A cura di Mirko Gubian, Global Demand Senior Manager & Partner di Axiante
La diffusione del Cloud e il profondo cambiamento nella gestione dei dati aziendali sta generando una sempre più diffusa adozione di Data Lake in ambiente Cloud. La flessibilità dei Data Lake – legata alla possibilità di far confluire in un archivio centralizzato grandi quantità di dati grezzi, sia strutturati sia non strutturati – si sposa perfettamente con l’elasticità, la scalabilità e le capacità di integrazione offerte dal Cloud.
Le organizzazioni hanno sempre più la necessità di gestire eterogeneità e volumi crescenti di dati provenienti da fonti disparate. Un bisogno ai cui le architetture tradizionali di Data Warehouse fanno fatica a rispondere perché spesso troppo rigide, limitate e costose rispetto ai Data Lake in Cloud in grado, invece, di dare una risposta più agile e, in termini generali, anche più conveniente.
Dalla “palude” di dati al valore
L’adozione efficace di un Data Lake in Cloud, denominato spesso semplicemente Data Cloud, tuttavia, non è priva di sfide. Non basta caricare enormi quantità di dati su uno storage distribuito per ottenere valore: è necessario in primo luogo partire proprio dal valore di business che si vuole ottenere, definendo i relativi KPI e le metriche con cui misurare l’impatto dell’adozione di questa soluzione in temini sia di Data Management (per esempio riduzione dei tempi di disponibilità del dato o miglioramento della sua qualità) che di processo come la percentuale di riduzione degli over stock o di aumento dell’indice di conversione alle offerte promozionali personalizzate.
Inoltre serve una governance solida, politiche chiare di catalogazione e accesso, oltre a strumenti di qualità dei dati che aiutino a mantenere l’integrità e l’affidabilità delle informazioni. Una best practice fondamentale, che oggi viene spesso trascurata, è la definizione sin dall’inizio di una Data Architecture ben governata, con metadati curati e meccanismi di tracciamento del flusso dei dati nel tempo, per evitare di trovarsi con una “palude” di dati ingestibili e inutilizzabili. Una governance solida di cui l’azienda deve mantenere il controllo per supervisionare sicurezza, qualità, conformità e tracciabilità dei dati.
Un altro aspetto da non trascurare è l’importanza di approcciare il Data Lake in Cloud in ottica di piattaforma, ovvero in modo che sia scalabile e integrabile anche con tecnologie open e quindi possa rapidamente adattarsi a nuove esigenze di business e alle nuove innovazioni anche open, favorendo così flessibilità e riduzione dei costi.
Infine le organizzazioni che investono non solo nella tecnologia, ma anche nelle persone e nei processi sono quelle che potranno trarre maggiori vantaggi da questa soluzione, tanto quanto è importante la scelta del giusto stack tecnologico.
Gli aspetti “insidiosi” con cui misurarsi
Il Data Lake in Cloud presenta indubbi vantaggi ma non è la panacea per ogni esigenza. Ci sono limiti, talvolta sottovalutati, che vanno al contrario considerati.
Uno dei primi problemi risiede nella qualità dei dati. I Data Lake nascono per accogliere ogni tipo di dato, senza vincoli su schema o formato, una caratteristica potente, ma ha un rovescio della medaglia: l’assenza di controlli in ingresso può trasformare il Data Lake anche in una sorta di “soffitta digitale” in cui accumulare dati inutilizzabili generando la già citata palude di dati. Per evitare questo rischio occorre definire e attuare politiche di validazione, pulizia e documentazione.
Un altro limite risiede nella complessità della governance. In un ambiente distribuito e accessibile da molteplici attori, è difficile mantenere un controllo rigoroso su chi accede a cosa, quando e perché. Senza un Data Catalog aggiornato e sistemi di autorizzazione granulari, si può incorrere in violazioni di sicurezza o in una perdita di fiducia nei dati stessi fino a conseguenze legali o sanzioni.
Può inoltre presentarsi un problema di prestazioni. I Data Lake, possono mostrare limiti di efficienza rispetto a sistemi progettati ad hoc per l’analisi di determinati Dataset, per esempio l’accesso a dati non strutturati può risultare lento, soprattutto se mancano meccanismi di Partitioning o Indexing.
Anche i costi nascosti meritano attenzione. Se da un lato lo storage in Cloud è relativamente economico, dall’altro i cosiddetti costi di “egress”, quelli legati all’elaborazione, alla scansione massiva di dati e all’integrazione con altri servizi possono crescere rapidamente. Un uso inefficiente del Data Lake può portare a sorprese anche salate, soprattutto quando i dati vengono letti ripetutamente in modo automatizzato o con pipeline non ottimizzate.
Da non ignorare ovviamente anche il rischio sicurezza dei dati, soprattutto legato all’accesso non autorizzato al Data Lake in Cloud, alla configurazione errata delle policy di accesso e alla protezione insufficiente dei dati sensibili, oltre che alla dipendenza dalle policy di sicurezza del fornitore Cloud.
Infine, il successo di un Data Lake in Cloud dipende molto dal livello di maturità organizzativa. Non tutte le aziende dispongono delle competenze necessarie per gestirne e utilizzarne l’uso in modo efficace.
In questo scenario, Axiante, nel suo ruolo di Business Innovation Integrator, procede in primo luogo a valutare quest’aspetto nello sviluppo di un Data Lake in Cloud confrontandolo con le esigenze di business per identificare i benefici o gli svantaggi potenziali di questa soluzione, oltre che i costi, i rischi e l’impatto organizzativo. Alla base la consapevolezza che i Data Lake in Cloud offrono grandi potenzialità, ma non sono, come tutte le soluzioni tecnologiche, una soluzione magica. Richiedono, per far emergere il loro vero valore, una progettazione accurata, governance, e quindi competenze interne, un utilizzo disciplinato che non può prescindere da una consapevolezza chiara dei loro limiti.
