La data integration è un’esigenza sempre più sentita dalle aziende e nasce a fronte del fatto che la trasformazione digitale, la migrazione al cloud e la decisone di avvalersi di proposte “as-a-service” hanno portato alla dispersione dei dati in molteplici luoghi. In passato il problema era meno sentito in quanto le elaborazioni di facevano essenzialmente on premise, ora, invece, si devono spesso “assemblare” informazioni che risiedono presso più provider: la media rilevata secondo le ricerche degli Osservatori Digital Innovation del Politecnico di Milano1 è di 4, ma in alcuni casi si arriva anche a 7 o 8, con una maggiore focalizzazione sui provider di SaaS.
D’altro canto, i dati sono diventati asset strategici per la maggior parte delle organizzazioni e loro gestione è perciò una priorità assoluta. Sono infatti le informazioni, strutturate e non strutturate, raccolte dalle aziende a fornire di frequente indicazioni su strategie innovative. In sostanza, come si dice, a rendere le organizzazioni data-driven, o data-enabled.
Un approccio agile per la data integration
Con il cloud è quindi cambiato il data management ed è sorta l’esigenza della data integration. Ma al contempo, in ottemperanza alle richieste del business, occorre mantenere velocità e flessibilità nella gestione delle informazioni all’interno dei processi. Questo ha indotto molte aziende a scegliere un approccio agile per gestire i loro programmi di dati. Agile è una metodologia collaudata e usata nelle organizzazioni IT per costruire software o gestire i processi in modo più efficace. In generale, si tratta di un approccio collaborativo in cui i team interfunzionali (chiamati anche “scrum”) progettano e costruiscono rapidamente prodotti e funzionalità, li testano con i clienti, li perfezionano e li migliorano tramite rapide iterazioni. Analogamente, l’agilità dei dati si basa su un approccio congiunto allo sviluppo e alla fornitura: i team interfunzionali composti da membri del business e dell’IT lavorano sulla generazione di insight affidabili che consentano all’azienda di affrontare le principali priorità di business e di ottenere rapidamente risultati positivi.
Un approccio agile alla migrazione e alla gestione dei dati comporta una serie di vantaggi importanti, non ultimo quello di rendere più ordinato il panorama delle informazioni aziendali. Inoltre, i dati provenienti da più database, funzioni e unità di business possono essere combinati e resi più facilmente accessibili. Le aziende possono ottenere un valore immediato dal rilascio frequente di soluzioni di gestione dei dati. E se il business è coinvolto nella migrazione dei dati fin dall’inizio, può cogliere rapidamente le opportunità emergenti o aiutare l’organizzazione IT a dare priorità ai dati e alle iniziative di trasformazione digitale.
Data integration alla velocità del business
Con così tanti dati distribuiti in modo ampio, la velocità con cui è possibile riunirli e renderli disponibili è fondamentale per creare una differenziazione competitiva. L’uso agile deve consentire una facile scoperta delle informazioni indipendentemente da dove si trovano (on premise o in cloud) e deve consentire di predisporle per creare degli analytics.
Molte strategie sui dati si stanno concentrando sull’opportunità che i data warehouse e i data lake basati sul cloud forniscano una migliore disponibilità per progetti di analytics, machine learning e data science. Tuttavia, mentre i nuovi set di dati ospitati nel cloud sono più flessibili e prontamente disponibili, la sfida che la maggior parte delle aziende deve superare è come i dati provenienti da diversi sistemi e archivi possano essere integrati sulle piattaforme basate sul cloud alla velocità richiesta dal business. In definitiva, i CIO sanno dove si trovano i loro dati di valore (per esempio, nei sistemi ERP e CRM) ma come si può fornire un accesso quasi in tempo reale a questi dati transazionali che hanno un formato ottimizzato per i processi di lettura dei sistemi analitici? I requisiti di business per i dati sono più agili di quanto consenta di ottenere l’ETL.
Leggere e replicare i dati transazionali da fonti meno agili attraverso lo streaming può aiutare le aziende a superare le sfide relative alla creazione di pool in tempo reale su cui gli analisti possano operare. Tuttavia, i dati in streaming da soli non forniscono l’agilità di cui le aziende hanno bisogno. I dati transazionali nella loro forma originale non sono pronti per l’analisi. La vera agilità non può essere raggiunta se, una volta trasmesse le informazioni, serve un altro processo manuale per raffinarle e prepararle per essere analizzate. È invece essenziale automatizzare i processi e i compiti ripetitivi associati al reperimento, alla replica e alla sincronizzazione dei dati in tutta l’azienda. Solo così il software di data integration permette alle organizzazioni di rendere rapidamente disponibili i dati affinché possano usarli gli analisti.
In conclusione
La velocità con cui si possono ricavare degli analytics dai dati è sempre più critica per il vantaggio competitivo di un’azienda. E questo è soprattutto vero oggi, con le organizzazioni che devono continuamente reagire al rapido cambiamento dell’ambiente economico e commerciale. Automatizzare il processo di streaming dei dati da fonti transazionali e legacy e raffinarli per l’analisi permette alle aziende di avere finalmente un quadro chiaro e completo per muoversi con la velocità e l’agilità richieste dal mercato.
1 Fonte: Osservatori Digital Innovation
