Confluent., poniere nel data streaming, annuncia Streaming Agents, una nuova funzionalità all’interno di Confluent Cloud per Apache Flink che semplifica la creazione e la scalabilità degli agenti AI che monitorano, ragionano e agiscono sui dati in tempo reale. Streaming Agents rimuove le barriere all’intelligenza artificiale agentica di livello enterprise, unificando l’elaborazione dei dati con i workflow AI e fornendo connessioni facili e sicure in ogni parte dell’organizzazione, inclusi modelli linguistici di grandi dimensioni (LLM), oltre a incorporare modelli, strumenti e altri sistemi. Inoltre, la soluzione accelera l’adozione dell’intelligenza artificiale agentica, abilitando workflow più efficienti, un time-to-value più rapido e la creazione di modelli di business e opportunità completamente nuovi.

“L’intelligenza artificiale agentica è nell’agenda di ogni organizzazione. La maggior parte delle aziende, però, si blocca durante la fase di elaborazione dei prototipi, rimanendo indietro, mentre altre corrono verso risultati misurabili”, afferma Shaun Clowes, Chief Product Officer di Confluent. “Anche gli agenti AI più intelligenti perdono di efficacia quando non dispongono di un contesto aziendale aggiornato. Streaming Agents semplifica il disordinato lavoro di integrazione di quegli strumenti e dati che creano vera intelligenza, offrendo alle organizzazioni una solida base per implementare agenti AI in grado di guidare cambiamenti significativi in tutta l’organizzazione.”

Una ricerca IDC mostra che, in media, le organizzazioni hanno eseguito 23 proof of concept di intelligenza artificiale generativa tra il 2023 e il 2024, ma solo tre hanno raggiunto la fase di produzione. Di questi, solo il 62% ha inoltre soddisfatto le aspettative. Gli agenti sono potenti tanto quanto gli strumenti e i dati a cui possono accedere, ma i workflow oggi sono estremamente complessi e costosi e impediscono alle aziende di sfruttare appieno il valore dell’intelligenza artificiale agentica. Sebbene i framework di intelligenza artificiale esistenti semplifichino i progetti con gli agenti, molti team hanno difficoltà a integrare i dati in tempo reale nelle iniziative di intelligenza artificiale agentica, con conseguenti allucinazioni e risposte inaffidabili.

“La maggior parte delle aziende sta investendo nell’intelligenza artificiale agentica, ma le architetture dati non sono in grado di supportare le capacità decisionali autonome che questi sistemi richiedono”, afferma Stewart Bond, Vice President of Data Intelligence and Integration Software di IDC. “Le organizzazioni dovrebbero dare priorità a soluzioni di intelligenza artificiale agentica che offrono un’integrazione facile, sicura e sfruttano i dati in tempo reale per il contesto essenziale e necessario a svolgere una determinata azione intelligente”.

Creare e scalare agenti AI in tempo reale con Streaming Agents

Streaming Agents include l’intelligenza artificiale agentica direttamente nelle pipeline di elaborazione dei flussi, per aiutare i team a creare, distribuire e orchestrare agenti basati sugli eventi con Apache Kafka e Apache Flink. Unificando l’elaborazione dei dati e il ragionamento dell’intelligenza artificiale, gli agenti ottengono l’accesso a nuovi dati contestuali da fonti in tempo reale, per adattarsi rapidamente e comunicare con altri agenti e sistemi al variare delle condizioni. Gli streaming agent sono sempre attivi e lavorano per conto dell’azienda, operando in modo dinamico, elaborando flussi di dati ad alto volume e rispondendo istantaneamente a segnali in tempo reale con ragionamenti sensibili al contesto, come farebbero gli operatori umani. Ad esempio, gli streaming agent possono stabilire prezzi competitivi monitorando continuamente i prezzi dei siti di e-commerce e aggiornando automaticamente i prezzi dei prodotti sul sito di un rivenditore, con l’obiettivo di riflettere l’offerta più competitiva per i clienti.

Le caratteristiche chiave di Streaming Agents includono:

• Tool calling per un’automazione consapevole del contesto: la chiamata di strumenti tramite Model Context Protocol (MCP) consente agli agenti di selezionare lo strumento esterno giusto, come un database, un software-as-a-service (SaaS) o un’API, per intraprendere azioni significative. Le attività tengono conto di ciò che accade nell’azienda e di ciò che stanno facendo altri sistemi e agenti
• Connessioni per integrazioni sicure: è possibile connettersi in modo sicuro a modelli, database vettoriali e MCP direttamente utilizzando Flink. Le connessioni proteggono le credenziali sensibili, incoraggiano una maggiore riusabilità condividendo le connessioni su più tabelle, modelli e funzioni e centralizzano la gestione per distribuzioni su larga scala
• Tabelle esterne e ricerca per aumentare la precisione dell’intelligenza artificiale: la soluzione assicura l’arricchimento dei dati in streaming con altre fonti dati oltre a Kafka, come database relazionali e API REST, per fornire la visualizzazione più aggiornata e completa. Questo migliora l’accuratezza del processo decisionale AI, della ricerca vettoriale e delle applicazioni RAG (retrieval-augmented generation), inoltre consente di ridurre i costi e la complessità utilizzando Flink SQL e sfrutta le funzionalità di sicurezza e di rete di Confluent Cloud
• Rigiocabilità per iterazione e sicurezza: gli agenti possono essere sviluppati e valutati utilizzando dati reali senza effetti collaterali, consentendo rilasci nascosti, test A/B e iterazione più rapida.

Streaming Agents è disponibile in open preview.

L'articolo Confluent presenta Streaming Agents: l’Agentic AI in tempo reale e scalabile è ora possibile proviene da Data Manager Online.

A sei anni dalla pandemia, il mondo è tornato a viaggiare – e con numeri record. L’Organizzazione Mondiale del Turismo delle Nazioni Unite prevede che i visitatori internazionali raggiungeranno 1,8 miliardi entro il 2030, in crescita rispetto ai poco più di 1,5 miliardi registrati prima che il Covid-19 bloccasse il settore.

Oggi, il turismo rappresenta circa il 10% del PIL globale e sostiene un lavoro su dieci. Eppure, nonostante questo potere economico, i benefici del turismo sono raramente distribuiti in modo uniforme e le pressioni sulle comunità locali, sugli ecosistemi fragili e sulle infrastrutture obsolete stanno aumentando. In Italia, i dati più recenti di Eurostat, l’istituto di statistica dell’Unione Europea, dicono che il turismo vale il 6,2% del PIL, più della media dei Paesi dell’UE, che si attesta al 4,5%.

Lo scorso anno Venezia ha sperimentato l’introduzione di un Contributo di Accesso per entrare in città per gestire le folle estive e Firenze – su proposta di Federalberghi – sta valutando una misura simile per regolare l’accesso ai flussi giornalieri. Oggi sempre più destinazioni si confrontano con una domanda: come possiamo far sì che il turismo funzioni per tutti?

