Indice dell'articolo

Ogni azienda ha bisogno di una strategia dei dati che definisca chiaramente le persone, le tecnologie, i processi e le regole necessari per gestire in modo sicuro le proprie risorse e pratiche informative.

Come per quasi tutto nell’IT, una strategia dei dati deve evolversi nel tempo per stare al passo con l’evoluzione di tecnologie, clienti, mercati, esigenze e pratiche aziendali, normative e un numero virtualmente infinito di altre priorità.

Ecco una rapida carrellata delle sette tendenze che, nei mesi a venire, rimodelleranno l’attuale strategia dei dati.

1. I dati in tempo reale diventano reali, così come la complessità di gestione

“I CIO dovrebbero dare la priorità alla loro strategia di investimento per far fronte al crescente volume di dati complessi e in tempo reale che si riversano nell’azienda“, consiglia Lan Guan, Global Data and AI Lead presso Accenture.

Guan ritiene che avere la capacità di sfruttare i dati non sia negoziabile nell’odierno ambiente aziendale. “Gli insight unici che derivano ​​dai dati di un’azienda rappresentano un vantaggio competitivo e non facilmente copiabile dai concorrenti“, osserva. “Non riuscire a soddisfare queste esigenze significa rimanere indietro e perdere le numerose opportunità rese possibili dai progressi nell’analisi dei dati“.

Il passo successivo nella strategia dei dati di ogni organizzazione, secondo Guan, è investire e sfruttare l’intelligenza artificiale e l’apprendimento automatico per ottenere più valore dai propri dati. “Iniziative come la manutenzione predittiva automatizzata sui macchinari o l’ottimizzazione della forza lavoro attraverso i dati operativi sono solo alcune delle molte opportunità abilitate dall’abbinamento di una strategia di dati di successo con l’implementazione incisiva dell’intelligenza artificiale“.

2. Le esigenze interne di accesso ai dati sono al centro dell’attenzione

I CIO e i responsabili dei dati devono far fronte a una crescente domanda interna di accesso ai dati. “I dati non vengono più utilizzati solo da analisti e data scientist“, afferma Dinesh Nirmal, general manager per AI e automazione presso IBM Data. “In azienda tutti, dalle vendite al marketing, dalle risorse umane alle operazioni, hanno bisogno di accedere ai dati per prendere decisioni migliori“.

Lo svantaggio è che fornire un agile accesso a dati tempestivi e pertinenti è diventato sempre più difficile. “Nonostante i massicci investimenti, il panorama dei dati all’interno delle aziende è ancora eccessivamente complesso, distribuito su più cloud, applicazioni, posizioni, ambienti e fornitori“, spiega Nirmal.

Di conseguenza, un numero crescente di responsabili IT è alla ricerca di strategie per gestire le enormi quantità di dati disparati situati in silos senza introdurre nuove sfide di rischio e conformità. “Mentre la richiesta interna di accesso ai dati è in aumento, i CIO devono anche tenere il passo con le misure normative e di conformità in rapida evoluzione, come l’Artificial Intelligence Act europeo e il Blueprint for an AI Bill of Rights recentemente pubblicato dalla Casa Bianca“, sottolinea Nirmal .

3. La condivisione esterna dei dati diventa strategica

“La condivisione dei dati tra partner di business sta diventando molto più semplice e collaborativa”, osserva Mike Bechtel, chief futurist presso Deloitte Consulting. “Con l’adozione significativa di data warehouse nativi in cloud e piattaforme adiacenti di analisi dei dati, stiamo iniziando a vedere casi d’uso interessanti in cui le aziende sono in grado di intrecciare i propri dati con quelli delle controparti per creare risorse digitali vendibili e completamente nuove“.

Bechtel prevede un imminente cambiamento epocale nella condivisione dei dati esterni. “Per anni, le persone nelle sale riunioni e nelle sale server hanno parlato in modo astratto del valore di tutti questi dati, ma sapevano che la capacità di monetizzare quei dati richiedeva che fossero più liquidi“, sottolinea. “Le organizzazioni possono avere petabyte di dati interessanti, ma se sono ingessati in un data warehouse on-premise, non saranno molto utili”.

4. Aumenta l’adozione di data fabric e data mesh

Le tecnologie data fabric e data mesh possono aiutare le organizzazioni a ottenere il massimo valore da tutti gli elementi in uno stack tecnologico e in una gerarchia in modo pratico e utilizzabile. “Molte aziende utilizzano ancora soluzioni legacy, tecnologie vecchie e nuove, politiche, processi, procedure o approcci ereditati, ma hanno difficoltà a fondere tutto in una nuova architettura che consenta maggiore agilità e velocità“, afferma Paola Saibene, consulente presso Resultant.

