Categories
54cuatro

DSaaS – la ciencia de datos como servicio

La transformación digital afecta a todas las áreas de negocio, incluida la innovación de productos, las operaciones, la estrategia de comercialización, el servicio al cliente, el #marketing y las #finanzas.  

Sin embargo, la digitalización no se trata solo de acelerar los procesos comerciales y aprovechar nuevas oportunidades. También se trata de la necesidad de superar la disrupción digital y solidificar la posición de uno en un entorno empresarial en rápida evolución.  

Para identificar qué áreas necesitan ser transformadas y cómo, para eliminar los posibles riesgos y evitar el drenaje innecesario de recursos, las organizaciones modernas adoptan el enfoque basado en datos para la transformación digital. Usan ciencia de datos, #bigdata, #machinelearning, #BI para recopilar, procesar y analizar sus datos comerciales, que luego pueden convertir en información procesable. 

Las últimas encuestas indican que la conectividad e integración de datos se consideran componentes críticos para la transformación digital en la mayoría de las empresas.  

En este caso, #DSaaS (la ciencia de datos como servicio) puede desempeñar un papel crucial para ayudar a transformar digitalmente su negocio y aumentar el #ROI

¿CÓMO FUNCIONA DSaaS? 

DSaaS es principalmente un modelo de servicio basado en la nube, donde se proporcionan diferentes herramientas para el análisis de datos y el usuario puede configurarlas para procesar y analizar enormes cantidades de datos heterogéneos de manera eficiente.  

Los clientes disponibilizarán los datos de la empresa en la plataforma DSaaS y obtendrán información analítica de valor. Estos conocimientos analíticos son producidos por aplicaciones, que armonizan los flujos de datos creados a partir de la utilización de servicios que generan los algoritmos. Una vez que los clientes cargan los datos en la plataforma, el DSaaS se puede incorporar con ingenieros de datos que trabajarán en los datos cargados.  

En su mayoría, existen modelos basados ​​en suscripción. También se puede generar una entrega meticulosa de modelos predictivos listos para producción y análisis de datos utilizando otras metodologías.  

HABILITACIÓN DE LA TOMA DE DECISIONES BASADAS EN DATOS 

Dado que la transformación digital es un proceso complejo, los datos sobre sus clientes y las operaciones comerciales pueden ayudarlo a tomar decisiones informadas y, al mismo tiempo, evitar riesgos innecesarios.  

Con las capacidades de ciencia de datos, puede identificar cómo transformar digitalmente su negocio y qué áreas comerciales requieren transformación. Al mismo tiempo, la ciencia de datos como servicio permite a las empresas contratar a un proveedor profesional que tiene los recursos necesarios y puede ayudarlo a implementar esta transformación más rápido, manteniéndolo por delante de la competencia. 

No es de extrañar por qué cada vez más organizaciones están adoptando la ciencia de datos como un servicio para acceder a un enorme grupo de expertos en datos para mejorar su toma de decisiones. En consecuencia, las empresas, pueden generar un impacto en su estrategia y operaciones digitales, ya sea en forma de aumento de ingresos, reducción de costos o eficiencias mejoradas.  

Con DSaaS, la inteligencia del cliente ahora está tan optimizada y accesible en todos los niveles de la organización como sea posible. Por lo tanto, incorporar e inculcar la ciencia de datos como un servicio en los procesos de toma de decisiones es esencial para obtener los resultados y beneficios deseados de las tecnologías digitales. 

IDENTIFICAR AMENAZAS Y OPORTUNIDADES 

El volumen de información disponible está creciendo rápidamente junto con las oportunidades que abre. La ciencia de datos como servicio permite a las organizaciones hacer frente a la escasez de científicos de datos y aprovechar la ciencia de datos para obtener una vista más panorámica y detallada de su entorno empresarial.  

La ciencia de datos está habilitando la próxima generación de soluciones que pueden predecir lo que sucederá y cómo evitarlo. Por ejemplo, imagine tener una aplicación CRM con la capacidad de pronosticar qué clientes tienen más probabilidades de realizar la próxima compra, qué productos serán parte de esa compra y qué clientes están en riesgo de desgaste. 

Las soluciones habilitadas por la ciencia de datos permiten a las empresas de diversas industrias tener visibilidad en tiempo real de sus clientes, lo que ayuda a los tomadores de decisiones a optimizar las operaciones internas para una mayor agilidad, mayor flexibilidad y menores costos.  

¿CÓMO MONETIZAR LOS DATOS?  

