Denodo – società specializzata nella gestione dei dati – ha identificato i 5 principali trend che guideranno le strategie di data management e data e analytics nel 2023.
Lo scenario è quello in cui i dati sono protagonisti delle nuove strategie aziendali. Spinte dalla pandemia da Covid-19, molte aziende abituate a operare principalmente in modalità fisica hanno abbracciato il digitale in modo definitivo.
Inoltre, anche quelle realtà che rimangono ancorate ai metodi tradizionali dovranno ormai imparare a gestire gran parte delle proprie attività seguendo un approccio digitale.
“Al centro di ogni business digitale ci sono i dati.
L’innovazione digital e data driven può rappresentare l’elemento differenziante nel panorama odierno e del futuro: gestire i dati e le relative infrastrutture, unitamente alla definizione di strategie ben definite e a una pianificazione dettagliata, saranno elementi chiave per il successo di un’azienda.
È proprio per questo che l’innovazione rimane un punto fermo per le architetture di data management e per i settori che gravitano intorno ad esse”, spiega Andrea Zinno, Sales Director & Data Evangelist di Denodo.
Trend #1: Verso l’ottimizzazione dei costi infrastrutturali
A prescindere dal fatto che un Paese possa o meno essere in recessione, le aziende stanno adottando policy di riduzione dei costi e delle infrastrutture IT. Sebbene il cloud contribuisca a ridurre i costi di archiviazione ed elaborazione dei dati, infatti, queste tecnologie possono comunque portare spese importanti legate agli investimenti in infrastrutture dedicate a dati e analytics: spesso, la vastità di soluzioni in termini di archiviazione, elaborazione e applicazioni portano le aziende a scegliere una strategia che sostituisca in toto i sistemi precedenti, per modernizzare l’assetto dal punto di vista dei dati e degli analytics. Questo approccio, tuttavia, si rivela non soltanto oneroso, ma può persino causare interruzioni e disagi nelle operation.
Nel 2023 – sostiene Denodo – un numero maggiore di aziende concentrerà i propri sforzi nella ricerca di metodi moderni per aggiornare le proprie infrastrutture IT, indipendentemente dal fatto che i loro dati risiedano interamente in un unico cloud, su cloud multipli o ambienti ibridi che includono sistemi on-premise.
Trend #2: Il multicloud si diffonde e il FinOps diventa necessario
Per molte aziende, spesso dati e asset strategici sono dislocati su cloud multipli e in aree geografiche diverse, sia perché le business unit o le varie sedi si avvalgono di cloud service provider (CSP) differenti, sia perché in seguito a fusioni o acquisizioni gli asset sono rimasti gestiti da cloud provider separati: questo porta le multinazionali ad adottare sempre più di frequente architetture multicloud.
Attualmente, non esiste un sistema semplice per gestire e integrare dati e servizi tra questi diversi provider di servizi cloud, tuttavia non riuscire ad affrontare e risolvere il problema comporta la continua creazione di silos di dati e un approccio frammentato al data management che determina complicazioni in termini di governance e accesso ai dati.
Inoltre, contrariamente a quanto si pensa, i costi del cloud stanno diventando sempre più alti a causa dei volumi significativi di dati e delle relative spese di gestione. Per molte aziende, gli investimenti dedicati al cloud non portano il rendimento economico e i benefici attesi: per questo, decidono di avvalersi del FinOps per avere un quadro di controllo dei costi e dell’utilizzo del cloud chiaro, così da identificare il rapporto tra costo e valore e capire in che modo gestirlo al meglio grazie ad ambienti ibridi e multicloud. Il prossimo anno vedrà il FinOps diffondersi radicalmente, per aiutare le aziende a gestire al meglio i propri investimenti cloud.
Trend #3: Un’accelerazione nell’adozione di Data Fabric e Data Mesh
Negli ultimi vent’anni, il data management ha vissuto ciclicamente trend di centralizzazione vs decentralizzazione, che hanno coinvolto tra gli altri database, data warehouse, datastore cloud e data lake. Sebbene il dibattito sull’approccio migliore sia sempre acceso, negli ultimi anni è stato dimostrato che per la maggior parte delle organizzazioni i dati sono più distribuiti che centralizzati.
