Los datos han experimentado una metamorfosis en cuanto a la percepción de su valor y la gestión dentro de la esfera empresarial. Antes no eran valorados y muchas veces descartados, los datos solían quedar relegados a informes básicos o que no se miraban por falta de comprensión y gobernanza. Esta visión limitada, combinada con las tecnologías emergentes, dio lugar a unflujo de datos abrumador que no se procesaba. No se sabía qué datos se tenían ni durante cuánto tiempo.  

A principios de la década de 2000, las empresas utilizaban principalmente bases de datos aisladas, con accesibilidad limitada. La década de 2010 vio el auge de los almacenes de datos, que reunían conjuntos de datos diferentes que muchas veces provocaban cuellos de botella. Los lagos de datos surgieron como una solución para almacenar grandes cantidades de datos en bruto y rápidamente se convirtieron en pantanos sin una gobernanza adecuada. Los grupos monolíticos de TI e ingeniería de datos se esforzaban por documentar, catalogar y proteger la creciente acumulación de datos. Los propietarios de los productos y los equipos que quisieran o necesitaran acceder a los datos tendrían que solicitar el acceso y esperar. En ocasiones, esas solicitudes acabarían acumulándose y, finalmente, olvidadas.  

En esta nueva conciencia sobre los datos, la data mesh emerge como un concepto revolucionario que permite a las organizaciones gestionar, procesar y obtener información de datos de forma eficiente. A medida que las organizaciones se dan cuenta del papel fundamental de los datos en la transformación digital, se hace imperativo pasar de arquitecturas heredadas a soluciones más adaptables, lo que convierte a Data Mesh en una opción atractiva.  

 

Conceptos básicos de una Data Mesh 

No hay que subestimar la importancia de las experiencias personalizadas de los clientes. Ahora más que nunca, los consumidores se enfrentan a un sinfín de opciones. Para diferenciarse de la competencia, las empresas deben utilizar los datos y la información sobre el comportamiento de los clientes para crear experiencias personalizadas y dinámicas que satisfagan y conquisten a su público. Analice el historial de compras, los datos demográficos, la actividad web y otros datos para comprender a su cliente, así como tus gustos y aversiones. Utilice esta información para diseñar experiencias de cliente personalizadas que aumenten la conversión, la retención y, en última instancia, la satisfacción.  

Cuando se habla de conceptos de arquitectura de datos, los términos "heredado" o "tradicional" implican conceptos centralizados de gestión de datos, caracterizados por arquitecturas monolíticas desarrolladas y mantenidas por una organización de ingeniería de datos dentro de la empresa. A menudo, las unidades de negocio ajenas a TI se sentían abandonadas a su suerte, esperando a que el equipo de datos atendiera tus necesidades específicas, lo que generaba ineficiencias. 

Acuñado por primera vez en 2019, el paradigma Data Mesh es un enfoque descentralizado y de autoservicio para la arquitectura de datos. Hay cuatro principios centrales en los que se basa Data Mesh: Propiedad del dominio, tratamiento de los datos como un producto, infraestructura de autoservicio y gobernanza computacional federada. 

Con Data Mesh, los equipos (dominios) tienen la capacidad de ser dueños y gestionar sus datos (producto). Esto requiere una administración a nivel de equipo para gestionar eficazmente sus propios recursos para incorporar, conservar y dar servicio de datos a sus usuarios finales. Los administradores de datos son responsables de la calidad, fiabilidad, seguridad y accesibilidad de los datos. Los administradores de datos tienden un puente entre los equipos descentralizados y la gobernanza y supervisión a nivel empresarial. 

Aunque los equipos disfrutan de autonomía, se produciría un caos sin un enfoque de gobernanza federada. Esto garantiza que todos los propietarios de productos y administradores de datos siguen las normas, políticas y buenas prácticas.  

Implantar Data Mesh requiere una inversión significativa tanto en infraestructura como en brindar a los equipos los recursos y la experiencia necesarios para gestionar sus propios recursos. Requiere un cambio fundamental en la mentalidad de las empresas sobre cómo tratan los datos.  

Mientras que un Lakehouse trataría de combinar lo mejor de los Data Lakes y los Data Warehouses, Data Mesh va más allá al descentralizar el dominio y el control de los datos. Mientras que Data Fabric se centra en el acceso sin fisuras a los datos y la integración a través de fuentes dispares, Data Mesh hace hincapié en la propiedad basada en el dominio. Por otra parte, las arquitecturas basadas en eventos dan prioridad al flujo de datos y a las reacciones en tiempo real, lo que puede ser complementario a Data Mesh. 

