Secondo Fabio Pascali, responsabile del distretto Top Account di Emc, l’ingresso sul mercato dei Data Lake ha diviso gli addetti ai lavori tra scettici ed entusiasti. I primi hanno messo i Data Lake sotto esame, perché ritenuti una sorta di discarica o “data dump”, con tutti i dati in un unico posto. Gli entusiasti, invece, hanno accolto i Data Lake come l’unica soluzione che sarà in grado di garantire efficienze senza precedenti in ambito storage, oltre a rendere l’analisi accessibile e utilizzabile da ogni organizzazione.
Chi ha ragione? In un certo senso, entrambi.
I Data Lake, come altre implementazioni tecnologiche di importanza cruciale, necessitano di infrastruttura e di risorse per offrire servizi a valore. E questa non è certo una novità. Un’azienda che implementa un Data Lake senza “l’equipaggiamento” necessario, molto probabilmente non otterrà i risultati pensati.
In ogni caso, i Data Lake stanno modificando l’aspetto dell’analisi in modo rapido e irrevocabile, consentendo alle organizzazioni in difficoltà con il “data wrangling” di visualizzare e analizzare tutti i propri dati in tempo reale. I risultati più evidenti per l’azienda sono maggiore agilità e consapevolezza nella relazione con i clienti e sostanzialmente un aumento delle entrate.
Ma di quali cambiamenti stiamo parlando e qual è l’impatto per le organizzazioni?
Partiamo dall’eliminazione dei silos di dati. Per lungo tempo uno standard per lo storage, i silos di dati non sono efficienti dal punto di vista operativo e limitano la possibilità di correlare tra loro i dati per ottenere informazioni utili. A questo si aggiunge il tema costi: oltre alla complessità insita nella gestione, i silos richiedono costi per licenze multiple, server e altro, mentre un Data Lake può essere attivato da una singola infrastruttura a un costo decisamente inferiore. Non da ultimo, la necessità per le organizzazioni di evolversi e avere a disposizione il quadro completo di tutti i dati: per far ciò è necessario l’approccio tipico dei Data Lake, che apre nuove strade in modi prima impensabili.
In sintesi, eliminando le barriere dei silos di dati e utilizzando i Data Lake, le aziende possono acquisire maggiore efficienza e trasparenza oltre a contenere i costi, diventando così più performanti e profittevoli, offrendo ai clienti servizi con una maggiore personalizzazione.
C’è poi un altro tema importante che riguarda utilizzare al meglio l’analisi in tempo reale, la cosiddetta Big data wrangling. Qui, la parola d’ordine per Data collection e analytics è quella di essere sempre più veloci. Ad esempio, l’analisi degli alert per possibili frodi delle carte di credito o l’analisi delle quotazioni in Borsa devono essere elaborate immediatamente. Ma l’analisi in tempo reale non è sempre necessaria: alcune informazioni, come i dati di vendita mensili o i dati finanziari trimestrali, possono essere archiviati e analizzati a intervalli specifici.
Oggi, per essere rilevante per il cliente e portare dei risultati, l’analisi deve viaggiare alla velocità della data generation, o meglio ancora, dell’information generation.
In tale senso, i Data Lake non sono solo uno strumento interno, ma stanno effettivamente consentendo la generazione di nuovi modelli di business sotto forma di Analytics-as-a-Service. Ciò offre alle aziende la possibilità di eseguire un’analisi self-service mediante l’accesso al Data Lake.
I principali vantaggi dell’Analytics-as-a-Service? Le soluzioni di infrastrutture in outsourcing riducono i tempi necessari all’implementazione e i budget necessari all’attività; i service provider in grado di archiviare, gestire e proteggere i dati come parte dell’Analytics-as-a-Service rappresentano un’utile soluzione per le aziende che desiderano applicare l’outsourcing. In aggiunta, il ricorso all’Analytics-as-a-Service è efficace rispetto all’adozione precoce delle nuove tecnologie ed è una risposta efficace alla concorrenza in settori quali, ad esempio, la vendita al dettaglio, i servizi di pubblica utilità e i club sportivi.
Si può, dunque, affermare che le aziende non devono adottare un approccio Do-It-Yourself nei confronti dei Data Lake per iniziare a massimizzarne il valore.
Per le aziende che utilizzano ancora i silos di dati, forse è finalmente arrivato il momento di cimentarsi nell’analisi in tempo reale.