Las empresas a menudo se sienten confundidas y escépticas cuando llega el momento de monetizar sus datos. Casi todo el tiempo, no saben cómo hacerlo. 

Sin embargo, la ciencia de datos como servicio puede ayudar a una empresa a monetizar sus datos mediante un análisis profundo en una revisión de producto, quién lo compraría y por qué razones. Por eso se realizan encuestas para recolectar una muestra de datos, que es una herramienta para fabricar sus estrategias de marketing. Después de tales encuestas, las herramientas de análisis de datos ilimitadas disponibles para crear ideas útiles. 

Este proceso también ayuda a una empresa a comprender la necesidad de su producto y cuánto debe lanzarse al mercado en un momento dado (incluso antes de lanzar el producto). 

WRAP-UP  

DSaaS es una opción ideal para que las empresas administren sin un gran equipo de científicos y analistas de datos internos. Proporciona a las empresas acceso a recursos de análisis para demandas particulares de ciencia de datos sin mucho gasto en la creación de dichos equipos desde cero. 

Aprovechar todo el potencial de las tecnologías y los datos innovadores requiere desarrollar una estrategia eficaz de ciencia de datos. DSaaS presenta enormes oportunidades al permitir a las empresas aprovechar fácilmente los datos para tomar mejores decisiones, operar de manera más eficiente y rentable, ofrecer experiencias más personalizadas y mejorar la calidad general de los servicios.  

Por lo tanto, las empresas ya no tienen que depender de conjeturas, ya que la ciencia de datos puede ayudar a hacer predicciones más concretas cuando fallan tanto la intuición humana como la experiencia. La clave para aprovechar estas oportunidades radica en nuestra capacidad para introducir sin problemas la ciencia de datos en los procesos de transformación digital de su empresa. 

Categories
54cuatro

Conceptos básicos de la transformación digital basada en datos para las empresas

Los temas de las transformaciones varían desde la transformación de la gestión de ventas, de la planificación estratégica hasta la revisión de precios y modelos de negocio.  

Sin embargo, una denominación común que se vuelve cada vez más clara entre todos esos esfuerzos es utilizar mejor los datos y la tecnología en su práctica comercial, para impulsar una mayor competitividad y alcanzar metas significativamente más ambiciosas.  

Con las palabras de moda sobre #Analytics (análisis), Machine Learning (#ML), Inteligencia Artificial (#AI) y sus interacciones con las empresas hoy en día, los conceptos básicos de una transformación impulsada por datos (Data-Driven model) pueden no estar siempre claros.  

Este artículo tiene como objetivo proporcionar algunos conocimientos fundamentales sobre el tema. 

¿Qué significa Data-Driven Model o “transformación basada en datos”? 

Cuando decimos “transformación impulsada por datos”, se refiere a cualquier iniciativa en una organización que implique un mayor o mejor uso de los datos, y la analítica a menudo aprovecha la nueva tecnología introducida.  

Los datos son la fuente de análisis y modelado que, a su vez, respaldará la extracción de información empresarial posterior o la automatización de operaciones. Dependiendo del caso de uso específico para la transformación, los requisitos de datos en términos de variedad de datos, volumen, granularidad y actualidad, etc. serán diferentes.  

Dada la entrada de datos proporcionada, se pueden aplicar análisis tradicionales (como análisis estadístico descriptivo) o algoritmos avanzados como AI / ML para ayudar a cumplir con el objetivo de los casos de uso, ya sea predicción de adquisición de clientes, pronóstico de ingresos, predicción de rotación de empleados u operaciones, casos de uso orientados como la utilización de #RPA (Robotic Process Automation) para la automatización del proceso de reclamaciones de seguros, etc.  

En una transformación, las tecnologías digitales deben participar para almacenar, transformar datos y realizar modelos predictivos, generar conocimientos o realizar automatización operativa; estos son ejemplos de las tareas más básicas y comunes para las que se puede utilizar la tecnología digital.  

Lo que implica una transformación puede variar mucho de un escenario a otro, según el objetivo de la transformación, el alcance del cambio, las tecnologías y los socios comerciales involucrados. Para una transformación exitosa, a menudo se requieren cambios en otras áreas, como la estructura organizativa, la cultura, las habilidades y capacidades de los trabajadores, además de los aspectos técnicos. 

¿Por que se persigue ampliamente? 