La risposta, sempre più spesso, risiede nei dati in tempo reale, che significa che le informazioni aggiornate al momento possono aiutare i decisori a bilanciare crescita e sostenibilità, sicurezza e qualità della vita.

Un problema su scala globale

Le notizie sull’impatto dell’overtourism sono sempre più difficili da ignorare. A Barcellona manifestanti anti-turismo di massa hanno usato pistole ad acqua contro i visitatori che cenavano all’aperto. Il sindaco della città ha promesso regole più severe sugli affitti a breve termine per aiutare ad alleviare la cronica carenza di alloggi a prezzi accessibili.

E non c’è solo Barcellona. Da Lisbona a Kyoto stanno scoppiando proteste simili, con residenti e attivisti, frustrati dalla situazione, che sostengono come un numero incontrollato di visitatori li stia estromettendo dai propri quartieri e stia trasformando centri cittadini un tempo vivibili in parchi a tema sovraffollati.

Nel nostro Paese un esempio emblematico in questo periodo è quello del Seceda, sulle Dolomiti, dove ogni giorno migliaia di persone affollano gli impianti per raggiungere uno dei luoghi più fotografati della zona.

Di fronte a questa realtà, molti enti turistici si stanno rivolgendo ai dati in tempo reale come mezzo per gestire i flussi di visitatori e non pesare eccessivamente sulle comunità locali, assicurando al contempo che i luoghi più amati del mondo continuino a essere meta di visitatori.

I dati real-time incontrano la voglia di viaggiare real-time

Quindi, cosa significa esattamente “dati in tempo reale” nel contesto del turismo?

In pratica, possono includere sensori di passaggio nelle strade affollate, dati mobili anonimi raccolti in real-time che mostrano dove si stanno formando assembramenti, o sistemi di biglietteria intelligenti che limitano gli ingressi alle attrazioni popolari in tempo reale. Alcune località stanno persino analizzando i post sui social media per rilevare i punti di interesse emergenti prima che diventino ingestibili.

L’obiettivo non è semplicemente raccogliere informazioni, ma trasformarle in insight tempestivi e concreti che aiutino ad adattarsi in modo rapido all’evolversi delle condizioni, ora per ora e giorno dopo giorno.

Un esempio di strumento basato sui dati in tempo reale e progettato per gestire l’overtourism è l’app Feel Florence, messa a punto dalla città toscana. Attingendo ai dati real-time da sensori sparsi per la città, l’app mostra ai visitatori quali attrazioni sono affollate e suggerisce esperienze alternative basate sulla domanda attuale. Spingendo i turisti verso aree meno affollate, non solo si alleggerisce la pressione sui siti più popolari, ma si distribuiscono anche i benefici del turismo in modo più equo ai quartieri locali.

Un approccio simile lo osserviamo nel Regno Unito, dove VisitScotland sta adottando l’AI e i dati in tempo reale per aiutare le comunità rurali a gestire i picchi stagionali, monitorando dove si stanno dirigendo i turisti e incoraggiandoli, tramite un motore di raccomandazione personalizzato, a scoprire mete alternative più tranquille prima che le destinazioni più popolari raggiungano la capienza massima.

Potenziare i viaggi sostenibili con la tecnologia

I dati in tempo reale possono anche giocare un ruolo decisivo nell’aiutare le mete turistiche a raggiungere gli obiettivi ambientali. Prendiamo Abu Dhabi, per esempio, dove sono state sperimentate soluzioni di monitoraggio real-time per supportare la conservazione dell’Oasi di Al Ain, patrimonio mondiale dell’UNESCO. Contapassi, dati mobili e sensori ambientali possono aiutare i gestori del sito a tracciare il numero di visitatori e a reindirizzare i flussi quando i fragili palmeti rischiano il sovraffollamento.

Esempi come questo evidenziano un punto importante: la sicurezza e la sostenibilità non possono basarsi solo su report statici, pubblicati una volta l’anno. Hanno bisogno di insight tempestivi e attuabili che consentano di rispondere nell’immediato.

Promuovere avventure più sicure

Un altro ambito in cui i dati in tempo reale stanno diventando preziosi nel settore del turismo è la sicurezza pubblica. Che si tratti di condizioni meteorologiche estreme, scioperi nei trasporti o situazioni di emergenza, le destinazioni in grado di monitorare gli eventi minuto per minuto sono semplicemente meglio attrezzate per proteggere visitatori e cittadini.

Nelle città di tutto il mondo, gli operatori di trasporto utilizzano ora flussi di dati integrati per aggiornare i visitatori in modo istantaneo su scioperi, ritardi o grandi affollamenti, aiutando le persone a reindirizzarsi in sicurezza ed evitare disagi. Al di là dei centri urbani, le squadre di soccorso alpino stanno utilizzando contapassi in tempo reale e sensori meteorologici per monitorare i sentieri escursionistici più popolari. Se le condizioni diventano pericolose, avvisi tempestivi possono essere condivisi tramite app locali o messaggi di testo, riducendo i rischi per i visitatori e aiutando i servizi di emergenza a rispondere in modo più efficiente.

Preservare le nostre mete preferite per i viaggiatori di domani

Il turismo continuerà a essere uno dei motori economici più potenti a livello globale. Ma a questa crescita deve accompagnarsi un forte senso di responsabilità. In questo senso, i dati in tempo reale si stanno affermando come uno strumento essenziale per bilanciare sviluppo e tutela del territorio.

Per far sì che ciò funzioni nella pratica, è fondamentale che Istituzioni locali, enti del turismo, operatori di trasporto e aziende investano nella giusta infrastruttura digitale, collaborino in modo trasparente e agiscano sulla base di insight derivanti da dati condivisi. Se ben orchestrato, questo approccio può dare vita a destinazioni capaci di prosperare e accoglienti per i visitatori, i residenti e per le generazioni future.

L'articolo Il futuro del turismo passa dai dati in tempo reale proviene da Data Manager Online.

Questo permetterà ai clienti AWS di scoprire, acquistare e implementare facilmente soluzioni di intelligenza artificiale agentica, inclusa la piattaforma di data streaming completamente gestita Confluent Cloud. I clienti AWS potranno accedere alle novità utilizzando i propri account, accelerando così lo sviluppo di agenti AI e workflow agentici.

Con la crescita degli agenti AI, accedere e condividere dati con altri agenti, strumenti e sistemi esterni diventa esponenzialmente più complesso. Senza la possibilità di accedere a informazioni aggiornate e affidabili, gli agenti rischiano di fornire risposte imprecise, obsolete, oppure di non funzionare affatto. Confluent Cloud consente di trasmettere, connettere, elaborare e governare i dati in tempo reale in tutta l’organizzazione, permettendo ai clienti di creare e implementare applicazioni AI intelligenti, adattabili e scalabili in modo più rapido.

