Come fare innovazione partendo da una solida architettura dati
L’accesso alle informazioni è il tratto distintivo del mondo contemporaneo e sta rivoluzionando anche il mondo del business. Le aziende negli ultimi anni hanno dovuto sviluppare velocemente e costantemente nuove tecnologie per tenere il passo sul mercato.
I dati offrono la possibilità di confezionare offerte personalizzate per il cliente e interventi in real-time, rispetto all’emersione del bisogno.
Una possibilità che non può essere trascurata, soprattutto se accompagnata dai modelli predittivi che consentono di guardare al futuro e conoscerne le possibili evoluzioni scientificamente. Un accesso così forte alle informazioni e ai dati porta con sé un’architettura organizzativa e strutturale sempre più complessa.
Le aziende devono adottare nuovi strumenti e tecnologie, devono lavorare sulle competenze e costruire una struttura dati efficace e flessibile. Questa trasformazione deve avvenire in tempi molto brevi, per tenere il passo dei grandi colossi come Amazon e Google. Per rimanere competitivi sul mercato e per creare innovazione oggi non sono necessarie solamente le informazioni. Un dato per acquisire valore e diventare spendibile deve essere ottenuto ed analizzato all’interno di una struttura chiara e affidabile.
Alle aziende oggi serve un'architettura dati solida dalla quale partire. Per questo motivo, accanto all’adozione di nuovi tool specializzati e all’acquisizione di nuove informazioni, uno dei temi più importanti per le aziende riguarda la struttura interna deputata all’elaborazione dei dati. In un mondo in continua evoluzione, affollato da grandi attori che dettano il passo, le parole d’ordine sono agilità e flessibilità strutturali.
Solo in questo modo, è possibile reagire tempestivamente alle trasformazioni ed evoluzioni che sono già in atto e che prenderanno spazio in futuro.
Architettura dati: uno strumento necessario per innovare
Il mercato odierno è in continua trasformazione, sollecitato dalle nuove possibilità tecnologiche e dalle linee di comportamento sfidanti offerte dai grandi attori in gioco, come Amazon e Google.
Oggi è possibile acquisire una gamma molto ampia di informazioni sul cliente, sul suo comportamento e sul mercato grazie alla tecnologia. Queste informazioni dovranno essere raccolte, integrate ed analizzate in modo coerente per offrire conoscenza realmente spendibile.
Questa è la struttura del mercato contemporaneo e le aziende oggi devono saper tenere il passo. È fondamentale possedere gli strumenti in grado di acquisire queste informazioni e disporre delle competenze capaci di leggerli ed analizzarli con attenzione.
Tutti questi aspetti vanno però inseriti all’interno di una struttura aziendale solida. È l’azienda che deve adottare un’architettura interna improntata sui dati e sulla loro elaborazione.
L’architettura è l’elemento che completa il quadro e offre all’azienda la possibilità di rimanere competitiva sul mercato. Non possedere una struttura di questo genere significa vanificare lo sforzo e l’investimento dell’acquisizione dei dati e rallentare rispetto ad un mercato in continua accelerazione.
I dati diventano sempre più complessi e richiedono profondi adeguamenti per generare davvero conoscenza aziendale: nuovi analytics con modelli complessi ed integrati, piattaforme in cloud per acquisire velocità e flessibilità, interfacce che offrono panoramiche generali di informazioni provenienti da sorgenti differenti.
Ogni azienda oggi ha un mare di informazioni provenienti dall’interno e dal mercato: ogni reparto attinge da questa complessità. La sfida di oggi è trasformare quel mare indistinto in slot di informazioni organizzate e pronte per essere utilizzate a seconda dell’obiettivo.
Per costruire un’architettura capace di rispondere alla mutevolezza esterna e di creare reale innovazione, le parole d’ordine sono agilità e flessibilità.
Centrato sulle persone e predittivo.
