Es fácil confundir los términos "productos de datos" y "datos como producto", pero significan cosas diferentes. Es importante entender la diferencia entre ambos conceptos para crear soluciones en la nube.

• Los datos como producto (DaaP) son una mentalidad o una estrategia que suele estar relacionada con el concepto arquitectónico de la malla de datos. Esto significa tratar los conjuntos de datos internos con el mismo cuidado que tratarías un producto de software público.
• Por otro lado, los productos de datos son los resultados técnicos reales. Son los datos preempaquetados que nutren el software o las herramientas que creas utilizando esos datos de alta calidad.

Diferencias principales:

Veamos cómo podrías crear un producto de datos, como un "predictor de inventario de tiendas", usando herramientas como BigQuery y Knowledge Catalog.

El objetivo: crear una herramienta interna que indique a los responsables de tienda qué artículos se están agotando y prediga qué deben pedir para la semana siguiente.

En primer lugar, necesitas un lugar donde almacenar los datos de ventas. Puedes usar BigQuery, un almacén de datos sin servidor, para configurar un flujo de procesamiento que transfiera las cifras de ventas diarias de cada tienda a tablas de BigQuery.

Antes de crear el modelo, debes asegurarte de que los datos estén limpios. Usa Knowledge Catalog para gestionar el ciclo de vida de los datos, ya que te puede ayudar a:

• Catalogar los datos para que otros desarrolladores puedan encontrarlos
• Definir reglas de calidad de los datos (por ejemplo, "El precio no puede ser negativo")
• Proteger los datos para que solo los usuarios autorizados puedan acceder a ellos

Ahora, la información la creas tú. En lugar de exportar los datos a una herramienta independiente, usas BigQuery ML para escribir una consulta de SQL sencilla que entrena un modelo de aprendizaje automático. Este modelo analiza las tendencias de ventas pasadas para predecir la demanda futura.

Por último, puedes crear una API sencilla o un panel de control con Looker. Cuando el gerente de una tienda inicia sesión, en lugar de ver consultas de SQL, ve una interfaz limpia que dice "Pide 50 camisetas rojas más para el martes". ¡Enhorabuena! Has transformado correctamente datos en bruto en un producto de datos útil.