“I silos informativi sono il principale ostacolo che impedisce agli agenti AI di essere realmente pronti per l’ambiente enterprise”, ha dichiarato Shaun Clowes, Chief Product Officer di Confluent. “Senza un accesso fluido a dati affidabili in tempo reale, anche i modelli AI più avanzati non riescono a essere efficaci. Con Confluent Cloud su AWS Marketplace, offriamo ai clienti un modo semplificato per accedere alla nostra piattaforma cloud-native di data streaming, aiutandoli a implementare soluzioni di agenti AI in modo più veloce ed efficiente.”

Confluent Cloud è progettato per rendere i dati immediatamente disponibili e utilizzabili, favorendo decisioni più intelligenti, migliorando l’esperienza cliente e accelerando l’innovazione in tutta l’azienda. In un momento in cui le organizzazioni adottano l’AI a ritmo sostenuto, questa partnership fornisce una piattaforma unificata su cui è possibile fare affidamento. Sostituendo sistemi frammentati e basati su elaborazioni batch con un flusso continuo e aggiornato nel contesto aziendale, Confluent crea un’infrastruttura dati condivisa e in tempo reale a cui gli agenti AI possono accedere e con la quale possono interagire e ragionare. Confluent Cloud consente ai clienti di sviluppare in sicurezza il business mettendo l’intelligenza artificiale al centro delle strategie future.

Grazie alla categoria “AI Agents and Tools” su AWS Marketplace, i clienti possono accelerare significativamente i processi di approvvigionamento per stimolare l’innovazione basata su intelligenza artificiale, riducendo i tempi richiesti per la valutazione dei fornitori o negoziazioni complesse. Gli acquisti centralizzati tramite account AWS garantiscono inoltre piena visibilità e controllo su licenze, pagamenti e accessi.

L'articolo Confluent Cloud ora disponibile all’interno di AWS Marketplace nella nuova categoria “AI Agents and Tools” proviene da Data Manager Online.

L’AI generativa ha ridefinito i confini del possibile. Ma per i responsabili aziendali, la sfida va ben oltre l’adozione dell’AI. La vera domanda all’ordine del giorno nei consigli di amministrazione è: come possiamo integrare l’AI nel DNA stesso della nostra azienda?

Per passare dalla sperimentazione all’adozione concreta, le aziende devono ripensare l’architettura dei propri sistemi. Serve un’impostazione in tempo reale, basata sugli eventi e progettata per un’intelligenza continua.

Ripensare la produttività degli sviluppatori nell’era dell’AI

Il moderno stack di sviluppo sta diventando sempre più intelligente. Gli strumenti basati sull’AI ora generano codice, individuano bug e suggeriscono miglioramenti, tutto in una frazione di secondo. Ma più velocità non equivale automaticamente a qualità maggiore.

La vera produttività non si misura dalla rapidità con cui si scrive codice, ma dalla capacità di costruirlo in tutta sicurezza e includendo la security sin dall’inizio. E questo significa mettere affidabilità, controllo e tracciabilità al centro del processo.

Nel mondo dei sistemi basati su Kafka, l’AI deve affiancare, non sostituire, il rigore ingegneristico. L’approccio più smart ed efficace? Trattare l’AI come un pair programmer, non come un esecutore solitario. L’AI può proporre, ma devono essere gli sviluppatori a revisionare, perfezionare e pubblicare.

Questa mentalità consente di preservare ciò che davvero conta nel software enterprise, senza sacrificare la velocità.

Gli agenti AI sono arrivati e hanno bisogno di una struttura real-time

Gli agenti AI stanno rivoluzionando il modo in cui le persone lavorano. Ma il vero salto di paradigma è sistemico: agenti autonomi in grado di perseguire obiettivi, interpretare il contesto, prendere decisioni e agire, senza dover attendere un input umano.

Le aziende stanno scoprendo che questi agenti non possono operare con dati obsoleti o elaborati in batch. Hanno bisogno di un contesto costante, fluido, sempre aggiornato. Ed è proprio qui che entra in gioco l’infrastruttura di streaming.

Flink, Kafka e altre tecnologie stanno convergendo per creare agenti real-time capaci di segnalare anomalie di spesa, ottimizzare le supply chain in tempo reale e decifrare ambienti complessi istante per istante.

Questo passaggio dalla raccolta passiva dei dati a un’intelligence attiva e immediata trasforma le imprese da macchine reattive a motori proattivi. I benefici sono estesi: insight più rapidi, meno colli di bottiglia e operazioni capaci di adattarsi non dopo ore o giorni, ma in tempo reale.

Le pipeline AI real-time sono le fondamenta del futuro

Un modello di AI è tanto valido quanto i suoi input e il tempismo con cui li riceve. Nell’epoca dell’immediatezza, alimentare i modelli con dati real-time è ormai lo standard minimo.

Le pipeline end-to-end si stanno evolvendo: Apache Flink, TensorFlow e PyTorch vengono intrecciati in sistemi fluidi capaci di acquisire, pulire, inferire e persino riaddestrare modelli in modo continuo.

Questa è l’AI che si muove con il mondo, capace di reagire a una transazione sospetta, a un’interruzione logistica o a una variazione di mercato mentre accade. Non nel report del giorno dopo.

Le imprese, grazie a infrastrutture scalabili, osservabili e resilienti a sostegno, possono implementare un’AI in grado di scalare e di essere rilevante. Un vero cambio di paradigma per tutto: dalla prevenzione delle frodi, alle esperienze personalizzate, fino agli alert in tempo reale.

E tutto parte dallo streaming.

Secondo il Data Streaming Report 2025 di Confluent, l’89% dei responsabili IT a livello globale ritiene che le piattaforme di data streaming (DSP) semplifichino l’adozione dell’AI risolvendo i principali ostacoli. Il report evidenzia inoltre che l’87% degli intervistati prevede un crescente utilizzo delle piattaforme di data streaming per alimentare i sistemi AI con dati in tempo reale, contestuali e affidabili, mentre il 73% riconosce nelle piattaforme di data streaming un elemento abilitante per sfruttare i dati aziendali a favore dell’intelligenza artificiale.

Diventare davvero AI-nativi parte dall’infrastruttura

Troppe aziende inseguono i più recenti strumenti di AI senza aver prima consolidato le fondamenta. Ma chi sta davvero innovando non si concentra sulle funzionalità, bensì su come i sistemi processano, agiscono e apprendono dai dati.

Dagli sviluppatori supportati da assistenti intelligenti, agli agenti autonomi che orchestrano interi workflow, tutto converge su un unico punto: un’infrastruttura real-time e basata su eventi.

La rivoluzione dell’AI non riguarda solo i software più intelligenti, ma infrastrutture più intelligenti. E per i leader pronti a passare dal prototipo alla produzione, è proprio da qui che comincia la vera trasformazione.

L'articolo L’impresa del futuro è AI-native: come costruirla a partire dai dati in tempo reale proviene da Data Manager Online.

