Systemy mainframe, choć starsze technologicznie, nadal stanowią kluczowe źródło danych w wielu dużych przedsiębiorstwach. Dane przechowywane w tych systemach są nieocenione dla analityki i rozwoju sztucznej inteligencji, a zarazem trudne do pełnego wykorzystania w nowych środowiskach technologicznych. Raport firmy Rocket Software, opracowany przez Foundry, wskazuje na skalę wyzwań, jakie firmy napotykają w próbach pozyskiwania danych z tych starszych systemów. W badaniu przeprowadzonym w maju wzięło udział 213 specjalistów ds. analityki, zarządzania i inżynierii danych.
Wyniki raportu pokazują, że aż 76% ankietowanych uważa dostęp do danych mainframe oraz związanych z nimi metadanych kontekstowych za poważne wyzwanie. Integracja danych między systemami mainframe a chmurą również sprawia trudności – niemal 63% respondentów przyznaje, że spotkało się z problemami na tym tle. Takie przeszkody wynikają z fundamentalnych różnic kulturowych i technologicznych między systemami mainframe a środowiskiem chmurowym. Mainframe jest dobrze dostosowany do przetwarzania danych transakcyjnych w czasie rzeczywistym, natomiast chmura jest preferowana do złożonej analizy i zarządzania dużymi zbiorami danych.
Systemy mainframe, choć stopniowo tracą na popularności, wciąż mają nieocenione znaczenie dla biznesu, zwłaszcza w sektorach takich jak finanse i handel, gdzie przetwarzanie transakcji w czasie rzeczywistym jest kluczowe. Według IBM, około 70% światowych transakcji o dużej wartości wciąż jest realizowanych na tych starszych systemach. Aplikacje mainframe przechowują nie tylko dane, lecz także reguły biznesowe, które definiują działalność przedsiębiorstw – od relacji z klientami po przejęcia i fuzje. Trudno więc po prostu przenieść te systemy do chmury.
Rozwiązaniem dla wielu firm jest wdrożenie modeli hybrydowych, które łączą zalety chmury z mocą obliczeniową mainframe. W takim układzie, zamiast przesyłać duże ilości danych do chmury, przedsiębiorstwa mogą uruchamiać lokalne modele analityczne na danych pozostających na mainframe. Takie podejście pomaga firmom lepiej zarządzać bezpieczeństwem i zgodnością, zwłaszcza jeśli chodzi o dane zastrzeżone.
Jednym z wyzwań stojących przed liderami IT jest także modernizacja aplikacji napisanych w języku COBOL, który wciąż jest szeroko stosowany w systemach mainframe. W tym celu firmy coraz częściej sięgają po generatywne narzędzia do kodowania oparte na sztucznej inteligencji. Chociaż całkowite przepisywanie aplikacji mogłoby wydawać się najlepszym rozwiązaniem, specjaliści sugerują, że refaktoryzacja istniejącego kodu jest bardziej realistyczna i obarczona mniejszym ryzykiem niepowodzenia.
Dla większości organizacji kluczem do sukcesu jest dokładna identyfikacja danych, które mają kluczowe znaczenie dla działań biznesowych, bez konieczności przeprowadzania radykalnych zmian w systemach mainframe. Choć zarządzanie mainframe pozostaje w rękach działów IT, same aplikacje są głęboko zakorzenione w strategiach biznesowych przedsiębiorstw. Kierownictwo, obserwując wyniki inicjatyw związanych z chmurą, coraz częściej dostrzega możliwości, jakie niesie integracja danych. W efekcie naciska na zespoły IT, by te jak najlepiej wykorzystywały dane zamknięte w systemach mainframe, a tym samym wzmocniły innowacje w biznesie.
Raport Rocket Software jednoznacznie pokazuje, że pomimo wyzwań integracyjnych, przedsiębiorstwa, które skutecznie wydobędą i wykorzystają dane z systemów mainframe, zyskają strategiczną przewagę na rynku, opierając rozwój na bogactwie historycznych danych transakcyjnych, a także na innowacyjnych wdrożeniach sztucznej inteligencji.
