WHITE PAPER Más rápido, más poderoso y más fuerte

WHITE P APER
Más rápido, más poderoso y más fuerte: la disruptiva del
cómputo en memoria y qué significa S AP HANA para su
empresa
Global Headquarters: 5 Speen Street Framingham, MA 01701 USA
P.508.872.8200
F.508.935.4015
www.idc.com
Patrocinado por: SAP AG
Dan Vesset
Carl W. Olofson
Henry D. Morris
Brian McDonough
Noviembre de 2011
INTRODUCCIÓN
“Citius, Altius, Fortius” (más rápido, más poderoso, más fuerte) ha sido el lema de los
Juegos Olímpicos modernos desde sus inicios en 1896. Barón Pierre de Coubertin,
fundador de los Juegos Olímpicos modernos, afirmaba que “los atletas necesitan
libertad”. Es por eso que pusimos ese lema…. Un lema para que la gente se atreva a
intentar batir récords.” De este lema podemos aprender varias lecciones, las cuales
se pueden aplicar a todos los ámbitos del esfuerzo humano.
En la actualidad la economía global, el éxito con alto desempeño se define cada vez
con más frecuencia por esa “libertad” para innovar, para brindar a los clientes
mejores productos y servicios (más poderosos) y para tener la capacidad de actuar
más rápido y con mayor conocimiento en plazos aún más cortos, frente a la
incertidumbre de un sistema económico en rápida evolución. En el presente, la
convergencia de dispositivos inteligentes, redes sociales, redes de banda ancha
generalizadas y aplicaciones analíticas desemboca en un nuevo sistema económico
que está redefiniendo las relaciones entre productores, distribuidores y
consumidores.
En la empresa, un cambio cada vez más veloz significa que los gerentes no pueden
basarse únicamente en su experiencia o intuición para tomar decisiones. Los plazos
más cortos para tomar decisiones requieren una respuesta rápida y a conciencia,
basada en eventos internos y externos.
Este nuevo entorno nos está haciendo pasar de la economía de la información a la
“economía inteligente”. Lo que varía en la economía inteligente es la magnitud y el
tiempo. La “magnitud” se refiere a la cantidad de datos y al tipo de fuentes de datos
que surgen de una amplia red de personas y dispositivos. El “tiempo” se refiere a la
necesidad de analizar los datos y actuar en tiempo real. Llevar a cabo la economía
inteligente con éxito, con componentes como redes inteligentes, comercio minorista
inteligente, cadenas de suministros inteligentes, gestión financiera inteligente e
incluso defensa y cumplimiento legal inteligentes, dependerá de muchos factores
contractuales, sociales, de estandarización y tecnológicos, tales como la capacidad
de capturar, gestionar y analizar grandes cantidades de datos creados en el seno de
interacciones y procesos.
Necesitamos acceso a la información pero además, la capacidad de analizarla y
actuar en consecuencia, todo en tiempo real, para crear una ventaja competitiva en
las transacciones comerciales, permitir la gestión sustentable de las comunidades y
promover una distribución apropiada de los servicios sociales, de salud y educativos.
La creciente red de entidades y las relaciones entre ellas dentro de la economía
inteligente van a desafiar a muchos de los sistemas existentes a que optimicen
procesos que den soporte a un conjunto integrado de procesos de toma de
decisiones estratégicas, operativas y tácticas. Como resultado, está surgiendo un
nuevo conjunto de tecnologías para enfrentar los desafíos de la toma de decisión
empresarial, de las aplicaciones analíticas y de la optimización de procesos. Estas
tecnologías, basadas en procesamiento “en memoria” (o In-Memory), están creando
“libertad” para que las organizaciones de los distintos sectores compitan al nivel
máximo de su desempeño.
Los proveedores y los usuarios de tecnología ya han comenzado a migrar hacia una
tecnología en Memoria para capitalizar mejor las oportunidades que presenta la
economía inteligente. Las plataformas tecnológicas en Memoria y las aplicaciones
específicas integradas en esa plataforma han comenzado a cambiar de manera
considerable el panorama de la computación, y creemos que seguirán haciéndolo en
el futuro previsible.
Durante varios meses de 2011, IDC realizó una investigación para identificar las
oportunidades y desafíos en la adopción de una nueva tecnología que modifica la
manera en que se implementan y se utilizan las soluciones de negocios tradicionales.
En este documento se presentan los resultados de esa investigación.
METODOLOGÍA
El objetivo de la investigación presentada en este documento es descubrir cómo se
puede mejorar la analítica, los almacenes de datos y las aplicaciones de negocio por
medio de la tecnología en Memoria.
Para empezar, IDC dirigió cuatro grupos de enfoque en los Estados Unidos y
Alemania que reunieron información tanto de gerentes de TI como de gerentes y
ejecutivos de unidades de negocios en grandes empresas públicas y privadas de
diversos sectores, para medir su nivel de interés y la percepción del concepto de
tecnología en Memoria aplicada a los procesos analíticos y operativos en curso.
Los descubrimientos realizados en el grupo de enfoque, junto con la experiencia de
los analistas, se utilizaron para elaborar una encuesta basada en Web que se tradujo
a cuatro idiomas y arrojó como resultado un extenso conjunto de datos producidos
por 1,002 encuestados en todo el mundo. El 70% de los encuestados eran ejecutivos
y gerentes de unidades de negocios interesados en cuestiones relevantes para la
analítica, la innovación de procesos y la gestión. El otro 30% eran gerentes de TI,
directores y ejecutivos a cargo (o con conocimientos) de la gestión de procesos de
negocios, análisis de negocios, arquitectura de sistemas o desarrollo de aplicaciones.
La encuesta se completó en agosto de 2011.
2
#230964
©2011 IDC
Análisis de la información y mejores
prácticas: Comparación entre los líderes del
sector
El acceso a información, análisis y retos de la administración económica pueden
superar a las organizaciones que no están preparadas para los cambios que están
surgiendo. IDC define a estas empresas como “las que andan a tientas”, en
comparación con “las que buscan hechos”. Como se describe en el estudio de IDC
titulado Analytical Orientation and Competitiveness: The Difference Between Fact
Finders and Fumblers (IDC #223408, mayo de 2010), "las que buscan hechos" son
empresas que tienen los más altos niveles de las siguientes características:
 Uso de aplicaciones analíticas, que se define como el grado en que los
empleados del nivel de gestión de la empresa utilizan aplicaciones analíticas (en
contraste a la experiencia o intuición) para la toma de decisiones.
 Influencia sobre las acciones, que significa hasta qué punto influye el
resultado de las soluciones analíticas de la empresa en las acciones de los
empleados
 Criticidad para la competitividad, que es el nivel percibido de criticidad de las
soluciones analíticas de negocio para la competitividad de la empresa
 Eficacia del análisis en la toma de decisiones, realizado en distintos niveles,
que se define como la importancia de la tecnología y de los procesos analíticos
de negocios de la empresa para ayudar a mejorar la toma de decisiones
individual, o para facilitar la toma de decisiones dentro de un grupo o entre
distintos grupos
Nuestra investigación demuestra que, como grupo, las que buscan hechos son
mucho más competitivas que las que andan a tientas (figura 1). Entre las empresas
líderes, el 80% son buscadoras de hechos: un 20% más que entre las rezagadas. Su
diferenciación competitiva, basada en la aplicación analítica para los procesos de
análisis ad hoc, descubrimiento o planificación, e incorporada en otras aplicaciones
de negocios, seguirá aumentando en la economía inteligente.
©2011 IDC
#230964
3
FIGURA 1
Porcentaje de encuestados
Comparación entre competitividad de las empresas buscadoras
de hechos y las que andan a tientas
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
A tientas
A tientas
Buscan
hechos
Rezagadas
Buscan
hechos
Líderes
Grupos de competitividad
n = 1.000
Fuente: Analytical Orientation and Competitiveness: The Difference Between Fact Finders and Fumblers (IDC
#223408, mayo 2010)
Una de las características comunes de estas empresas líderes en su sector es la
manera en que usan la información. Las investigaciones de IDC han demostrado que
las organizaciones líderes tienden a:
 Basar las decisiones en el análisis más que en la intuición
 Basar las decisiones en los últimos datos granulares con distintas estructuras
 Evaluar rápidamente escenarios alternativos
 Reevaluar con frecuencia previsiones y planes
 Utilizar análisis para dar soporte a un amplio espectro de decisiones
estratégicas, operativas y tácticas
4
#230964
©2011 IDC
Estas empresas líderes no están limitadas por la falta de datos más actualizados
porque sus sistemas no puedan extraer o combinar datos para generar formas útiles
con la rapidez necesaria. Algunas de estas líderes son:
 Empresas de servicios financieros cuyos sistemas comerciales habilitan
decisiones de comprar y vender que se realizan automáticamente según
patrones de cambios de precios, en donde hasta los microsegundos cuentan
 Grandes cadenas minoristas que ofrecen los precios más competitivos para sus
productos y gestionan de cerca el inventario, rastreando cuidadosamente
patrones de consumo y cambiando los artículos de los proveedores a las tiendas
de manera óptima (esos sistemas requieren los datos más actualizados, y
cuanto más puntuales sean los datos, más fácil será ofrecer productos al costo
más bajo y evitar tanto el exceso como la falta de stock).