Una domanda che ricorre spesso nelle conversazioni è: “Batch o tempo reale?”. Eppure, le risposte sembrano sempre più disconnesse dalla realtà che le organizzazioni si trovano ad affrontare oggi. Viviamo in un contesto economico incerto, con il rischio di recessione globale, mercati finanziari dominati da pochi titoli e una volatilità che è ormai la norma. Eppure, troppi team progettano ancora in base al minimo comune denominatore, ovvero in batch, semplicemente perché non tutti i casi d’uso richiedono immediatezza. Questo approccio, però, limita le possibilità, oltre al fatto che si dovrebbe progettare per ottenere sempre il massimo risultato.

L’ideale è costruire architetture basate sugli eventi che supportino di default funzionalità in tempo reale e siano in grado di servire qualsiasi caso d’uso, attraverso un accesso e un’interpretazione flessibili dei dati. Un approccio di questo tipo rappresenta un cambiamento di mentalità, ed è atteso da tempo. La domanda giusta, quindi, non è se tutti i casi d’uso richiedano dati in tempo reale, ma se la piattaforma dati della propria organizzazione sia costruita per adattarsi in modo rapido, affidabile e su larga scala, a prescindere dalla velocità con cui cambiano le condizioni esterne.

Perché si dovrebbe progettare in base ai risultati e non alla velocità

Concentrarsi sull’elaborazione dei dati in batch o in streaming distrae da una verità più importante: l’architettura dovrebbe supportare i risultati aziendali che si devono ottenere e non essere vincolata alla velocità di acquisizione dei dati. Alcuni dati arrivano rapidamente in streaming, mentre una parte viene acquisita in batch periodici. Questa è una realtà. Tuttavia, creare sistemi separati attorno a queste diverse velocità di flusso dati porta a un’infrastruttura frammentata, a una complessità non necessaria e a una ridotta agilità.

Ciò che serve è una piattaforma unificata, in grado di gestire tutte le velocità dei dati e supportare tutti i casi d’uso da un unico punto. Non bisogna progettare i sistemi in base al caso d’uso più lento, ma in base a criteri di flessibilità, scalabilità e reattività. In questo modo è possibile interpretare e agire sui dati al ritmo che la situazione richiede.

Il real-time riduce i costi

Contrariamente a un pensiero comune, il real-time non è più costoso, ma più efficiente. L’elaborazione in batch, per sua natura, consuma più risorse. È come avviare più e più volte il motore di una vecchia automobile: ogni riavvio richiede un aumento di energia, soprattutto se il sistema deve gestire picchi imprevedibili. Questo determina un over-provisioning dell’infrastruttura e costringe a mantenere una grande capacità sempre attiva per carichi di punta occasionali, sacrificando l’efficienza a favore della semplicità.

Al contrario, l’elaborazione continua in base agli eventi funziona come un motore ben messo a punto, che viaggia a una velocità costante. I dati fluiscono continuamente e le risorse scalano automaticamente per soddisfare la richiesta. Le previsioni diventano più accurate perché il flusso di dati e il costo per elaborarli sono pronosticabili.

L’efficienza diventa ancora più vantaggiosa man mano che le organizzazioni ampliano l’utilizzo dell’intelligenza artificiale. Nei sistemi batch, i workload AI devono essere eseguiti per periodi brevi e con un utilizzo significativo delle risorse e questo determina un aumento dei costi di elaborazione e delle emissioni di carbonio.Con l’aumento dell’attenzione sull’impatto ambientale dell’IA, questo approccio si sta rivelando insostenibile.

Ancora più resilienza nei diversi casi d’uso

Le piattaforme dati più efficaci non sono progettate per scegliere tra real-time o batch, ma per entrambe le situazioni. È necessario avere dei sistemi in grado di elaborare e reagire continuamente alle nuove informazioni non appena arrivano, così come di poter congelare un momento nel tempo.

Prendiamo ad esempio i servizi finanziari. Una banca potrebbe scattare un’istantanea della sua esposizione al rischio globale alle ore 9:00 e fissare dei limiti per i trader. Ma se un nuovo annuncio tariffario dovesse arrivare alle 9:05 – alterando improvvisamente la struttura dei costi o il rischio nel paese – l’azienda avrebbe bisogno di un avviso in tempo reale. È lo stesso flusso di dati che può alimentare entrambi gli output: un’istantanea puntuale per la pianificazione e un avviso in tempo reale per un’azione di intervento.

Questa doppia capacità, statica e dinamica a partire da un’unica fonte, non riguarda solo il settore finanziario. Nel campo delle assicurazioni sanitarie, ad esempio, fornitori come Vitality offrono dispositivi indossabili che monitorano l’attività e premiano il comportamento sano. In questo caso, i dati in tempo reale migliorano l’esperienza utente riducendo i sinistri e controllando i costi per l’azienda.

Più che un cambiamento tecnologico, è un cambiamento di mentalità

Perché, nonostante i vantaggi, molte organizzazioni esitano ancora ad adottare architetture per lo streaming dei dati?

Spesso non è la tecnologia a frenare, ma la mentalità organizzativa. Molti dirigenti ammettono che la vera sfida risiede nel modo in cui sono strutturati i budget. I costi relativi a software, infrastruttura e personale vengono spesso trattati come voci separate, gestite da team diversi con obiettivi diversi.

Il risultato? Le decisioni a breve termine che sembrano convenienti sulla carta, come l’adozione di strumenti open source “gratuiti”, possono portare a complessità a lungo termine e richiedere grandi team tecnici solo per far funzionare le cose.

In generale, molti dipartimenti continuano a progettare sulla base di limitazioni che non hanno più, nate in un’era di infrastrutture fisse e cicli di cambiamento lenti. Ma le piattaforme per lo streaming dei dati in tempo reale consentono di progettare in modo diverso, con meno sprechi operativi, maggiore visibilità in real-time e flessibilità di gran lunga maggiore per una risposta proattiva ai cambiamenti.

Progettare per il mondo di oggi

La maggior parte dei responsabili IT non è cresciuta in un ambiente caratterizzato da una volatilità costante. Abbiamo costruito sistemi per un’epoca in cui il cambiamento era graduale, l’infrastruttura era fissa e i report puntuali erano “sufficienti.”

Quel mondo non esiste più e le architetture dati devono evolvere di conseguenza. Ciò significa abbandonare i costrutti legacy e progettare piattaforme che riflettano il modo in cui le aziende operano realmente oggi: a velocità diverse, con molteplici casi d’uso e sotto costante pressione di adattamento.

Non si deve costruire per il mondo da cui si proviene, ma per il mondo che si vuole guidare.

L'articolo Non si tratta di velocità: è ora di superare il dibattito tra dati in batch e dati in tempo reale proviene da Data Manager Online.