Il data mesh consente a un’azienda di trarre le informazioni e gli insight di cui ha bisogno dall’ambiente nel suo stato attuale, senza doverlo cambiare o interrompere in modo massiccio. “I CIO possono trarre vantaggio dagli strumenti di cui già dispongono, ma aggiungere uno strato superiore che permette di utilizzare tutte queste risorse in modo moderno e veloce“, spiega Saibene.

Il data fabric è un’architettura che consente l’integrazione end-to-end di varie pipeline di dati e ambienti cloud attraverso l’uso di sistemi intelligenti e automatizzati. “E’ importante soprattutto a livello di metadati attivi”, osserva Saibene. “Gli agenti di interoperabilità faranno sembrare che tutto sia incredibilmente ben connesso e progettato intenzionalmente in quel modo. In quanto tale, consente di ottenere tutte le informazioni necessarie senza modificare l’ambiente“.

5. L’osservabilità dei dati diventa fondamentale per l’azienda

L’osservabilità dei dati estende il concetto di qualità monitorando da vicino i dati mentre entrano ed escono dalle applicazioni. “L’approccio fornisce insight business-critical su informazioni, schemi, metriche e discendenza dell’applicazione“, afferma Andy Petrella, fondatore di Kensu e autore di Fundamentals of Data Observability.

Un attributo chiave dell’osservabilità dei dati è che agisce sui metadati, fornendo un modo sicuro per monitorare i dati direttamente all’interno delle applicazioni. “Man mano che i dati sensibili lasciano la pipeline, vengono raccolti da un agente di osservabilità dei dati”, spiega Petrella. “Grazie a queste informazioni, i data team possono risolvere i problemi più rapidamente e impedire che si propaghino, riducendo i costi di manutenzione, ripristinando la fiducia nei dati e aumentando la creazione di valore da essi“.

L’osservabilità dei dati crea una categoria di soluzioni completamente nuova. “I CIO dovrebbero prima comprendere i diversi approcci all’osservabilità dei dati e in che modo differiscono dalla gestione della qualità“, osserva Petrella. Dovrebbero quindi identificare le parti interessate nel loro team di dati, che saranno responsabili dell’adozione della tecnologia di osservabilità.

L’incapacità di migliorare la qualità dei dati probabilmente ostacolerà la produttività del team, riducendo al contempo la fiducia nell’intera catena dei dati. “A lungo termine, ciò potrebbe relegare in secondo piano le attività relative ai dati, con un impatto sulla competitività dell’organizzazione e, in ultima analisi, sui suoi ricavi“.

I responsabili IT devono fare i conti con la crescente complessità e gli insondabili volumi di dati distribuiti nello stack tecnologico, osserva Gregg Ostrowski, executive CTO di Cisco AppDynamics. “Devono integrare una serie di servizi cloud-native in continua espansione con le tecnologie on-premise esistenti“, osserva. “Dal punto di vista della strategia dei dati, la tendenza più importante è la necessità per i team IT di ottenere una visualizzazione e una visione chiare delle loro applicazioni indipendentemente dal dominio, sia on-premise, nel cloud o in ambienti ibridi“.

6. I “dati come prodotto” iniziano a fornire valore aziendale

I dati come prodotto sono un concetto che mira a risolvere i problemi aziendali del mondo reale attraverso l’uso di dati combinati acquisiti da molte fonti diverse. “Questo approccio di acquisizione e analisi fornisce un nuovo livello di intelligenza per le aziende che può determinare un impatto reale sui profitti“, afferma Irvin Bishop Jr., CIO di Black & Veatch, un’azienda globale di ingegneria e consulenza nel settore edile.

Capire come raccogliere e applicare i dati può essere un punto di svolta in molti modi. Black & Veatch sta lavorando con i clienti per sviluppare roadmap dei dati come prodotto e stabilire KPI pertinenti. “Un esempio è il modo in cui utilizziamo i dati all’interno del settore idrico per gestire meglio la salute fisica delle infrastrutture critiche“, osserva Bishop. “I dati offrono ai nostri clienti la possibilità di prevedere quando un’apparecchiatura dovrà probabilmente essere sostituita e quale tipo di impatto ambientale può sopportare sulla base dei dati sulle prestazioni passate“. L’approccio offre ai clienti un maggiore controllo sull’affidabilità del servizio e sui loro budget.

7. Nascono team interfunzionali per i dati come prodotto

“Man mano che le aziende iniziano a trattare i dati come un prodotto, diventa necessario istituire team di prodotto collegati tra i settori IT, business e data science”, afferma Traci Gusher, responsabile dati e analisi presso EY Americas.

La raccolta e la gestione dei dati non dovrebbero essere classificate solo come un altro progetto. “I dati devono essere visti come un’area aziendale pienamente funzionale, non diversa dalle risorse umane o dal finance“, osserva Gusher. “Il passaggio a un approccio basato sui dati come prodotto significa che i tuoi dati saranno trattati esattamente come un prodotto fisico, che attraversa le fasi di sviluppo, commercializzazione, controllo qualità, miglioramento, e con un valore chiaro e monitorato“.