Questo è il futuro del marketing e delle vendite guidato dai dati. Contatta un nostro specialista.
6 Interventi per costruire un’architettura dati solida ed efficace
Trasformare un’architettura dati già esistente o costruirne una da capo significa intraprendere un percorso fatto di valutazioni sull’azienda, di scelte di investimento e di priorità da evidenziare.
Ogni realtà dovrebbe prima conoscere approfonditamente la struttura in essere e capire dove è urgente intervenire e quale genere di investimento possa essere sostenibile e strategicamente interessante.
Per costruire un’architettura dati con le capacità necessarie per il mercato odierno, serve un investimento che parte dalle decine di migliaia di euro.
Molto dipende dalle necessità, dalle dimensioni e dagli obiettivi aziendali. Si può partire dalla costruzione di una struttura per le funzioni base fino a raggiungere l’implementazione dei servizi in tempo reale e l’adozione di avanzate funzionalità di AI (Artificial Intelligence).
Scegliere il percorso da intraprendere per l’azienda significa avere una visione strategica delle priorità e delle possibilità e conoscere il percorso da intraprendere. Non sempre si tratta di scegliere gli interventi che impattano più velocemente sugli obiettivi di business, ma di avere una panoramica più ampia anche sulle evoluzioni future.
A fronte di questi investimenti, le aziende che sviluppano un’architettura dati per il mercato odierno, registrano importanti incrementi del ROI (Return of Investiment) e una crescita del margine di profitto. Guadagni che provengono dal risparmio sulle funzionalità del reparto IT, dal miglioramento della produttività e dal raggiungimento di nuove possibilità e servizi per il business.
Al di là delle scelte di ciascuna azienda, ci sono delle tecnologie, degli strumenti e dei cambiamenti che delineano un’architettura dati al passo con i tempi. I punti da sottolineare sono 6:
Il cloud
Streaming dati in tempo reale
Piattaforme modulari flessibili
Un accesso unico per esplodere i dati
Un’architettura basata sul “dominio”
Schemi di dati flessibili ed estendibili
1. Il cloud
Probabilmente per adottare un’architettura dati innovativa il cloud è l’elemento determinante. La direzione è stata segnata dai principali fornitori globali di servizi cloud che sono Amazon, Google e Microsoft, rispettivamente con Amazon Web Services, Google Cloud Platform e Microsoft Azure. È una vera rivoluzione nel modo in cui le aziende si procurano, organizzano e elaborano dati su larga scala. Attraverso un’organizzazione in cloud è possibile scalare e rendere operativi a tutti i livelli aziendali i servizi di AI.
Il cloud significa accedere e processare una quantità molto grande di informazioni, molto velocemente, riducendo in modo sensibile i costi di gestione dei dati, dei server e delle piattaforme proprietarie interne.
Le componenti fondamentali per il cloud sono: una piattaforma dati senza l’utilizzo del server e soluzioni di dati divisi in container.
L’eliminazione del server riduce sensibilmente tutte le problematiche gestionali legate alla componente fisica: caricamento dati, manutenzione, problemi e rischi di danneggiamento, sicurezza. Inoltre, si registra anche un risparmio sulle competenze necessarie dedicate. Le piattaforme dati in cloud più famose sono Amazon S3 e BigQuery.
Per quanto riguarda le soluzioni dati divisi in container, queste sono molto efficaci per organizzare il flusso di informazioni e per distribuire in modo consapevole il peso computazionale.
In questa maniera, il potere di calcolo a disposizione dell’azienda viene dedicato automaticamente solo alle applicazioni che ne hanno un bisogno continuo, come ad esempio la registrazione delle sessioni successive dell’applicazione e la gestione dei backup con i ripristini.
