Questo White Paper illustra le funzionalità e i benefici dell’Agile Data Warehouse. Un’infrastruttura e metodologia nuova che cambia il paradigma di Data Processing, rendendo disponibili per gli utenti dati ottimizzati e pronti all’uso. L’Agile Data Warehouse integra le Data Sources a disposizione dell’azienda e si pone come strato intermedio tra fonti dato e applicazioni di Business Intelligence. L’obiettivo è diffondere a tutti i livelli dell’organizzazione il valore delle analisi e permettere ad esperti e non di comprendere il significato che esse esprimono, anche a prescindere dall’origine dei dati sottostanti.

Scarica gratuitamente il White Paper “Agile Data Wharehouse” compilando il form sotto

E’ richiesto un indirizzo email valido aziendale (al quale riceverai il documento)

L'articolo White Paper gratuito – Agile Data Wharehouse: una nuova tecnologia per rispondere alla domanda di dati ottimizzati ? proviene da Data Manager Online.

Cloudera ha rilasciato recentemente la release della versione beta di Cloudera Altus Analytic DB: il primo servizio cloud che porta il data warehouse ai dati grazie a un’architettura cloud unica e scalabile che elimina la necessità di movimentazioni dei dati complesse e costose. Basato sulla piattaforma Cloudera Altus Platform-as-a-Service (PaaS), Altus Analytic DB fornisce analisi BI e SQL immediate in modalità self-service a chiunque, in modo semplice, affidabile e sicuro. Inoltre, sfruttando il framework Shared Data Experience (SDX), analisti, data scientist, data engineer e altri possono accedere agli stessi dati e allo stesso catalogo utilizzando gli strumenti che preferiscono – SQL, Python, R – senza alcuna necessità di spostare i dati.

Per molte imprese le sfide poste degli ambienti analitici esistenti hanno determinato una serie di limitazioni sia per gli analisti sia per l’IT. Reportistica e SLA, che sono fondamentali sono prioritari a causa dei vincoli sulle risorse, che limitano anche l’accesso self-service ad altre query e carichi di lavoro. Con l’obiettivo di supportare ulteriori carichi di lavoro e l’accesso oltre l’SQL, i silos di dati sono aumentati rapidamente, con conseguenti inefficienze nella gestione di molteplici copie di dati, difficoltà nell’applicazione di policy di sicurezza coerenti e problemi di governance. D’altro canto, gli utenti aziendali faticano ad analizzare i dati in questi silos e la capacità di collaborare con gruppi, tra cui data scientist e ingegneri dei dati viene limitata.

Cloudera Altus Analytic DB rimuove tali limitazioni grazie alla velocità e alla scalabilità del cloud. Fulcro di Altus Analytic DB è la sua architettura unica che porta il warehouse ai dati, consentendo l’accesso diretto e iterativo a tutti i dati presenti nell’archivio cloud. Questa struttura, semplice ma potente, offre vantaggi straordinari all’IT, agli analisti business e agli utenti non SQL.

• L’IT beneficia di semplici operazioni PaaS per il provisioning semplice ed elastico di un illimitato numero di risorse isolate on-demand, con una semplice gestione multi-tenant e policy di sicurezza e governance coerenti.
• Gli analisti accedono istantaneamente in modalità self-service a tutti i dati senza mettere a rischio SLA fondamentali e con prestazioni prevedibili, indipendentemente dal numero di report o query in esecuzione. Inoltre, possono continuare a sfruttare gli strumenti e le competenze esistenti, incluse le integrazioni con i principali strumenti di BI e integrazione come Arcadia Data, Informatica, Qlik, Tableau, Zoomdata e altri ancora.
• Senza bisogno di spostare i dati nel database, i dati condivisi, gli schemi e il catalogo dei dati associati, sono sempre disponibili per l’accesso iterativo al di là del semplice SQL, in modo che i data scientist, i data engineer e più in generale gli utenti possano collaborare in modo ottimale.

“Grazie all’architettura unica di Cloudera abbiamo aiutato i nostri clienti a modernizzare il data warehouse sia on-premise sia in cloud”, ha dichiarato Charles Zedlewski, senior vice president Product di Cloudera. “Cloudera Altus Analytic DB segue questa linea, permettendo agli analisti di ottenere, in modo ancora più semplice, un accesso dedicato e self-service per le analisi BI e SQL. Senza la necessità di trasferire i dati all’interno della piattaforma Cloudera Altus, gli utenti possono avviare rapidamente cluster per la reportistica aziendale, l’esplorazione e persino utilizzare Altus Data Engineering per distribuire pipeline di dati, sugli stessi dati e il framework Shared Data Experience senza alcun impatto sulle prestazioni o sugli SLA”.

Cloudera Altus Analytic DB: le principali funzionalità

Costruito con l’avanzato motore di query SQL ad alte prestazioni Apache Impala (recentemente promosso a progetto Top-Level), Cloudera Altus Analytic DB mette a disposizione delle aziende la piena potenza e la flessibilità di un moderno database analitico basato su cloud in modo rapido, semplice, affidabile e sicuro:

• Data warehouse va ai dati: nessuna necessità di spostare i dati nel database, risparmiando tempo e semplificando la gestione e la sicurezza IT.
• Analisi istantanee: senza pre-elaborazione o spostamento dei dati, gli utenti possono utilizzare immediatamente i dati – ancora e ancora – con una riduzione significativa delle tempistiche di analisi.
• Coerenza dei dati: tutti lavorano con gli stessi dati, schemi e strutture – analisti aziendali, analisti finanziari, data scientist, data engineer, ecc.
• Oltre l’SQL: l’accesso self-service flessibile consente agli utenti di collaborare su dati condivisi, utilizzando i linguaggi e gli strumenti con cui preferiscono lavorare (SQL, Python, R e altro ancora).
• Scalabilità cloud: flessiblità e prestazioni per ottenere analisi veloci, flessibili e convenienti.

La versione beta iniziale di Cloudera Altus Analytic DB sarà disponibile su Amazon Web Services (AWS).

L'articolo Cloudera Altus Analytic DB (Beta) cambia le regole per i data warehouse in cloud proviene da Data Manager Online.

Da qualche anno Qlik, leader nel settore della visual analytics, tiene il suo roadshow globale, focalizzato sul mondo del dato come vettore di evoluzione in tanti settori produttivi. L’edizione 2017 guarda al futuro ancora più delle precedenti, visto che si concentra sugli sviluppi dell’Intelligenza Artificiale applicata all’analisi e alla gestione delle informazioni.

A dare il benvenuto è stata Rosagrazia Bombini, VP & Managing Director Italy & Iberia di Qlik: “Viviamo in tempi in cui si crede che il futuro possa essere delegato, almeno per certi campi, totalmente alle macchine. In verità l’AI non può prendere il posto di una persona, non ovunque almeno. Gli algoritmi processano e ragionano seguendo il loro modo di essere, anche il machine learning si basa su evoluzioni che rientrano all’interno di un tracciato predefinito. La vera innovazione necessita della creatività e dell’intuizione, che non appartengono di certo ai robot. Per questo intendiamo il concetto di AI come augmented intelligence: vuol dire integrare, in maniera funzionale tutti gli strumenti di analisi che abbiamo oggi, per consentire ad hardware e software di lavorare meglio ma comunque controllati da un ultimo miglio umano”.