Cuándo y dónde implantar la Data Mesh 

1. Grandes organizaciones con dominios ricos en datos: En las grandes organizaciones, los departamentos a menudo manejan una gran cantidad de datos. Desde Recursos Humanos hasta Ventas, cada equipo tiene sus propios requisitos en cuanto al uso, almacenamiento y acceso a los datos. A medida que los equipos consumen más datos, el tiempo de comercialización y la eficiencia del desarrollo se resiente en las arquitecturas centralizadas. Los recursos externos y las limitaciones de tiempo suelen ser el mayor problema. Al implantar Data Mesh, los equipos pueden trabajar de forma independiente y tomar el control de sus datos, aumentando la eficiencia y la calidad. Como resultado, los equipos pueden optimizar y enriquecer su oferta de productos y reducir costos agilizando los procesos y flujos de trabajo ELT/ETL. 

Con un control directo sobre sus datos, los equipos pueden ajustar y adaptar las soluciones de datos para satisfacer mejor las necesidades de los clientes.  

2. Ecosistema complejo: Las organizaciones, especialmente las que operan en entornos dinámicos con interdependencias intrincadas, a menudo enfrentan desafíos en estructuras de datos centralizadas. En tales arquitecturas, existe un control limitado sobre la asignación, utilización y gestión de recursos, lo que puede impedir a los equipos maximizar el potencial de los datos. Los enfoques centralizados pueden frenar la innovación debido a la rigidez de los esquemas, del flujo de datos y la falta de personalización específica del dominio. Data Mesh ofrece a las organizaciones la flexibilidad necesaria para adaptarse a la evolución de las necesidades de datos y utilizar la experiencia específica del dominio para conservar, procesar y consumir datos adaptados a sus necesidades. 

3. Entornos de datos en rápido crecimiento: En la era digital actual, las organizaciones recopilan datos a una escala sin precedentes. El volumen de datos puede ser abrumador por los dispositivos IoT, integraciones de proveedores, interacciones de usuarios y transacciones digitales. Los equipos centralizados a menudo se enfrentan a problemas de escalado, retrasos en el procesamiento y el desafío de la entrega puntual de los datos. Data Mesh aborda esta cuestión distribuyendo la responsabilidad de los datos entre diferentes dominios o equipos. Múltiples unidades descentralizadas gestionan el flujo a medida que aumenta, garantizando un procesamiento puntual y reduciendo el tiempo de inactividad del sistema. El resultado es una infraestructura de datos más resistente y preparada para satisfacer tanto las demandas actuales como las necesidades futuras. 

Cuándo no implantar la Data Mesh 

1. Pequeñas y medianas empresas (PYME): Aunque Data Mesh presenta numerosas ventajas, puede no ser adecuado para todas las organizaciones o proyectos. Las organizaciones más pequeñas suelen manejar volúmenes de datos menores y pueden no tener los recursos necesarios para gestionar los datos de forma independiente. En estos casos, una arquitectura de datos centralizada sería más adecuada para minimizar las complicaciones en el diseño y el mantenimiento con menos recursos para gestionarlos. 

2. Arquitecturas centralizadas maduras y estables: Las organizaciones sólo suelen recurrir a nuevas soluciones cuando tienen problemas. Si una arquitectura centralizada bien establecida funciona y se ajusta a las necesidades de la empresa, no es necesario adoptar Data Mesh. Introducir un cambio fundamental en la forma de gestionar los datos es una tarea cara y disruptiva. Construir una nueva infraestructura y ampliar las capacidades de los equipos cambiando la cultura de la organización lleva tiempo.  

3. Proyectos a corto plazo: La implantación de Data Mesh requiere una inversión significativa de tiempo y recursos. Las ventajas de Data Mesh no se apreciarán cuando se construya o diseñe un proyecto de duración limitada o una prueba de concepto. Si la duración de un proyecto no justifica la inversión en una Data Mesh o el alcance no requiere soluciones de datos específicas del dominio, no se aprovecharán las ventajas de Data Mesh. Las arquitecturas de datos tradicionales suelen ser más apropiadas para estas aplicaciones y no necesitan la supervisión/gobernanza que requiere Data Mesh.

  

Oportunidades que ofrece la Data Mesh 

1. Escalabilidad: Data Mesh permite a las organizaciones escalar sus capacidades de procesamiento de datos de forma más eficaz ya que permite a los equipos controlar cómo y cuándo se procesan los datos, optimizando el uso de recursos y los costos, y garantizando que sigan siendo ágiles mientras se expanden las  fuentes de datos y bases de consumidores.  

2. Mayor propiedad de los datos: Tratar los datos como un producto y no como un subproducto o un activo secundario es revolucionario. Al hacerlo, Data Mesh promueve una cultura con un claro sentido de propiedad y responsabilidad. Los dominios o equipos que "poseen" tus datos son más proclives a garantizar su calidad, precisión y relevancia. Esto fomenta un entorno en el que los datos no sólo se acumulan, sino que se conservan, refinan y optimizan para el fin previsto. Con el tiempo, esto conduce a conjuntos de datos más valiosos que sirven realmente a las necesidades de la organización. 

