16 Julio, 2020
La Infraestructura aprende a correr
Tecnología
Los amantes de los acrónimos están de parabienes, porque está emergiendo uno nuevo que las empresas con grandes infraestructuras tecnológicas deberían comenzar a practicar: infralytics – combinación, precisamente, de “infraesctura” con “analytics“-. Este nuevo concepto aprovecha los avances en términos de inteligencia artificial y machine learning para nalizar cada detalle de la infraestructura de IT de una compañía, incluyendo antiguos sistemas heredados, hardware ubicado en sucursales o locaciones distantes, servicios de integración o interacción con la cadena de valor y dispositivos de internet de las cosas además, claro, de todo aquello que se haya migrado en la nube.
LA CERTEZA QUE REEMPLAZA EL RIESGO
A partir de mecanismos predictivos que aprovechan el machine learning, el infralytics permite obtener el máximo provecho de la infraestructura de IT. El foco se centra en predecir fallas y alcanzar en cada momento del negocio el dimensionamiento óptimo.En 2002, Steven Spielberg llevó a la pan-talla grande Minority report, película basa- da en un cuento de ciencia ficción de Philip K. Dick: un equipo de fuerzas de seguridad capaz de predecir los crímenes antes de que ocurran, lo que les permite poner tras las rejas a los potenciales delincuentes en instancias en que estos aún ni siquiera sospechan lo que están por hacer. Más allá de las discusiones éticas y morales que des- pierta la trama, una lectura específica (y deshumanizada por cierto) para el mundo de la infraestructura tecnológica nos lleva a pensar cuánto más eficiente podría ser una empresa capaz de saber de manera anticipada si el hardware destinado para determinada función podría quedar insuficiente por un aumento de la demanda, si un sistema específico está a punto de fallar o si en algún lugar del mundo alguien está planeando un ataque, físico o cibernético, para hacer que todo deje de funcionar. Poder contar con esa previsión ayudaría sustancialmente a reducir uno de los mayores retos de los negocios actuales: la incertidumbre.
LOS PIONEROS
Si bien la mayor parte de los sistemas modernos de detección de ataques cibernéticos y de malware utilizan machine /earning para desarrollar modelos predictivos, lo cierto es que aplicar esta tecnología para el total de la infraestructura es un enfoque muy novedoso. Los primeros casos se están viendo particularmente en los Estados Unidos, aunque también se observan algunas implementaciones en Chile. En la Argentina, uno de los bancos más importantes emprendió su camino hacia infralytics de la mano de Practia.
Es cierto que la mayoría de las empresas puede determinar, a simple vista y en base a su propio conocimiento, cuáles son los períodos de mayor carga de trabajo para su infraestructura de IT: los bancos, por ejemplo, saben que sus sistemas de home banking se saturan de consultas en esos primeros días del mes en que todos quieren saber si ya les depositaron el sueldo, cuándo vencen los servicios o si todavía están a tiempo de pagar el mínimo de la tarjeta. Un comerciante minorista, por su parte, es consciente de que en los días previos al Día de la Madre podrían incrementarse exponencialmente las visitas físicas a los locales mientras que en las vísperas del Hot Sale la demanda sobre su e-commerce se irá a las nubes.Sin embargo, existen modificaciones más leves que se producen de manera cotidiana y que, por su propia esencia sutil, son imperceptibles -pero, aún así, ralentizan toda la operación y generan una mala experiencia para los clientes, que sienten que hacer una operación sencilla les toma toda una vida-. También movimientos sísmicos que, por no haber sido contemplados, desembocan en un desastre. Y, por supuesto, complejidades que escapan a una úni- ca operación: en un universo competitivoen el que el banco necesita lanzar nuevos servicios adapta- dos a un nuevo consumidor, en el que convive con sistemas de empresas cien por ciento innovadoras como las jintech pero también con su propia infraestructura heredada, muchas veces compuesta por sistemas IBM AS/400 (que fueron durante décadas el estándar para a industria) o grandes mainframes, el ciclo de actividad del home banking, sin dejar de ser importante, dista mucho de ser el único problema a analizar.