L’idea insomma è che i robot, nella loro accezione più ampia del termine, affianchino l’uomo senza prendere il sopravvento. Del resto questa è la paura di qualche scienziato critico della tecnologia portata alla sua estrema applicazione, un panorama che ha il potenziale di uscire dagli schemi se non controllato.

Il vantaggio del cloud analitico

A entrare più nel dettaglio dell’operatività di Qlik è Francesco del Vecchio, Senior Director Presales EMEA di Qlik: “Ciò che guida Qlik è la possibilità di aiutare le persone curiose a esplorare i dati in loro possesso per creare nuove occasioni e opportunità professionali. Tutto gira intorno al concetto di individuo, dati e idee. Si tratta di un mix che porta a ottenere più insight, a riconoscere nuovi bisogni e a semplificare l’adozione di innovazione. Negli anni ci siamo posti come pionieri della cosiddetta data discovery per un motivo. Solo una piattaforma intuitiva e avanzata può evidenziare elementi in grado di dare maggior valore all’ambiente circostante, dove sono le sorgenti dell’accumulo di dati. La sfida è avvicinare il software alla mente umana, uno strumento che non restituisca solo un dato freddo ma già collegato ad altri contenuti di senso”.

@ingdave spiega i vantaggi degli analytics in tante aree di business @Qlik_ITA #VisualizeYourWorld pic.twitter.com/h93lNkpzTm

— Data Manager Online (@datamanager_it) 12 ottobre 2017

I visual insight

Parlando di soluzioni, la novità è la versione più recente di Qlik Sense, centrata sul cloud. “Se nel mondo IT il tema del cloud è centrale, in quello della BI diventa essenziale – ci dice del Vecchio – la maggior parte dei clienti, ancora oggi, chiede di spostare velocemente i dati sulla nuvola, pensando che l’intero processo di migrazione rappresenti solo un vantaggio tecnico, un liberarsi dello spazio fisico dello storage e poco più. Serve far capire cosa voglia dire, veramente, sfruttare le risorse di un hybrid cloud anche in termini di capacità computazionali.

Con un’architettura ibrida possiamo avere una conoscenza di base sulla localizzazione delle componenti in locale che non rappresentano però la totalità dei servizi a disposizione. Alla nuvola si possono aggiungere cicli di processo più ampi, così da accedere a quell’insieme di piattaforme che in Qlik definiamo come microservizi, composti cioè da un’intelligenza che sa quando c’è bisogno di aumentare o contrarre le performance, ottimizzando così costi e consumi”.

Il futuro del dato

C’è ancora tanto da lavorare ambito di smart business intelligence e Qlik lo sa: “Abbiamo in cantiere un cambio di rotta, che porterà l’azienda verso il cliente e non viceversa. Gli analisti dicono che nei prossimi anni molte compagnie si affideranno a circa dieci datasource esterni, quindi dobbiamo uscire dai nostri uffici per fornire un servizio di prossimità. Lo faremo raggiungendo l’utente dove sono le sue sorgenti di informazione, occupandoci di aggregarle e destrutturarle, di fatto eliminando la necessità di un data warehouse, che seppur prometta di porsi come contenitore che conserva tutto ciò che serve alla compagnia, spesso non soddisfa tale punto, proprio per l’evoluzione digitale in atto”.

L'articolo Qlik: il potere degli smart data tra cloud e AI proviene da Data Manager Online.

«Niente è più irresistibile di un’idea il cui tempo sia giunto» – sosteneva il padre del romanticismo francese, Victor Hugo, e quel tempo sembra essere arrivato per la comunicazione tra pubblica amministrazione e cittadino. «Con il progetto Bilancio aperto abbiamo interpretato la trasparenza e l’accessibilità, andando oltre il significato che la legge dà a questi termini. Con la “app bilancio aperto” vogliamo andare incontro alle nuove aspettative del cittadino verso una facile accessibilità alle informazioni istituzionali, come quelle del bilancio dello Stato». è con queste affermazioni che Lamberto Romani, dirigente della pianificazione e del controllo delle attività IT della Ragioneria generale dello Stato del MEF, inizia a descrivere i risultati appena raggiunti con l’iniziativa Bilancio aperto e risponde, con l’abituale concretezza, ad alcune domande.

L’idea di Bilancio aperto, come ci spiega Romani, nasce per dare immediata e semplice accessibilità a documenti e informazioni di bilancio agli addetti ai lavori: parlamentari e funzionari, uffici studi, mondo accademico e tecnico. Ma anche al comune cittadino, spesso privo di specifiche competenze amministrativo/contabili. «ll bilancio è di certo un mondo per esperti – continua Romani – ma contiene informazioni rilevanti per la vita di tutti noi, dal momento che indirizza le risorse (acquisizione e finalità di spesa) con le quali si alimenta l’intera nazione».

.@MEF_GOV Lamberto Romani L’app per consultare il bilancio dello Stato
Click To Tweet

Apertura e accessibilità                           

L’applicazione è disponibile gratuitamente su Google Play Store e su Apple Store ed è anche scaricabile all’indirizzo web del ministero dell’Economia e delle Finanze. Il progetto è partito la scorsa primavera e il primo obiettivo è stato quello di far uscire la prima versione della app a inizio luglio, in corrispondenza della pubblicazione del rendiconto di bilancio 2015. «Ci siamo riusciti – dichiara Romani – e ora stiamo attuando un piano di rilasci, molto articolato, che vede due percorsi paralleli. Uno riguarda la presentazione dei documenti di bilancio in corrispondenza agli eventi del ciclo: presentazione del disegno di legge di bilancio (DLB; tracciamento delle variazioni che intervengono sul DLB in corrispondenza della discussione alla Camera e al Senato e infine, a inizio gennaio, la pubblicazione della legge di bilancio approvata. Il secondo percorso segue l’evoluzione funzionale della app, che vede due linee guida fondamentali: l’arrichimento delle funzioni utili per gli addetti ai lavori e il miglioramento della fruibilità, delle informazioni, della “capacità comunicativa” per tutti i cittadini».

Bilancio aperto è il primo, importante passo di un percorso evolutivo che riguarda la diffusione sempre più aperta e ampia dei dati economici e amministrativi gestiti dalla Ragioneria generale dello Stato – afferma Romani. «Il suo data warehouse, operato da Sogei custodisce un patrimonio informativo ricchissimo. Oggi, è a disposizione degli addetti ai lavori attraverso il portale della banca dati delle amministrazioni pubbliche (BDAP). E molto presto sarà online sul web un’apposita sezione “OpenBDAP” del portale che estende l’accessibilità dei dati di maggior interesse a tutti i cittadini».