Confluent, pioniere nel data streaming, ha annunciato nuove funzionalità di Confluent Cloud che rendono più semplice l’elaborazione e la protezione dei dati per ottenere insight e capacità di prendere decisioni più rapidi. Le snapshot queries, una novità di Confluent Cloud for Apache Flink, uniscono l’elaborazione di dati storici e in tempo reale per rendere più intelligenti gli agenti di intelligenza artificiale (AI) e gli analytics. Confluent Cloud network (CCN) routing semplifica il networking privato per Apache Flink e IP Filtering aggiunge controlli di accesso per le pipeline Flink accessibili pubblicamente, proteggendo i dati per l’intelligenza artificiale e gli analytics.

“L’agentic AI sta passando dall’hype all’adozione da parte delle aziende che cercano di ottenere un vantaggio competitivo nello scenario di mercato attuale”, ha dichiarato Shaun Clowes, Chief Product Officer di Confluent. “Tuttavia, senza dati di alta qualità, anche i sistemi più avanzati non possono fornire un valore reale. Le nuove funzionalità di Confluent Cloud for Apache Flink rendono possibile la fusione di dati in tempo reale e in batch, in modo che le aziende possano fidarsi della loro agentic AI per guidare un cambiamento reale”.

Colmare il divario tra tempo reale e batch

“L’ascesa dell’orchestrazione dell’agentic AI è destinata ad accelerare e le aziende devono iniziare a prepararsi fin d’ora”, ha dichiarato Stewart Bond, Vice President of Data Intelligence and Integration Software di IDC. “Per sbloccare il pieno potenziale dell’intelligenza artificiale, le aziende devono cercare soluzioni che uniscano tipi di dati diversi, tra cui informazioni strutturate, non strutturate, in tempo reale e storiche, in un unico ambiente. Ciò consente all’AI di ricavare insight più ricchi e di ottenere risultati più incisivi”.

L’agentic AI sta determinando un cambiamento diffuso nelle operation aziendali, aumentando l’efficienza e accelerando il processo decisionale grazie all’analisi dei dati per scoprire tendenze e insight preziosi. Tuttavia, per prendere le decisioni giuste, gli “agenti di AI” hanno bisogno di un contesto storico di ciò che è accaduto in passato e di una visione di ciò che sta accadendo in questo momento. Ad esempio, per rilevare le frodi, le banche devono poter contare su dati in tempo reale per reagire immediatamente, ma anche su dati storici per verificare se una transazione rientra nei comportamenti abituali del cliente. Allo stesso modo, gli ospedali hanno bisogno di monitorare in tempo reale i parametri vitali dei pazienti, ma anche di accedere alla loro storia clinica per prendere decisioni sicure e informate. Tuttavia, per sfruttare al meglio sia i dati passati che quelli presenti, i team si trovano spesso costretti a usare strumenti diversi e a sviluppare soluzioni manuali, con conseguenti perdite di tempo e interruzioni nei flussi di lavoro. Inoltre, è fondamentale proteggere i dati utilizzati per analytics e AI agentica; questo garantisce risultati affidabili e permette di tutelare le informazioni sensibili.

• Le snapshot queries unificano l’elaborazione su un’unica piattaforma

Le snapshot queries in Confluent Cloud consentono ai team di unificare i dati storici e in streaming con un unico prodotto e linguaggio, consentendo esperienze coerenti e intelligenti sia per l’analisi che per l’agentic AI. Grazie alla perfetta integrazione con Tableflow, i team possono facilmente ottenere un contesto dai dati passati. Le snapshot queries consentono ai team di esplorare, testare e analizzare i dati senza dover avviare nuovi carichi di lavoro. In questo modo è più facile fornire agli agenti un contesto dai dati storici e in tempo reale, o condurre un audit per comprendere tendenze e modelli chiave. Le snapshot queries sono ora disponibili in early access.

• Il CCN Routing semplifica la rete privata per Flink

La rete privata è importante per le organizzazioni che richiedono un ulteriore livello di sicurezza. Confluent offre una soluzione di rete privata semplificata riutilizzando le CCN esistenti che i team hanno già creato per i cluster Apache Kafka. I team possono utilizzare il CCN per collegare in modo sicuro i propri dati a qualsiasi carico di lavoro Flink, come pipeline di streaming, agenti AI o analytics. CCN routing è ora generalmente disponibile su Amazon Web Services (AWS) in tutte le regioni in cui Flink è supportato.

• IP Filtering protegge i carichi di lavoro Flink in ambienti ibridi

Molte organizzazioni che operano in ambienti ibridi hanno bisogno di un maggiore controllo su quali dati possono essere accessibili pubblicamente. IP Filtering per Flink aiuta i team a limitare il traffico Internet agli IP consentiti e a migliorare la visibilità dei tentativi di accesso non autorizzati, rendendo più semplice la tracciabilità dei tentativi. IP Filtering è disponibile per tutti gli utenti di Confluent Cloud.

L'articolo Confluent unisce l’elaborazione Batch e Stream per un’AI agentica e Analytics più veloci e intelligenti proviene da Data Manager Online.

Confluent, pioniere nel data streaming, ha presentato i risultati del suo quarto Data Streaming Report, uno studio annuale che ha coinvolto 4.175 responsabili IT in 12 Paesi. Il report evidenzia come le piattaforme di data streaming (DSP) non siano più un’opzione, ma un elemento imprescindibile per il successo dell’intelligenza artificiale e per una trasformazione aziendale su larga scala. Ben l’89% degli intervistati riconosce infatti nelle DSP un alleato strategico per l’adozione dell’AI, capace di affrontare sfide complesse come l’accesso ai dati, la loro qualità e la governance. Non sorprende, quindi, che il 90% preveda di incrementare gli investimenti in questo ambito nel corso del 2025.

“Dallo sviluppo dell’AI agentica al rilevamento delle frodi in tempo reale, le piattaforme di data streaming stanno rapidamente diventando il motore delle imprese moderne”, ha dichiarato Rey Perez, Chief Customer Officer di Confluent. “Sono uniche nel rispondere alle sfide più urgenti in ambito dati, abilitando innovazioni capaci di guidare il futuro delle aziende”.

Perché è cruciale per l’AI

I dati in tempo reale sono essenziali per le applicazioni di AI. Affinché l’agente AI, il chatbot o l’assistente possano esprimere il loro valore, necessitano di un accesso immediato a dati affidabili sull’azienda, i suoi clienti e il contesto in cui operano. Questo non sarebbe possibile senza una piattaforma completa di data streaming capace di generare flussi continui di dati di alta qualità, accessibili e utilizzabili in ogni angolo dell’organizzazione. Non solo è fondamentale per questa nuova ondata di AI, ma è anche essenziale per permettere a qualsiasi azienda di operare in tempo reale.

“Dove saremmo senza una piattaforma di data streaming? Probabilmente fuori dal mercato,” ha dichiarato Sudhakar Gopal, EVP e CIO di Citizens Bank. “Una piattaforma di streaming dei dati ci facilita lo scambio di dati tra tutte le nostre applicazioni point-to-point, consentendoci di prendere decisioni rivoluzionarie in tempo reale”.