3. Rapidez e innovación: La descentralización es sinónimo de autonomía. Cuando los equipos tienen las herramientas y el mandato para gestionar tus datos, no se ven atascados por depender de equipos o retrasos burocráticos. Pueden innovar, experimentar e iterar a un ritmo más rápido, lo que se traduce en una mayor recopilación de datos y grupos de datos más ricos. Esta agilidad acelera el desarrollo de productos de datos, lo que permite a las organizaciones adaptarse rápidamente a las necesidades cambiantes, aprovechar nuevas oportunidades y mantenerse a la vanguardia del mercado competitivo.  

4. Mejor alineación con arquitecturas modernas: La descentralización no es sólo una tendencia en la gestión de datos; es un cambio más amplio que se observa en las arquitecturas organizativas modernas, especialmente con el auge de los microservicios. Data Mesh se alinea de forma natural con estas estructuras contemporáneas, creando un entorno cohesivo en el que los datos y los servicios coexisten armoniosamente. Esta alineación reduce la fricción, simplifica las integraciones y garantiza que toda la maquinaria organizativa, los servicios y los datos funcionen de forma unificada y racionalizada. 

5. Mayor colaboración: A medida que los dominios se apropian de sus datos, existe una tendencia  a colaborar con otros dominios. Esta colaboración interfuncional fomenta el intercambio de conocimientos,  mejores prácticas y un enfoque unificado de los desafíos que plantean los datos, permitiendo una visión más holística.

Limitaciones y desafíos 

1. Cambio cultural: Es posible que los equipos no quieran ser dueños de sus propios datos o no tengan la experiencia necesaria para asumir la responsabilidad. Para subsanar estas carencias, pueden ser necesarias iniciativas de formación, workshops e incluso la contratación de expertos externos. 

2. Mayor complejidad: El desarrollo de un entorno compatible con una arquitectura Data Mesh no está exento de dificultades. A medida que se amplía el modelo de Data Mesh, la gestión del creciente número de recursos interconectados y la resolución de los problemas de integración para garantizar una comunicación fluida entre los distintos dominios puede suponer un obstáculo considerable. Planificar adecuadamente el apoyo a los equipos en materia de acceso, formación y gestión de Data Mesh es fundamental para su evolución y éxito. Esto incluye requisitos bien definidos para las API, el intercambio de datos y los protocolos de interfaz. 

3. Implicaciones económicas: La transición a Data Mesh podría implicar importantes costos iniciales, como la contratación de recursos adicionales, la formación del personal, la inversión en nuevas infraestructuras y, posiblemente, la revisión de los sistemas existentes. 

4. Gobernanza: La gobernanza de datos se ha convertido en un tema candente a medida que las arquitecturas de datos crecen y maduran. Garantizar una visión coherente de los datos en todos los dominios puede resultar complicado, especialmente cuando varios equipos actualizan o modifican tus conjuntos de datos de forma independiente. Las herramientas para gestionar la integridad, la seguridad y compliance son un requisito en la Arquitectura de data mesh. La necesidad de que los equipos tengan autonomía en un entorno descentralizado se equilibra con un modelo de gobernanza flexible pero controlado, base de la gobernanza federada. Esto puede ser un desafío cuando se diseña el modelo en función de los requisitos del equipo, pero es un paso importante que hay que dar lo antes posible cuando se construye una plataforma de datos.  

Conjunto de competencias: Evolucionar con el paradigma de Data Mesh

Con una mentalidad evolucionada, el paradigma de Data Mesh exige un conocimiento que tal vez no haya sido necesario en los equipos de datos tradicionales. Esta transición de lagos de datos centrales a productos de datos orientados a dominios presenta dificultades que requieren un profundo conocimiento de los datos y de los casos de uso específicos a los que sirven, tanto interna como externamente. Habilidades como la colaboración, la traducción de conocimientos específicos del dominio y la administración de datos se vuelven vitales. A medida que la responsabilidad de los datos se descentraliza, el papel de cada miembro del equipo se vuelve más crítico para garantizar la integridad, relevancia y seguridad de los datos. A medida que evolucionan las soluciones de datos, los equipos deben adoptar una mentalidad de aprendizaje perpetuo, manteniéndose al día de las últimas metodologías, herramientas y mejores prácticas relacionadas con la gestión eficaz de tus datos. 

Adoptar Data Mesh

En el ambiente siempre cambiantede la gestión de datos,  Data Mesh presenta una alternativa prometedora a las arquitecturas tradicionales. Es un camino de potenciación, eficiencia y descentralización. El creciente apoyo de la comunidad a Data Mesh, visible por el número cada vez mayor de estudios de casos, foros y herramientas desarrolladas, subraya su papel fundamental en el futuro de la gestión de datos. Sin embargo, el éxito depende de la disposición de la organización a aceptar los cambios culturales y operativos que exige. Como ocurre con todas las transformaciones importantes, actuar a tiempo, planear de manera precisa y la comprensión de los principios subyacentes son cruciales para una adopción exitosa. Adoptar Data Mesh es más que un cambio tecnológico: es una transformación de paradigma. Las organizaciones dispuestas a dar este salto no sólo seguirán el rápido ritmo de la evolución de datos, sino estarán a la vanguardia de las soluciones innovadoras basadas en datos.