 Bancos que solían confiar en períodos de demora repentinos para conciliar los
datos de sus cuentas de usuarios en línea, y que les daban a esos usuarios
estimaciones en lugar de saldos reales de cuentas, lo cual ya no es aceptable
(para gestionar saldos actuales de cuentas y rastrear numerosas transacciones
de banca en línea, pago de facturas, procesamiento de cheques y cajeros
automáticos se requiere la capacidad de procesar datos con la mayor velocidad
posible).
Estos ejemplos en conjunto demuestran que las empresas no necesitan ceder a la
hora de obtener información a tiempo.
Antes, las limitaciones tecnológicas
determinaban la forma en que las organizaciones utilizaban sus datos. Nuestra
investigación muestra que es posible estar en lo más alto de su campo de acción, ser
el “más rápido, más grande y más fuerte”, si su empresa cuenta con los datos
correctos, en el momento correcto y entregar a través de la tecnología correcta.
Identificación de requisitos en materia de datos, análisis y puntualidad
Imagine a un corredor olímpico que, al comienzo de la carrera recibe una ventaja de
una décima de segundo sobre sus competidores. Eso podría hacer la diferencia entre
ganar o perder la carrera. Sin embargo, la misma décima de segundo no tendría
ningún sentido para un maratonista.
Nuestra investigación
muestra que es
posible estar en lo
más alto de su campo
de acción, ser el “más
rápido, más grande y
más fuerte”, si su
empresa cuenta con
los datos correctos,
en el momento
correcto y entregados
a través de la
tecnología correcta.
Las decisiones de negocio son iguales. Por ejemplo, una aerolínea que toma
decisiones rápidas y constantes sobre los precios tiene requisitos muy diferentes al
fabricante de aviones que debe decidir qué nuevo modelo de avión producir. La
figura 2 ilustra las dimensiones clave para evaluar los requisitos de TI que dan
soporte a una decisión de negocio específica.
©2011 IDC
#230964
5
FIGURA 2
Rango de datos, análisis y puntualidad en las decisiones
Variedad de datos
Complejidad de los análisis
Alto
Bajo
Volumen de datos
Restricción de tiempo
Fuente: IDC, 2011
 Los datos pueden tener múltiples estructuras y provenir de múltiples fuentes.
Pueden ser estructurados, semiestructurados o desestructurados; pueden
provenir de aplicaciones empresariales, sistemas de punto de venta, flujos de
clics (clickstream) de la actividad comercial en línea y las redes sociales,
registros de datos de llamadas (CDR, por sus siglas en inglés), dispositivos
móviles o sensores. Algunos de los datos, como los registros de llamadas, la
actividad de dispositivos móviles o los datos sobre el tráfico vehicular, se pueden
considerar parte de la tendencia de los grandes datos (o Big Data), en la cual se
destacan los datos de gran volumen o gran velocidad, de distintos tipos. A
medida que aumenta el volumen, la variedad y la velocidad de los datos que
requieren ser analizados, también aumenta el requisito de contar con un sistema
que pueda satisfacer los correspondientes requisitos en materia de desempeño
y complejidad analítica. En uno de los grupos de enfoque, un gerente de una
compañía de abogados explicó cómo los datos estructurados y no estructurados
de múltiples fuentes afectaban el desempeño cuando dijo: “Necesitamos tener
herramientas que nos permitan rastrear todos los datos de facturación de los
clientes, provenientes de todos los canales relevantes de interacción con el
cliente incluidos los dispositivos móviles. La incapacidad de hacerlo está
afectando directamente nuestra rentabilidad”.
A medida que
aumenta el volumen,
la variedad y la
velocidad de los datos
que requieren ser
analizados, también
aumenta el requisito
de contar con un
sistema que pueda
satisfacer los
correspondientes
requisitos en materia
de desempeño y
complejidad analítica.
 Los análisis pueden consistir en agregaciones de datos relativamente simples o
complejos modelos predictivos, con interfaces visuales e interactivas cuando el
consumidor al que están destinados está a cargo de tomar decisiones, y en
forma de reglas o puntuaciones cuando el objetivo es otro sistema que toma esa
decisión automáticamente. A medida que aumenta la complejidad de los
análisis, también aumenta la necesidad de contar con un sistema que permita a
los usuarios realizar el análisis rápidamente, a veces en forma reiterada antes de
poder tomar una decisión. Un mayorista de productos promocionales declaró:
6
#230964
©2011 IDC
“No basta con analizar las ventas pasadas. Necesitamos averiguar qué tipo de
ventas esperar para los próximos períodos y cuán exitoso será el diseño en
particular. Necesitamos ser capaces de planificar mejor para lo que necesitamos
vender, o para enviar a las tiendas, o concertar fechas. Y necesitamos esos
datos clasificados por país, por producto, por materia prima para poder “viajar”
interactivamente a través de los datos sin tener que viajar de verdad hasta
nuestros proveedores en China, Indonesia o Pakistán”.
 Los requisitos de puntualidad también varían, desde en tiempo real o periódicos
(por hora, por día, por mes o por trimestre), hasta ocasionales o muy
infrecuentes (por ejemplo, la decisión de abandonar una línea de negocios).
Cuando la necesidad de análisis se aproxima al tiempo real, los métodos
tradicionales tal vez no sean suficientes para resolver el problema. Un gerente
de una compañía de servicios financieros indicó: “Lo que realmente necesitamos
son análisis instantáneos: la capacidad de reevaluar con rapidez el valor y el
riesgo de una cartera, agregando o quitando activos. Esta capacidad instantánea
para responder preguntas hipotéticas es clave. Eso es lo que realmente
necesitamos: obtener una respuesta enseguida".
Análisis incorporados para aplicaciones más inteligentes
La mayoría de la gente piensa que el procesamiento analítico sólo sirve para ayudar
a tomar mejores decisiones. Si bien se trata de una función importante, tanto a nivel
estratégico como táctico, el procesamiento analítico también puede estar incorporado
en los procesos de negocios para hacer que las aplicaciones sean más inteligentes.
De hecho, pueden automatizar muchas decisiones tácticas al aplicar los datos de
inteligencia empresarial relevantes.
Si el procesamiento analítico puede hacer que las aplicaciones sean más
inteligentes, ¿por qué el análisis no está incorporado en todas las aplicaciones? La
respuesta es simple: por lo general los datos de inteligencia de negocios suelen ser
grandes y complejos, y se requiere tanto tiempo para navegar por consultas
complejas que las funciones de análisis lentificarían tanto las aplicaciones que ya no
serían prácticas, excepto en algunas situaciones específicas.
Con la tecnología en Memoria y el procesamiento de análisis se puede acelerar
hasta que ya no represente un lastre para los procesos de negocio. Al mejorar las
funciones analíticas con tecnología en Memoria, es posible insertar el análisis donde
sea más adecuado para hacer más inteligente una aplicación. Algunos ejemplos:
 Una aplicación minorista con software de gestión de inventarios que toma
decisiones de forma automática en cuanto al stock y los precios, basándose en
patrones y tendencias de consumo en tiempo real.
Con la tecnología en
Memoria, el
procesamiento
analítico se puede
acelerar hasta que ya
no represente un
lastre para los
procesos de negocio.
 Una aplicación logística que actualiza automáticamente los trayectos de los
camiones, con base en el análisis del tráfico y las entregas agregadas o
eliminadas de manera inesperada.
 Una aplicación de servicios financieros que ajusta de manera automática las
posiciones de la cartera, al aplicar las reglas de cada cartera con respecto a
precios y tendencias del mercado en tiempo real, y que toma y ejecuta
decisiones de compra y venta basándose en ese análisis.
©2011 IDC
#230964
7
La clave consiste en alinear datos, análisis y tiempo con los requisitos de cada
decisión en cuanto a la respuesta para el negocio. Sin embargo, lograr esta
alineación no siempre es posible para muchas empresas por la falta de tecnología o
por los procesos de negocio que requerirían de un importante cambio en toda la
organización para lograr la reestructuración.
Los factores que impiden una respuesta
rápida e inteligente
Los desafíos para el negocio que generan las limitaciones tecnológicas
Los desafíos para la mayoría de las empresas son muy variados, y abarcan desde
problemas de comportamiento a nivel de la organización hasta fallas tecnológicas,
que incluyen:
 La agregación y pérdida de granularidad. Los métodos tradicionales de
almacenamiento de datos requieren agregar y preparar los datos antes de
usarlos para los análisis. Esa pérdida de granularidad limita el análisis que
pueden hacer los usuarios, porque antes de la preparación hay que realizar
suposiciones acerca de cómo se van a usar los datos. Esta pérdida de
granularidad puede generar decisiones menos efectivas que cuando se realizan
análisis de datos más granulares. Por ejemplo, en las funciones de marketing
donde la tendencia gira cada vez más en torno a la segmentación y
personalización detallada de los prospectos, se está demostrando que ejecutar
campañas basadas en la segmentación demográfica es cada vez menos eficaz.
