La arquitectura de datos descentralizada ofrece a las compañías del sector de la banca, entre sus ventajas, una mayor autonomía, interoperabilidad y seguridad, siempre y cuando, se protejan y se utilizan correctamente.
En este contexto, Denodo ha identificado el Data Mesh como la estrategia más eficaz para explotar correctamente los datos, gracias a una infraestructura unificada basada en el dominio para crear y compartir datos, al tiempo que se mejoran los estándares en términos de interoperabilidad, calidad, gobernanza y seguridad.
«La innovación impulsada por los datos y el progreso digital nunca han sido tan importantes para las empresas que operan en el sector financiero. Por lo tanto, los enfoques organizativos modernos como el Data Mesh están llamados a desempeñar un papel fundamental en el futuro», explica Jose Andrés García, responsable de Denodo para Iberia y Latinoamérica.
3 potenciales del Data Mesh
Estas son las tres formas de asegurar a las instituciones financieras el uso adecuado del potencial del Data Mesh:
- Modelo distribuido para una mayor autonomía. Los datos no sólo han aumentado a lo largo de los años, sino que también se han diversificado con un número cada vez mayor de lagos de datos, aplicaciones y otras fuentes, todas ellas con formatos y protocolos diferentes. Esta multiplicidad de repositorios y aplicaciones conducen a una división en silos que, a largo plazo, provocan cuellos de botella y ralentizaciones que podrían suponer una falta de competitividad de las bancas tradicionales frente a la nueva banca digital y las startup fintech. El Data Mesh, en cambio, es un modelo diseñado para ser distribuido. En concreto, cada unidad organizativa cuenta con sus propios propietarios de productos de datos, que tienen acceso a los datos específicos de su ámbito, los reúnen y los agregan, contribuyendo a la democratización y permitiendo a cada equipo disfrutar de la libertad de gestionar sus datos de forma independiente, logrando así una mayor velocidad de análisis y escalabilidad eliminando los cuellos de botella causados por las infraestructuras centralizadas.
La estrategia de Data Mesh, clave para la gestión de datos en el sector financiero
- Interoperabilidad entre diferentes dominios. Para desarrollar una estrategia de Data Mesh que cumpla con la normativa y los estándares del sector y que, al mismo tiempo, evite la fragmentación, la duplicación de datos y las incoherencias, es importante centrarse en la interoperabilidad entre dominios donde la virtualización de datos tiene un papel decisivo. Al crear una capa lógica entre las fuentes de datos y los consumidores de datos de dominios específicos, la virtualización de datos puede contribuir a que el Data Mesh sea especialmente eficaz. A diferencia de las herramientas clásicas de ETL (extracción, transformación y carga) o de los modelos de almacenamiento de datos, no es necesario «mover y copiar» los datos, ya que en su lugar se utilizan patrones semánticos definidos en la capa virtual entre las diferentes fuentes y consumidores de datos, permitiendo a los usuarios extraer los datos que necesitan cuando los necesitan, casi en tiempo real. Gracias a la facilidad de uso y a la minimización de la replicación que proporciona la virtualización de datos, la creación de productos de datos es mucho más rápida y segura que las alternativas tradicionales.
- Capa lógica para reforzar la seguridad. La innovación no puede poner en compromiso la gobernanza de datos ni el cumplimento de la normativa, especialmente en un campo tan complejo y estricto como el de la banca y los servicios financieros. Desde el punto de vista normativo, la capa lógica de la virtualización de datos permite a las organizaciones automatizar el refuerzo de las políticas globales de seguridad. Tanto si se trata de un posible fraude como del blanqueo de dinero, los riesgos son frecuentes y adoptan diferentes formas, y dada la naturaleza de estas actividades, los servicios financieros están sujetos a controles muy estrictos para garantizar que se cumplen las normas más estrictas en materia de gobernanza de datos.
