Posted On 13 Luglio 2020 By In Innovazione With 246 Views

L’innovazione parte dai dati?

Secondo una ricerca McKinsey, negli ultimi anni le organizzazioni hanno dovuto rapidamente implementare nuove tecnologie di dati insieme a infrastrutture legacy per guidare l’innovazione. Esempi in questo senso sono aziende leader come Amazon e Google che si sono avvalse delle innovazioni tecnologiche dell’IA per ribaltare i modelli di business tradizionali, richiedendo ai ritardatari di reinventare aspetti della propria attività per tenere il passo. In questa fase le aziende se vorranno rimanere competitive, avranno bisogno di un nuovo approccio per definire, implementare e integrare i propri stack di dati, sfruttando sia il cloud sia nuovi concetti e componenti.

I fornitori di servizi cloud hanno lanciato offerte all’avanguardia, come piattaforme di dati senza server che possono essere implementate all’istante, consentendo agli utenti di godere di un time to market più rapido e di una maggiore agilità.

Nella prima fase è essenziale che le organizzazioni dispongano di un piano strategico chiaro e che i leader dei dati e della tecnologia facciano delle scelte coraggiose per dare priorità a quei cambiamenti che avranno un impatto diretto sugli obiettivi aziendali. Per questo motivo i progetti di architettura dei dati sembrano spesso molto diversi da un’azienda all’altra.

 

Quali cambiamenti chiave devono prendere in considerazione le organizzazioni?

  

 Dalle piattaforme di dati on-premise a quelle basate su cloud 

Il cloud è probabilmente il driver più dirompente all’architettura dei dati, in quanto offre alle aziende un modo per ridimensionare rapidamente gli strumenti e le capacità di intelligenza artificiale per un vantaggio competitivo. I principali fornitori di servizi cloud globali come Amazon (con Amazon Web Services), Google (con la Google Cloud Platform) e Microsoft (con Microsoft Azure) hanno rivoluzionato il modo in cui organizzazioni di tutte le dimensioni acquistano, distribuiscono ed eseguono infrastrutture, piattaforme e dati applicazioni su larga scala.

Queste tecnologie consentono una serie di nuove applicazioni aziendali: le compagnie di trasporto, ad esempio, possono informare i clienti mentre i loro taxi si avvicinano con previsioni di arrivo accurate al secondo; le compagnie assicurative possono analizzare i dati comportamentali in tempo reale da dispositivi intelligenti per individuare le tariffe; e i produttori possono prevedere i problemi di infrastruttura in base ai dati dei sensori in tempo reale.

 

Dalle soluzioni commerciali pre-integrate alle piattaforme modulari 

Per scalare le applicazioni, le aziende devono spesso spingersi oltre i confini degli ecosistemi di dati legacy di grandi fornitori di soluzioni. Molti si stanno ora muovendo verso un’architettura di dati altamente modulare e, spesso, open source che può essere sostituita con nuove tecnologie in base alle esigenze senza influire su altre parti dell’architettura dei dati. 

L’esposizione dei dati tramite API può garantire che l’accesso diretto per visualizzare e modificare i dati sia limitato e sicuro, offrendo allo stesso tempo un accesso più rapido e aggiornato ai set di dati comuni. Ciò consente di riutilizzare facilmente i dati tra i team, accelerando l’accesso e consentendo una collaborazione senza soluzione di continuità tra i team di analisi in modo che i casi di utilizzo dell’IA possano essere sviluppati in modo più efficiente. 

 

Da un magazzino aziendale a un’architettura basata su domini

Un fornitore di telecomunicazioni europeo ha utilizzato un’architettura distribuita basata su domini in modo che il personale addetto alle vendite e alle operazioni potesse esporre i dati dei clienti, degli ordini e di fatturazione ai data scientist da utilizzare nei modelli di intelligenza artificiale o direttamente ai clienti tramite canali digitali. Invece di creare una piattaforma dati centrale, l’organizzazione ha implementato piattaforme logiche gestite dai proprietari dei prodotti all’interno dei team di vendita e operativi dell’azienda.

 

Dai modelli di dati rigidi agli schemi di dati flessibili ed estensibili

Per ottenere una maggiore flessibilità e un forte vantaggio competitivo nell’esplorazione dei dati o nel supporto di analisi avanzate, le aziende si stanno evolvendo verso approcci di tipo “light”, utilizzando modelli di dati denormalizzati, che hanno meno tabelle fisiche, per organizzare i dati per le massime prestazioni. Questo approccio offre una serie di vantaggi: esplorazione agile dei dati, maggiore flessibilità nella memorizzazione di dati strutturati e non strutturati e riduzione della complessità, poiché i responsabili dei dati non devono più introdurre livelli di astrazione aggiuntivi.

 

Come iniziare: quattro pratiche 

  • Applicare una mentalità di prova e apprendimento alla costruzione dell’architettura e sperimentare componenti e concetti diversi. Anziché impegnarsi in discussioni elaborate su progetti, prodotti e fornitori ottimali per identificare la scelta “perfetta” seguita da lunghe approvazioni di budget, i leader possono iniziare con budget più piccoli e creare prodotti minimi realizzabili o mettere insieme esistenti strumenti per creare un prodotto provvisorio, rilasciandolo nella produzione (usando il cloud per accelerare) in modo che possano dimostrare il loro valore prima di espandersi e evolversi ulteriormente.

 

  • Stabilire gruppi di dati in cui squadre di amministratori dei dati e ingegneri  collaborano per la costruzione dell’architettura dei dati. Queste tribù lavorano anche per mettere in atto processi standard e ripetibili di ingegneria dei dati e delle funzionalità per supportare lo sviluppo di set di dati altamente curati pronti per la modellazione. Queste pratiche agili di dati possono aiutare ad accelerare il time to market di nuovi servizi di dati.

 

  • Investire in DataOps (DevOps avanzato per i dati), che può aiutare ad accelerare la progettazione, lo sviluppo e l’implementazione di nuovi componenti nell’architettura dei dati in modo che i team possano implementare rapidamente e aggiornare frequentemente soluzioni basate sul feedback.

 

  • Creare una cultura dei dati in cui i dipendenti siano desiderosi di utilizzare e applicare nuovi servizi dati all’interno dei loro ruoli. Uno strumento essenziale per raggiungere questo obiettivo è garantire che la strategia dei dati si leghi agli obiettivi aziendali e si rifletta nei messaggi della C-suite all’organizzazione, che può aiutare a rafforzare l’importanza di questo lavoro per i team aziendali

 

Man mano che dati, analisi e intelligenza artificiale diventano più integrati nelle operazioni quotidiane della maggior parte delle organizzazioni, è chiaro che per creare e far crescere l’azienda incentrata sui dati è necessario un approccio radicalmente diverso all’architettura dei dati. Quei leader di dati e tecnologia che adottano questo nuovo approccio posizioneranno meglio le loro aziende in modo che siano agili, resilienti e competitive per qualsiasi cosa ci aspettano. 

Lascia un commento