El acceso a datos más granulares y los análisis de una mayor cantidad de
variables que influyen en el comportamiento comprador mejoran la eficacia de
una campaña de marketing.
 La incapacidad de completar análisis dentro del plazo estipulado (para la
decisión y la acción). Muchos procesos de toma de decisiones operativas y
tácticas requieren tener acceso a información y funcionalidades analíticas en
tiempo real (subsegundo). Cuando un almacén o mercado de datos tarda horas
o incluso días en cargarse, la calidad de los datos y de los análisis puede
resultar irrelevante para los encargados de tomar decisiones que actúan en
tiempo real. Si la información no está disponible en el momento necesario para
tomar decisiones de negocio, es lo mismo que si no existiera.
 La incapacidad de la TI de brindar una respuesta oportuna a los requisitos
de los usuarios finales. Para la mayoría de las empresas, la relación entre
negocios y TI está plagada de puntos de tensión constantes. A menudo, la falta
de comunicación lleva a acusaciones mutuas y a culpar a la otra parte. Sin
embargo, incluso los grupos de TI con las mejores intenciones no pueden
brindar el nivel de servicio necesario para proporcionar las herramientas
apropiadas que esperan recibir los usuarios finales. Menos de la tercera parte de
las organizaciones coinciden totalmente en que la velocidad de respuesta de su
departamento de TI a las solicitudes de acceso a la información y análisis
satisface las expectativas de los usuarios finales. Lo preocupante es que ese
porcentaje disminuye al 17% entre los encuestados de funciones de negocios
vinculadas a CRM, tales como ventas, marketing y servicio al cliente. Además,
existe una diferencia de un 10% entre los resultados de las organizaciones más
competitivas (líderes), en comparación con las demás organizaciones. Una
compañía de servicios financieros afirmó: “No podemos depender de TI para dar
8
#230964
©2011 IDC
soporte a cada nueva solicitud de una aplicación especializada con base en una
propuesta y en el potencial de crear un gran valor. El departamento de TI ya está
de por sí sobrecargado. Si no podemos entrar en la lista de los 20 principales
especialistas de TI, sería mejor olvidarnos del proyecto."
 La incorrecta asignación de recursos en la línea de negocios, en la
infraestructura de gestión informática y en el departamento de TI pueden
ocasionar una serie de soluciones temporales para generar un análisis de
información oportuno. Esto incluye los esfuerzos manuales realizados por
expertos de negocios para reunir, limpiar y agregar datos. También incluye
solicitudes futuras de líneas de negocios ocasionadas por solicitudes no
completadas con anterioridad y la frustración que ello genera. A menudo se
desperdician recursos de TI en la creación de un conjunto de reportes en
constante crecimiento, tableros de control y otras interfaces de inteligencia de
negocios, en lugar de dedicarlos a la administración de sistemas, al desarrollo
de nuevas aplicaciones, a la gestión de la seguridad y a la integración de datos.
Estos factores inhibidores pueden provocar que se tomen decisiones estratégicas,
operativas y tácticas que no sean las mejores, y que a su vez afectan en forma
considerable a las acciones subsiguientes que realizan los empleados al ejecutar la
estrategia de la empresa. Más de la mitad de los encuestados en nuestra
investigación respondieron que sus procesos de planificación se pueden mejorar si
se tiene un mejor acceso a la información; esto demuestra que la tecnología en
Memoria tiene el potencial de desplazar a la planificación tradicional basada en
OLAP. Pero existe la posibilidad de mejorar el soporte a todas las decisiones
importantes y actividades de automatización de decisiones, como se muestra en la
figura 3.
©2011 IDC
#230964
Más de la mitad de
los encuestados en
nuestra investigación
respondieron que sus
procesos de
planificación se
pueden mejorar al
tener un mejor acceso
a la información.
9
FIGURA 3
Procesos de soporte a las decisiones con las mejoras más
esperadas
P.
¿Cuál de los siguientes procesos de análisis, planificación o soporte a las decisiones
podría mejorar más si mejorara el desempeño de su tecnología y el acceso a la
información correcta en el momento adecuado?
Planificación
Informes
Más de la mitad de los
encuestados indicaron que
pueden mejorar más aún su
proceso de planificación al haber
mejorado el acceso a la
información, lo que muestra que
la tecnología in-memory tiene el
potencial de desplazar la
planificación tradicional basada
en OLAP
Previsiones
Modelado predictivo
Análisis ad-hoc
0
10
20
30
40
50
60
n = 1.002
Fuente: IDC's SAP HANA Market Assessment, agosto de 2011
La falta de alineación entre los requisitos de negocio para los análisis oportunos y la
capacidad de los sistemas de TI no es un problema únicamente organizacional.
Existe una dimensión tecnológica en esta falta de alineación, y un factor significativo
consiste en las limitaciones de la tecnología de las bases de datos basadas en
discos.
El impacto de negocios de la tecnología basada en discos, en
comparación con la tecnología en Memoria
A menudo se realizan análisis de negocios y se toman decisiones usando estructuras
de datos gestionados, tales como mercados de datos o cubos analíticos, los cuales,
a su vez, se alimentan de datos provenientes de un almacén de datos empresarial o
fuentes de datos operacionales de diversos tipos. Para construir o actualizar esas
estructuras se requiere tiempo y recursos de personal, y por lo general se deben
programar con anticipación. El problema es que los desafíos de negocio pueden
surgir repentinamente y los requisitos pueden cambiar rápido, y un sistema
demasiado lento para reaccionar ante los cambios de negocio puede impedir que se
logren los objetivos de la empresa.
… un sistema
demasiado lento para
reaccionar puede
impedir que se logren
los objetivos de la
empresa.
Muchos gerentes y analistas recurren a obtener subconjuntos de datos de una u otra
manera, y a menudo suelen construir sus propias hojas de cálculo en lugar de confiar
en que la TI elabore las estructuras que necesitan. Como consecuencia, a veces
10
#230964
©2011 IDC
basan las decisiones clave en datos incompletos, mal formados y a menudo
incoherentes. El acceso a datos más granulares que brinda la tecnología en Memoria
hace posible tomar decisiones enfocadas y tomar acciones rápidamente.
En los grupos de enfoque, pedimos a los participantes que imaginaran escenarios en
sus empresas en los cuales fuera posible tener acceso en tiempo real o análisis
rápidos. Hubo reacciones muy personales con respecto al impacto que la capacidad
generaría en sus carreras profesionales. Desde un fabricante que piensa cómo un
cambio en el pedido de un cliente importante que se produzca en el sistema de
transacciones se reflejaría de inmediato en los planes de producción de toda la
empresa, hasta un gerente de fondos de inversión que necesite analizar derivados
que contienen estrategias de inversión dentro de estrategias de inversión para
comprender realmente el riesgo que acarrean en un determinado momento, el
entusiasmo ante tantas posibilidades estuvo presente en los gerentes de todos los
sectores. La TI estuvo un poco más escéptica, cosa que es comprensible, porque
adoptar bases de datos en Memoria (IMDBs) significa pasar de las técnicas
tradicionales de gestión de bases de datos a algo perturbador y revolucionario.
Software SAP HANA: una plataforma para
análisis y aplicaciones en tiempo real
SAP HANA es una nueva plataforma de software diseñada de manera específica
para dar soporte a aplicaciones operativas y analíticas. Permite el análisis
instantáneo de grandes cantidades de datos de diversas estructuras y la
incorporación de análisis a las aplicaciones operativas. La plataforma SAP HANA
permite que las empresas analicen sus operaciones de negocios usando grandes
volúmenes de datos operacionales detallados en tiempo real, mientras se llevan a
cabo las actividades comerciales. Los datos operacionales se capturan en la
memoria y están disponibles para el análisis instantáneo, lo que elimina el típico
tiempo muerto entre el momento en que los datos se capturan en las aplicaciones de
negocios y el análisis de esos datos mediante de los sistemas de informes. Esta
solución brinda conocimientos sobre las operaciones de negocios directamente
desde la base de datos de producción. Este dispositivo en Memoria combina el
software SAP con hardware de los socios estratégicos de la empresa.
SAP HANA es una
nueva plataforma de
software
específicamente
diseñada para dar
soporte a
aplicaciones
operativas y
analíticas.
En la actualidad, el software SAP HANA se implementa como plataforma para SAP
NetWeaver Business Warehouse (SAP NetWeaver BW), como aplicaciones
preempaquetadas desarrolladas por SAP y como una plataforma para que los
clientes y socios de SAP desarrollen sus propias aplicaciones.
SAP HANA y SAP NetWeaver Business Warehouse
SAP NetWeaver BW permite a los usuarios modelar, construir, poblar y consultar un
almacén de datos, o mercado de datos. En general, esto implica crear una base de
datos relacional para gestionar el almacén. Las consultas e informes implican
ejecutar algunas instrucciones SELECT bastante complejas de SQL. Estas
instrucciones pueden requerir bastante tiempo para ejecutarse, debido a la
naturaleza de la forma en que se almacenan los datos y se recuperan del disco,
mediante el uso de filas e índices de tablas.