.@MEF_GOV Lamberto Romani #BilancioAperto, l’app aperta a tutti
Click To Tweet

Come facilitare l’accesso ai dati disaggregati

Il modello informativo di Bilancio aperto prevede due sezioni per la navigazione dei dati. La prima si chiama “dati in evidenza” e rappresenta – ci spiega Romani – la porta di ingresso sul bilancio. È concepita per presentare i dati in forma grafica, ben descritti per essere facilmente comprensibili, e fruibili anche da utenti non esperti. La seconda sezione è quella di “navigazione dati” e consente l’accesso alle informazioni più analitiche. Progettata per facilitare l’accesso ai dati disaggregati, permette di mantenere in ogni momento l’utente pienamente consapevole di cosa stia esaminando e di come variare la rotta di navigazione. Grande attenzione – mette in evidenza Romani  – è stata dedicata alla definizione delle “etichette dei dati”, alla ricerca del miglior compromesso fra chiarezza divulgativa e tecnicismo». Per la Ragioneria generale dello Stato, gli attori maggiormente coinvolti sono l’Ispettorato Generale del Bilancio (IGB) per le fasi di indirizzo strategico e operativo e l’Ispettorato Generale per l’Informatizzazione della Contabilità di Stato (lGICS), che sovrintende alla conduzione tecnica e finanziaria del progetto; questo progetto è il risultato di un forte lavoro di squadra che ha visto impegnate in prima persona e in grande armonia tutte le componenti amministrative e informatiche della Ragioneria Generale dello Stato, di Sogei e dei fornitori.

L’implementazione degli sviluppi è curata da Sogei che ha messo in campo una compagine nella quale sono presenti, a livelli di eccellenza, tutte le diverse competenze necessarie per progettare, realizzare e gestire con successo prodotti nel mondo delle app e del web. «La sfida fondamentale – afferma Romani – è stata quella di sviluppare una “app di mercato” in grado di affermarsi per capacità di attrarre l’utente e facilità d’uso, e di essere disponibile in tempi brevissimi. «La scelta del gruppo di progetto RGS-Sogei è stata vincente e sono state messe in campo le competenze necessarie per cogliere l’obiettivo. Dal punto di vista della progettazione e sviluppo non è stato facile condensare in una app funzioni di navigazione, in genere appannaggio di ambienti di analisi dati evoluti. Tengo a precisare – fa sapere Romani con soddisfazione – che la app bilancio aperto è la prima del suo genere anche a livello internazionale: non ci risulta, infatti, che al momento altri paesi pubblichino i dati di bilancio aggiornati su applicazioni per device mobili».

.@MEF_GOV Lamberto Romani Tutti i conti dello Stato a portata di app
Click To Tweet

Come richiamare l’interesse degli utenti

Per Romani, il primo tema da affrontare è quello di estendere la contininuità nell’uso della app, quando la tendenza sarebbe invece di accedere allo strumento solo tre volte all’anno, in occasione della presentazione degli atti che segnano il ciclo di bilancio. «Per questo stiamo lavorando a un vero e proprio piano editoriale – dice Romani – in grado di sfruttare al meglio le potenzialità della sezione “dati in evidenza”, e per segnalare anche altre informazioni rilevanti dal punto di vista amministrativo: una per tutte, quella dei pagamenti dello Stato. Non solo. Abbiamo attivato un meccanismo di notifiche, interne alla app, per richiamare l’interesse degli utenti in occasione della pubblicazione di nuovi documenti e dati, e stiamo pensando di produrre una newsletter da inviare agli utenti iscritti».

Le parole d’ordine

«Sono quattro le aree sulle quali si concentrano i futuri sviluppi: semplificare ancora di più la fruibilità dei dati da parte di utenti non esperti, utilizzando metodi e approcci propri delle app destinate al mondo consumer; supportare l’utenza esperta mediante l’arricchimento con funzioni di navigazione dati più sofisticate e realizzando la versione web di Bilancio aperto fruibile da device; dotare la app di “puntatori informatici” che aiutino gli utenti verso l’accesso alle altre banche dati di RGS; realizzare una sezione ad hoc per la consultazione di contenuti editoriali di tipo testuale (per esempio, studi comparativi e ricerche). Stiamo, infine, analizzando la pubblicazione di Bilancio aperto sugli store internazionali, per consentirne l’uso anche ai cittadini italiani all’estero e ai numerosi esperti della materia che lavorano nelle più importanti istituzioni internazionali che si occupano di finanza pubblica».

L'articolo Bilancio aperto, i conti dello Stato in una app proviene da Data Manager Online.

Cloud, Big data e IoT sono in cima alla classifica. Mi piacerebbe che il livello di discussione da parte dei vendor fosse più centrato sulle reali esigenze delle imprese e si procedesse meno per slogan e frasi fatte. In termini di SaaS e IaaS, il cloud promette maggior flessibilità, riduzione dei costi, continuità di servizio, ma è veramente così? Innanzitutto, non si può parlare di un solo modello di cloud. E ritengo che il cloud sia un concetto che deve essere ancora sviluppato in tutti i suoi aspetti. Di certo, non è possibile avere personalizzazioni dell’infrastruttura, né il pieno controllo dei dati aziendali, né possiamo contare su standard di sicurezza ratificati per i sistemi cloud. La collocazione fisica dell’hardware e del software è sconosciuta e la migrazione verso un altro provider è quasi sempre piena di ostacoli.

Poi, ci sono i costi indiretti dettati dal rispetto delle norme, dai piani di backup e disaster recovery, senza considerare quelli per il rispetto delle metriche di servizio. In tutti i casi, il passaggio al cloud non può essere repentino, ma deve procedere per gradi implementando piccole esperienze di successo, e con un piano B sempre a portata di mano. L’industria informatica ha quasi 70 anni. L’industria moderna dell’acciaio, quasi due secoli e mezzo. Ogni tubo, piano o laminato che esce fuori dal sito produttivo è completamente diverso da qualunque altro manufatto, non fosse altro per il peso. Dietro c’è tutta la tematica della pianificazione, della previsione della domanda e della gestione dagli ordini al magazzino, che ci porta direttamente al tema della gestione di moli crescenti di dati. L’acciaio è strategico per un paese che punta sulla manifattura e ogni anno, il Gruppo Marcegaglia lavora e trasforma 5,3 milioni di tonnellate di acciaio. Avere dati gestionali più immediati, fruibili e meno costosi ci permette di essere più efficienti sul mercato. Da pochi mesi, abbiamo rivisto i processi aziendali e le modalità operative di tutta la parte logistica-produttiva. Abbiamo rinnovato il sistema gestionale e di reporting per adeguare la piattaforma tecnologica alle mutate esigenze di business.

