Misurare l’efficacia e l’efficienza dei processi è da sempre una componente cruciale dell’attività di business di un’organizzazione, perché attraverso i dati è possibile valutare i risultati raggiunti, comprendere in quali aree è necessario migliorare, e dove invece si registrano performance positive, soddisfacenti, da mantenere e replicare. Tuttavia, all’attuale ritmo con cui viene condotta l’attività imprenditoriale, misurare la qualità dei processi con la massima efficacia ed efficienza è vitale per massimizzare la capacità competitiva che un’azienda può esprimere sul mercato.
Da questo punto di vista, nell’era della trasformazione digitale, lo scenario della business intelligence (BI) sta arricchendosi di strumenti tecnologici, intelligenza artificiale e machine learning, che sempre più si affiancano ad altri tool analitici evoluti, con l’obiettivo di fornire funzionalità previsionali e di accelerare l’ottenimento degli insight essenziali per indirizzare l’azione di business nelle giuste direzioni.
Indice degli argomenti
Basare le decisioni su dati attendibili
Ottenere insight rapidamente non è però sufficiente quando il top management aziendale deve prendere una decisione strategica, e non può avere a disposizione informazioni e previsioni abbastanza precise e attendibili. Ciò può dipendere in parte da una cultura aziendale che non ha ancora sviluppato un concetto di gestione del dato come vero e proprio prodotto. Nel caso in cui in azienda sia presente un processo di produzione del dato, completo di tutti i controlli che attestano la qualità e la conformità di trattamento con le politiche aziendali e le normative di settore, allora è più facile creare un rapporto di fiducia verso i dati come base per decidere e attuare azioni cruciali per il business dell’organizzazione.
Perché serve un “data fabric”
Nel quadro di continua crescita del volume e della varietà dei dati, strutturati e non strutturati, generati giornalmente da diverse fonti (tabelle database, dati di sensori, dispositivi Internet of Things, e-mail, video etc), conservare una modalità di gestione artigianale, non industrializzata, e non unificata, aumenta il rischio di errori, incongruenze e costi. Per modernizzare la gestione dati, ridurre gli errori umani e i costi complessivi, la società di ricerca e consulenza Gartner, osserva che i responsabili D&A (data and analytics) hanno necessità di superare le tradizionali pratiche di gestione delle informazioni. Il paradigma da seguire per migliorare l’integrazione dei dati è il cosiddetto “data fabric”.
Nuovo data fabric, il valore per il business
Il data fabric è un modello di gestione che punta a eliminare i molteplici silos informativi esistenti nelle organizzazioni IT (finanza, produzione, logistica, ecc.) realizzando, a livello logico, un unico ‘tessuto’ integrato (fabric) di dati e processi, flessibile, riutilizzabile, e soprattutto capace di generare, nell’ambito dell’intera infrastruttura aziendale, una singola fonte di verità (single source of truth – SSOT), coerente, accreditata, condivisibile.
“Creare un data fabric – spiega Massimiliano Pinato, Business Intelligence Innovation Manager in Horsa RUN – significa considerare il dato, a tutti gli effetti, come un prodotto, ricavato da diverse fonti, trasformato attraverso varie lavorazioni, e poi certificato da controlli di qualità che ne attestano la fondatezza per chi ha la responsabilità di usarlo per prendere decisioni strategiche”.
Oggi però l’approccio al data fabric dev’essere necessariamente differente rispetto al passato. “Ingegnerizzare l’odierna infrastruttura data fabric utilizzando la tecnologia di anni fa non è la soluzione ideale, in quanto i sistemi preesistenti non sono stati progettati per rispondere alle attuali esigenze d’integrazione”. D’altra parte, anche grazie al paradigma cloud, in questi anni le tecnologie e le soluzioni architetturali hanno potuto evolversi completamente, portando radicali benefici in termini di flessibilità e rapidità di realizzazione per quanto riguarda i nuovi progetti di modernizzazione della gestione dati.
“L’infrastruttura data fabric va dunque ripensata, e deve fondarsi sul cloud e sul concetto di federazione di dati”, chiarisce Pinato. Dove per federazione di dati s’intende l’abilità nativa di aggregare e integrare in un unico database virtuale i dati provenienti da molteplici database e fonti disparate, con molta più facilità, tempi decisamente inferiori, e costi minori, rispetto alle soluzioni tradizionali. Ciò è possibile attraverso la tecnologia di virtualizzazione dati, che consente di reperire e aggregare le informazioni, a prescindere dal loro formato o da dove si trovano, senza doverle copiare o spostare dalle fonti originarie.
Verso il moderno “data lakehouse”
Le moderne tecnologie e architetture data fabric basate sul cloud rappresentano un salto quantico in confronto ai sistemi tradizionali. “Oggi, grazie a questo nuovo approccio, ci accorgiamo di completare le implementazioni delle architetture BI in un terzo del tempo. Inoltre, i progetti BI non sono più scritti in modo indelebile come sul marmo, ma, oltre ad essere rapidi da realizzare, sono anche molto flessibili da modificare quando è necessario, soprattutto se si tratta di aziende utenti che hanno implementato un sistema ERP di SAP”, aggiunge Pinato. Nello specifico, le soluzioni SAP utilizzate da Horsa RUN per realizzare i diversi progetti di innovazione dell’infrastruttura di data management presso le aziende si identificano in SAP Datasphere e Analytics Cloud. La prima è un servizio dati completo che rende possibile l’implementazione di un’architettura data fabric moderna, improntata sul concetto di “data lakehouse”. Il data lakehouse fonde in sostanza i vantaggi del data warehouse tradizionale con i benefici del data lake. La seconda, invece, Analytics Cloud, costituisce l’ambiente di reportistica e pianificazione di SAP, basato su strumenti analitici evoluti.
