Databricks: come valutare se la strategia dati è in linea con il business

Il Data and AI Leadership Executive Survey 2022, punto di riferimento per monitorare l’implementazione di Big Data e IA nelle aziende Fortune 1000, conferma che il numero di organizzazioni in cui prevale una cultura “orientata ai dati” non è in crescita.

Sebbene nell’ultimo decennio siano stati compiuti molti progressi, il percorso per diventare sempre più data-driven è ancora molto lungo.

I dati raccolti

Questi dati confermano che, sebbene alcune aziende siano riuscite a coglierne il reale valore e le potenzialità, molte altre non sono ancora in grado di liberarsi da sistemi compartimentali. Queste ultime non dispongono di un modello di data governance unico e unificato che consenta di utilizzare i dati in modo strategico e trasformativo.

Il problema risiede nella struttura stessa di un’azienda, che non nasce già munita di una strategia dati, ma vede crescere le capacità di gestione dei dati in diverse aree di business in modo naturale. Attualmente le aziende comprendono che è necessario disporre di una strategia dati coerente che coinvolga tutte le business. Il rischio è che ciascuna divisione cresca in modo organico, adottando tecnologie, modelli di governance e protocolli, incompatibili con quelli di altre unità della medesima azienda. Rendendo così impossibile il flusso dei dati e la conseguente realizzazione di risultati e benefici per il business.

La strategia dati da adottare

Con la progressiva crescita delle aziende, la complessa rete di sistemi di dati nelle diverse divisioni di business si moltiplica. Questo ostacola il flusso dei dati tra le fasi di elaborazione degli stessi. Le aziende che si trovano in questa situazione non saranno mai in grado di valorizzare al meglio i propri dati, poiché la mancanza di un sistema di data governance uniforme non consente ai teams di lavorare in modo collaborativo e sinergico.

I punti principali

Arduino Cascella, Solutions Architect Manager presso Databricks descrive i tre pilastri tecnologici fondamentali su cui le aziende dovrebbero concentrarsi quando cercano di sviluppare una strategia dati di successo:

1. Utilizzare un’architettura dati moderna. Storicamente, la business intelligence prevedeva i data warehouse, diversamente da data science e machine learning che necessitavano di data lake. Un data warehouse è un repository che raccoglie dati strutturati e “filtrati”, mentre un data lake è indispensabile per grandi quantità di dati non strutturati. Le aziende dovrebbero orientarsi verso un’architettura dei dati moderna e aperta, che consenta di fornire i dati a tutti gli utenti in tutti i casi d’uso e non richieda l’archiviazione di copie su differenti tecnologie. La semplificazione dell’architettura dati consentirà di abbattere le barriere tecnologiche e ai team di lavorare in modo sinergico, evitando di operare su soluzioni disconnesse per casi d’uso diversi.
2. Progettare in cloud. Dopo aver preso piede nei primi anni 2000, l’adozione del cloud è esplosa negli ultimi anni, fino a diventare il principale approccio per la creazione e la fruizione di una piattaforma dati moderna. Molti data teams operano su cloud distinti, adottando un approccio multi-cloud. Ciò consente ai team di eseguire carichi di lavoro ovunque, integrare facilmente nuove soluzioni e garantire la propria conformità nel tempo.
3. Il valore dell’open source. La tecnologia open-source e gli standard aperti dissuadono i team dallo sviluppare soluzioni interne complesse. Sono relativamente poco costosi e controllati da esperti, riducendo la probabilità di rischi operativi. Inoltre, può rappresentare una risorsa illimitata in termini di innovazione, consentendo ai data team di entrare in contatto con la più ampia comunità open-source e di avere piena visibilità sul codice originale.

La strategia dati per lo sviluppo aziendale

La costruzione di una cultura dei dati richiede una strategia che, se attuata con successo, può rivelarsi estremamente efficace. Rolls Royce, ad esempio, raccoglie informazioni dai propri dati attraverso una piattaforma intelligente, sfruttando l’intelligenza artificiale e la tecnologia del digital twin, evitando che oltre 200 milioni di chilogrammi di carbonio finissero nell’atmosfera, migliorando drasticamente l’efficienza dei suoi motori.

La governance dei dati sembra essere l’aspetto più problematico di un’iniziativa di trasformazione dei dati. La responsabilità è spesso da attribuire al mantenimento di più architetture di dati in conflitto tra loro. Per questo motivo, le aziende dovrebbero ridurre al minimo il numero di copie dei dati, optando invece per un unico livello di elaborazione. In questo modo sarà possibile avere una visione globale di tutti i dati disponibili e quindi eseguire controlli di governance, mantenendo al contempo elevati livelli di conformità e qualità. In assenza di una strategia dati efficace, le organizzazioni si lasciano sfuggire migliaia di informazioni che rimangono inevitabilmente non sfruttate. Utilizzare una moderna architettura dati significa ispirare a una reale collaborazione e innovazione tra data teams.