#cloud #big data #IoT Marco Campi #Marcegaglia Le parole d’ordine dell’IT
Click To Tweet

Oggi, il Gruppo può contare su un data warehouse e un gestionale di nuova generazione che sfrutta la combinazione di software in-memory e componenti hardware innovativi per un accesso alle informazioni a velocità e volumi mai sperimentati prima. Grazie all’IoT, l’industria dell’acciaio potrà fare sicuramente un ulteriore salto in avanti dal punto di vista del monitoraggio dei processi produttivi. L’IoT permetterà di connettere meglio tutti i pezzi della supply chain, ma moltiplicherà ulteriormente il volume di dati da gestire per fare analisi e prendere decisioni a tutti i livelli del business.

Fra dieci anni, avremo a che fare con interfacce uomo-macchina più immediate, daremo ordini a robot e computer con il linguaggio naturale. E forse, sarà necessario concepire anche ambienti cloud specifici per ambiti di applicazione, come la robotica. Ma sicuramente i CIO avranno conquistato un posto centrale nelle organizzazioni anche a livello decisionale.

Marco Campi, CIO del Gruppo Marcegaglia

L'articolo Cloud, Big data e IoT, le parole d’ordine dell’IT proviene da Data Manager Online.

Tornando indietro al 1986, con alcuni colleghi in IBM avevamo definito la prima architettura di data warehouse per gestire le vendite e le consegne in Europa dei mainframe System/370 e dei minicomputer System/38 (chi è in grado di riconoscere questi nomi è probabilmente un po’ oltre il trentesimo compleanno!), per poi descriverne l’architettura nel 1988 sull’IBM Systems Journal.

Nel frattempo, il mondo è cambiato molto: basterebbe ricordare solo i costi e le dimensioni dei computer appena menzionati, oppure pensare a come un PC con sistema operativo DOS 3.3 su Intel 80286 e con dischi da 20 Mb era considerato all’epoca lo stato dell’arte, mentre gli smartphone di oggi sono più potenti rispetto ai mainframe di cui sopra. Eppure, l’architettura del data warehouse è cambiata davvero poco nello stesso periodo di tempo. Più che dei cambiamenti nelle tecnologie, forse può essere più interessante il nuovo scenario emergente dei dati: il data warehouse era stato progettato per un ambiente in cui tutte le informazioni nascevano dai processi di gestione del business, che erano progettati all’interno dell’azienda per offrire la visione più accurata e affidabile possibile della base giuridica delle operazioni e delle transazioni di business. Questi dati, mediati dai processi, forniti dai sistemi operazionali e integrati nel data warehouse continuano a essere basilari per la gestione del business e delle operazioni. Per tali dati, i principi e le pratiche di data warehousing rimangono valide oggi come lo erano trent’anni fa.

#TechnologyTransfer @BarryDevlin sarà a Roma il 14-15 nov. per @techtran
Click To Tweet

L’emergere di nuovi tipi di dati in questi ultimi anni ha però minato la fede nel data warehousing e portato molti a concentrarsi su nuove tecnologie, come Hadoop, e a tentare di definire nuove architetture, come i bacini di dati o i data lake. Questi nuovi tipi di dati si dividono in due grandi categorie, cioè le informazioni di origine umana, human-sourced, che si riferiscono a una serie di materiali generati e utilizzati dai social, tra cui i tweet, i documenti di testo, le immagini e i video che provengono per lo più dall’esterno dell’azienda, mentre i dati generati dalle macchine, machine-generated, provengono da tutti i tipi di sensori e macchine, sia di provenienza interna sia, sempre più, dall’Internet of Things. Questi due tipi di informazioni, spesso chiamati big data, differiscono notevolmente dai dati mediati dai processi, e differiscono tra di loro in termini di struttura, volumi, affidabilità e altre caratteristiche. Questi nuovi tipi di dati offrono anche nuove o migliorate opportunità per digitalizzare molti aspetti del business, con approcci algoritmici che sono sempre più visti come essenziali per la redditività e il successo in una vasta gamma di settori. Tali algoritmi sono o saranno basati sui recenti progressi nel campo dell’intelligenza artificiale e del deep learning, resi possibili dalla crescita esplosiva dei big data. Questa transizione in atto oggi ha implicazioni ad ampio livello sia per le aziende sia per l’IT, oltre che in materia delle architetture dei dati.

Un po’ di storia delle architetture

La novità dei big data, così come le loro caratteristiche spesso citate di volume, velocità e varietà, ha portato consulenti e vendor a concentrarvi i loro sforzi di sviluppo e di vendita. Questa attenzione è stata così intensa che molti clienti sono arrivati a credere che il data warehouse sia obsoleto e anche ridondante, quando niente potrebbe essere più lontano dalla realtà. Il ruolo dei dati mediati dai processi è distinto da questi nuovi tipi di dati. I big data forniscono il contesto e la ricchezza predittiva attorno alle transazioni formali di business dei dati mediati dai processi, che continuano a rappresentare la realtà del business. Anche se è meno comune, un’altra convinzione è che alcuni o tutti questi nuovi dati dovrebbero essere fusi nell’ambiente warehouse esistente. Questo è errato perché i volumi sono troppo grandi nella maggior parte dei casi e la velocità di variazione dei dati e dei loro significati è troppo rapida e frequente per trovare posto nelle tecnologie tradizionali. Inoltre, questi nuovi tipi di dati non possono richiedere lo stesso tipo di riconciliazione e di gestione della qualità richiesta dei dati core mediati dai processi. Tuttavia, l’esperienza mostra già che i benefici di business sono maggiori quando entrambi i tipi di dati, vecchi e nuovi, sono utilizzati insieme. I dati human-sourced provenienti dai social media offrono più valore quando sono correlati con i dati dei clienti di provenienza interna derivanti dai dati mediati dai processi. I dati machine-generated derivanti dal click-stream permettono un’analisi più profonda e significativa di come e perché le vendite sono diminuite nell’ultimo trimestre nel data warehouse mediato dai processi. Questo ci porta a un tipo ibrido di architettura, composta da più colonne, ciascuna ottimizzata per le caratteristiche di una particolare classe di dati o informazioni e interconnesse da informazioni condivise di impostazione del contesto e dalla funzione di assimilazione. L’architettura originale di data warehouse vive, anche se in forma più aggiornata nella colonna dei dati mediati dai processi. Questa nuova architettura è descritta in dettaglio nella mia opera “Business unintelligence”.

In contrasto con il data warehouse, in cui tutti i dati provengono dalle transazioni di business e operazioni commerciali, questa nuova architettura riconosce che i dati e le informazioni hanno in realtà origine al di fuori dei sistemi aziendali che gestiscono e fanno funzionare il business. Quest’ultimo è infatti guidato da informazioni provenienti dal mondo reale sotto forma di eventi, misurazioni e messaggi di origine umana o da parte di macchine: tutte le decisioni e le azioni di business poggiano sulla base di tali informazioni. Il processo decisionale, come previsto dal data warehousing, è solo una delle componenti del moderno business digitalizzato e guidato dai dati.