2. Streaming dati in tempo reale
Con lo streaming dei dati in tempo reale attraverso funzionalità di messaggistica si aprono una serie di possibilità molto interessanti per le aziende. Ad esempio, un’azienda di trasporto taxi può fornire ai clienti informazioni molto precise e in tempo reale sull’arrivo del mezzo interessato dalla richiesta. Anche le compagnie assicurative possono utilizzare dati comportamentali per formulare tariffe personalizzate in tempo reale, basandosi sugli effettivi rischi e non su valutazioni standard.
Lo streaming in tempo reale permette agli utenti di accedere, tramite iscrizione, a quella fetta di informazioni alla quale sono interessati. Un servizio in abbonamento per ottenere un feed tematico costante che attinge dal mare di informazioni interne e ne estrapola una conoscenza granulare, tempestiva, utile e fruibile.
Le tecnologie da adottare in questa direzioni sono una piattaforma di messaggistica, soluzioni di elaborazione e analisi in streaming e piattaforme di alert. Per le piattaforme di messaggistica, come Apache Kafka, vengono offerti servizi di iscrizione del tutto scalabili e affidabili che producono e archiviano milioni di messaggi al secondo. In questo modo, la comunicazione è realmente in tempo reale, tematica, e permette un livello di reattività molto più alto rispetto al passato.
Per quanto riguarda le soluzioni di elaborazione ed analisi in streaming ci sono piattaforme come Apache Kafka Streaming, Apache Flume, Apache Storm e Apache Spark Streaming che riescono ad analizzare i messaggi in tempo reale basandosi su regole già impostate. Ciò che deve emergere sono segnali ricorrenti o eventi che seguono una regola. Qui hanno una grande importanza anche i dati storici per i modelli predittivi.
Le piattaforme di alert, come Graphite o Splunk, innescano azioni ed avvisi commerciali automatici per gli utenti a seconda di regole predefinite. Molto utili nella pianificazione aziendale o nell’integrazione con il CRM.
3. Piattaforme modulari flessibili
Oggi, per offrire un servizio più completo ai clienti e per rendere più efficiente l’azienda nel complesso, le soluzioni di piattaforme proprietarie standard non bastano più. È necessario adottare delle soluzioni modulari che consentano una maggiore flessibilità di utilizzo e che permettano la sostituzione di alcune parti, a seconda delle necessità e delle nuove tecnologie a disposizione.
La modularità permette questi interventi senza compromettere l’intera struttura interna. Una possibilità di arricchimento e di crescita continua dell’architettura, in considerazione di indicazioni strategiche e di evoluzioni in tempo reale.
Per parlare di modularità è necessario adottare la giusta tecnologia che garantisca l’indipendenza strutturale e logica di ogni settore dell'architettura dati, così da consentire ogni eventuale sostituzione. In questa direzione, è fondamentale l’adozione di una struttura API (Application Programming Interface) e di una pipeline stabilita. Le funzionalità vengono integrate senza comprometterne l’indipendenza e proteggendo la complessità delle informazioni nei diversi livelli dell’architettura.
Accanto a questa struttura, vanno acquisiti degli strumenti come Amazon Sagemaker e Kubeflow, capaci di connettersi a diverse e molteplici banche dati e servizi progettando interventi in modo del tutto indipendente.
4. Un accesso unico per esplodere i dati
La grande sfida per un’architettura agile e flessibile è garantire agli utenti un accesso ai dati specialistico nel settore di interesse diretto e sicuro. Un sistema integrato deve assicurare che chi accede possa visualizzare e modificare i dati di interesse con grande velocità. Ogni utente avrà a disposizione un set di informazioni, che si aggiornano in modo dinamico e continuativo, sul quale lavorare. Questo genere di accesso permette un lavoro in team molto più agevole e coerente.
Per costruire e fondare un accesso consapevole è necessario un gateway API, che gestisca le policy di accesso, utilizzo e gestione dei dati. In questo modo è possibile per gli sviluppatori cercare anche interfacce dati già esistenti da utilizzare ed applicare, senza costruirne di nuove.