Los beneficios de la toma de decisiones y la transformación basadas en datos se han visto y probado ampliamente en todos los dominios e industrias.  Éstos pueden ser tanto a corto como a largo plazo, y se manifiestan de diferentes formas:  

  • Apoyar una mejor toma de decisiones que puede conducir a un rendimiento comercial directo, por ejemplo, utilizando la segmentación de clientes predictiva basada en datos y el marketing dirigido para aumentar la adquisición de clientes, el crecimiento de la demanda u otros KPI de rendimiento comercial (indicador clave de rendimiento) 
  • Impulse una mayor productividad y eficiencia operativa como, por ejemplo, utilizando RPA para automatizar el proceso de reclamos de seguros o la gestión del inventario del almacén.  
  • También otros beneficios comerciales como ser la satisfacción del cliente, la retención de empleados, y muchos más.  

ERRORES COMUNES 

Aunque los detalles de la transformación pueden variar mucho de un entorno a otro, existen algunos desafíos y trampas que se ven comúnmente: 

  • Calidad y compatibilidad de datos  

Este es el desafío más común al realizar una transformación basada en datos y, sin embargo, se descuida fácilmente. Con la naturaleza básica de las tareas relacionadas con el almacenamiento y la gestión de datos, a menudo realizadas por el personal de nivel junior en el departamento de TI, este aspecto a menudo se invierte poco entre todos los proyectos “grandes” o “brillantes” de una organización.  

Dicho esto, los datos son la entrada y el “combustible” para iniciar cualquier transformación impulsada por los datos. “Cada cosa en su lugar”, como decimos, no se puede realizar ningún análisis de calidad o trabajo de modelado de AI / ML si la calidad de los datos no está ahí.  

Al diseñar la transformación y estimar el resultado, una auditoría completa y detallada del estado de los datos debe ser un elemento imprescindible, que se puede realizar desde la fase de preparación de una transformación.  

A lo largo del viaje de la transformación, tener una hoja de ruta para mejorar la calidad de los datos a menudo también es un paso necesario.  

  • Sistemas de datos y TI dispares + áreas organizativas en silos.  

Una transformación impulsada por datos a menudo puede abarcar múltiples funciones comerciales de la organización. Tomando como ejemplo la transformación de la digitalización de la planificación de la demanda (esta es una operación comercial clave en cualquier empresa de productos), para esta transformación, los datos requeridos tendrán origen de bastantes funciones: historial de demanda del cliente de la cadena de suministro, datos de planificación de ventas, nuevo producto ofreciendo datos de I + D, por nombrar sólo algunos. Estos conjuntos de datos normalmente residen en diferentes partes de la organización en diferentes sistemas de TI, no necesariamente conectados y sincronizados entre sí. 

Comprender los matices de diferentes conjuntos de datos de diferentes unidades de negocio, recopilar y armonizar múltiples fuentes de datos para configurarlas para que sean compatibles y estén conectadas entre sí, es el desafío principal de toda empresa. Sin embargo, este aspecto es una condición suficiente para iniciar una transformación multifuncional. 

  • Adopción e integración de nuevas tecnologías  

La introducción de nueva tecnología es ciertamente inevitable en una transformación impulsada por datos. Con multitud de factores de barrera, desde aspectos tecnológicos hasta aspectos organizativos y psicológicos humanos, la adopción de una nueva tecnología en el flujo de trabajo empresarial existente nunca es fácil en ninguna organización. La nueva plataforma o herramienta de datos debe integrarse con el entorno de TI existente; Además de eso, se necesita la adopción de la herramienta con un uso eficaz y eficiente de la nueva tecnología, pero a menudo es difícil de lograr.  

  • Centrarse en la tecnología sin crear un caso de uso empresarial general 

La tecnología puede crear cambios revolucionarios en las operaciones comerciales, pero por sí sola no genera valor. La entrega general de un resultado de transformación se comprenderá si faltan cambios suficientes en la infraestructura comercial de soporte; pueden ser procesos comerciales obsoletos o capacidades de los trabajadores u operaciones comerciales ascendentes, etc.  

Utilizando la transformación de la digitalización de la planificación empresarial para una instancia nuevamente, la planificación exitosa de un extremo a otro requiere no sólo la entrada de pronóstico de demanda que se realizará con la tecnología AI / ML, sino también un proceso de negocios de planificación renovado para adaptarse al rol de los planificadores con una nueva herramienta de planificación. 

Además, también se requieren nuevas habilidades del planificador, como evaluar AI / ML y construir un consenso humano entre las funciones, etc., para completar toda la transformación de la planificación.  

La sobre indexación del valor de la nueva tecnología mientras se descuida la intervención humana, la gobernanza y la conducta empresarial en general puede comprometer fácilmente el valor potencial para entregar o incluso dañar el negocio. 

