Gli ultimi due anni hanno insegnato una lezione importante a tutti gli specialisti di Data & Analytics: l’agilità è la chiave. Essere in grado di cambiare velocemente design pattern e approccio è sempre più importante per far fronte alla volatilità della supply chain, all’accelerazione della digitalizzazione e all’interruzione delle operazioni aziendali.
Per trasformare queste sfide in opportunità e mantenere il vantaggio sulla concorrenza, le aziende devono rivedere i modelli antiquati basati su dati centralizzati e statici. Lo spostamento centrifugo verso architetture distribuite e infrastrutture multi-cloud, emerso qualche anno fa, ha trovato oggi il suo equivalente culturale in nuovi approcci decentralizzati alla strategia Data & Analytics. Allo stesso tempo, la possibilità di analizzare i dati in movimento in modo dinamico permette di integrare gli insight azionabili nel processo decisionale e nelle operazioni aziendali.
Diamo uno sguardo ad alcune delle tendenze più interessanti in materia di Data & Analytics che sono emerse o si sono consolidate di recente, e a come queste possono creare valore per le organizzazioni nel prossimo futuro.
Small & Wide Data
Ci siamo resi conto che i Big Data non sono sempre la risposta. L’accumulo di informazioni può comportare problemi di approvvigionamento e qualità dei dati, oltre a richiedere l’implementazione di tecniche analitiche di deep learning il cui costo e la cui complessità possono superare i risultati. Abbiamo anche visto quanto velocemente i dati possono diventare irrilevanti: le aziende rischiano di accumulare informazioni obsolete e inutili che non possono fornire un valore significativo.
Small & Wide Data sono emersi come approcci innovativi per consentire la generazione di intuizioni preziose attraverso dati meno voluminosi e più vari. Il primo approccio evita i modelli “data-hungry” a favore di tecniche analitiche su misura che si basano su quantità limitate di dati. Il secondo fa leva sull’integrazione di fonti eterogenee, strutturate e non strutturate, anziché su una singola fonte più ampia.
Small & Wide Data può consentire l’accesso ad analytics avanzati e IA per le aziende più piccole, che non possono contare su un numero sufficiente di informazioni per le tecniche convenzionali dei Big Data. Ma anche le aziende più grandi possono beneficiare di questi approcci. Come suggerisce Gartner, entro il 2025 il 70% delle organizzazioni sposterà la propria attenzione dai Big Data agli Small & Wide Data.
Data Mesh
Si può dire che la tendenza attuale verso la decentralizzazione e i microservizi sia alla base dell’idea stessa di Data Mesh. Introdotto per la prima volta da Zhamak Dehghani nell’articolo del 2019 “How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh“, il Data Mesh si prefigge di superare i limiti dei giganteschi Data Lake e la loro dipendenza da team iper-specializzati e da pipeline ETL finanziariamente insostenibili.
Al contrario, Data Mesh può essere visto come un modello organizzativo e architettonico che consente una proprietà dei dati distribuita e domain-driven. Questa ubiquitous data platform consente ai team interfunzionali di operare in modo indipendente, offrendo al contempo una maggiore flessibilità e interazione tra i set di dati distribuiti.
Vale la pena notare che l’architettura distribuita Data Mesh deriva da un cambiamento di paradigma, piuttosto che da una rivoluzione copernicana. Non abbandona del tutto i vantaggi e i principi dei data lake – la centralizzazione viene infatti mantenuta per la governance e gli standard aperti – ma li evolve per aumentare l’agilità aziendale e ridurre il time-to-market.
Continuous Intelligence
La continuous intelligence sfrutta l’“Event Stream Processing” e gli analytics in tempo reale per integrare actionable insight all’interno dei processi aziendali e decisionali. Questo design pattern trasforma i dati in una pratica prescrittiva: raccogliere grandi volumi di dati in movimento, provenienti da fonti come IoT, transazioni di e-commerce, traffico, meteo, e sfruttarli per aumentare o addirittura automatizzare le decisioni umane.
La continuous intelligence permette alle aziende di analizzare i dati, identificare le tendenze e le cause principali e prendere decisioni in tempo reale consentendo una differenziazione strategica in mercati saturi e competitivi. Si tratta di un modello trasformativo che offre molteplici opportunità: dall’individuazione delle frodi in ambito finanziario al miglioramento dell’esperienza del cliente nel settore retail, fino all’implementazione della manutenzione predittiva nel settore manifatturiero e altro ancora. La continuous intellgience può essere impiegata anche per connettere diverse filiali e reparti di un’azienda, per condividere e sfruttare i dati in tempo reale, ottimizzare i processi decisionali e quindi aumentare la produttività.
