejorará el tiempo para reconocer y resolver problemas de seguridad o accesibilidad de los datos.

Conclusión

Las organizaciones renovarán su interés y sus prácticas en el modelado de datos debido a preocupaciones presupuestarias y de calidad de los datos. Además, a lo largo de 2024 y más allá, el modelado de datos se volverá más elegante y centrado en los negocios.

Las empresas adoptarán un enfoque más modular al modelar datos, analizando la concepción general de cada componente a través de un mayor enfoque en el modelado conceptual. Las presiones para lograr un tiempo de respuesta rápido aumentarán la demanda de modelos, gráficos de conocimiento y modelos de autoservicio específicos de la industria.

Además del aprendizaje automático y la inteligencia artificial, el modelado de datos ganará terreno en entornos más nuevos. Informará las actividades comerciales y los cambios operativos necesarios para ejecutarlas mejor en el futuro. Además, el modelado de datos encontrará un papel cada vez más importante en el manejo de cuestiones de gobernanza de datos en torno al análisis y la seguridad de los datos.

Además, los procesos de modelado de datos, las herramientas, la automatización y el aprendizaje automático avanzarán a lo largo de 2024, y también aumentarán las capacidades para personalizar y generar modelos de datos sobre la marcha. A medida que los modelos de datos respondan mejor a las demandas comerciales y fomenten mejores resultados de aprendizaje automático, se espera ver más empresarios involucrados en actividades y conversaciones de modelado de datos.

Imagen utilizada bajo licencia de Shutterstock

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.dataversity.net/data-modeling-trends-in-2024/