SAP HANA representa una manera totalmente diferente de gestionar los datos de un
almacén de datos. En lugar de que los datos se asignen a tablas relacionales
©2011 IDC
#230964
11
almacenadas en discos, se conservan en estructuras de memoria tipo columnas. En
lugar de buscar datos en entradas de índices y de usar referencias indirectas para
localizar las páginas del disco donde residen los datos, SAP HANA recorre toda la
estructura de la memoria, y explora velozmente a través de las columnas y sigue los
apuntadores de memoria, para reunir con rapidez los datos deseados. Como
resultado, las consultas se ejecutan mucho más rápido en comparación con sus
bases de datos relacionales equivalentes basadas en discos, y sin embargo el
proceso de modelar y reportar datos sigue siendo igual de directo para el usuario.
SAP NetWeaver BW no es un producto nuevo, pero la implementación de SAP
NetWeaver BW en SAP HANA sí es una novedad, e incluye características tales
como una mayor rapidez en el desempeño de las consultas y los procesos de carga
de datos, y características tales como ejecutar funciones de planificación y tener la
funcionalidad de retroescritura (write-back) en la memoria. Como ejemplo, esta
tecnología permite planificaciones más rápidas e integradas para casos de uso tales
como la planificación de promociones comerciales o la planificación de surtidos.
Aplicaciones SAP basadas en SAP HANA
SAP ofrece distintas aplicaciones que se benefician con esta tecnología en Memoria
SAP HANA. Las aplicaciones resuelven problemas en procesos dispares, ya sea
permitiendo el análisis en tiempo real de datos basados en sensores u ofreciendo
una manera de realizar análisis de múltiples escenarios con rapidez, para mejorar la
planificación.
 SAP BusinessObjects Strategic Workforce Planning fue la primera aplicación
introducida que aprovecha la plataforma SAP HANA. La aplicación permite un
análisis rápido de las posibles tendencias en la oferta de recursos humanos
(RR.HH.) y las compara con la demanda anticipada en las empresas. Por medio
de este análisis, una empresa puede mejorar su capacidad de capitalizar las
oportunidades y reducir costos de RR.HH. Una mejor comprensión del impacto
financiero de los futuros costos de RR.HH. también beneficia el proceso de
planificación financiera, ya que los costos de RR.HH., que incluyen
indemnizaciones, capacitación y contratación, suelen implicar un gasto
significativo. Asimismo, las organizaciones a menudo tienen partes de la fuerza
laboral que necesitan una mayor transparencia. Estos empleados son
estratégicos para las operaciones por sus aptitudes especializadas o niveles de
experiencia, y donde hay que anticipar y evitar los cambios negativos de la
rotación antes de que la empresa sufra una degradación en su desempeño
operativo, o picos repentinos en los costos de contratación.
 SAP Smart Meter Analytics es una aplicación diseñada para las empresas de
suministros que sufren un aumento exponencial del volumen de datos a causa
de la implementación de medidores inteligentes. Esta nueva aplicación permite
que las empresas de suministros conviertan volúmenes masivos de datos
provenientes de medidores inteligentes en conocimientos útiles, y transformen la
manera en que suman clientes y operan sus actividades comerciales. SAP
Smart Meter Analytics ofrece las siguientes funcionalidades para las empresas
de suministros:

12
Agrega en forma instantánea bloques de tiempo de uso y perfiles de
consumo total para analizar el uso energético de los clientes según el
vecindario en que se encuentren, el tamaño de sus hogares o empresas, el
#230964
©2011 IDC
tipo de edificación y cualquier otra dimensión, en cualquier nivel de
granularidad.

Segmenta a los clientes con precisión, basándose en los patrones de
consumo de energía que se generan automáticamente al identificar a los
clientes que tienen un comportamiento similar en cuando al uso de la
energía.

Provee reportes comparativos sobre eficiencia energética, basándose en
análisis estadísticos para que las empresas de suministros puedan ayudar a
sus clientes a comprender dónde se encuentran con respecto a sus pares y
cómo pueden mejorar su eficiencia energética

Les brinda a los clientes acceso directo a los datos sobre el uso de energía
a través de portales de Internet y dispositivos móviles conectados a SAP
Smart Meter Analytics por medio de servicios Web
Estas funcionalidades que ofrece SAP Smart Meter Analytics permiten que las
empresas de suministros aumenten la cantidad de opciones de servicio tales
como los programas de respuesta a la demanda, que lancen programas de
eficiencia energética para destinatarios específicos, mejoren la detección del
fraude y desarrollen nuevas tarifas y previsiones de carga más precisas.
 SAP Dynamic Cash Management ofrece a la oficina de finanzas un mayor nivel
de conocimientos sobre las variables que afectan el flujo de efectivo, en lugar de
depender únicamente de modelos de alto nivel basados en historiales para
mejorar las operaciones de gestión del efectivo. Los pagos en efectivo basados
en múltiples dimensiones como producto, cliente, socio o geografía se pueden
incorporar al proceso de análisis y planificación. El mayor nivel de granularidad
en los datos que se utilizan para comunicar un plan puede mejorar la precisión y,
en última instancia, la liquidez de la empresa.
Estos son sólo algunos ejemplos de aplicaciones desarrolladas por SAP basadas en
la plataforma SAP HANA. Tanto SAP como sus clientes y socios están desarrollando
muchas otras aplicaciones basadas en SAP HANA. Algunas de estas aplicaciones
son versiones mejoradas de aplicaciones existentes. Otras son aplicaciones nuevas
que antes no eran viables. Algunos ejemplos de esto último son: la gestión dinámica
de efectivo, la gestión del tráfico vehicular y los análisis de ensayos clínicos. La figura
4 muestra aplicaciones que, según los participantes de nuestras investigaciones,
podrán beneficiarse más con la tecnología In-Memory.
©2011 IDC
#230964
13
FIGURA 4
Aplicaciones con el mejor potencial para beneficiarse con la
tecnología en Memoria
P.
¿Qué tipos de aplicaciones beneficiarían más a su empresa o unidad de negocios gracias
a la tecnología en Memoria?
Análisis de servicio al cliente
An. financieros (planific., consolidación y cierre)
Análisis de marketing
An. Cad. Sum. y operac. (inventario, logística,
fraude)
Los beneficios de la tecnología InMemory se pueden aplicar a las
aplicaciones de toma de
decisiones estratégicas, operativas
y tácticas
Análisis de precios y optimización
Análisis de ventas
Análisis de rentabilidad de cliente o producto
An. Tesoro (gestión de efectivo y del riesgo)
Análisis click-stream del sitio Web
0
10
20
30
40
50
n = 1.002
Fuente: IDC's SAP HANA Market Assessment, agosto de 2011
Soluciones SAP Rapid Deployment para SAP
HANA
Las soluciones SAP Rapid Deployment (RDS, por sus siglas en inglés) son
soluciones que reúnen software, plantillas y guías que capturan mejores prácticas
junto con servicios empaquetados previamente establecidos para una
implementación con costos y plazos fijos.
Las dos primeras soluciones de SAP RDS para SAP HANA destinadas a casos de
uso populares son:
 Elaboración de informes operacionales de ERP con SAP HANA. Los
informes operacionales de ERP suelen llevar mucho tiempo para procesar y
entregar. Sumando a SAP Rapid Deployment con SAP HANA, las empresas
pueden acelerar la elaboración y entrega de informes operativos comunes, como
pedidos de venta por cliente, tasa de ejecución, artículo abierto flexible del
cliente, análisis de artículo abierto del cliente, recibo de productos y descripción
de facturas.
 Análisis de rentabilidad con SAP HANA. Con el acelerador SAP CO-PA, las
empresas pueden ganar rapidez y eficiencia en sus ciclos de rentabilidad y
procesos de cierre a fin de mes. Gracias a estos conocimientos más profundos y
en tiempo real, las empresas pueden develar nuevas oportunidades de
14
#230964
©2011 IDC
maximizar la rentabilidad, optimizar las decisiones vinculadas a la mezcla de
productos, la fijación de precios y la estrategia de ventas. La solución SAP Rapid
Deployment ERP para los análisis de rentabilidad con SAP HANA combina el
acelerador SAP CO-PA con servicios de precio y de plazos fijos para una rápida
implementación.
DESCRIPCIÓN DEL MERCADO
La tecnología en-Memoria como plataforma
para una nueva generación de análisis de la
información y aplicaciones de negocios
El objetivo de los Juegos Olímpicos modernos siempre ha sido ofrecer un foro
internacional donde los atletas de la elite mundial se junten y compitan, que es a lo
que Pierre de Coubertin se refería con “la libertad”. Del mismo modo, para ser líderes
y competir en el más alto nivel de la economía inteligente actual, las empresas
necesitan contar con una plataforma que les permita lograr su máximo desempeño.
Uno de los componentes clave de esa plataforma es la tecnología en Memoria.
La tecnología en Memoria se puede aplicar a cualquier tipo de decisión, en cualquier
línea de negocios y en cualquier industria. Como se muestra en la figura 5, los
beneficios de negocios que se esperan por usar tecnología en Memoria pueden
generar retornos mensurables, así como un análisis más preciso y rápido de los
datos de negocios. Entre estos beneficios de negocios, el que se menciona con más
frecuencia es el de mejorar la precisión de las planificaciones, un factor fundamental
para mejorar la toma de decisiones para los ejecutivos, gerentes de líneas de
negocios y analistas operacionales.
