Actualización de la plataforma de adquisición y enriquecimiento de contenidos — Fase 1: sustitución de un sistema propio de una década por SAP BusinessObjects Data Services.

Acerca del cliente

La Empresa N es un proveedor global líder de noticias e información de negocios. La Empresa N agrega contenido de más de 30,000 fuentes licenciadas y gratuitas que abarcan unos 200 países y decenas de idiomas, entregando datos de investigación, monitoreo, riesgo y cumplimiento a clientes empresariales de todo el mundo. Cada uno de estos productos depende de metadatos precisos y ricamente estructurados adjuntos al contenido entrante.

Contexto de la industria

La disciplina que este proyecto modernizó, el análisis automatizado de texto y la extracción de entidades, ha seguido creciendo en importancia estratégica para los negocios de contenido e información. El crecimiento explosivo del contenido de la Web y las redes sociales que llevó por primera vez a la Empresa N a superar su plataforma heredada en 2012 no ha hecho más que acelerarse, y los proveedores de información de hoy enfrentan un desafío análogo a una escala aún mayor: producir metadatos lo suficientemente precisos y confiables como para fundamentar productos de IA generativa. Desde entonces, la Empresa N se ha expandido a un mercado de contenido licenciado y ha lanzado funciones de GenAI, que dependen del tipo de datos de entidades limpios y bien desambiguados que produjeron las mejoras de calidad de datos de este proyecto. Una plataforma de procesamiento de contenido escalable y de alcance empresarial, en lugar de un sistema construido a propósito para un solo producto, es lo que permite a un proveedor de información seguir cumpliendo ese estándar a medida que el volumen de contenido y las exigencias de los productos siguen creciendo.

Situación actual

La plataforma heredada de CAEP no podía satisfacer las necesidades de negocio actuales ni futuras de la Empresa N por dos razones estructurales: fue diseñada más de una década antes en torno a los requisitos exclusivos de la Empresa N, y el crecimiento intermedio de la Web y las redes sociales había aumentado drásticamente el volumen de contenido entrante más allá de lo que la plataforma fue construida para manejar. Cada producto, servicio y aplicación editorial de la Empresa N necesitaba tipos de contenido adicionales y metadatos más ricos de los que el sistema heredado podía producir. La Empresa N concluyó que una nueva plataforma única de procesamiento de contenido de alcance empresarial era la forma más rentable de satisfacer estas necesidades, y seleccionó a Iknow para proporcionar los servicios de consultoría de negocio, consultoría tecnológica e integración de sistemas necesarios para entregarla.

• Una plataforma heredada de propósito único. La funcionalidad de análisis de texto y extracción de entidades de CAEP había sido construida a medida más de una década antes exclusivamente para la Empresa N, dejándola estructuralmente incapaz de servir a toda la gama de productos de la Empresa N que ahora dependían de ella.
• Volumen de contenido desbordado. El rápido crecimiento de los artículos publicados y del contenido de la Web y las redes sociales había empujado el volumen entrante mucho más allá de lo que la plataforma heredada podía procesar de forma confiable.
• Demandas crecientes de metadatos. Los productos y aplicaciones editoriales de la Empresa N requerían cada vez más tipos adicionales de contenido y metadatos que la implementación existente de análisis de texto nunca fue diseñada para producir.
• Tolerancia cero a las interrupciones. Cualquier sustitución del motor central de análisis de texto de la plataforma debía preservar el servicio ininterrumpido de un pipeline de producción en vivo que alimentaba los múltiples productos de datos estructurados de la Empresa N.

• Instalar, configurar, probar e integrar SAP BusinessObjects Data Services v4.1 en el entorno de CAEP.
• Migrar la funcionalidad heredada de análisis de texto de la plataforma a Data Services con un comportamiento funcional equivalente.
• Establecer entornos de desarrollo, integración/pruebas y producción para dar soporte a la nueva plataforma en adelante.
• Identificar y resolver cuellos de botella de rendimiento bajo volúmenes de contenido representativos de producción.
• Entregar una base técnica y recomendaciones para la Fase 2 que guiaran el resto del programa plurianual de modernización.

Cómo estructuró Iknow el trabajo

Iknow siguió una metodología estructurada de desarrollo e integración de sistemas: instalar y configurar los entornos de la nueva plataforma, analizar y documentar el sistema heredado que reemplazaba, construir y probar una funcionalidad equivalente en la nueva plataforma, integrarla en producción y documentar tanto los resultados como la ruta recomendada para las fases posteriores.