Le soluzioni di architetture di dati aziendali sono numerose, tuttavia nell’ultimo anno due approcci hanno visto una crescita rilevante: Data Fabric e Data Mesh, che consentono di avere accesso e gestire al meglio i dati distribuiti. C’è una differenza sostanziale tra i due: il data fabric è un insieme componibile di tecnologie di data management, mentre il data mesh è un’indicazione sul processo da seguire affinché gruppi distribuiti di operatori possano gestire i dati aziendali nel modo che ritengono più opportuno.
Entrambe le soluzioni sono essenziali al fine di gestire al meglio i dati, infatti un accesso semplificato ai dati e la garanzia che gli stessi siano controllati e sicuri sono elementi di grande importanza per qualsiasi stakeholder, dai data scientist agli executive. Gli utilizzi sono numerosi: dalla creazione di dashboard e report, alle funzionalità di analytics avanzate, fino a machine learning e progetti di AI.
Sia il data fabric che il data mesh possono avere un ruolo determinante nell’accesso, integrazione, gestione e delivery dei dati di un’azienda, ma solo se costruiti in maniera opportuna e con le giuste infrastrutture alla base. Per il 2023 ci si aspetta quindi un rapido incremento nell’adozione di entrambi all’interno di aziende medie e medio-grandi.
Trend #4: L’etica dell’Intelligenza Artificiale andrà di pari passo con il decision making basato sui dati
Le aziende di ogni settore stanno sfruttando sempre di più l’intelligenza artificiale nell’ambito dei processi di decision making basati sui dati: che si tratti di piattaforme di social media che eliminano i post, di mettere in contatto gli operatori sanitari con i pazienti o di grandi banche che concedono crediti ai consumatori. Tuttavia, non esiste ancora un modo di sopprimere i bias generatisi durante l’addestramento degli algoritmi dell’IA.
È per questo che le normative emergenti, come la proposta di legge sull’intelligenza artificiale dell’Unione Europea (EU Artificial Intelligence Act), stanno iniziando a definire un quadro regolamentare sull’uso dell’intelligenza artificiale nelle aziende. Queste nuove normative classificano il rischio delle applicazioni di IA come “inaccettabile, alto, medio o basso” e ne vietano o gestiscono l’utilizzo di conseguenza.
A partire dal 2023, l’intelligenza artificiale è destinata a diventare sempre più centrale, ma sarà necessario che le aziende aderiscano alle regolamentazioni, senza tralasciare la garanzia alla privacy e la data governance, la trasparenza degli algoritmi, l’equità e la non discriminazione, l’affidabilità e la misurabilità. In quest’ottica, le organizzazioni devono implementare strutture per supportare l’IA etica, ad esempio linee guida per l’IA affidabile, strutture di revisione tra pari e comitati etici per l’IA.
Trend #5: Aumento di qualità e preparazione dei dati, gestione dei metadati e dell’analytics
Oltre a supportare analytics, AI e ML, una corretta gestione dei dati contribuisce anche a più alto livello al successo di un’organizzazione. I dati vengono spesso definiti il nuovo petrolio perché, insieme agli insight basati sugli analytics, non fanno altro che premere l’acceleratore sull’innovazione aziendale. Dal momento che le organizzazioni fanno un utilizzo sempre maggiore dei dati, è fondamentale tenere sotto controllo la governance, la qualità e la gestione dei metadati.
Tuttavia, con l’aumento del volume, della varietà e della velocità dei dati, questi aspetti sono diventati troppo complessi da gestire su scala: si pensi alla quantità di tempo che i data scientist e i data engineer impiegano per trovare e preparare i dati, prima di poterli utilizzare. Per questo motivo la gestione aumentata dei dati è stata recentemente abbracciata da diversi fornitori in quei casi in cui, con l’applicazione dell’intelligenza artificiale, le organizzazioni sono in grado di automatizzare molte attività di data management.
Secondo alcune delle principali società di analisi, ogni livello di data fabric, vale a dire l’integrazione, l’elaborazione, l’orchestrazione e la governance dei dati, insieme ad altre attività, dovrebbe essere dotato di AI/ML al fine di automatizzare ogni fase del processo di data management.
Nel 2023, la gestione aumentata dei dati vedrà una forte diffusione sul mercato e aiuterà i professionisti a concentrarsi sulla delivery degli insight basati sui dati, anziché essere frenati da attività amministrative di routine.