Può essere necessaria, inoltre, una piattaforma per tenere traccia delle transazioni e dei movimenti che avvengono al di fuori dei sistemi principali. Questi strumenti possono essere forniti dalle piattaforme dati adottate o possono essere disponibili in forma separata da integrare.
5. Un’architettura basata sul “dominio”
In organizzazioni complesse, un approccio che sta riscuotendo un certo successo è quello che parte da un particolare dominio per intervenire sull’architettura generale. Invece di disegnare l’intera struttura interna per l’acquisizione e la gestione dei dati, si può scegliere di sviluppare dei progetti più piccoli, guidati da un solo “dominio” aziendale e dagli obiettivi specifici correlati.
In questo modo, si risparmia molto in termini di tempo e di risorse nell’applicazione della struttura.
Un rischio che si corre e che andrebbe monitorato riguarda la frammentazione e segmentazione eccessiva delle informazioni a discapito dell’architettura generale. Ma i vantaggi operativi di questo approccio ne giustificano l'utilizzo e ne fondano la legittimità, sempre a fronte di un controllo costante.
Gli strumenti necessari in questo senso sono un’infrastruttura dati concepita come una piattaforma, per una semplificazione nell’implementazione e nell’archiviazione dati.
Molto importanti sono anche le tecniche di virtualizzazione dei dati per organizzare l’accesso e l’integrazione delle risorse in ambito aziendale. Infine, sono importanti anche gli strumenti di catalogazione dei dati che mettono a disposizione funzionalità di ricerca ed esplorazioni molto utili nei diversi reparti.
6. Schemi di dati flessibili ed estendibili
In genere, i nuovi modelli di dati vengono adottati dalle aziende ed inseriti all’interno di strutture molto rigide che, per garantire sicurezza e regolamentazione, sacrificano la flessibilità del modello. Questo approccio garantisce un’adozione coerente delle informazioni e delle struttura, ma richiede molto tempo per una piena funzionalità e grande lavoro nel caso in cui vadano applicati dei correttivi nei periodi successivi. Si mette in azione una grande e complessa macchina che acquista solidità ma perde la flessibilità di cui un’azienda ha oggi profondamente bisogno per rimanere competitiva.
In questa direzione, oggi le aziende stanno adottando degli “schemi agili”, che eliminano molte tabelle e organizzano i dati per un’operatività più immediata. Questo consente la memorizzazione e l’utilizzo di informazioni anche meno strutturate ed organizzate e una riduzione della complessità dell’intero processo.
La tecnologia da adottare riguarda le tecniche Data Vault 2.0, i database di grafi, i servizi tecnologici come Azure Synapse Analytics e JavaScript Object Notation. Le tecniche Data Vault 2.0 con la modellazione per punti consentono di creare dei modelli di dati che possono essere modificati in alcuni elementi nel tempo senza compromettere l’intera struttura.
I database di grafi sono delle banche dati NoSQL che si adattano a contesti con forte scalabilità, funzionalità in tempo reale e applicazioni di AI. Offrono la possibilità di modellare in modo flessibile le relazioni all’interno dei dati.
Con Azure Synapse Analytics è possibile eseguire ricerche a partire da database simili, basandosi su strutture di tabelle. In questo modo si amplia il processo di acquisizione di informazioni in modo strategico.
JavaScript Object Notation (JSON), infine, consente di modificare la struttura del database senza dover intervenire sui modelli più radicati di informazione aziendali.
Il processo per costruire un’efficace architettura dati
Da quanto emerso, costruire un’architettura dati capace di rispondere al mercato in maniera coerente e tempestiva è un processo che si sviluppa nel tempo. Per progredire in questa direzione servono i giusti strumenti tecnologici, le competenze aziendali e la determinazione nell’adozione di un mindset aziendale innovativo.
Le 4 pratiche per la trasformazione
La necessità di evolvere è ormai cocente per la maggior parte delle aziende. La strada è segnata ma ci sono delle pratiche che diventano cruciali durante la trasformazione e per il raggiungimento del successo.