INCERTIDUMBRE CERO
Irifralytics es un concepto emergente que apunta a reducir todo lo posible la incertidumbre relacionada con el uso óptimo de la infraestructura tecnológica. No solo es capaz de predecir cambios en el volumen de actividad, sino que además analiza los incontables sistemas internos para detectar y predecir anomalías: cada mensaje emitido por una máquina, cada señal de alerta, cada interacción entre distintos sistemas integrados, sea propio o de algún miembro de la cadena de valor, cada salida de los valores esperados en términos de latencia o velocidad de carga. Los beneficios que propone infralytics pueden resumirse en tres grandes grupos: prevenir fallas o caídas, optimizar cada elemento de infraestructura y estimar crecimiento.En terminos de infraestructura tecnológica, mantener los balances de carga de trabajo “a ojo” es, mínimamente, riesgoso.Propone un esquema de modelado predictivo que aprovecha los avances en machine learning para que cada hecho o cada transacción se convierta en un aprendizaje. Cuando todas las variables son conocidas, realizar un cálculo es sencillo: si la intención es accionar una palanca, basta investigar qué presión hay que aplicarle para saber exactamente qué comportamiento va a tener. ¿Pero qué ocurre en casos en que el número de variables es enorme y cambiante y se carece sobre información fehaciente sobre la gran parte de ellas? Pensemos una empresa del segmento retail. Si se consultara al dependiente que está todos los días detrás del mostrador cuántos clientes piensa que van a entrar en esa jornada, seguramente arriesgará un número. Sin embargo, la cantidad de condicionantes imposibles de estimar (un paro repentino en el transporte público, un cambio climático que desaliente a la gente a salir de su casa, un accidente que ralentiza el tránsito, por citar apenas tres ejemplos) pueden generar una variación entre leve y notoria. Llevado esto al mundo de la infraestructura tecnológica, mantener los balances de carga de trabajo “a ojo” es, mínimamente, riesgoso. En particular en una era en que el avance de la innovación hace que sea innecesario.
¿ES PARA CUALQUIERA?
¿Qué empresas deberían observar el concepto de infralytics? Aquellas que suelen tener infraestructuras complejas, en las que conviven grandes equipos de otras épocas con porciones migradas a la nube, dispositivos de internet de las cosas (IoT) diseminados por aquí y por allá y múltiples locaciones físicas -que muchas veces actúan de manera autónoma, pero que a partir de este paradigma pueden centralizarse-, sistemas heredados con implementaciones recientes, elementos propios con fuerte interacción con sistemas de terceros.
Además de los bancos y del retail, que ya fueron mencionados, empresas de sectores como los de generación de energía (tanto petroleras como productoras de gas o distribuidoras) o prestación de servicios públicos también pueden beneficiarse con infralytics. En caso de una fusión o adquisición entre dos organizaciones de porte, el concepto adquiere el tinte de fundamental: es lo que permitirá detectar qué sobra o qué falta para llevar la optimización a la nueva etapa.El estatismo en términos de infraestructura tecnológica ya no es posible: adquirir equipamiento que será subutilizado o jugar al límite de las posibilidades son opciones que, en la era de la economía del conocimiento y de la experiencia, resultan suicidas en términos de negocios. Hoy, existen elementos flexibles que permiten aportar la dinámica necesaria como para trabajar en todo momento en niveles óptimos: desde los balanceadores de carga modernos hasta, por supuesto, la posibilidad de contratar espacio en la nube para cubrir los períodos de carga muy intensos.Infralytics llega para dar certeza allí donde había un fuerte nivel de riesgo. Si existe alguien capaz de saber exactamente qué número saldrá en la siguiente tirada de una ruleta, difícilmente prefiera apostar a ciegas. Del mismo modo, no tiene lógica en esta época de negocios digitales, poner sobre el paño toda la infraestructura digital apostando a la fe, a una corazonada o que se repitan resultados del pasado.Los grandes beneficios que propone infralytics pueden asociarse en tres grupos; prevenir fallas o caidas, optimizar cada elemento de infraestructura y estimar crecimientos
Cuáles son los aspectos clave que debe considerar una empresa a la hora de incorporar este nuevo concepto tecnológico. La disponibilidad y calidad de los datos es el gran desafío que tiene todo proyecto de infralytics. “Existe una divergencia de percepción entre los datos que la organi-zación cree tener y los que tiene en rea-lidad”, afirma Daniel Yankelevich, socio fundador de Practia Global. “Por ejemplo, se conservan muchos datos de evolución de demanda, pero que no habili-tan un aprendizaje sistemáti-co”, destaca Yankelevich.“El problema con la calidad de datos suele aparecer en cualquier proyecto de big data, no sólo con los de infralytics”, aporta Denise Bendersky, científica de datos en Practia Global. “Luego, hay que diferenciar las empresas que ya tienen experiencia en proyectos de analytics, que en general ya hicieron el cambio cultural y que comprenden que ese proceso de análisis de datos lleva al descubrimiento de insights, acciones o preguntas de negocios, y las que deben emprender ese camino desde cero, que mostrarán mayores niveles de resistencia al cambio”, agrega la especialista.