#TechnologyTransfer @BarryDevlin Il data warehouse compie trent’anni
Click To Tweet

Il processo decisionale oltre il data warehouse

L’obiettivo originale del data warehousing e della business intelligence era quello di supportare il processo decisionale da parte di manager e analisti per le questioni tattiche e strategiche. Con l’evoluzione della business intelligence, l’attenzione si è spostata alle decisioni più operative e con orizzonti temporali più brevi. E mentre entrambe queste esigenze continueranno a esistere, ora sono considerate solo un aspetto del supporto al processo decisionale.

Dato che il mondo è sempre più tecnologico, con enormi volumi di messaggi, eventi e misurazioni che scorrono dentro e fuori l’azienda, molte decisioni tattiche e operative si spostano dal centro verso la periferia dell’organizzazione, dal management e dal personale verso gli algoritmi e le macchine. Questi ultimi, guidati dall’intelligenza artificiale e dal deep learning, potranno prendere le decisioni dettagliate che un tempo erano appannaggio degli esseri umani. Le loro abilità sono già impressionanti, come dimostrano per esempio AlphaGo, che ha battuto il campione del mondo di Go, oppure i veicoli autonomi che circolano sulle strade, con miglioramenti esponenziali, anche se è importante riconoscere che tutti gli algoritmi sono buoni nella misura in cui lo sono i dati su cui si basano le loro interpretazioni e decisioni.

Come abbiamo già imparato in trent’anni di data warehousing, avere dati coerenti e di elevata qualità è fondamentale per il processo decisionale. In questi trenta anni, abbiamo lavorato duramente per garantire l’integrità dei nostri dati. Però, se vogliamo essere onesti, non abbiamo fatto un lavoro strabiliante. E mentre il nuovo mondo dei business digitalizzati prende forma, la nostra capacità di gestire la qualità e l’integrità di tutti e tre i tipi di dati sarà di vitale importanza per garantire che il processo decisionale algoritmico funzioni effettivamente come previsto, e nell’intero arco di attività.

Barry Devlin

Tra gli esperti più autorevoli di Business Insight e Data Warehousing. Consulente, speaker e autore del famoso libro “Data Warehouse, from Architecture to Implementation”. Gli interessi di Barry Devlin spaziano verso un business completamente integrato, coprendo ambienti informativi, operativi e collaborativi per offrire una esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, società di consulenza specializzata nel progettare soluzioni di Business Insight, che opera con i principali analisti e vendor in ambito BI e oltre.

Barry Devlin presenterà a Roma per Technology Transfer il seminario “Riprogettare il Vostro ambiente IT per il business del futuro” il 14-15 novembre 2016.

L'articolo Il business algoritmico del futuro? È sempre più guidato dai dati proviene da Data Manager Online.

System Evolution è un system integrator presente sul mercato da una trentina d’anni, nato a Torino e attivo soprattutto nel nord Italia, dal Piemonte alla Lombardia al Veneto, fortemente focalizzato nell’area finance e che annovera tra i propri clienti i principali gruppi bancari e assicurativi a livello nazionale. Le linee di business comprendono information management, enterprise collaboration & integration, projects & solutions, spesso con l’interazione di varie tecnologie, da quelle tradizionali, come il mainframe, al web e al mobile. «Negli ultimi anni, System Evolution ha consolidato l’attività di information management nel settore finance, partecipando anche a importanti progetti Big Data» – spiega Mauro Tuvo, principal consultant information management. I contributi di System Evolution per la gestione del dato riguardano sia l’aspetto tecnologico sia quello applicativo e metodologico, all’interno di progetti che comunque non sono destinati unicamente a clienti finance ma anche ad altri settori, tra cui la PAL. Tecnologie no-sql e Big Data sono impiegate per mettere in relazione open data e dati rilevati da vari dispositivi dislocati sul territorio in una piattaforma in grado di supportare una serie di servizi di interesse locale: storicizzazione e analisi dei dati sulla qualità dell’acqua e dell’aria, controllo della mobilità urbana. «In questo caso abbiamo messo a disposizione le nostre competenze tecnologiche nei processi di raccolta e valorizzazione dei dati da varie fonti, strutturate e non strutturate» – spiega il manager.

#SystemEvolution Mauro Tuvo: Cultura e qualità dei dati per un governance data driven
Click To Tweet

La carta d’identità dei dati

Contributi di merito sono invece quelli che System Evolution offre al mondo bancario, tramite soluzioni che basate su piattaforme Big Data supportano campagne di marketing, sistemi di reporting regolamentare, di analisi dei rischi o applicazioni ad alto valore per i clienti. «Andiamo particolarmente fieri delle nostre competenze e delle metodologie di governo dei dati, nate inizialmente in ambito data mining e data warehouse e applicate ora al mondo Big Data. Ci vuole una “bussola” per orientarsi velocemente nel mare di dati e per intercettare le informazioni rilevanti per raggiungere un determinato obiettivo. Ogni dato deve disporre di una carta d’identità che ne indica la proprietà, la semantica, il grado di affidabilità e aggiornamento, e così via» – sottolinea Tuvo. Dotarsi di un approccio strutturato per la gestione di queste opzioni architetturali è vitale nella vision dell’azienda per trarre il massimo valore dalle informazioni e orientare il business.

#Big Data #datagovernance #SystemEvolution La carta d’identità dei dati
Click To Tweet

Visione e strategia

«è stata una scelta strategica quella che l’azienda ha compiuto alcuni anni fa, focalizzandosi sul mercato finance e sull’information management» – sottolinea Mauro Tuvo. Per un’azienda come System Evolution, con trent’anni di esperienza e che ha saputo adeguare i propri servizi alle evoluzioni del business e delle tecnologie, una chiara visione del mercato è fondamentale. «Abbiamo sempre cercato di concentrarci sulle novità del sistema finanziario e su quelle tecnologiche per soddisfare, e anzi se possibile anticipare, le esigenze dei clienti». Anche le collaborazioni con ABI Lab (il laboratorio di innovazione dell’Associazione Bancaria Italiana) e altri istituti specializzati di settore sono importanti per mantenere uno sguardo aggiornato. «Crediamo molto nelle tecnologie abilitanti e nell’attenzione costante alle dinamiche di sviluppo del mercato. Per mantenere e consolidare una posizione di leadership sulle nostre aree di eccellenza, punteremo anche in futuro sulle competenze di merito e sulla proattività nello sviluppo di soluzioni metodologiche e tecniche» – conclude Mauro Tuvo.

L'articolo System Evolution, Big Data e data governance proviene da Data Manager Online.

Cloudera annuncia di essere passata dal quadrante ‘Challengers’ al quadrante ‘Visionary’ all’interno del Magic Quadrant 2016 di Gartner per la categoria Data Warehouse e Data Management Solutions for Analytics.