1. Adottare un metodo lean
Invece di iniziare un progetto che parte dall’assetto generale e richiede step di approvazione, identificazione dei fornitori e budget, si sceglie di iniziare da piccoli interventi. In questo modo, l’adozione è più snella, il budget è ridotto e si parte dalle risorse interne già attive. Inoltre, i primi risultati ottenuti possono essere testati in modo molto veloce, attraverso il cloud e possono fornire i primi feedback per implementazioni future.
2. Stabilire un team che lavora sui dati
Lavorare sui dati a livello di architettura implica il coinvolgimento degli ingegneri ma anche degli amministratori delle informazioni e di coloro che hanno le competenze per costruire e dare forma ai modelli. Una sinergia di queste professionalità e una comunicazione costante permettono la realizzazione di un’architettura innovativa e della definizione delle pratiche e degli step da seguire. Partire con questa struttura significa, allo stesso tempo, definire una metodologia efficace da ripetere in futuro.
3. Investire in DataOps
Il DataOps è una metodologia sviluppata dagli analisti di dati per migliorare il processo di acquisizione delle informazioni e ridurre le tempistiche. Anche in azienda, permette di accelerare la progettazione, lo sviluppo e l’implementazione della struttura di dati. In questo modo, si ottengono più velocemente i primi feedback ed è più facile compiere miglioramenti successivi in modo tempestivo. Inutile sottolineare che un’attenzione ai processi sin dall’inizio ha delle ottime ripercussioni sulla qualità dell’architettura finale.
4. Creare una cultura del dato
I dati, implementati in un’architettura agile e flessibile, offrono grandi vantaggi a tutti i livelli aziendali. Per questo motivo è fondamentale stimolare i dipendenti ad utilizzare i nuovi servizi a disposizione nei loro ruoli specifici e per il perseguimento dei loro obiettivi. Questo risultato si raggiunge collegando strettamente la strategia e l'importanza dei dati alla declinazione degli obiettivi aziendali in ogni reparto. È un mindset che deve essere adottato all’intero dell’intera azienda e nelle prime fasi può e deve essere stimolato ed incentivato. Su questo argomento ti consigliamo vivamente l’approfondimento: Costruire una cultura aziendale (realmente) data-driven.
L’innovazione aziendale passa per la creazione di un’efficace architettura dati
Oggi l’importanza dei dati, degli analytics e delle funzionalità offerte dall’AI è centrale per il successo e la competitività dell’azienda sul mercato. Ma tutte queste informazioni, provenienti da sorgenti differenti ed eterogenee, per offrire i risultati migliori, devono anche essere organizzate all’interno di una struttura.
È fondamentale che ogni azienda si interroghi sull’architettura utilizzata per i dati e per estrapolare valore da essi.
Implementare un’architettura dati capace di accogliere i cambiamenti e generare innovazione richiede un investimento importante sia in termini economici che per quanto riguarda la trasformazione dell’azienda. È la cultura e il modo di lavorare quotidiano che subiscono un profondo cambiamento.
Da dove partire per innovare l’architettura dati dell’azienda?
Lo abbiamo visto con il coronavirus e il marketing: davanti a cambiamenti così profondi, che coinvolgono il modo di lavorare quotidiano a tutti i livelli, è molto importante adottare uno schema modulare anche nel percorso: iniziare da piccoli settori e piccoli progetti per testare la metodologia, i tool e i risultati ottenuti. Da qui, si parte per un viaggio che mira a coinvolgere tutti i reparti aziendali e a restituire un’immagine completa e profonda del business, a partire dai dati e dalla loro architettura.
E tu hai già iniziato ad addentrarti in un utilizzo migliore dei dati?
Non sai dove cominciare o non vedi l’ora di valorizzare i tuoi sforzi?
Oppure non esitare a contattarci per maggiori informazioni.