Questi i principali risultati del Data Streaming Report 2025:

• Fattore trainante delle innovazioni AI: l’87% prevede un utilizzo crescente delle DSP per alimentare i sistemi di intelligenza artificiale con dati contestuali, affidabili e in tempo reale.
• Elemento strategico imprescindibile: l’86% considera lo streaming dei dati una priorità di rilievo per la strategia aziendale.
• Investimento ad alto rendimento: il 44% riporta un ritorno sull’investimento (ROI) quintuplicato per lo streaming dei dati, rispetto al 41% del 2024.
• Lo “shift-left” accelera: l’81% ha ridotto costi e rischi in sviluppo e operazioni grazie all’adozione di un approccio shift-left nella gestione e nel trattamento dei dati.

Scarica qui il Data Streaming Report 2025. Il report si basa su un’indagine ideata da Freeform Dynamics e condotta da Radma Research che ha coinvolto 4.175 responsabili IT in 12 Paesi, tra cui Australia, Canada, Francia, Germania, India, Indonesia, Giappone, Singapore, Spagna, Emirati Arabi Uniti, Regno Unito e Stati Uniti. I partecipanti lavorano in aziende con oltre 500 dipendenti e hanno una conoscenza approfondita del data streaming.

L'articolo Confluent pubblica il suo ultimo Data Streaming Report proviene da Data Manager Online.

L’AI è in costante e rapidissima evoluzione, e così anche le preoccupazioni riguardo alla privacy dei dati stanno crescendo. Le aziende si trovano ad affrontare problematiche legate alla sicurezza dei dati, alla trasparenza e alle implicazioni dei modelli open source rispetto a quelli closed source. In un mondo in cui l’innovazione accelera a un ritmo vertiginoso, i consumatori si chiedono: “Tutti questi progressi avverranno a scapito dei nostri dati personali?”

La vera sfida non riguarda solo l’uso – o l’abuso – dei dati, ma il fatto che la tecnologia attuale non è progettata per proteggere la privacy in modo nativo. Infrastrutture obsolete, sicurezza frammentata e controlli di accesso incoerenti lasciano le organizzazioni esposte a rischi.

La soluzione? Lo streaming dei dati. Integrando la privacy nel processo di raccolta dati e utilizzando lo streaming in tempo reale, le aziende possono ridurre i rischi, garantire la conformità e costruire fiducia in un mondo dominato dall’AI.

I rischi di un’infrastruttura obsoleta

La rapida ascesa delle tecnologie AI – e il crescente dibattito sul loro impatto sulla sicurezza personale e pubblica – hanno aumentato negli ultimi mesi le preoccupazioni sulla privacy dei dati. Le nuove politiche cercano di definire regole precise per lo sviluppo dell’AI, con governi che propongono leggi più stringenti in materia di protezione dei dati, requisiti di trasparenza e linee guida etiche sull’AI.

Tuttavia, la sola regolamentazione non può risolvere completamente il problema. Le leggi richiedono tempo per essere sviluppate, faticano a tenere il passo con l’evoluzione tecnologica e spesso si concentrano sulla compliance piuttosto che su misure di sicurezza proattive. Il punto centrale? Anche le normative più severe contano ben poco se la tecnologia sottostante non è costruita per proteggere la privacy fin dall’inizio.

Per ragioni diverse, e spesso giustificabili, molte aziende continuano a fare affidamento su un mosaico di sistemi e infrastrutture datate che, seppur funzionanti, non riescono a garantire misure di sicurezza coerenti a livello aziendale.

Una delle sfide maggiori è la frammentazione dei dati. Senza un sistema unificato, diversi reparti conservano copie degli stessi dati sensibili in silos separati, con conseguenti duplicazioni, incoerenze e maggiori rischi di esposizione. Quando i dati sono disseminati su più sistemi, le organizzazioni faticano a far rispettare le policy di sicurezza, a garantire controlli di accesso corretti e a rispondere rapidamente a potenziali minacce.

I problemi si aggravano ulteriormente con una gestione incoerente degli accessi: dipendenti con privilegi inappropriati o con permessi non più necessari aumentano il rischio di fughe accidentali di dati, dove anche un semplice foglio Excel non protetto può causare una grave violazione.

Inoltre, l’uso di sistemi legacy basati su processi batch può ritardare l’applicazione delle normative. Regolamenti come il GDPR richiedono risposte immediate a richieste di cancellazione dati o violazioni di sicurezza, ma le infrastrutture obsolete rallentano audit e tempi di risposta.

Rafforzare la privacy con lo streaming

La privacy non può essere un elemento secondario, inserito a posteriori: deve essere integrata fin dall’inizio nella raccolta, nel trattamento e nei controlli di accesso ai dati. I sistemi devono comunicare in modo fluido, garantendo accesso sicuro e coerente ai dati critici, riducendo al minimo la memorizzazione ridondante su più piattaforme.

Lo streaming dei dati in tempo reale offre una base solida orientata alla privacy, elaborando i dati nel momento in cui vengono generati, invece di conservarli a lungo termine in grandi archivi. Questo approccio, ispirato al principio del “privacy by design”, riduce i rischi di esposizione, migliora la sicurezza e garantisce la compliance alle normative globali, il tutto senza frenare l’innovazione.

Con una piattaforma di data streaming (DSP), le aziende possono spingersi oltre, grazie a funzionalità di sicurezza avanzate già integrate. Ad esempio, la crittografia end-to-end garantisce che i dati rimangano protetti durante l’intera trasmissione, mentre la tokenizzazione sostituisce le informazioni sensibili con identificatori privi di significato prima che queste entrino nel sistema. Attraverso la privacy differenziale è possibile introdurre un “rumore” matematico nei set di dati, permettendo alle organizzazioni di ricavare insight senza rivelare le identità individuali.

Un esempio concreto arriva da EVO Banco, banca digitale spagnola che ha utilizzato la piattaforma di Confluent per rivoluzionare il proprio sistema di rilevamento delle frodi, ottenendo una riduzione del 99% nelle perdite settimanali legate a frodi.

Grazie al rilevamento delle frodi in streaming su oltre 500.000 transazioni giornaliere, la banca ha notevolmente migliorato la precisione degli algoritmi antifrode e ridotto i tempi di reazione a pochi secondi.

“L’agilità offerta da Confluent nell’integrare nuove fonti di dati e nel costruire nuovi temi per aggregare le informazioni archiviate, unita alla possibilità di applicare modelli di rilevamento dei pattern, è stata fondamentale. La velocità d’azione è essenziale di fronte ad attacchi quotidiani, poiché ogni giorno di ritardo può tradursi in nuove perdite economiche”, ha dichiarato José Enrique Pérez Fernández, Chief Data Officer di EVO Banco.

Il successo di EVO Banco dimostra l’efficacia dello streaming dei dati in tempo reale nel trasformare le misure di cybersecurity, tutelando al contempo la privacy dei clienti.

