Home Big Data Big data e analytics, cinque casi di impatto sullo storage

Big data e analytics, cinque casi di impatto sullo storage

I carichi di lavoro per attività di Big data e analytics rappresentano una nuova frontiera per le aziende. Detto in altro modo, le informazioni vengono raccolte da fonti che fino a dieci anni fa non esistevano.

Dati provenienti da dispositivi mobili, generati da macchine e dall’interazione con siti web, sono archiviati e analizzati. Ma i budget sono ridotti e i Big data, sempre più ampi, rappresentano una grande sfida per lo storage.

Ancora, detto in altro modo, i Big data stressano le infrastrutture di storage

Le applicazioni Big Data hanno dato luogo a un’esplosione del volume di dati che le aziende devono raccogliere e analizzare, generando un incremento dei costi dello storage che oggi ha un peso senza precedenti sul budget IT complessivo.

Con il supporto di Riccardo Facciotti, Tech Sales Director South & East Europe di Infinidat rileviamo quali sono i cinque casi di utilizzo principali di Big data e analytics che impattano sullo storage.

Miglioramento servizio e supporto clienti

Questo è da sempre uno degli obiettivi di aziende di qualsiasi dimensione. “Come migliorare la relazione con i clienti? Se i rapporti con gli utenti finali vengono coltivati, questi ultimi sceglieranno di continuare ad affidarsi a quella azienda e di acquistare soluzioni anche più di frequente. Generalmente, i dati relativi alle preferenze vengono raccolti da varie fonti, dalla navigazione online e dai criteri di ricerca, durante l’intero ciclo di vita del cliente. Informazioni che vengono analizzate e trascritte insieme ai loro dati.

Cybersecurity, rilevazione intrusioni e frodi, prevenzione

Tutti questi aspetti sono fondamentali per i clienti. I dati vengono raccolti e analizzati in tempo reale e solitamente sono generati da macchine. I risultati analitici devono essere consegnati immediatamente affinché questa attività sia significativa. È necessario quindi disporre di uno storage veloce con capacità elevate, in quanto i dati generati da macchine e sensori possono consumarne grandi quantità.

Analisi operativa

L’analisi operativa include la raccolta di dati, molto spesso basata su sensori di altre macchine, che vengono utilizzati per identificare aree da migliorare a livello operativo, provvedere all’isolamento dei guasti e all’analisi break-fix. Le aziende manifatturiere raccolgono anche dati secondari sulle attività robotiche dei propri reparti e desiderano recuperare non solo informazioni sul loro stato, ma anche su come migliorarne i processi.

Come per la rilevazione delle intrusioni, anche questi dati vengono generati e analizzati in tempo reale, e i risultati devono essere archiviati e inviati in catena di produzione per metterli in opera. Tutti i dati sono interessanti e mostrano l’andamento di macchine e processi, per essere utilizzati in un secondo momento.

Esplorazione dei Big data

Come scoprire cosa sono i Big Data? Solo nel momento in cui si analizzano gli elementi raccolti e quelli mancanti. Normalmente questa attività è possibile attraverso la raccolta continua di una quantità sempre più ampia di dati.

Estensione dei data warehouse

Come recuperare i dati esistenti, generalmente archiviati in una warehouse o in un data mart, e aumentare i feed di informazioni da fonti esterne per incrementare l’accuratezza, ridurre i tempi di esecuzione e ricevere risposte necessarie senza ricerche inutili? L’adozione di una data warehouse si sta diffondendo e l’analisi transazionale dei dati sta diventando un requisito per ogni azienda, a ogni livello.

Tutti questi casi d’uso richiedono una capacità di storage maggiore delle tradizionali applicazioni e più potenza di calcolo. I Big data ora sono considerati dati di produzione, per cui disponibilità, ripristino e prestazioni sono importanti quanto i sistemi transazionali all’interno dell’azienda. Come già anticipato, il trend è legato a budget IT in riduzione.

Queste forze diametralmente opposte stanno provocando un cambiamento nell’industria storage. Come si può fare di più con risorse inferiori, tenendo in considerazione il fatto di non voler compromettere affidabilità, efficienza e prestazioni di sistemi e applicazioni?

Ciò che i carichi di lavoro di Big Data e analytics richiedono allo storage aziendale può essere riassunto per Facciotti in: prestazioni eccellenti; altissima densità; uptime eccellente, alta affidabilità; utilizzo, gestione e provisioning semplici; costo totale di proprietà molto basso .

Tutto questo significa che l’infrastruttura storage è cruciale e che è possibile semplificare e consolidare le applicazioni Big data e analytics senza compromettere l’efficienza.

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche
css.php