  • Se necesitan nuevos roles, capacidades, cultura organizacional y cambio de mentalidad. 

Incluso cuando se han atendido todos los aspectos técnicos de una transformación, para que genere un beneficio sostenido a lo largo del tiempo, la mayoría de las veces es necesario establecer nuevos roles, capacidades, cultura y mentalidad de la organización.  

Cambiar la cultura organizacional, por ejemplo, cultivar una práctica más impulsada por los datos (versus la experiencia y el instinto), y una mentalidad para usar la tecnología para mejorar la eficacia operativa e innovar, etc.  

Categories
54cuatro

El metaverso y la industria 4.0

En la actualidad se habla mucho de #Metaverse, junto con #DeFi (finanzas descentralizadas) y #NFT (tokens no fungibles), podemos decir que son las tendencias actuales, que tienen un caso de uso del mundo real mientras se encuentran en el mundo virtual.

Centrémonos en el #metaverso.

Hace unos atrás trabajaba en una empresa de servicios que le gustaba mucho meter verso, pero no es el caso de esta nota.

El metaverso al que nos vamos a referir, se trata de un mundo virtual, que tiene sus orígenes en la #web3. Recordemos que la web3, es justamente la evolución de internet. En la versión 1 pudimos acceder a los sitios web estáticos. En la versión 2 comenzó el uso de servicios de valor como YouTube, Google Maps, Twitter, etc. En esta tercera versión, dentro de la era de la Inteligencia Artificial, las monedas criptográficas, la realidad aumentada, la web3 tiene un comodín: descentralización.

La red de la Web3 es descentralizada, lo que significa que no será controlada por una única organización y las apps descentralizadas estarán creadas de forma abierta (dapps).

Pero volvamos al metaverso.

¿Que es el metaverso?

El término surge en 1992, en la novela de Neal Stephenson, “Snow Crash”.

#Microsoft, #Facebook, #Sony, son sólo algunas de las empresas inmersas en este nuevo mundo. El gran encanto de este nuevo mundo es la unión del cibermundo con el mundo físico (o el mundo real).

Existe una creencia de que se trata de un mundo de realidad virtual, donde vamos a vivir “cibervidas”. Pero para no confundir, es válido aclarar que este cibermundo nos va a permitir seguir manteniendo nuestra vida en el mundo real, pero enriquecida con componentes futuristas.

Vamos a listar algunos ejemplos:

  • En el tiempo de pandemia aprendimos a trabajar 100% de forma remota. Dentro del metaverso las reuniones podrían tener experiencias más inmersivas, pudiendo simular que escribimos en una pizarra.
  • Ir de compras por internet suele una experiencia compleja cuando se trata de ciertas cuestiones como las tallas de la ropa. Por medio del metaverso se podría conseguir “probarse” la ropa previo a comprarlo.
  • Quizás algo que ya existe, pero con mayores detalles: Visitar una propiedad por medio de realidad aumentada y conocerla a detalle antes de decidir la compra.

El metaverso tomó gran relevancia por los anuncios de Facebook (ahora Meta). También levantó polémica que existan marcas como Zara que hayan lanzado modelos de ropa para vestir a los avatares virtuales (y que los costos sean similares a la ropa real).

Pero controversias al margen, hay que destacar que no hay un único metaverso donde todo es un avatar, sino que van a existir muchos metaversos. De hecho actualmente Facebook tiene uno, Microsoft otro, y hasta marcas como Zara tienen uno.

La unión con el concepto de Industria 4.0

Los cambios que trae la industria 4.0

En este mundo de múltiples Metaversos, #Nvidia, tiene su #Omniverse en colaboración con #BMW. Este mundo virtual, busca la optimización industrial basada justamente en la simulación industrial por computadora, uno de los pilares de la #industria4.0.

Recordemos: La simulación es de utilidad cuando necesitamos planificar sistemas de producción altamente complejos, cuando necesitamos dimensionar riesgos, o incluso cuando necesitamos capacitar equipos de trabajo.

Volviendo al metaverso. En el caso del gaming o experiencias digitales, la tendencia será la de juegos con cascos inmersivos. Pero para el mundo real, el metaverso permitirán lograr un enfoque innovador y mucho más performante en las cadenas productivas, logísticas, etc.

Por tanto, no solo las criptomonedas son fundamentales. Big Data, Machine Learning, IoT, serán un requerimiento imprescindible para este nuevo mundo.

La industria del marketing, el retail y la logística también serán grandes beneficiados.