I vantaggi di una piattaforma di data streaming (DSP) per la data privacy

Secondo il Data Streaming Report 2024 di Confluent, il 91% degli intervistati ha affermato che lo streaming dei dati migliora la cybersecurity e la gestione del rischio digitale all’interno delle proprie organizzazioni. Il motivo? Quando una DSP funge da sistema nervoso centrale di un’azienda, mantiene i vari sistemi sincronizzati e garantisce ai dipendenti l’accesso in tempo reale ai dati di cui hanno bisogno. Questo consente alle imprese di innovare più rapidamente, con i dati dei clienti sempre protetti.

Il futuro resta incerto, ma una cosa è chiara: se vogliono davvero guidare la corsa all’AI, le organizzazioni devono mettere la privacy al centro di ogni decisione.

L'articolo Il futuro della privacy: come lo streaming dei dati in tempo reale protegge i clienti in un mondo dominato dall’AI proviene da Data Manager Online.

Oggi il retail non è più solo commercio: è una corsa ad alta velocità per rimanere competitivi in un mondo in cui le aspettative dei consumatori sono in continua evoluzione. Gli acquirenti di oggi si muovono senza sforzo tra canali online e fisici, ed esigono esperienze fluide, personalizzate e immediate in ogni punto di contatto. Se il tutto non avviene in modo impeccabile, l’utente passerà sicuramente alla concorrenza.

In questa sfida per conquistare quote di mercato, una tecnologia sta facendo la differenza: lo streaming dei dati in tempo reale. Permettendo ai retailer di elaborare e agire sui dati nell’istante in cui vengono generati, sta rivoluzionando ogni aspetto del settore, dalla gestione dell’inventario al coinvolgimento del cliente. Grazie a questa tecnologia, le aziende non solo soddisfano le aspettative attuali, ma ridefiniscono ciò che è possibile in un futuro sempre più dinamico e competitivo.

Il 2025 e gli anni a venire rappresentano un’enorme opportunità per i retailer che adotteranno il data streaming come pilastro fondamentale del proprio stack tecnologico. Ecco tre aree chiave in cui prevedo una crescita e un’innovazione significative nel prossimo futuro.

1. Sincronizzazione omnicanale

Oggi i clienti si aspettano un’esperienza fluida e senza interruzioni su tutti i canali, che stiano navigando online, utilizzando un’app mobile o visitando un negozio fisico. Funzionalità come la consegna in giornata, il ritiro in negozio e i resi online senza complicazioni non sono più extra, ma elementi essenziali di un’esperienza d’acquisto soddisfacente.

Guardando al 2025, il concetto di shopping phygital – la perfetta fusione tra esperienze fisiche e digitali – mostrerà il potenziale rivoluzionario dello streaming di dati in tempo reale.

Un esempio interessante è il passaggio dai codici a barre tradizionali ai codici QR sui prodotti dei supermercati. Questi codici avanzati offrono molto più delle loro controparti statiche: possono archiviare dati dinamici in tempo reale per mantenere aggiornati prezzi e livelli di inventario, fornire ai clienti accesso immediato a ricette o consigli sul riciclo e persino semplificare il processo di checkout. Test già avviati in 48 Paesi ne anticipano un’adozione su larga scala entro il 2027, promettendo un’esperienza d’acquisto più personalizzata, efficiente e coinvolgente.

Un’altra innovazione è l’integrazione automatizzata dei programmi fedeltà con il processo di pagamento. Piattaforme come WeChat e AliPay stanno guidando questa trasformazione, combinando perfettamente il pagamento con l’accumulo di punti fedeltà. I clienti possono effettuare un acquisto e ricevere automaticamente i loro punti, senza bisogno di carte extra o passaggi aggiuntivi. Un processo semplice ed efficace, perfettamente in linea con le esigenze dei consumatori moderni.

2. Personalizzazione in tempo reale

Queste innovazioni dimostrano quanto sia possibile creare esperienze che non solo sono personalizzate, ma anche sorprendentemente attente alle esigenze individuali.

La personalizzazione in tempo reale – ovvero adattare dinamicamente l’esperienza d’acquisto alle azioni del cliente – è da anni un obiettivo chiave per i retailer, e per una buona ragione: rafforza la fedeltà, aumenta le vendite e fa sentire i clienti compresi e valorizzati. Oggi, grazie allo streaming dei dati in tempo reale, questa strategia sta raggiungendo nuovi livelli di precisione ed efficacia.

Pensiamo alle app di e-commerce. Con l’uso di dati in diretta e intelligenza artificiale, i retailer possono analizzare il comportamento di navigazione, lo storico degli acquisti e persino fattori contestuali, come l’ora del giorno, per suggerire prodotti o promozioni perfettamente su misura.

La catena di supermercati Tesco sta esplorando nuove frontiere della personalizzazione, analizzando i dati del suo programma fedeltà Clubcard. Tra le ipotesi in fase di sviluppo, vi è la possibilità di suggerire alternative più salutari basate sulla cronologia degli acquisti dei clienti.

Alcuni minimarket in Corea del Sud stanno già sperimentando l’integrazione tra app mobili e dati in tempo reale per offrire sconti immediati su prodotti disponibili nelle vicinanze, creando un’esperienza d’acquisto iper-localizzata e ultra-conveniente.

Queste innovazioni dimostrano quanto sia possibile creare esperienze che non sono solo personalizzate, ma anche capaci di sorprendere positivamente il cliente.

3. Ottimizzazione dell’inventario e della supply chain

La gestione dell’inventario è da sempre una sfida per il settore retail, e oggi è ancora più complessa. Tuttavia, grazie allo streaming di dati, i retailer possono monitorare costantemente i livelli di scorte, le tendenze di vendita e l’attività della supply chain, evitando costosi problemi di sovra-stoccaggio o esaurimento delle scorte. Questa tendenza è destinata a crescere nel 2025.

I leader del fast fashion, come Zara, stanno aprendo la strada con l’uso della tecnologia RFID per tracciare i prodotti in tempo reale lungo tutta la supply chain. Questo permette loro di rifornire rapidamente gli scaffali e regolare la produzione in base alla domanda, mantenendo disponibili i prodotti più richiesti e riducendo il rischio di merce invenduta, un vantaggio cruciale in un settore così dinamico.

Anche i supermercati stanno sperimentando strategie innovative, come il pricing dinamico basato sui dati in tempo reale per applicare sconti automatici ai prodotti deperibili man mano che si avvicina la scadenza. Questo non solo aiuta a ridurre gli sprechi alimentari, ma aumenta la soddisfazione del cliente offrendo offerte vantaggiose e rispondendo alla crescente attenzione verso la sostenibilità dei consumatori. La catena norvegese REMA, con 600 negozi, ha ridotto gli sprechi alimentari del 40% dal 2012 grazie a questa strategia basata sui dati.