Estos beneficios representan una mezcla de mejoras a los procesos de negocios y
productividad, o una mayor eficiencia. Por ejemplo, el segundo beneficio que se
menciona con más frecuencia es una reducción del tiempo que el personal de
negocios dedica a la integración y agregación de datos. Esto es un notorio sumidero
de tiempo que obliga al personal de negocios a desperdiciar mucho tiempo en tareas
que serían realizadas de una mejor forma por la tecnología en sí y por el personal de
TI que da soporte a esa tecnología.
Nuestra investigación dejó al descubierto un problema importante, enfocado en la
necesidad de realizar un modelado más frecuente de simulaciones con datos
granulares. La capacidad de realizar análisis de simulación según se necesite con
datos altamente granulares, de ejecutar múltiples escenarios y en última instancia
tratar un problema de negocios o comprender el potencial que puede tener una
nueva oportunidad, fue un requisito clave en todas las industrias, regiones
geográficas y tamaños de empresas. Esta sensación se ha repetido tanto en los
grupos de enfoque como en los datos de la encuesta.
Por otro lado, los encuestados que respondieron que no tenían acceso a la
información correcta en el momento correcto dijeron que la información relevante no
se agregaba de la manera en que lo requerían. Estos encuestados desean eliminar
las limitaciones que imponen los datos agregados a su capacidad para evaluar
planes de acción alternativos, realizar descubrimientos, tomar decisiones informadas
y mitigar los riesgos.
©2011 IDC
#230964
15
FIGURA 5
Beneficios que se esperan de la tecnología en-Memoria
aaaaaaaaaaaaaaaaaa
Más datos granulares disponibles para análisis y el
sistema realiza agregaciones cuando se le solicita
aaaaaaaaaaaaaaaaaa
La velocidad del análisis aumenta
el conocimiento y
permite incluir analítica a procesos clave de neg.
La tecnología In-memory elimina la barrera para
aaaaaaaaaaaaaaaaaa
investigar y encontrar el sentido a los datos de
desempeño de la organización
Mejora en la precisión de la
planificación
37,3
Menor tiempo del personal de negocios
para preparar, limpiar y agregar datos
35,6
Aceleración de los
resultados de los análisis
33,5
Capacidad de analizar datos más
granulares en lugar de información
previamente agregada
Las aplicaciones combinan los beneficios de la
tecnología in-memory conaaaaaaaaaaaaaaaaaa
el contexto de negocios por
medio de una interfaz interactiva
Interfaz de usuario más flexible
y más interactiva
La velocidad del análisis permite realizar más
aaaaaaaaaaaaaaaaaa
escenarios en un determinado
día que con las
soluciones tradicionales de planificación
Capacidad de ejecutar más
planificación o escenarios
Los usuarios pueden realizar consultas ad-hoc que no
aaaaaaaaaaaaaaaaaa
estén limitadas por conjuntos de datos predefinidos
Respuestas a preguntas que
antes no podíamos formular
La velocidad del análisis permite que los usuarios de
negocios cuestionen presunciones,
reevalúen los
aaaaaaaaaaaaaaaaaa
resultados potenciales y repitan con rapidez
Mayor frecuencia de
reevaluación de modelos
analíticos, planes, previsiones
32,7
29,4
29,0
27,6
26,6
% de encuestados
n = 1.002
Fuente: IDC's SAP HANA Market Assessment, agosto de 2011
Del mismo modo, los beneficios de TI de la tecnología en Memoria, como se muestra
en la figura 6, pueden generar importantes ahorros en costos y una mejor asignación
del personal de TI. Los dos beneficios principales de TI son: menos tiempo para
crear agregaciones de datos y menos tiempo para la administración de las bases de
datos. Estos dos problemas, que se tratan con más detalle en otra parte de este
documento, apuntan a fallas clave de los métodos existentes de gestión y análisis de
la información que requieren estrategias para resolver las limitaciones de rendimiento
de los sistemas basados en disco.
Tanto los beneficios de negocios como los beneficios de TI son importantes. Si bien
los beneficios de TI son más inmediatamente tangibles que los beneficios de
negocios, los beneficios de TI tienen un límite. Por ejemplo, hay tanto que se puede
ahorrar moviendo a los administradores de bases de datos (DBA) a proyectos de
consolidación o reducción tecnológica y soporte al usuario, en lugar de optimizar el
almacenamiento. Al final, los beneficios de negocio derivados de mejores
interacciones con los clientes, operaciones optimizadas o una mejor gestión
financiera adaptada al riesgo, aumentarán el valor de la organización.
16
#230964
©2011 IDC
Beneficios de TI
Opinión de IDC sobre la computación In-Memory
aaaaaaaaaaaaaaaaaa
Más instancias de planificación,
se pueden emplear
escenarios y variables para planificar, y realizar ajustes
a medida que se actualiza el desempeño
FIGURA 6
P. ¿Cuáles esperaría que fueran los mayores beneficios de
negocio y de TI de la tecnología in-memory para su empresa
o unidad de negocio?
No se necesitan predefinir agregaciones de datos en
cubos estructurados. Sin embargo, los cubos estruct. se
aaaaaaaaaaaaaaaaaa
pueden aplicar y acelerar cuando se necesite, por Ej.,
para una aplicación de consolidación y cierre.
Menos tiempo en
creación de datos
y agregaciones
Menos tiempo dedicado por los DBA a refinar constantemente
las bases de datos para mejorar su desempeño. Guardar datos
en memoria evita toda la actividad de E/S y el trabajo que los
DBMS deben hacer para asignar datos desde y hacia el disco
Menos tiempo en tareas
de administración de
bases de datos
Reasignación del personal dedicado de administración de
TI a tareas de mayor valoraaaaaaaaaaaaaaaaaa
agregado. Se requieren menos
DBA para mantener una IMDB en comparación con los
sistemas basados en disco.
Reducción en costos
operativos de TI para
gestionar información
Acceso instantáneo y autoservicio a datos granulares por
parte del personal de la unidad
de negocios, lo que
aaaaaaaaaaaaaaaaaa
permite que la TI se dedique a la integración de datos,
calidad de datos, seguridad y administración de sist.
Mejor utilización del personal de
TI al quitarles la carga de las
tareas de acceso a la información
y análisis a la línea de negocios
Procesamiento de más información con menos recursos
de computación que requieren
menos gasto de capital en
aaaaaaaaaaaaaaaaaa
comparación con los enfoques tradicionales basados en
discos
Reducción en costos de
gastos de capital de TI en
gestionar información
aaaaaaaaaaaaaaaaaa
38.2
35.6
32.7
Beneficios de TI
Opinión de IDC sobre la computación In-Memory
Beneficios de TI que se esperan de la tecnología en-Memoria
27.6
26.6
% de encuestados
n = 1.002
Fuente: IDC's SAP HANA Market Assessment, agosto de 2011
El poder del cómputo en Memoria es que puede habilitar nuevos procesos donde los
análisis y la toma de decisiones ocurren antes de tomar una acción, en lugar de
realizar un análisis después de haber llegado al resultado de esa acción. Algunos
ejemplos de procesos que podrían mejorar al convertir la analítica en un proceso
operacional son:
 Detección de fraudes. Por ejemplo, pensemos en una compañía de seguros
que toma una decisión estratégica para ofrecer pagos de reclamaciones en un
plazo de 24 horas después de recibir la reclamación. Antes de implementar una
solución basada en la tecnología en Memoria, haría el pago como lo prometió y
luego analizaría la reclamación para ver si hay fraude. Después de implementar
una solución basada en la tecnología en Memoria, la compañía puede analizar la
reclamación al momento de recibirla, asignar puntuaciones a las reclamaciones
según la probabilidad de que sean fraudulentas, y evitar los pagos a los
solicitantes de mayor riesgo en primera instancia. Además, la organización
puede comenzar a incorporar más fuentes de datos para ayudar a mejorar la
detección de fraudes, manteniendo en todo momento su alto nivel de servicio
para los clientes legítimos.
 Gestión del desempeño de los ingresos de los clientes. Por ejemplo,
pensemos en un minorista que realiza una campaña de marketing por e-mail y
que quizás no está alcanzando los objetivos de ventas de un producto en
©2011 IDC
#230964
17
particular. Sin un análisis rápido, le puede llevar varios días o incluso semanas
comparar el desempeño real con el planificado. Pero las transacciones pueden
ocurrir cualquier día. Una solución basada en la tecnología en Memoria
proporcionaría al minorista datos de desempeño diario casi en tiempo real, y
permitiría que ocurrieran distintas acciones juntas o separadas, según los
objetivos del minorista. Por ejemplo, el minorista podría decidir expandir la
promoción de su producto a clientes que compraron productos relacionados
recientemente, o que tienen la probabilidad de realizar otra compra basándose
en el desempeño pasado. El minorista puede ajustar el precio aún más para
maximizar los ingresos y cumplir con los objetivos de venta. La capacidad de
realizar análisis en múltiples escenarios de los resultados en los que cualquiera
de estas decisiones pudiera influir requiere análisis rápidos y acceso a los datos
en tiempo real, algo que una solución en Memoria puede ofrecer.