L’Enterprise Data Warehouse (EDW) è stato a lungo considerato la ‘linfa vitale’ delle analisi organizzative – in alcuni casi alimentando intere aziende. Questo modello, però, si è rivelato adeguato per molti anni finché la nascita di una cultura digitale basata sul web ha implicato maggiori richieste in ambito della raccolta di dati e delle analisi distribuite. Mentre alcune aziende hanno faticato a scalare per soddisfare le esigenze di più dati in favore del processo decisionale aziendale, altre hanno constatato la necessità di completare l’infrastruttura di data warehouse esistente con tecnologie basate su Hadoop robuste, facili da usare e sicure, che consentono di affrontare le problematiche che richiedono di più oltre a un EDW tradizionale. Creato intorno ad Apache Hadoop, Cloudera Enterprise è una piattaforma dati potente e scalabile con la flessibilità di poter eseguire un’ampia varietà di carichi di lavoro – elaborazione batch, SQL interattivo, ricerche enterprise, analisi avanzate – senza tralasciare una sicurezza solida, governance, gestione e protezione dei dati, tutti elementi richiesti dalle imprese.

Il Dr. Ralph Kimball, esperto di data warehousing, business intelligence e modellazione dimensionale, riassume il motivo per cui Hadoop e le applicazioni che abilita hanno un forte impatto sugli ambienti di data warehousing tradizionali: “Modernizzando la ‘back room’ di raccolta e preparazione dei dati , rapidamente fluiscono molte più informazioni, più utenti e maggiori prospettive analitiche più diversificate che mai”.

Secondo Gartner, “Le aziende oggi richiedono soluzioni di gestione dei dati per le analisi in grado di gestire ed elaborare dati interni ed esterni di tipo diverso in differenti formati, in combinazione con i dati provenienti da fonti interne tradizionali. I dati possono anche includere l’interazione e dati basati sull’osservazione – per esempio quelli provenienti dai sensori Internet of Things (IOT). Questo requisito sta ponendo nuove richieste rispetto al software in questo mercato, dal momento che i clienti sono alla ricerca di caratteristiche e funzioni che comportano un potenziamento significativo delle strategie di Enterprise Data Warehouse esistenti”.

Inoltre, il report sostiene che “Il mercato rimane, quindi, in una fase transitoria. Il fermento del mercato è probabile che continuerà per tutto il 2016 e il 2017, e intaccherà la base installata dei grandi fornitori tradizionali. Al verificarsi di una tale turbativa, l’intero mercato solitamente ha la tendenza ad allontanarsi da un’unica direttrice matura e si divide in due in termini di visione e di esecuzione. Il risultato è che nel corso dei prossimi due anni, fino alla fine del 2017, il mercato sarà probabilmente molto più volatile, con possibili cambiamenti in termini di leadership”.

“I fornitori continuano a innovare e a sostenere nuovi casi d’uso richiesti dall’IoT e dal business digitale. Per questi, la tempestività di accesso e di analisi dei dati diventa più importante degli aspetti di volume e varietà dei big data”.

In questi dieci anni dalla creazione di Hadoop, la sua maturazione, e quella del mercato afferente, si è rivelata significativa, e, di fatto, lo scorso anno per Cloudera ha segnato una rapida innovazione in termini di prodotto e di collaborazione della comunità, attraverso solidi sviluppi volti a soddisfare le esigenze di un ambiente di analisi enterprise di nuova generazione, inclusi miglioramenti di prodotto e nuovi progetti open source quali RecordService, Apache Kudu (in fase di progettazione), e Cloudera Navigator Optimizer – tutti progetti recenti rivolti alle funzionalità di database analitico su larga scala. Cloudera, a tal proposito, ha donato Kudu e Apache Impala (in fase di progettazione) alla Apache Software Foundation affinché anche altri possano beneficiare e contribuire all’orientamento e ai miglioramenti della tecnologia.

“La quantità di software che intendiamo quando parliamo di Hadoop oggi ha poco in comune con il codice che Yahoo! mise in produzione nel 2006. Negli ultimi dieci anni sono emersi nuovi progetti per ampliarne l’utilità, ma una cosa certamente non cambierà nel prossimo futuro – ci saranno sempre grandi quantità di dati”, ha dichiarato Mike Olson, fondatore, presidente del consiglio di amministrazione e chief strategy officer di Cloudera. “Riteniamo che la nostra posizione nel Magic Quadrant 2016 di Gartner per le soluzioni Data Warehouse Data Management confermi la nostra capacità di innovare e di fornire ai nostri clienti la tecnologia e il supporto di cui hanno bisogno per gestire i propri dati”.

“Hadoop è una parte fondamentale della nostra roadmap lungimirante ed è chiaro che le richieste in termini di big data stanno indirizzando il futuro delle soluzioni EDW”.

L'articolo Cloudera inserito tra i ‘Visionari’ nel Magic Quadrant 2016 di Gartner proviene da Data Manager Online.

Ci connettono con i nostri amici, ci trovano i ristoranti, ci permettono di incassare gli assegni da casa, senza dover visitare bancomat, ci fanno pagare le bollette online, ci danno le news, ci aiutano a evitare il traffico e ci permettono anche di scoprire con un click gli effetti collaterali di un farmaco prima di acquistarlo.

App, big data, analytics incorporati, smartphone per utenti smart: le applicazioni vengono eseguite sugli smartphone grazie ai big data, trascendendo gli analytics incorporati dai sistemi transazionali in applicazioni intelligenti con cruscotti per una visualizzazione più facile. Oggi, gli utenti eseguono le app e le app permettono agli utenti di prendere decisioni in maniera rapida e intelligente. E quando le modalità consuete di fare business vengono rivoluzionate da un fattore, si parla di disruption, cioè di rottura. Il fattore di disruption di oggi è la tecnologia mobile, con le enormi quantità di dati che vengono raccolti: questo è il volto della Digital Disruption.

#bigdata Il potere delle smart app guidate dai dati @ShakuAtre @techtran
Click To Tweet

Il potere delle app

I tre componenti principali di un’app sono: 1) l’interfaccia utente, detta anche user experience o front-end, è quella che può determinare il successo dell’app; 2) il backend con i dati: avere solo bel viso senza sostanziarlo con i dati può costituire una trappola mortale; 3) Tutto ciò che è nel mezzo è principalmente la logica: se non supporta il bel viso e i dati allora anche voi siete condannati.

Come iniziare con le app?

Una volta che il business ha preso la decisione di sviluppare applicazioni, si pongono alcune domande. Come pianificare, progettare e sviluppare una app?

L’applicazione sarà realizzata in-house oppure verrà ingaggiato uno sviluppatore esterno specializzato o si utilizzerà la modalità “realizza la tua app” con software che non richiede competenze di coding? È bene fare attenzione perché se il coding non è necessario, sicuramente lo è invece il pensiero logico. Poi bisognerà chiedersi quali dati usare, dove trovarli, come conservarli e come esprimere visivamente i risultati. Ma non solo. Come è possibile registrare le risposte e in che modo bisogna darvi seguito? E in quanto tempo? Come presentare i risultati in maniera digitale?