Actividades y decisiones clave

• Instalación de la plataforma y configuración de entornos. Iknow descargó e instaló la versión vigente de SAP BusinessObjects Data Services y luego estableció entornos de desarrollo, integración/pruebas y producción configurados para ejecutarse en el entorno técnico de la Empresa N.
• Análisis del sistema heredado. El equipo analizó y documentó las entradas y salidas de la implementación existente de análisis de texto para establecer una línea base funcional precisa para la migración.
• Migración funcional. Iknow diseñó, desarrolló e implementó en Data Services una funcionalidad de análisis de texto que replicaba el comportamiento del sistema heredado, y luego integró las llamadas hacia y desde Data Services con el resto de la plataforma CAEP.
• Pruebas y ajuste de rendimiento. La nueva funcionalidad de análisis de texto se probó contra una variedad de muestras de texto no estructurado, y se analizaron los datos de las pruebas de rendimiento para identificar y resolver cuellos de botella de procesamiento antes de la puesta en producción.
• Documentación y transferencia de conocimiento. Iknow produjo el conjunto completo de documentación técnica de la nueva implementación y un informe detallado de los resultados del proyecto y los aprendizajes clave.

Partes interesadas y colaboración

Iknow se coordinó con el personal técnico y los arquitectos de plataforma de la Empresa N, muchos de ellos los mismos expertos en la materia involucrados durante el esfuerzo de documentación de CAEP cubierto en el Caso de Estudio #142 de Iknow, así como con los equipos editoriales y de producto cuyas aplicaciones dependían de la salida de metadatos de la plataforma, incluidos los servicios de codificación editorial de la compañía.

Replicar con precisión un sistema a medida de una década de antigüedad

Migrar la funcionalidad de análisis de texto sin una comprensión precisa de su comportamiento existente implicaba el riesgo de diferencias sutiles en la salida que podían propagarse por todos los productos posteriores que dependían de esos metadatos. Iknow lo abordó analizando y documentando primero en detalle las entradas y salidas de la implementación heredada, y luego validando la nueva implementación en Data Services contra una amplia variedad de muestras de texto no estructurado para confirmar la equivalencia funcional antes de la integración.

Actualizar infraestructura central sin interrumpir un pipeline en vivo de alto volumen

CAEP no podía quedar fuera de línea; estaba procesando hasta un millón de artículos al día para productos en uso continuo. Iknow mitigó este riesgo con entornos dedicados de desarrollo, integración/pruebas y producción, y ejecutando pruebas de rendimiento estructuradas para identificar y resolver cuellos de botella de procesamiento antes de que la nueva funcionalidad de Data Services entrara en producción.

Resultados operativos

• Instalación, configuración, pruebas e integración de la versión vigente de SAP BusinessObjects Data Services en la Plataforma de Adquisición y Enriquecimiento de Contenidos.
• Migración de la funcionalidad heredada de análisis de texto y extracción de entidades de la plataforma a Data Services con un comportamiento funcional equivalente.
• Introducción de nuevas funciones de limpieza y calidad de datos, esenciales para estandarizar las salidas de extracción de entidades y dar soporte a las bases de datos de referencia para la desambiguación de entidades.
• Introducción de capacidades analíticas para monitorear el rendimiento de la plataforma y analizar los resultados de forma continua.

Resultados estratégicos y organizacionales

El proyecto puso en marcha la transición de la Empresa N hacia una plataforma de ETL y flujos de trabajo basada en servicios web y líder del mercado, reemplazando un sistema heredado de propósito único por una infraestructura capaz de servir a todo el portafolio de productos de la compañía. Los clientes de la Empresa N obtuvieron una experiencia mediblemente mejor: más contenido ingerido, resultados de búsqueda más exactos y precisos, y una visualización y presentación de datos más ricas; y el proyecto apoyó directamente el desarrollo de los servicios de codificación editorial de la Empresa N. Iknow también entregó un Documento de Recomendaciones para la Fase 2, proporcionando a la Empresa N una ruta clara y basada en evidencia para continuar la modernización de la plataforma.

Tiempo hasta el impacto

Iknow completó la instalación, las pruebas y la integración de SAP BusinessObjects Data Services dentro del contrato de cuatro meses, entregando una actualización de plataforma lista para producción y un conjunto definido de recomendaciones para la Fase 2 del programa más amplio de modernización de CAEP.

Competencias centrales

• Consultoría tecnológica e integración de sistemas
• Implementación de plataformas empresariales de integración de datos
• Ingeniería de analítica de texto y extracción de entidades
• Calidad de datos y desambiguación de entidades

Métodos y marcos de trabajo

• Metodología de análisis de sistemas heredados y migración con equivalencia funcional
• Pruebas de rendimiento y análisis de cuellos de botella
• Documentación de arquitectura técnica y diseño de bajo nivel

Tecnologías y herramientas

• SAP BusinessObjects Data Services v4.1: ETL, análisis de texto, calidad de datos y gestión de metadatos