São Paulo — InkDesign News — Com o avanço das tecnologias de machine learning e deep learning, organizações estão explorando novos paradigmas para otimizar suas arquiteturas e processos de dados, como o conceito de Data Mesh.
Arquitetura de modelo
O conceito de Data Mesh foi introduzido por Zhamak Dehghani, que buscava alternativas para as limitações de “arquiteturas de dados centralizadas e monolíticas” (Zhamak Dehghani, 2019). Ao invés de um modelo unificado, o Data Mesh propõe um conjunto descentralizado de domínios autônomos, permitindo que equipes de dados operem como unidades independentes.
A implementação de Data Mesh desafia o tradicional e depende de uma clara definição do que constitui um produto de dados. Isso inclui entender os diferentes formatos e usos, seja como dados brutos ou transformados.
(“The implementation of Data Mesh challenges the traditional and relies on a clear definition of what constitutes a data product. This includes understanding the different formats and uses, whether as raw or transformed data.”)— Nome, Cargo, Instituição
Treinamento e otimização
A partir das conversas com praticantes de Data Mesh, identificar um produto de dados se mostra um desafio significativo. O processo implica uma adequada segmentação das equipes, todas alinhadas com a estratégia empresarial, para garantir que os resultados da análise de dados sejam efetivos e aplicáveis.
A adoção do Data Mesh requer que a alta administração esteja envolvida de perto, o que nem sempre é o caso. Sem esse apoio, a iniciativa tende a ser vista como um projeto apenas de TI.
(“The adoption of Data Mesh requires that upper management be closely involved, which is not always the case. Without this support, the initiative tends to be seen merely as an IT project.”)— Nome, Cargo, Instituição
Resultados e métricas
Organizações que abraçam o Data Mesh podem esperar um aumento na velocidade de entrega e uma melhor integração entre equipes. No entanto, isso não ocorre sem certos “crescimento” e desafios de integração, que se manifestam em problemas de governança e segurança.
Com um panorama em constante mudança, dados levantados por primeiros adotantes mostram que o conceito expõe brechas em processos existentes, exigindo um esforço colaborativo para a solução dessas falhas.
As aplicações práticas do Data Mesh ainda estão em desenvolvimento, e a pesquisa contínua permitirá a evolução desse conceito, ampliando suas oportunidades em diversos setores.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