Nel Regno Unito, Sainsbury’s sta andando oltre, utilizzando il machine learning e i dati real-time da Confluent per perfezionare i propri modelli di previsione. Questo permette di rispondere meglio alle mutevoli esigenze dei clienti, anticipare eventuali problemi nella supply chain e prendere decisioni più intelligenti in tempi ridotti.

Il futuro che ci aspetta e le opportunità per i retailer

Guardando al futuro, lo streaming dei dati in tempo reale giocherà un ruolo sempre più centrale nel rispondere alle esigenze di un settore retail in continua evoluzione. Abbracciando queste innovazioni, i retailer hanno l’opportunità di offrire un’esperienza d’acquisto non solo efficiente e personalizzata, ma anche sostenibile e coinvolgente.

L'articolo Retail in tempo reale: come lo streaming dei dati definirà l’esperienza d’acquisto proviene da Data Manager Online.

Confluent, pioniere nel data streaming, annuncia la disponibilità di Confluent Platform for Apache Flink con l’aggiunta di funzionalità di sicurezza di livello enterprise e modalità più semplici per gestire e scalare i carichi di lavoro Apache Flink on-premises. Confluent è ora l’unica azienda che offre lo streaming dei dati abbinato all’elaborazione dei flussi per i carichi di lavoro in cloud e on-premises, in modo che le aziende possano trasformare più rapidamente i loro dati in valore. Inoltre, Confluent annuncia WarpStream Orbit, soluzione pensata per facilitare la migrazione al modello di distribuzione “Bring Your Own Cloud (BYOC)” di WarpStream.

“L’elaborazione dei flussi è dove avviene “la magia”, trasformando i dati in tempo reale in esperienze e operazioni che fanno crescere le aziende moderne”, ha dichiarato Shaun Clowes, Chief Product Officer di Confluent. “Con il nostro ultimo annuncio, qualsiasi organizzazione può trarre vantaggio da Apache Flink in modo semplice, scalabile e sicuro, permettendo una innovazione senza limiti”.

L’elaborazione dei flussi (stream processing) consente alle aziende di analizzare e reagire in tempo reale a enormi quantità di dati per prendere decisioni, rilevare frodi, personalizzare l’esperienza dei clienti e altro ancora. Apache Flink è la soluzione di stream processing de facto per le aziende, grazie alle sue incredibili prestazioni, alla solida gestione degli stati e alla flessibilità di gestire analisi complesse in tempo reale su scala. Tuttavia, i team spesso faticano ad autogestire Flink perché si richiede la configurazione, la gestione, la scalabilità e la messa in sicurezza di un complesso sistema distribuito. Per le organizzazioni con carichi di lavoro on-premises, è necessaria una soluzione che offra la flessibilità e i vantaggi delle tecnologie cloud-native all’interno di infrastrutture private.

Scalare, proteggere e semplificare l’elaborazione dei flussi per i carichi di lavoro on-premises

Con la disponibilità generale di Confluent Platform for Apache Flink, le aziende possono gestire carichi di lavoro on-premises in scala con il supporto a lungo termine dei principali esperti mondiali di Apache Kafka e Flink. La distribuzione e il piano di controllo Flink di livello enterprise di Confluent Platform consentono ai team di:

• Facilitare la gestione del ciclo di vita con implementazione e scalabilità semplificate, automazione avanzata e allocazione efficiente delle risorse.
• Garantire un modello di sicurezza integrato con controlli di accesso unificati e criteri di sicurezza coerenti in tutti i sistemi.
• Ridurre al minimo i rischi con il supporto consolidato di Flink e Kafka e la guida dei principali esperti del settore dello streaming dei dati.

Molte aziende a livello globale stanno già riscontrando un certo successo utilizzando Confluent Platform per Apache Flink per elaborare e analizzare i propri dati. Ad esempio, un’azienda in ambito telecomunicazioni Fortune 50 sta utilizzando la piattaforma per l’analisi in tempo reale al fine di elaborare e analizzare le prestazioni della rete, offrire esperienze coerenti e personalizzate ai clienti e fornire visibilità della rete per il rilevamento delle minacce. Sfruttando l’offerta Flink di Confluent Platform, il provider di telecomunicazioni ha risparmiato decine di milioni di dollari e ridotto in modo significativo il churn, incrementando i propri margini complessivi.

Una nuova funzionalità di Confluent Platform for Apache Flink, Confluent Manager for Apache Flink (CMF), rende l’implementazione, l’aggiornamento e la scalabilità di Flink altrettanto semplice sia on-premises che nel cloud. Confluent Manager for Apache Flink consente:

• Gestione semplificata per ottimizzare le implementazioni di Flink su larga scala in Kubernetes, rendendo più efficienti la gestione e la scalabilità delle risorse.
• Collaborazione potenziata che centralizza la gestione in tutto l’ecosistema Confluent. CMF promuove la coerenza e ottimizza i processi, facilitando una migliore collaborazione tra i team.
• Sicurezza migliorata grazie a solidi meccanismi di sicurezza, che semplificano la gestione della sicurezza e garantiscono la conformità con le policy organizzative.

“Le aziende devono rendere Flink più accessibile, sicuro e facile da utilizzare ovunque siano distribuiti i loro carichi di lavoro”, ha dichiarato Shari Lava, Senior Research Director, AI and Automation, IDC. “Le aziende dovrebbero cercare soluzioni che combinino una profonda esperienza in Flink con funzionalità come connettori integrati, operazioni automatizzate e un forte successo e supporto da parte dei clienti per accelerare il time-to-value e semplificare la messa in produzione delle applicazioni Flink. Le soluzioni che forniscono un piano di controllo unificato tra Flink e altri componenti come Kafka sono molto utili per consentire a un maggior numero di aziende di sfruttare i dati in tempo reale e di governarli in modo efficace”.

Accelerazione delle migrazioni a WarpStream con costi ridotti e funzionalità di disaster recovery

Il modello di distribuzione BYOC di WarpStream è un’opzione popolare per i clienti con carichi di lavoro su larga scala e requisiti di latenza meno stringenti che desiderano utilizzare il proprio cloud privato virtuale (VPC). Tradizionalmente, migrare da Kafka open source a un modello BYOC può essere un processo impegnativo e manuale, perché comporta la navigazione in diversi ambienti Kafka e la costruzione di soluzioni personalizzate che aumentano i tempi, i costi e i problemi di qualità dei dati. WarpStream Orbit rende più facile che mai spostare i carichi di lavoro esistenti da Kafka open source, o da qualsiasi servizio compatibile con Kafka, ai cluster WarpStream. I clienti possono migrare senza problemi a WarpStream, ottimizzare i cluster Kafka esistenti con storage a livelli per ridurre i costi e impostare il disaster recovery per carichi di lavoro ad alta velocità e bassa latenza.

L'articolo Confluent annuncia la disponibilità di Confluent Platform for Apache Flink proviene da Data Manager Online.