Las tiendas buscan continuamente lograr una experiencia única tanto para sus usuarios digitales como para los usuarios físicos, motivo por el cual llevan adelante experiencias de ‘omnicanalidad’. A esto se le sumará el concepto de #phygital.

Phygital será la unión entre el e-commerce y las tiendas físicas, sacando lo mejor de cada uno de estos ambientes, y aprovechando las ventajas de ambos entornos para construir un marco integrador que las fusione. 

En este caso, las soluciones como los totems/kiosks inteligentes, soluciones RFID y realidad aumentada seguirán ganando terreno.

DeFi (finanzas decentralizadas)

Este tema da para un post aparte, pero para una rápida introducción a #DeFi, destaquemos que los componentes (Metaverse, NFT y DeFi) operan sobre cadena de bloques. Para usar las monedas o fichas de Metaverso, primero tendrá que comprarlas desde el mundo real. Puede hacerlo pasando por un bucle de monedas fiduciarias e intermediarios bancarios. Pero eso arruinará todo el sentido de un mecanismo de comercio descentralizado. Ahí es cuando entran en juego las finanzas descentralizadas o DeFi. A través de las redes DeFi, puede comprar o vender fácilmente sus tokens Metaverse mediante contratos inteligentes, transacciones P2P y más.

Esto añadirá un condimento extra a las transacciones, y será otro canal de ventas para las empresas, motivo por el cual muchas empresas como la ya mencionada Zara comenzaron rápidamente a incursionar en el metaverso.

Predicciones fallidas

Muy rápidamente el metaverso tiene detractores y por sobre todo predicciones sobre su fracaso, sobre su control de la humanidad, etc.

Repasemos rápidamente:

  • En 1878 William Preece, jefe de ingenieros del servicio postal de la Gran Bretaña, anunciaba lo innecesaria que resultaba en un país con tan buen servicio de mensajería la llegada del teléfono.
  • En 1946, Darryl F. Zanuck, presidente de la 20th Century Fox anunciaba que la llegada de la tv duraría unos pocos meses ya que la gente se cansaría de mirar la misma caja todas las noches.
  • Más acá en el tiempo, se predijo la caída de internet, la destrucción de la industria musical, y hasta incluso hubo predicciones fallidas por expertos de la informática.

Para nosotros el metaverso llegó para quedarse.

54cuatro en el metaverso


[popup_anything id=”2076″]

Categories
54cuatro

AIoT: Inteligencia Artificial de las Cosas

De IoT a AIoT: IoT inteligente con tecnología de AI

Aunque algunos sistemas de #IoT están diseñados para un control de eventos simple donde una señal de sensor desencadena una reacción correspondiente, como encender / apagar la luz en función de los cambios de iluminación ambiental, muchos eventos son mucho más complejos y requieren aplicaciones para interpretar el evento utilizando técnicas analíticas en orden para iniciar las acciones adecuadas.

Para que esto funcione, entra en juego una nueva estructura de IoT conocida como Inteligencia Artificial de las Cosas (#AIoT). Aplica inteligencia al perímetro y brinda a los dispositivos la capacidad de comprender los datos, observar el entorno que los rodea y decidir qué hacer mejor; todo se puede hacer con una mínima intervención humana.

Además, en aplicaciones como el funcionamiento autónomo de una máquina, la seguridad y la supervisión del proceso de fabricación, los dispositivos locales deben actuar instantáneamente en respuesta a eventos de tiempo crítico. Con el poder de la #AI, los dispositivos AIoT no sólo son mensajeros que envían información a un tablero o centro de control, sino que han convertido la capacidad de realizar diversos análisis autónomos y actuar de forma independiente.

Beneficios de AIoT para empresas

Al capturar datos en tiempo real y analizarlos, las empresas están aprovechando AIoT para crear valor real:

•Verdadera automatización de tareas manuales, con el sistema capaz de tomar decisiones autónomas, aumentando la productividad y la eficiencia.

•Optimización de procesos hasta el punto de reducción de costos transaccionales marginales.

•Ciclo de vida más rápido de conversión de datos en valor comercial tangible.

•Implementación y crecimiento más fácil de las operaciones comerciales con conocimientos específicos y decisiones más rápidas.

•Mejor gestión de clientes y comunicación con bots avanzados y reconocimiento de voz.

•Constante experimentación e iteraciones de productos y servicios.

•Mejora del Time to Market de actualizaciones de productos o nuevos lanzamientos.

Beneficios de AIoT para clientes

Una consecuencia natural de un negocio que funciona bien es que los beneficios finalmente se transmiten a los clientes:

•Con información más profunda y análisis de datos, los clientes reciben una experiencia de producto mucho mejor.