Dove e come distribuire le app? Quale sistema operativo mobile utilizzare: iOS (Xcode di Apple), Android (SDK), Windows? Come sviluppare e fornire applicazioni su più piattaforme?

E, infine, molto importante, come monetizzare l’app?

App di successo

I tre criteri principali di qualsiasi applicazione mobile di successo sono:

1) Semplicità: la capacità di eliminare passaggi o rendere un processo in corso più facile da eseguire; 2) Interazione: la capacità di incoraggiare un maggiore coinvolgimento degli utenti, per aumentare produttività e fedeltà; 3) Incoraggiare gli input da parte dei clienti e sfruttare la conoscenza dell’utente per migliorare la funzionalità delle app.

#bigdata I dispositivi connessi tracciano la nuova mappa della realtà @techtran
Click To Tweet

Gli utenti

La demografia della base di utenti è cambiata. Il numero degli utenti è aumentato enormemente: nel mondo occidentale, quasi tutti quelli che hanno un’età superiore ai 18 anni usa uno smartphone. Inoltre, c’è una crescita impressionante di utenti di smartphone anche nei mercati emergenti. Se guardiamo l’enorme numero di utenti di smartphone, si nota una diminuzione nella percentuale del numero di persone che capisce la tecnologia rispetto al numero totale di utenti di smartphone che conoscono i meccanismi interni dei sistemi. Va detto che “capire la tecnologia” è un’espressione relativa: per me significa una persona in grado di aprire l’hardware e risolvere il problema oppure in grado di assemblare un insieme di hardware funzionante montando diversi elementi. Capire la tecnologia a livello software significa invece qualcuno che può scrivere software e sviluppare applicazioni. La percentuale di queste persone esperte in tecnologia hardware e software sta scendendo rispetto al numero totale di utenti di smartphone.

Al contrario, la percentuale del numero di persone che capisce di business è in aumento. E la base di utenti di persone di età inferiore ai 25 anni sta crescendo molto più velocemente. Uno dei motivi principali è il facile accesso ai social media e ai videogiochi.

Big data

C’è carenza di dati? Assolutamente no: ci sono così tanti dati che tutti noi alla fine ne saremo praticamente sepolti in stile Pompei, a meno che non si utilizzino solo i dati “buoni” scartando quelli “spazzatura”. Nella maggior parte delle aziende vi sono dati sui clienti esistenti e su quelli potenziali: non solo si sa quello che comprano o non comprano, ma anche i loro gusti e le antipatie, cioè il loro “DNA digitale”.

Le applicazioni utilizzano i big data, che però dovrebbero stare ai lati e non sulla scena. Dovrebbero essere utilizzati dalle aziende per migliorare le loro performance di business, mentre le app devono utilizzare i big data per sviluppare le informazioni da visualizzare sugli smartphone. E per far sì che i dati siano considerati big data devono soddisfare le cinque V: la varietà dei dati, la varietà delle correlazioni, la velocità, il volume e il valore.

#bigdata Qual è il potere segreto dei dati? @ShakuAtre @techtran
Click To Tweet

Ma quali sono i principali tipi di dati disponibili?

Ci sono i dati sulla concorrenza, quelli interni ed esterni, i dati dei social media. I dati che ci danno informazioni sui clienti, i loro acquisti, il loro sentiment: che cosa comprano, quando, dove e perché – per esempio – abbandonano il “carrello” con un paio di oggetti. Ma oltre ai dati sui clienti già acquisiti, ci sono i dati sui clienti potenziali che ci aiutano a capire meglio la qualità e l’offerta della concorrenza. I dati, inoltre, possono arrivare dai partner, dai magazzini e dai sensori. Questa ultima fonte di dati è molto interessante e legata alla crescita dell’IoT. Possiamo realizzare business attraverso insight acquisiti tramite nuove tipologie di dati raccolti mediante sensori. Possiamo acquisire, memorizzare ed elaborare questi nuovi dati per applicare un’analisi predittiva, mettendo insieme diversi tipi di dati e creando una “vista unica” del cliente, oppure si possono scoprire pattern di comportamento prima non visibili.

Analytics incorporati

I tre principi degli analytics prevedono che: 1) alcune cose sono confrontabili, come migliori o peggiori di qualcos’altro; 2) Il confronto si basa su dati di fatto coerenti e congrui; 3) Bisogna fornire informazioni fruibili con più variabili.

Quali sono gli analytics incorporati?

Quando l’individuazione dei trend, il rilevamento dei pattern, e la tecnologia di analisi di tipo “Make It Happen” sono contenuti nelle applicazioni transazionali, si parla di embedded analytics. Alcune funzionalità all’interno delle applicazioni software possono essere presentate come: dashboard e visualizzazione dei dati; funzionalità per gli utenti di porre i propri quesiti dei dati, esplorando una serie di dati stessi; fornire informazioni mirate a sostegno di una decisione o azione, nel contesto in cui tale decisione o azione si svolge.

Un esempio può essere il caso di Amazon. Al momento di acquistare qualsiasi prodotto dalla piattaforma di acquisti online, vengono fornite informazioni sulla valutazione del prodotto, recensioni video e prodotti proposti sulla base dei dati che Amazon ha già raccolto. Gli analytics sono quindi incorporati nell’app di acquisto.

Shaku Atre

Speaker di fama internazionale, riesce sempre a catturare l’attenzione dei partecipanti, mantenendo vivo l’interesse anche quando si tratta di argomenti complessi. Presidente di Atre Group, società di consulenza, training e publishing nel settore della business intelligence, è stata partner in Price Waterhouse e ha lavorato 14 anni in IBM. Esperta nei settori del database management e del data warehouse, ha tenuto seminari su questi temi in USA, Canada, Europa, Asia e Sud America. Ha scritto numerosi libri fra i quali l’ultimo pubblicato è “Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications”.

Shaku Atre ha presentato per Technology Transfer i seminari “Dashboard: la nuova faccia dell’Operational Intelligence” e “Big Data: dieci regole d’oro per pianificare, progettare, implementare e gestire”.

L'articolo App, utenti, analytics e big data, i quattro pilastri della digital disruption proviene da Data Manager Online.

Questa è una perla di saggezza che ho sempre condiviso con il pubblico dei miei keynote nelle conferenze sui big data e sul data warehouse, oltre che nel corso di briefing per grandi aziende. Dato che sono da più di 25 anni nel settore del data management e della business intelligence, ho visto succedersi nel tempo numerosi cambiamenti, a opera delle tecnologie emergenti, dei paradigmi di business e della stessa Legge di Moore. Oggi, i big data e gli analytics promettono davvero di inaugurare l’era dell’informazione, ma siamo ancora nell’infanzia di questa nuova era, e questo rende tutto molto interessante.

