4.2 DataOps
‘’DataOps is a collaborative data management practice focused on improving the communication, integration and automation of data flows between data managers and consumers across an organization. The goal of DataOps is to create predictable delivery and change management of data, data models and related artifacts. DataOps uses technology to automate data delivery with the appropriate levels of security, quality and metadata to improve the use and value of data in a dynamic environment’’3.
DataOPs combina la metodologia ágil con el enfoque DevOps para ofrecer y una alternativa eficaz para maximizar la productividad el flujo de trabajo de la analítica de datos en organizaciones de cualquier orden de magnitud.
DataOPs se refiere a prácticas que aportan velocidad y agilidad alos flujos de trabajos con datos, desde la recolección hasta la entrega - end-to-end -Algunas veces se conoce como ``DevOps para datos’’4.
DataOps no es: un producto; un solo evento o paso; un equipo o persona específica. Como regla general, la metodología o las prácticas de DataOps que se implemente debe considerar la interacción entre estos aspectos: (a) Personas y Procesos, y (b) Tecnología. En el core de DataOps está la arquitectura de datos de la organización.
Con DataOps se consigue:
- Robustez y fiabilidad. Las aplicaciones se escalan fácilmente. Se optimiza el rendimiento de las aplicaciones ya que se implementan en la misma infraestructura de los datos.
- Flexibilidad. Administre, ejecute e implemente eficientemente las aplicaciones de datos. La monitorización continua facilita la administración de las aplicaciones.
- Facilidad para integrar. Las aplicaciones se integran rápidamente mediante servicios web. La confiabilidad en las aplicaciones aumenta cuando se ejecutan bajo demanda o en horarios programados.