•Al tener en cuenta los patrones de comportamiento y las preferencias personales, la personalización se convierte en clave.

•Mejor rendimiento general del producto y acceso más rápido a mejores versiones.

•Capacidades de aprendizaje predictivo que entrenan algoritmos para tareas operativas redundantes del usuario final.

El camino para seguir

AI e IoT están resolviendo juntos un problema que ha existido desde el inicio de este último: la gestión de datos en tiempo real, recibidos de numerosos dispositivos conectados a la vez. Esto está haciendo posible una generación completamente nueva de dispositivos IoT.

Desde 54CUATRO colaboramos con las organizaciones a descubrir cómo mejorar las capacidades de su empresa para preparar sus dispositivos IoT para el futuro.

[popup_anything id=”2076″]

Categories
54cuatro

¿Cuantos tipos de Testing de Software existe? (parte 2)

Ya revisamos algunas pruebas en la Parte 1 de la entrada.

Continuando con pruebas existentes en el ambiente del Test de Software vamos a seguir con la lista:

Prueba de regresión

El último test mencionado en la entrada anterior hacía referencia a las pruebas de humo. Cuando se configuran pruebas dentro de Pipelines CI/CD, dijimos que ejecutarán pruebas de humo en casi todas las confirmaciones, y como complemento de esas configuraciones, es necesario agregar #pruebas de regresión que pueden ejecutarse a intervalos establecidos o en funciones grandes para garantizar una integración continua sin problemas; esto dado que este tipo de #testing esta orientado a verificar si alguna característica previamente funcional ha cambiado o se ha roto repentinamente.

Pruebas de Carga/Performance

En este caso lo que se busca probar es el rendimiento de un nuevo desarrollo ante una determinada cantidad de carga/tráfico/sesiones; y cual es su respuesta ante la variabilidad de estas condiciones.

Durante esta etapa, es de mucha utilidad probar determinadas situaciones de incremento de tráfico controlado para conocer los límites que la plataforma puede soportar, como también simular el incremento repentino para entender como respondería por ejemplo ante un estampido de conexiones provocadas por DDOS.

Pruebas de Seguridad

Durante estas pruebas, se llevan a cargo ejecuciones controladas donde se busca vulnerar el sistema. Este tipo de test, también llamado Penetration Test, busca controlar los niveles de solidez en materia de seguridad y protección de la información.

Este tipo de pruebas, también es alterada debido a la adopción de #DevSecOps, donde se busca que el aseguramiento de lo que se va desarrollando se haga desde etapas tempranas del desarrollo, controlando librerías, frameworks, llamadas, y todo tipo de cuestiones a medida que se va creando una aplicación, para evitar hacer los controles todos juntos al final; esto da como resultado un software de código mas limpio, con mejores tiempos de entrega y con mayor seguridad.

Testing free icon

Ingeniería del Caos

Estas pruebas, fueron desarrolladas por el equipo ingeniería de Netflix; y consiste en la prueba sobre todo el sistema para entender como se comporta ante fallos inesperados que son generados de forma random para provocar situaciones de desastres.

Esta disciplina nos permite conocer el comportamiento de la aplicación ante ataques, fallas, errores humanos, outages de los datacenters, etc. Cada prueba busca entender como afecta a la aplicación productiva y crear una acción correctiva de manera de ir creando un sistema resiliente capaz de soportar situaciones imprevistas.

La herramienta principalmente conocida para estas pruebas es Chaos Monkey.

Conclusión

Repasamos algunos de los conceptos mas estándares del ciclo de pruebas de software. En la actualidad, se busca incorporar el #testing dentro del esquema #DevOps, como mencionamos en alguna nota posterior, ya existe el término de TestOps y es cada día de mayor importancia el enfoque de agilidad llevado a las pruebas.

Categories
54cuatro

La liquidez de los datos como activo estratégico

Cuando administra sus datos como un activo, evalúa el valor que tiene para su negocio, establece metas para utilizarlos, hace planes de inversión y mide el #ROI de sus proyectos. En otras palabras, administra sus datos como lo haría con activos tangibles como productos, equipos o bienes raíces.

Para monetizar los datos, las empresas primero deben crear activos de datos estratégicos, es decir, transformarlos para que puedan tener “liquidez” (reutilización y recombinación) y permitir la creación de nuevo valor.