Grazie alla partnership con Radicalbit, Bitrock può integrare i suoi servizi di consulenza D&A con Helicon, una piattaforma di Continuous Intelligence all’avanguardia. Questa soluzione SaaS code-free migliora la gestione delle pipeline di streaming dei dati con il Machine Learning, accelerando notevolmente lo sviluppo di analytics avanzate in tempo reale (descrittive, diagnostiche, predittive e prescrittive). La piattaforma offre una serie di funzionalità tra cui un editor visivo delle pipeline di elaborazione dei flussi, con funzionalità di debug, esplorazione dei dati e monitoraggio del ML in tempo reale, consentendo l’adozione del paradigma della Continuous Intelligence.
Analytics at the Edge
Parlando di IoT, una recente tendenza della D&A riguarda la decentralizzazione del luogo stesso in cui avviene la raccolta e l’analisi dei dati. Edge Analytics significa distribuire le informazioni, le analisi e la tecnologia in prossimità degli asset fisici, ovvero l’edge. In altre parole, comporta la possibilità di evitare in parte o del tutto il trasferimento a data center e ambienti cloud, aumentando la flessibilità dell’intera infrastruttura dati.
Si tratta di una tendenza in crescita: Gartner prevede che, entro il 2023, oltre il 50% “delle responsabilità primarie dei leader di dati e analisi comprenderà i dati creati, gestiti e analizzati negli ambienti edge”. Le ragioni sono molteplici: ad esempio, il provisioning degli analytics nell’edge può avere un impatto positivo sulla velocità di elaborazione dei dati, con la generazione in tempo reale di informazioni utili. La stabilità è un altro esempio: evitare il trasferimento dei dati significa ridurre le interruzioni dovute a problemi di connettività. Infine, dobbiamo considerare la conformità: lasciare i dati “dove sono” riduce i grattacapi derivanti dalle diverse normative nazionali e dalle politiche di governance.
Per questi motivi, gli Analytics at the Edge possono portare vantaggi significativi a un’ampia gamma di applicazioni. La mitigazione del rischio nel settore automobilistico, ad esempio, è un caso d’uso in cui l’analisi dei dati in tempo reale è fondamentale per evitare collisioni o guasti. L’assistenza sanitaria, invece, può semplificare la gestione dei dati personali e sensibili se questi non vengono spostati su servizi cloud o su data center situati in giurisdizioni diverse.
Data Democracies
Il concetto di Data Democracy riguarda la creazione di un quadro etico e metodologico che elimini le barriere tecnologiche alla gestione consapevole dei dati. Il concetto ruota attorno al principio secondo cui le persone, indipendentemente dalle loro conoscenze tecniche, dovrebbero essere in grado di accedere alle informazioni disponibili e di fidarsi di esse durante le loro operazioni quotidiane.
La democratizzazione dei dati ha un impatto su qualsiasi tipo di organizzazione aziendale e riguarda sia il personale che la tecnologia. Abbassare la barriera di accesso ai dati significa innanzitutto offrire programmi di aggiornamento mirati allo sviluppo della data literacy, indipendentemente dalla funzione o dall’anzianità all’interno dell’azienda. Significa anche ripensare i data silos a favore di modelli architettonici più flessibili e trasparenti, come i Data Mesh (vedi sopra). Infine, comporta l’implementazione a livello aziendale di strumenti di analisi e Business Intelligence. Un esempio è Sense, del nostro partner Qlik, che consente analisi avanzate e basate su ML, aiutando al contempo a sviluppare l’alfabetizzazione ai dati.
Come vero e proprio cambiamento culturale, una Data Democracy può offrire vantaggi significativi alle operazioni interne di un’azienda. Permette ai dipendenti non tecnici di prendere decisioni rapide e informate senza il supporto dell’IT o di esperti di dati – pensate a come questo può aiutare i team di prodotto, marketing e vendite a generare più valore e a risparmiare risorse. Inoltre, lo sviluppo di una cultura aziendale del dato può avere un impatto positivo sul rapporto tra l’organizzazione, i suoi stakeholder e la società civile. L’etica dei dati informa le politiche di governance che promuovono la privacy, la cybersicurezza e una gestione corretta delle informazioni dei clienti.
Queste sono solo alcune delle opportunità offerte dalle ultime tendenze di Data & Analytics. Se vuoi sapere come Bitrock può aiutare la vostra azienda ad evolvere la propria strategia sui dati e a rimanere al passo con la concorrenza grazie a soluzioni all’avanguardia, inviaci un messaggio: saremo lieti di fissare un appuntamento!
Autore: Daniele Croci, Digital Marketing Specialist @ Bitrock