Descripción del mercado de la tecnología en Memoria
Durante mucho tiempo, la industria del software DBMS (sistema de administración de
bases de datos) ha quedado rezagada a causa del paradigma relacional, que ha
demostrado ser tanto una bendición como una maldición. La bendición del modelo de
DBMS relacional es que su simplicidad y amplia posibilidad de aplicación ha
permitido que la tecnología DBMS se transforme en la manera estándar de
almacenar y gestionar una aplicación de negocios, lo que trae orden y facilidad de
gestión tanto a los datos como a las aplicaciones que los utilizan. La maldición es
que las bases de datos relacionales no pueden albergar metadatos semánticos (que
describen los datos con significado) ni representar directamente conceptos de
organización de datos, tales como la multidimensionalidad, la contención, la
derivación, la recursividad o la recolección.
Esta limitación ha obligado a los DBA a almacenar datos que reflejen esos conceptos
en combinaciones misteriosas de tablas de referencias cruzadas que requieren uniones
múltiples y complejas para navegar y para encapsular la gestión de las combinaciones
relacionales de esa tabla en código de programa o procedimientos almacenados,
ambas cosas que, al no contar con documentación detallada, tienden a ocultar la
naturaleza real de la manera en que los datos se organizan en forma lógica.
El DBMS en Memoria es una importante dimensión del entorno DBMS y se hará más
importante en los años venideros. El cambio en la economía computacional que
produce una abundancia de procesadores y memoria va fomentar que cada proveedor
de DBMS se mueva en esa dirección en el futuro. Es probable que, cuando la memoria
en estado sólido (SSM) disminuya su precio, la memoria principal sea considerada
como el "hogar" principal de una base de datos, que la memoria en estado sólido se
considere el área superflua y que los discos queden relegados únicamente a las
funciones de recuperación. El IMDB se está comenzando a considerar como la etapa
inevitable en la evolución de la gestión de bases de datos.
DES AFÍOS Y OPORTUNIDADES
Las oportunidades de emplear tecnología en Memoria traen consigo muchos
desafíos. Existen algunos problemas potenciales, ya sean percibidos o reales, que
deben ser superados por las organizaciones que procuran implementar tecnología en
Memoria, como SAP HANA. Por ejemplo, existen desventajas con respecto a los
18
#230964
©2011 IDC
mecanismos y a la frecuencia recomendada para actualizar SAP HANA (a partir de
múltiples fuentes), en comparación con la acción de determinar un nivel aceptable de
latencia (desde una perspectiva de negocios) entre las actualizaciones.
Además, los métodos tradicionales para construir y mantener una infraestructura de
cómputo que apoyen el análisis y las aplicaciones no serán adecuados al momento
de cambiar a la tecnología en Memoria. Las prácticas establecidas de TI han
conducido a los potenciales adoptantes de la tecnología en Memoria a tener falsas
creencias acerca de la tecnología que ellos mencionan como desafíos para el
despliegue. IDC descubrió las siguientes creencias erróneas, tanto en los grupos de
enfoque como en los encuestados durante la realización de este estudio (véase la
figura 7):
 El costo de la tecnología. La mayoría de los encuestados (35%) cree que el
costo de la tecnología en Memoria que se les describe será un desafío para su
organización o unidad de negocios a la hora de decidir comprar e implementar
esta tecnología. Si bien es cierto que cualquier recurso nuevo de computación
implica un costo, habría que tener en cuenta los beneficios para el negocio al
momento de decidir si hay un retorno adecuado de la inversión. No olvidemos
que la aplicación de la tecnología a un problema de negocios específico va a
generar decisiones financieras apropiadas. El departamento de TI puede
explicar con más detalle de qué manera la tecnología en Memoria pueden
alinear mejor los recursos de los DBA y manejar más datos con menos recursos
de computación.
 Integración de datos de múltiples fuentes y múltiples tipos de estructura.
Los otros dos desafíos que más se mencionan son la integración de datos desde
distintas fuentes y la integración de datos de distintos tipos. La integración de
diversas fuentes de datos siempre ha sido un problema para las técnicas
tradicionales de almacenamiento de datos. Y, si bien el IMDB no hace
desaparecer este problema, puede facilitar la tarea de relacionar más datos con
menos agregaciones que requieran una planificación anticipada de las consultas
que puedan realizar los usuarios.
 Escalabilidad para manejar grandes conjuntos de datos y casos de uso de
Big Data. Fue interesante descubrir, durante esta investigación, que los
potenciales usuarios de en Memoria pensaban que la escalabilidad podría ser un
problema, cuando el objetivo mismo de la tecnología IMDB es hacer más datos
accesibles incluso aunque aumente la frecuencia de los análisis en los que se
usan. Los debates de los grupos de enfoque revelaron que muchos de los que
trabajan en TI sienten que no se eliminan los cuellos de botella de las bases de
datos tradicionales basadas en discos. Quizás la única forma de superar esta
creencia sea ver la tecnología en acción.
 Acceso de usuarios y gestión de la seguridad. La mayoría de los gerentes de
TI esperan que un sistema listo para la empresa gestione el acceso de los
usuarios y la seguridad con integraciones de facto estándares de la industria, y
las tecnologías IMDB dan soporte a esta funcionalidad. Sin embargo, los grupos
de enfoque revelaron que el acceso a los datos en tiempo real podría acarrear
un uso inadecuado, especialmente en los servicios financieros, en donde un
comerciante puede tomar una acción en tiempo real antes de que un sistema de
cumplimiento pueda reaccionar y evitar una acción riesgosa. O alguien que
©2011 IDC
#230964
19
ejecute un análisis de datos de producción interna podría tomar una decisión o
elaborar un informe en cualquier momento, y esos datos podrían variar con
respecto a alguien que ejecute el mismo informe unos minutos más tarde y que
llegue a una conclusión diferente. La TI tendrá que delinear la diferencia entre el
análisis de simulación de escenarios en tiempo real, en comparación con los
informes de producción u operacionales que cumplan con los requisitos y tengan
etiqueta de fecha y hora. Cuando la libertad de la información se hace
disponible a un nivel amplio, existe una cierta pérdida de control, pero se trata de
un problema de políticas y de educación del usuario, y no una falla tecnológica.
FIGURA 7
ROI y TCO atractivos, incluyendo menos costos
administrativos,aaaaaaaaaaaaaaaaaa
gastos generales y memoria.
Factor de forma soft. aplicativo.
El costo de esa tecnología
Es más fácil relacionar datos con IMDB que en
un almacén de datos
tradicional, y se dedica
aaaaaaaaaaaaaaaaaa
menos tiempo a la agregación.
Integrar múltiples fuentes de datos
Se puede acceder a, gestionar y analizar
múltiples estructuras
de datos, incluidos datos
aaaaaaaaaaaaaaaaaa
operativos y de sensores.
Integrar diversos tipos de datos
(datos operativos estructurados
con datos de texto no estruct.)
Los clientes pueden usar casos incluidos en CPG,
empresas de suministros, recursos y organismos
gubernamentales, con grandes volúmenes de datos
La escalabilidad de esa
tecnología (para volúmenes
de datos muy grandes)
SAP brinda herramientas y puntos de
integración paraaaaaaaaaaaaaaaaaaa
gestionar acceso a usuarios.
Gestionar derechos de acceso
del usuario y seguridad
Las aplicaciones se pueden rescribir para
aprovechar todos los beneficios de la IMDB y se han
creado nuevas aplicaciones que las IMDB hacen
posibles.
La posible necesidad de
reescribir la aplicación existente
SAP HANA viene listo para la empresa y da
aaaaaaaaaaaaaaaaaa
soporte al respaldo y recuperación necesarios.
Posibles problemas de respaldo
23.6
y recuperación de datos
Reemplazar cuando se requiere, agregar
soluciones en implementaciones
existentes y
aaaaaaaaaaaaaaaaaa
aprovechar las aplicaciones en tiempo real.
Decidir qué hacer con las inversiones
existentes en interacciones de datos,
mercados y almacenes de datos
aaaaaaaaaaaaaaaaaa
aaaaaaaaaaaaaaaaaa
35.2
33.0
28.0
25.9
25.5
24.7
Factor inhibidor percibido
Opinión de IDC sobre SAP HANA
Falsas creencias sobre la adopción de la tecnología en
Memoria
23.4
% de encuestados
n = 1.002
Fuente: IDC's SAP HANA Market Assessment, agosto de 2011
 La necesidad de sobrescribir aplicaciones existentes. Ya existen y seguirán
existiendo dos grupos de aplicaciones incorporados en la tecnología en
Memoria. El primero incluirá aplicaciones actualmente disponibles que requieren
algún nivel de modificación para habilitar todos los beneficios de la plataforma en
Memoria sobre la que están construidas. El segundo grupo va a incluir nuevas
aplicaciones que antes no eran viables sin la tecnología en Memoria. Entonces,
se sobrescribe cuando es necesario, pero las nuevas aplicaciones pueden tener
la clave para acceder a las mejores oportunidades para la empresa.