Preparación de activos de datos estratégicos para su reutilización y recombinación

La liquidez de los datos es algo constante, no una condición binaria, por lo que un activo de datos en particular puede ser más o menos líquido que otro. Los datos de muchas empresas tienen baja liquidez (ej: pueden estar atrapados en procesos comerciales burocráticos, bloqueados en herramientas poco flexibles, etc.) o pueden ser inaccesibles simplemente porque están incompletos, son inexactos o están mal clasificados o definidos.

Es fundamental reconocer que los datos no tienen que tratarse como activos tradicionales de una empresa. Los elementos físicos (edificio, oficina, mobiliario, etc.), la tierra e incluso el efectivo se van a deteriorar o agotar con el tiempo. En cambio, los datos son diferentes y se pueden reutilizar y recombinar libremente sin degradación.

Los activos de datos nacen para ser líquidos, pero si bien los datos son reutilizables y pueden recombinarse de forma inherente, la organización debe activar deliberadamente estas características. Y un buen lugar para comenzar es con los activos de datos estratégicos que tienen potencial para la creación y apropiación de valor en el futuro.

Estos activos estratégicos tienen innumerables usos posibles en toda la empresa; algunos se conocen y otros surgirán con el tiempo. Los activos de datos estratégicos generalmente incluyen datos de clientes, datos de comportamiento de canales digitales, datos de productos y otros datos que informan el desempeño comercial y las necesidades del cliente y son relevantes para las áreas de toda la empresa.

El propósito de los activos de datos estratégicos

Pasar del simple uso de datos a la creación de activos de datos estratégicos líquidos, las empresas deben descontextualizar los datos con un propósito designado y preparar cada activo para que sea preciso, completo, actual, estandarizado y comprensible en toda la organización.

Este proceso puede suponer la implementación de procesos como la gestión de datos maestros, la gestión de metadatos, la integración de datos, la gestión de la calidad de los datos, entre otros. También las capacidades de monetización de datos como, por ejemplo, la ciencia de datos, la comprensión del cliente, análisis de comportamiento y las capacidades de uso de datos, pueden impulsar un aumento en la liquidez.

A medida que más activos de datos estratégicos de una empresa se vuelven más líquidos, los datos están cada vez más disponibles para su conversión en valor, lo que acelera la monetización de datos de la empresa.

Por lo tanto, las estrategias de monetización deben abarcar todos los elementos de la gestión del dato, incluida la gestión de datos maestros (administración, seguridad, validación, etc.), la #gobernanza de #datos (gestión de procesos comerciales, cumplimiento normativo, gestión de riesgos, políticas, procedimientos, etc.) y calidad de los datos (arquitectura, integración, pruebas, etc.).

Cabe recordar que los datos nunca se agotan, nunca se desgastan y además se pueden usar en forma ilimitada. Grandes ventajas al momento de reutilizar y recombinar datos para generar valor.

Categories
54cuatro

¿Cuantos tipos de Testing de Software existe? (parte 1)

El testing del software es una práctica habitual y que es llevada día a día por miles de testers y especialistas de QA. Pero en la actualidad, el despliegue de pipelines #DevOps obligan a integrar el #testing como parte de los pipelines CI/CD.

Developer free icon

Por eso, hacemos esta entrada para adentrarnos en temas de pruebas de #software.

Esta es una lista de los tipos de pruebas existentes:

Prueba Unitaria

La prueba unitaria nos facilita el test de una parte de código que está realizando alguna acción determinada. Durante la prueba unitaria solamente probamos esa porción de código. Por ejemplo, si estamos haciendo una llamada a una base de datos, posiblemente aun no tengamos la base disponible y emulemos la prueba para saber si el código funciona.

Para esta prueba existen herramientas para los lenguajes mas habituales. En pruebas Java tiene JUnit , Python tiene PyUnit o PyTest , JavaScript tiene Mocha entre otros, .NET tiene xUnit, etc.

Prueba de Integración

En este caso, la prueba de integración nos permite hacer el test sobre varios componentes juntos. Siguiendo con el ejemplo de la prueba unitaria, en este caso, la diferencia sería que la llamada a la base la probaríamos haciendo la llamada realmente a la base destino.

El propósito de este test es justamente probar la interacción entre los diferentes componentes de la app, las relaciones y comunicaciones de los mismos.

Pruebas E2E (Extremo a Extremo)

En este caso las pruebas de Extremo a Extremo, hacen referencia a la ejecución de test sobre toda la aplicación. Seria el broche final de las Pruebas Unitarias y las Pruebas de Integración. En el test E2E, se ejecuta desde principio a fin toda la aplicación y muchas veces es el mismo usuario solicitante el que se encarga de ejecutar este tipo de prueba. Aplicaciones como Cucumber o Postman suelen ser herramientas amigables para la ejecución de estas pruebas.