STRATEGIC DATA GATHERING La recolección de datos que van a medirse para implementar infralytics no es azarosa: surge de un análisis, de preguntas que habrá que responder, de una visión sobre cuáles serán los conocimientos que la solución debe proveer. A esta recolección con mirada estratégica, que incluye una mejora de la calidad de los datos durante el proceso, se la conoce como strategic data gathering.
Para combatir esa barrera cultural, en el primer proyecto de infralytics que Practia Global implementó en uno de los principales bancos con operaciones en el país, se decidió apelar a una metodología ágil: a partir del interminable mapa de infraestructura de la entidad financiera, se decidió proponer un MVP (mínimo producto viable): tomar alguna plataforma específica, encontrar unos pocos indicadores clave sobre los cuales trabajar y apuntar a obtener resultados en un período breve, alrededor de dos a tres meses. Con esta aproximación, se logran dos objetivos: por un lado, se comienza a avanzar en la dirección deseada en relación al proyecto; por el otro, se disminuye el nivel de resistencia, ya que la empresa usuaria empieza a recibir beneficios concretos, lo que hace que baje las barreras para seguir avanzando.
ESCALÓN POR ESCALÓN
El seguimiento del proyecto es continuo: más allá de los dos o tres meses de horizonte que se establece, se realizan interacciones frecuentes, es decir, reuniones periódicas en la que se evalúan los avances respecto de la metas fijadas, se proveen releases mejorados, se evitan desvíos y se propone un incremento en el valor del producto para el siguiente sprint. “El análisis de un solo dato puede ser útil para desbloquear cualquier barrera cultural: muchas veces les permite detectar un pico de consumo oculto o descubrir alguna táctica de trabajo que había quedado invisible durante mucho tiempo”, indica Bendersky.“Hay otra realidad y es que los responsables del centro de datos suelen estar muy concentrados en la resolución de problemas que surgen en lo inmediato: necesita bajar los costos de mantenimiento, dar respuesta a las solicitudes de que el punto de venta funcione más rápido o contener la ira de todo el mundo porque se acaba de caer un servidor”, enumera Yankelevich. “En este contexto, hay que producir un incentivo para comenzar un trabajo que producirá resultados en un mediano plazo”, explica. La metodología ágil, en este contexto, se vuelve una aliada fundamental: “los primeros resultados rompen el escepticismo que pudiera existir y abre las puertas a querer más”, concluye Yankelevich.
Cualquier responsable de un centro de datos conoce cuáles son sus problemas críticos. A lo largo del tiempo, desarrolla una intuición que le permite resolver los conflictos acuciantes, optimizar buena parte de la infraestructura que tiene a su cargo y hasta establecer mejores prácticas. Infralytics permite ir más allá de la intuición: la complementa con datos, con materia prima, para, a partir de mediciones continuas y de insights, ofrecer el mejor panorama de infraestructura posible para cualquier necesidad de negocios que se presente
Practia.global, Todos los derechos Reservados, 2020