Uno de los términos más utilizados, investigados y quizás abusados en el ámbito de los datos y la analítica hoy en día es “aumentado”. Se requiere que todo sea aumentado a menudo antes de que exista: una contradicción en los términos porque por definición puedo aumentar algo que ya tengo. Y así hablamos de calidad de datos aumentada… cuando aún no tenemos calidad de datos, catálogos de datos aumentados… cuando no sé qué es un catálogo de datos o aún no lo he implementado, etc.

Peor aún, a veces definimos lo aumentado como algo que simplemente forma parte de lo que una herramienta, un software, un proceso siempre ha podido hacer… aunque no lo hayamos llamado así.

Pero, ¿qué significa entonces “aumentar” un proceso? ¿Cuál es la diferencia entre aumento y automatización? ¿Cuáles son las posibilidades reales de aplicación? ¿Por dónde empezar?

Quizá sería útil poner las cosas en orden, comparar notas e intentar entenderse un poco para que la innovación no se quede en eslóganes sino que aporte valor.

Algo parecido ocurre cuando hablamos de #DataFabric. ¿Sabemos qué es?

Es interesante observar que el concepto de Data Fabric abarca y resume una decena de las “principales tendencias” identificadas por Gartner® para la gestión de datos (véase la guía de planificación de Gartner 2020 para la gestión de datos). He aquí un breve extracto de la definición que Gartner da del Data Fabric: