Analítica de negocio que sigue al dato y se sube a la nube

Cuando un grupo de ingenieros de la Universidad de Carolina del Norte creó en 1966 un software de análisis estadístico de datos para el mundo agrícola, pocos se podían imaginar que sería el germen de lo que hoy conocemos como business analytics o business intelligence. Mucho menos imaginar que esta clase de software no solo sería hoy omnipotente, sino también omnipresente al subirse a unas nubes que por aquel entonces sólo traían consigo lluvia o nieve.

SAS, que así se llamó la pionera de la analítica de datos, se ha mantenido como una referencia del sector desde hace más de cinco décadas, pero es igualmente cierto que -como a otras muchas firmas históricas- el paso a la ya mentada nube le pilló a pie cambiado. No fue la única: Microstrategy, otra de las compañías que un día brillaron con fuerza, prácticamente ha caído en el ostracismo. Pero SAS, que sigue comandada por James Goodnight, uno de sus fundadores originales de ese trabajo universitario, ha pasado por un catártico proceso de adaptación a este nuevo entorno. Y si el año pasado la multinacional anunciaba una alianza con Red Hat para aprovechar las bondades de OpenShift y la nube híbrida, este año ha tocado el salto definitivo a la ‘cloud’ pública. De nuevo, de la mano de un partner de excepción que le guíe en este vodevil del siglo XXI: Microsoft.

Azure y SAS

El acuerdo estratégico, anunciado esta semana en el marco del SAS Global Forum, supone que todos los productos analíticos de esta empresa estarán disponibles en el marketplace de Azure, que se convertirá en su "principal proveedor cloud", quitándole el puesto a AWS que ostentaba esta plaza hasta ahora. Además, y tal y como explicó Goodnight, poco a poco se irán integrando servicios y capacidades de SAS en modelos específicos de productos propios de Microsoft (y a la inversa, combinando por ejemplo las funciones de IoT de Azure con la solución de SAS), así como se explorarán posibles acercamientos conjuntos a industrias o verticales específicos. Todo esto lo iremos viendo en próximos meses, ya que por ahora lo único que está disponible es la migración de los actuales clientes de SAS 9 a SAS Viya 3.5 en Azure mediante contenedores.

Para los de Satya Nadella esta alianza es igualmente beneficiosa. Aunque Microsoft también dispone de herramientas de análisis y visualización de datos (integradas o representadas con productos como Dynamics 365 o Power BI) que podrían verse como una suerte de competencia, lo cierto es que integrar SAS en su nube es la guinda al pastel de un completo ecosistema de aplicaciones de negocio que corren sobre Azure de forma nativa. De hecho, es más fácil señalar los nombres que faltan en la lista que aquellos que sí figuran: Salesforce, SAP, Oracle, Workday, ServiceNow, Adobe... Todos están bajo el paraguas de Microsoft, sabedor de que éste es su gran valor frente a un Amazon Web Services cada vez más ensimismado en sus propios muros y a un Google Cloud más orientado a desarrolladores que a grandes proyectos corporativos.

El eje vertebrador de esta numinosa propuesta es SAS Viya, la propuesta de analítica capaz de operar con información en tiempo real, procesada en la propia base de datos, en múltiples lenguajes de programación y con funciones de automatización, gobierno de los datos y actualización continua destacados dentro del sector. Si a ello le unimos este nuevo posicionamiento capaz de operar en cualquier entorno (cloud pública, cloud híbrida o en el propio centro de datos del cliente), parece una apuesta valiente de SAS y un buen reclamo para Microsoft en este terreno.

Sentido común

Más allá de este acuerdo, el SAS Global Forum también ha servido para que Oliver Schabenberger, el número dos y CTO de la firma, pusiera sobre la mesa algunas reglas obvias y manidas sobre cómo debe entenderse la analítica de datos en estos tiempos. Ridículas advertencias, si no fuera porque a fecha de hoy muchos siguen poniéndolas en solfa o, directamente, obviándolas. Una falta de sentido común evidente que explica, en parte, muchos de los proyectos fallidos en estas lides.

"Lo que tenemos que tener claro es que los modelos analíticos ya no ayudan al negocio: ahora son el negocio", empezó su alocución el directivo. "Por ello, la analítica debe seguir al dato, allá donde esté. Y tenemos que entender que la analítica es mucho más que algoritmos, o al menos ya no sirve eso únicamente. Esto va de solucionar problemas de datos de principio a fin de una manera escalable, operacional y gobernable. Solo así, con una aproximación de categoría empresarial, podemos realmente democratizar esta clase de propuestas".