Las 3 pruebas mencionadas hasta aquí suelen ser probadas en un ambiente aislado, con la función específica de conocer el comportamiento de las nuevas piezas de software.

Prueba de aceptación

En este caso, la prueba de aceptación nos lleva a un bloque de pruebas orientado a recibir la aceptación formal de un Cliente o Usuario, confirmando que los requerimientos solicitados fueron cumplidos tal como fueron pedidos.

Debido a la adopción de metodologías ágiles y de testing como TDD, las pruebas de aceptación suelen ser mas cortas que antaño, ya que el usuario suele estar involucrado durante las fases de desarrollo y el testing se va ejecutando como parte del proceso desarrollo (al igual que las pruebas de seguridad y de performance)

Pruebas de Humo (Smoke Testing)

Este tipo de pruebas, tiene vital importancia durante la configuración de los pipelines CI/CD, ya que las pruebas de humo permiten saber si la compilación del software implementado es estable, a partir de la ejecución de un conjunto mínimo de pruebas al azar que se corren en cada compilación para probar las funcionalidades del software.

Este tipo de testing suele llamarse Test de Confianza y como se mencionó anteriormente, agregar este nuevo bloque de pruebas en el pipeline proporcionará una validación de que la aplicación pasó todos los casos de prueba. 

En otra entrada vamos a continuar con testing focalizados a la Performance y la Seguridad.

Categories
54cuatro

Herramientas para modelar Arquitecturas Empresariales

Quienes trabajamos como #EnterpriseArchitect sabemos de la necesidad de documentar lo que vamos creando. Necesitamos herramientas UML para poder bajar a detalle y crear un esquema visual de lo que luego se convertirá en un producto.

¿Qué es #UML?

Esquema de UML

UML es una técnica para la especificación sistemas en todas sus fases, un lenguaje para hacer modelos y es independiente de los métodos de análisis y diseño.

Nació en 1994 cubriendo los aspectos principales de todos los métodos de diseño antecesores y, precisamente, los padres de UML son Grady Booch, autor del método Booch; James Rumbaugh, autor del método OMT e Ivar Jacobson, autor de los métodos OOSE y Objectory.

¿Cuales son las herramientas de UML?

Existen algunas herramientas tradicionalmente usadas para este tipo de trabajos. Tradicionalmente el #Visio de #Microsoft es de las más referenciadas.

En la actualidad existen muchas nuevas herramientas, algunas web, algunas open source, que permiten realizar el modelo de Arquitecturas Aplicativas o de IT en general.

El gran auge de la #nube, creó un sinfín de nuevas herramientas de modelado, algunas específicas para cada nube, como el caso de Cloud Craft que permite crear modelos basados en tecnología #AWS, y que además permite conectarse a la calculadora de #Amazon para realizar el presupuesto de lo que está definiendo.

Visual cloud designer
Captura de Cloud Craft

Sin dudas es una herramienta súper potente. Siguiendo dentro de la misma familia, existen algunas como Cloud Skew o Hava que nos permiten realizar el diseño no solo para AWS sino también para #Azure o #GCP.

Modelando en la web

No podemos dejar pasar por alto herramientas de mucha utilidad como LucidChart o Draw.io (ahora renombrada como Diagrams.net), que no solo son de utilidad para Arquitectos, sino para generar todo tipo de gráficos anidados con cierta lógica como Flujos de Procesos u Organigramas, como para mencionar algunos ejemplos.

Nuestra preferida: Archimate

Nuestra preferida es sin dudas #Archimate. Es quizás la herramienta hecha por y para Arquitectos Empresariales o Enterprise Architects, bajo el estándar abierto propuesto por Open Group.

Archi
Captura de Archimate

Archimate es una herramienta #OpenSource, que puede ser usada en #Windows, #Linux y #Mac, y que puede ser descargada desde la web archimatetool.com. Permite a los usuarios de esta tool, crear modelos basados en frameworks de arquitectura como #TOGAF. Dentro de una misma aplicación se pueden crear flujos de negocios, modelos de planificación de tipo Mind Mapping, modelos de interrelación aplicativa, y hasta planificaciones basadas en #Agile.

Sin dudas es la elegida por nuestro equipo, y la que recomendamos para llevar a cabo las tareas de planificación inherentes a un arquitecto.

¿Y tu equipo, qué herramienta utiliza?


[popup_anything id=”2076″]