Nel 2013, il mercato Big Data, la BI, il NoSQL e il cloud computing hanno visto i vendor emergere, gli operatori storici adattarsi e le tecnologie maturare. In questo articolo, mi concentro sui due eventi più macroscopici che stanno accadendo, quelli che io chiamo la “Battaglia della Persistenza” e la “Gara all’Accesso”, e offro alcune indicazioni (e forse anche una previsione su ciò che ne risulterà) per i prossimi anni. Alcune di queste battaglie sono state risolte nel 2013, mentre altre saranno risolte negli anni successivi, oppure – potenzialmente – non lo saranno affatto. In entrambi i casi, comprendere le battaglie in atto può essere d’aiuto per affrontare le roadmap architetturali, il processo decisionale e le strategie relativi alle tecnologie.

Modern Data Platform #MDP , c’è bisogno di più tecnologie di #database intrecciate @obrienjw
Click To Tweet

La Battaglia della Persistenza

La Battaglia della Persistenza non è iniziata cinque anni fa con la nascita del fenomeno big data o di Hadoop dell’Apache Foundation: è una battaglia in corso da decenni in tutto il mondo dei dati strutturati. Come il pendolo oscilla ampiamente tra i dati centralizzati e i disparati dati distribuiti, la Battaglia della Persistenza si svolge tra la coerenza dei dati – intrinsecamente derivata da un archivio dati singolo – e le performance derivanti da archivi dati ottimizzati per carichi di lavoro specifici. Lo schieramento della coerenza sostiene che, con risorse sufficienti, l’archivio dati unico è in grado di superare le sfide relative alle performance, mentre lo schieramento delle performance sostiene di poter gestire la complessità degli archivi di dati eterogenei per garantire la coerenza.Alcuni decenni fa, i database multidimensionali, o cubi MOLAP, sono stati ottimizzati per persistere e utilizzare i dati in modo diverso rispetto ai RDBMS, i sistemi di gestione dei database relazionali basati su righe. Non si trattava solo di rappresentare i dati in schemi a stella derivati da un paradigma di modellazione tridimensionale – entrambi molto potenti – ma di descrivere come i dati avrebbero dovuto persistere quando si sapeva come gli utenti vi avrebbero acceduto e interagito. I cubi OLAP rappresentano la prima esperienza utente altamente interattiva: la capacità di scomporre e analizzare (“slice and dice”) i dati dimensionali riassunti, possibilità all’epoca non consentita dai database relazionali.

Rendere persistenti i dati in due diversi archivi dati per scopi diversi è già da decenni parte di un’architettura di BI, e le discussioni odierne sfidano la nozione di base di sistemi transazionali e sistemi analitici: potrebbero essere eseguiti dallo stesso archivio dati in un prossimo futuro.

I dati sono dati @obrienjw
Click To Tweet

I dati sono dati

La famiglia NoSQL di archivi dati nasce dalle richieste di business per capitalizzare gli “ordini di grandezza” del volume dei dati e la complessità relativa all’acquisizione dei dati tramite strumentazioni: prima dai siti Internet e dai motori di ricerca che tracciano ogni singolo click, e successivamente dalla rivoluzione cellulare, che traccia ogni singolo post. Ciò che c’è di diverso tra NoSQL e Hadoop è il paradigma.Tecnicamente parlando, i dati sono gratis, ma quello che costa e contribuisce ai calcoli sul ROI sono i costi di storage e di accesso ai dati, cioè le infrastrutture. Per questo, lo sviluppo di una soluzione software che poggiasse su un’infrastruttura di costo più basso, e con minori costi di gestione e meno spazio occupato, si rendeva necessario per affrontare l’ordine di grandezza posto dai Big Data, cioè il più basso costo di capitale relativo ai server, il data center di costo più basso in termini di alimentazione e condizionamento, e la più alta densità di server per metterne un numero maggiore in uno spazio minore (si pensi al calcolo di centesimi per kilowatt). Con il mantra “i dati sono dati” non si chiede di capire come i dati devono essere strutturati in anticipo, e si accetta che le applicazioni che creano i dati possano far evolvere continuamente la struttura o introducano nuovi elementi di dati.

Esistono molteplici tecnologie di dati, ciascuna con i propri chiari punti di forza @obrienjw
Click To Tweet

Più in dettaglio

Il principio della Battaglia della Persistenza sostiene che esistono molteplici database (o tecnologie di dati), ciascuna con i propri chiari punti di forza. Per ora, il pendolo ha oscillato nuovamente verso l’architettura di dati distribuiti e federati. Siamo in grado di abbracciare la flessibilità e la gestibilità complessiva delle piattaforme dig data, come Hadoop e MongoDB. I dati modellati in modalità “entity-relationship” nei data warehouse aziendali e nei master data management fondono i contesti coerenti e standard in schemi, e supportano gli aspetti temporali di dati di riferimento con una ricca attribuzione per alimentare gli analytics. Anche i database ottimizzati per gli analytics – come colonnari, MPP, appliance e anche multidimensionali – possono essere combinati con i database in-memory, il cloud computing e il networking ad alte prestazioni, come InfiniBand. Separatamente, database analitici altamente specializzati – come i database a grafo, i documenti, o gli analytics basati su testo – possono essere eseguiti in modo nativo in questi database specializzati.

In autunno, John O’Brien presenterà a Roma il seminario Modern Data Platforms @techtran
Click To Tweet

Modern Data Platform

Le aziende e i vendor stanno cominciando ad accettare che c’è bisogno di più tecnologie di database, intrecciate insieme per fornire la tanto desiderata Modern Data Platform (MDP), ma hanno anche ben presente che il pendolo continua a oscillare. L’informatica basata sul rapporto prezzo-prestazioni continuerà a esistere come fa con la Legge di Moore, in modo che si possano far convergere più CPU core in parallelo con costi inferiori, uno storage più abbondante con la veloce memoria a stato solido e unità disco tradizionali con capacità superiori. Esaminando il tasso di innovazione tecnologica e di maturità che sta guidando oggi i big data, potremmo vedere le capacità dei derivati di Hadoop, di MongoDB, o di alcune emergenti tecnologie che eclissano le tecnologie dati altamente specializzate e ottimizzate che vengono impiegate oggi per soddisfare le esigenze attuali. C’è un ampio dibattito sui diversi ecosistemi database rispetto all’all-in-one Hadoop, ma si tratta semplicemente di una questione di visione e della realtà di ciò che è disponibile oggi.

John O’Brien

Professionista e consulente. Ha 25 anni di esperienza nei settori Data Warehousing e Business Intelligence. La combinazione dei diversi ruoli che ha svolto rende unico e originale il suo punto di vista. Come esperto riconosciuto nel settore BI, ha pubblicato numerosi articoli ed è intervenuto come speaker in importanti conferenze negli Stati Uniti e in Europa. Oggi, John O’Brien svolge attività di ricerca e offre servizi di strategic advisory per guidare le aziende verso la nuova generazione dell’Information Management.

John O’Brien presenterà a Roma per Technology Transfer il seminario “Modern Data Platforms” nell’autunno 2015.

L'articolo Big Data: la Battaglia della Persistenza e la Gara all’Accesso proviene da Data Manager Online.