20
#230964
©2011 IDC
 Respaldo, recuperación y disponibilidad. Una falsa creencia con respecto a
IMDB es que no tiene las propiedades de atomicidad, coherencia, aislamiento y
durabilidad (ACID, por sus siglas en inglés) de una base de datos transaccional.
Esto no es cierto. La mayoría de las implementaciones de IMDB que se usan
para el procesamiento de transacciones aún tienen registros de transacciones
para la recuperación de errores y pueden llevar esos registros a un
almacenamiento físicamente persistente, tal como SSM o disco. Muy pocos
ofrecen una posibilidad de recuperación total por medios en los que no se
realicen registros. También suelen replicar sus contenidos de memoria a otros
servidores para proporcionar una funcionalidad de alta disponibilidad a través del
soporte a las fallas.
Además de que IMDB replica datos para fines de alta disponibilidad, algunos
productos de IMDB también operan como clusters nada compartidos, lo que
significa que incluso los modelos de grandes memoria de sistemas de 64 bits no
son una limitación: pueden manejar bases de datos que son muchas veces más
grandes que su propia memoria principal.
 Las inversiones existentes. El departamento de TI ha construido almacenes de
datos y mercados de datos en toda la empresa, algo que cuesta tiempo y dinero.
Al construir en torno (o como apoyo) a esas inversiones existentes para
aprovechar el acceso en tiempo real o el análisis veloz en donde un proceso de
negocios pudiera beneficiarse de ellas, esas inversiones serán valiosas fuentes
de datos, conservarán su finalidad actual y se mejorarán mediante IMDB cuando
se necesite. Los clientes de SAP pueden esperar una respuesta técnica más
tangible durante este año, que demuestre de qué manera es posible migrar las
estructuras existentes fácilmente a SAP HANA.
RECOMENDACIONES
Recomendaciones para gerentes de negocios
SAP HANA es una tecnología que se puede aplicar para resolver muchos problemas
de negocios. Cuando trate de decidir si la tecnología es apropiada para mejorar
procesos de negocios específicos, hay que tener en cuenta lo siguiente:
 Examine el proceso para identificar dónde se toman las decisiones y
cuestiónese si es el momento más adecuado para tomar una decisión dentro de
un proceso, y si esa decisión está respaldada por información relevante y
oportuna. A menudo, un proceso con un acuerdo de nivel de servicios inherente
tendrá un escenario donde el nivel de servicio podría mantenerse con menor
riesgo o costo, o mejorarse para la diferenciación competitiva si se efectúa un
análisis vinculado al impacto de esas decisiones en el nivel de servicio con
mayor velocidad o con una mayor precisión. Es más probable que la acción de
agregar una tecnología IMDB en este punto decisivo conduzca a mejoras de
negocios.
 Examine en qué partes de un proceso el acceso a los datos en tiempo real es
una necesidad. Quizás no parezca posible obtener acceso a datos en tiempo
real para los procesos que podrían aprovecharlos, pero si la barrera es
tecnológica, entonces se puede aplicar una tecnología IMDB. Si otros procesos,
o incluso fuentes externas de datos, son cuellos de botella para sus procesos,
©2011 IDC
#230964
21
tenga en cuenta de qué manera la aplicación de tecnología IMDB para esas
variables podría acarrear mejoras en el resto del proceso para su propia
empresa.
 Examine un proceso en el cual el personal realice análisis con menor frecuencia
que los cambios reales dentro de un proceso y la tecnología IMDB pueda
resolver este problema. Por ejemplo, la gestión de inventario se suele realizar
con base en la agregación latente de datos de oferta y demanda. Pero cuando
se pueden tomar decisiones basadas en flujos de inventario reales durante un
día, entonces podría haber una reducción de eventos de falta de stock o
advertencias tempranas de una degradación en el desempeño del proveedor.
Los procesos que pueden hacer que su organización funcione más rápido, a un nivel
más alto y más fuerte, son aquéllos que están más cerca del cliente, la oficina de
finanzas o las operaciones centrales. Enfocarse primero en un proceso a mejorar es
algo que puede generar resultados demostrables, además de una experiencia
invaluable, lo cual hará que su empresa se convierta en una organización ganadora.
Recomendaciones para gerentes de TI
El surgimiento de DBMS en Memoria como forma dominante no va a ocurrir de la
noche a la mañana. Los gerentes de TI deberían tener en cuenta cómo podrían
hacer evolucionar sus sistemas de TI de tal forma que puedan explotar la tecnología
IMDB tanto ahora como en el futuro. El enfoque actual centrado en las columnas de
SAP HANA es adecuado para la carga de trabajo analítica, pero a medida que SAP
HANA evoluciona, hay distintos modelos para organizar los datos que podrían
manejar cargas de trabajo operativas y no esquemáticas (o NoSQL) con la misma
eficacia.
 Las empresas deberían desafiar a sus proveedores existentes de DBMS para
que les proporcionen un calendario para IMDB y explicarles cómo planean llegar
allí.

No todos los datos están creados iguales. A algunos se accede muy poco y se
les puede guardar en disco porque no son volátiles, y los discos son
económicos. A otros se accede con más frecuencia y pueden guardarse en la
memoria en estado sólido (también conocida como memoria Flash). Pero los
datos dinámicos en línea necesitarán guardarse cada vez más en la memoria
todo el tiempo. Los gerentes de TI deberían tener en cuenta cuántos datos
tienen de cada tipo (y cuántos podrían tener en el futuro), para realizar sus
planificaciones.
 Están apareciendo tecnologías de alta velocidad para el movimiento y el acceso
a los datos por muchos frentes. Las llamadas tecnologías “Big Data” apuntan a
algunos desafíos que nunca se pensó que podrían surgir. Los datos cada vez
aumentan más en volumen y complejidad, y la competitividad del negocio
requiere la capacidad de acceder a los datos a un nivel granular y en forma muy
oportuna. La tecnología en Memoria es esencial para cumplir con ese requisito,
y SAP HANA es un claro ejemplo de cómo funciona esa tecnología en la
actualidad.
El problema es que las dificultades de negocios pueden surgir en forma repentina,
los requisitos pueden cambiar rápidamente, y un sistema que requiere una descarga
22
#230964
©2011 IDC
en lote de una base de datos basada en disco, seguida por la construcción de un
cubo basado en disco o la carga de un mercado de datos basado en disco, requiere
tanto tiempo que la ventana de oportunidad puede pasar antes de que los datos
estén disponibles para tomar acción.
Los sistemas basados en disco requieren trabajos en lote de larga duración para el
movimiento de los datos, además de tiempo y esfuerzo para cargar los datos en
volúmenes de disco. Pero supongamos que no hubiera volúmenes de disco.
Supongamos que los datos pudieran moverse a la velocidad de los procesadores y
de la red interna, y colocarse de manera dinámica en la memoria para un análisis
veloz. Esa es la idea detrás de los sistemas de bases de datos en Memoria. Este
enfoque acelera enormemente tanto la preparación de los datos analíticos como el
acceso a esos datos.
Como los datos se pueden cargar y ajustar en mayores volúmenes, y se puede
acceder a ellos más rápido con la tecnología en Memoria que con la tecnología
basada en disco, es posible gestionar más datos a un nivel más granular. Esto
genera una mayor precisión, además de la capacidad de tomar decisiones orientadas
y acciones de negocio con rapidez.
La tecnología de base de datos en Memoria surgió como una manera fundamental
de aumentar el desempeño y la escalabilidad, y de contener los costos de
almacenamiento. Esta tecnología ha pasado de usarse únicamente para caché, o
para sistemas de datos de extremadamente alta velocidad, a ser usada en
aplicaciones de TI mucho más cercanas al proceso central de negocios. El uso de
IMDB ahora se aplica de maneras que ofrecen un mejor desempeño y responde con
flexibilidad a la creciente demanda de los usuarios a un bajo costo incremental. En la
actualidad, los procesadores son órdenes de magnitud más rápidos de lo que eran
hace tan sólo una década. La mayoría de los sistemas tienen múltiples procesadores
y múltiples núcleos por procesador. Los servidores empresariales suelen usar
direccionamiento de memoria de 64 bits y contienen varios gigabytes de memoria
principal. Esto significa que la economía de la computación se ha volcado a favor de
las bases de datos en Memoria para muchas cargas de trabajo.
Los beneficios para la TI al usar IMDB
 Reduce los costos operativos. Un requisito clave de los centros de datos
actuales es que gestionen, o incluso reduzcan, el espacio físico que ocupan y
los costos operativos de las bases de datos, además de manejar su constante
crecimiento de tamaño y la exigencia de los usuarios para ofrecer un mejor
desempeño. La nueva economía de la computación, que deriva de los grandes
modelos de memoria, capacidad de direccionar 64 bits, procesadores rápidos y
memoria económica, hacen posible diseñar tecnología de bases de datos que
sea mucho más rápida y escalable de lo que era posible, cuando la única opción
era basar la gestión de datos en discos.
 Reduce la sobrecarga para mejorar drásticamente la velocidad de acceso a
los datos. Una IMDB gestiona sus datos en la memoria principal. Los índices
contienen punteros de memoria en lugar de referencias a páginas y líneas en el
disco. Los datos se cambian de lugar para optimizar la memoria en lugar de usar
estrategias para optimizar el disco. Una IMDB en general es mucho más rápida
que una base de datos basada en disco, dependiendo de la carga de trabajo.
©2011 IDC
#230964
23
Esto tiene que ver con su arquitectura interna de almacenamiento. Una base de
datos en disco está diseñada desde cero para optimizar su gestión de datos con
base en una estrategia de disposición óptima en el disco y de minimización de
operaciones de E/S.
 Reduce registros pendientes de DBA. Una barrera fundamental para la
escalabilidad de una base de datos en disco es el cuello de botella que
representa el sistema de almacenamiento. Los DBA pasan una gran parte de su
tiempo reconstruyendo índices, descargando y volviendo a cargar datos, y
reasignando datos en volúmenes de almacenamiento para minimizar el tiempo
de E/S. Esto ocasiona una cola de registros pendientes con las tareas de mayor
valor que podrían estar efectuando si no fuera por esas actividades esenciales
de “mantener la luz prendida”.
La mayor parte del proceso de optimizar las bases de datos para la escalabilidad
implica estrategias vinculadas a la distribución de los datos en los volúmenes de
disco, en la colocación de datos relacionados para reducir la posibilidad de consultas
cruzadas entre distintos volúmenes, en la diseminación de datos a los que se accede
con frecuencia pero al azar para reducir la contención de datos, etc. Incluso con todo
esto, el acceso a los datos a través de los canales de E/S agrega una sobrecarga
inevitable. Mantener los datos en la memoria y evitar no sólo toda la actividad de E/S,
sino también todo el trabajo que el núcleo de DBMS debe realizar para asignar datos
desde y hacia el disco, o para encontrar el volumen correcto para cada elemento de
una consulta o actualización, da como resultado un sistema que no sólo es más
eficiente sino que también se adapta al aumento de la demanda y a los incrementos
en los volúmenes de datos, sin necesitar esfuerzos especiales del DBA para mejorar
el almacenamiento.
Una IMDB suele usar el disco únicamente para la recuperación. Escribe el registro (si
lo hay) en el disco, y vuelca el contenido de su memoria al disco de vez en cuando.
Como el disco no forma parte de las transacciones de la base de datos, los datos
volcados en el disco se pueden empaquetar juntos. Como resultado, no es ningún
problema llenar un volumen hasta el tope. Además, como el disco no afecta el
desempeño, se puede utilizar el almacenamiento económico de nivel inferior. En
situaciones de ampliación, donde las bases de datos en clusters utilizan datos
almacenados en forma redundante y en particiones, este efecto de ahorro es muy
apreciado.
Las características de SAP HANA
Además de utilizar tecnología de computación en Memoria, SAP HANA ofrece las
siguientes características y funcionalidad:
 Alto nivel de compresión de datos y almacenamiento en columnas, lo que
permite mantener todos los datos relevantes en la memoria principal.
Almacenar filas de tablas en forma de bloques con columnas indexadas
seleccionadas es un enfoque extremadamente ineficiente para las bases de
datos que se suele usar para las cargas de trabajo analíticas. Esto sucede
porque muchas operaciones de bases de datos analíticas escanean tablas y
realizan operaciones de agregación sobre los datos, por lo general en columnas
seleccionadas, y porque, cuando seleccionan filas al azar, es sólo para algunas
columnas de la fila y no para toda la fila. Almacenar datos en columnas implica
24
#230964
©2011 IDC
almacenar tablas como bloques por columna y no por fila. Una ventaja es que se
pueden realizar operaciones en una columna de datos con muy pocas
operaciones de E/S. Otra es que, como la columna contiene todos los datos del
mismo tipo, se puede comprimir con mucha facilitad a una pequeña fracción de
su tamaño usando la indexación para eliminar valores duplicados y luego
comprimir los valores. Una vez hecho esto, cualquier selección al azar de la
tabla va a tener un resultado muy rápido, porque cada columna, de hecho, está
indexada. Las estructuras de índices que definen esas columnas pueden
indexarse en forma cruzada para optimizar mejor el acceso.
 Capacidad de partición de datos para permitir un rápido procesamiento y
cálculo paralelos al instante, usando procesadores multinúcleo. Muchas
bases de datos en disco logran la escalabilidad gracias a la acción de particionar
los datos entre los distintos volúmenes. SAP HANA utiliza esta técnica para
extender sus datos entre servidores dentro de un cluster. Esto no sólo permite
una mejor ejecución en paralelo de las operaciones de datos, sino que también
permite que SAP HANA se adapte a tamaños de datos mucho más grandes que
puedan ser direccionados por cualquier servidor. Este enfoque también
garantiza la recuperación, porque los datos administrados por un servidor son
replicados a uno o más de los otros servidores, que pueden funcionar como
servidores de refuerzo en caso de que falle el servidor principal.
 Latencia casi-cero entre transacciones y analítica con replicación de los
datos en tiempo real a partir de los sistemas de negocios. Como no hay
operaciones de E/S involucradas, los sistemas de negocios pueden acceder a
los datos al instante en SAP HANA. La capacidad de replicación no sólo
garantiza la capacidad ante fallas (como se describió antes), sino que también
permite un alto grado de compartición de datos entre diferentes aplicaciones y
bases de datos que utilizan los mismos datos subyacentes.
La tecnología en Memoria es un factor fundamental que posibilita el acceso y los
análisis de datos en tiempo real, además de una respuesta rápida a las cambiantes
condiciones del negocio. La mayoría de los datos empresariales actualmente se
gestionan en sistemas de almacenamiento en disco. Este ha sido el paradigma para
la gestión de datos desde la década de 1960, y nos ha sido de gran utilidad. Pero a
medida que aumenta el ritmo de los negocios, mantener datos en discos presenta
algunos obstáculos para su uso eficiente:
 Las bases de datos en discos están optimizadas para mover datos entre la
memoria y el disco, usando un montón de instrucciones de cómputo para
hacerlo. Como resultado, aumenta de manera considerable la sobrecarga de
procesamiento dentro de un servidor de base de datos, únicamente para realizar
el seguimiento de los datos en el disco. Se calcula que más del 90% de las
instrucciones ejecutadas por un DBMS basado en disco implica algún aspecto
de la gestión de los datos en el disco.
 Cuando se cambian las definiciones de los datos en el disco, hay que descargar
y volver a cargar los datos para convertirlos al nuevo formato, y a veces es
necesario reconstruir índices. Todo esto requiere mucho tiempo del personal y
del sistema, y se genera un período durante el cual los datos no están
disponibles.
©2011 IDC
#230964
25
 Los datos deben asignarse a volúmenes, y si cambia la distribución o el tamaño
del conjunto de datos, deben reasignarse para que su uso sea eficiente. Esa
reasignación requiere tiempo del personal y del sistema, y puede interrumpir las
operaciones de TI.
En cambio, las bases de datos en Memoria no requieren una sobrecarga en la
gestión del disco, los cambios de formato se pueden realizar en la memoria y no
necesitan reestructuración, y los datos no necesitan reasignarse a medida que
crecen o cuando cambian las distribuciones de valor. Asimismo, por supuesto, las
bases de datos en Memoria no requieren tiempo de espera de E/S, lo que aumenta y
mejora en forma substancial la capacidad de procesamiento de datos. Con el tiempo,
una empresa aumenta el volumen de datos que debe gestionar. Es allí cuando
aumenta la exigencia de acceso rápido y análisis oportunos para esos datos, cuando
la tecnología en Memoria se convierte en una alternativa cada vez más atractiva en
comparación con los sistemas basados en discos.
CONCLUSIÓN
Durante 2012 experimentaremos un uso extraordinario de la visualización de datos,
del descubrimiento interactivo, de la analítica geoespacial, de la analítica móvil y de
la analítica predictiva para evaluar el desempeño en tiempo real... y esto es sólo por
seguir la cobertura de los Juegos Olímpicos de Londres. Esto debería ayudar a
reforzar la necesidad de que las empresas reevalúen sus sistemas de TI existentes
para optimizar las operaciones y la analítica empresarial. Es inevitable que la
tecnología en Memoria para empresas en los sectores público y privado permitirá
que los gerentes muevan la organización a los niveles más altos de competitividad
por medio de la "libertad". Y esto será posible gracias a las plataformas para mejorar
el desempeño que promuevan la innovación, que reduzcan los perjuicios para la TI y
que permitan el acceso a la información por parte de las personas correctas en el
momento oportuno.
Aviso de copyright
Publicación externa de información o datos relacionados con IDC: toda información
de IDC que se use en publicidad, comunicados de prensa o material promocional
requiere la aprobación previa por escrito del correspondiente vicepresidente o
gerente de país de IDC. Toda solicitud debe venir acompañada de un borrador del
documento propuesto. IDC se reserva el derecho de negar la aprobación para uso
externo por cualquier motivo.
Copyright 2011 IDC. Está prohibida su reproducción sin permiso por escrito.
26
#230964
©2011 IDC