Si fa presto a dire analytics, monetization e trasformazione dei dati in conoscenza. Senza però una base integra, univoca e accessibile di dati, è difficile estrarre il vero valore. Gestire il ciclo di vita del dato, dalla gestione all’analisi, richiede pratiche e strumenti adeguati
Ogni singolo utente genera oggi un’enorme quantità di dati relativi ai propri comportamenti e alle proprie preferenze, attraverso l’utilizzo di dispositivi connessi in grado di abilitare l’accesso a servizi e prodotti di quasi qualsiasi genere (film, musica, giochi, portali per acquisti online, prenotazione viaggi, hotel e molto altro ancora). Questa dinamica sta ponendo già da diverso tempo l’attenzione sull’enorme quantità di dati generati, nonché sui rischi che possono derivare dalla condivisione di informazioni riservate. I dati sono oggi al centro della trasformazione digitale della società, delle aziende e dei nostri comportamenti: IDC stima che nel 2018 la dimensione della Data Sphere Globale (ossia quanti nuovi dati sono creati ogni anno, esclusi i dati conservati) ha raggiunto i 32,5 zettabyte. Questa dimensione include sia i dati generati dal segmento consumer sia quelli generati dalle aziende, le quali operano sempre più in modalità connessa e attraverso processi digitalizzati. La Data Sphere Globale è destinata a crescere in maniera vertiginosa anche nei prossimi anni: per le aziende diventa quindi fondamentale gestire in maniera ottimale i dati in loro possesso, sia per cercare di trarne il maggior valore possibile, impostando così strategie di business efficaci e innovative, sia per rispondere alla normativa e non incorrere in sanzioni.
LA NECESSITÀ DI ESTRARRE VALORE DAI DATI
Dalle recenti indagini di IDC, emerge che le principali priorità di business delle aziende si focalizzano oggi sul miglioramento della customer experience, sullo sviluppo di nuovi prodotti e servizi, sull’accelerazione del time-to-market e dei processi decisionali. Per raggiungere efficacemente questi obiettivi, l’analisi dei dati diventa un imperativo strategico: la trasformazione digitale e la sua complessità, sta facendo emergere infatti la necessità di “conoscere” meglio i dati, proteggerli e usarli nel miglior modo possibile. Per questo, la maggior parte del tempo dedicato ai dati da parte delle aziende oggi viene impiegato per attività di data management (preparazione dei dati, data discovery, protezione) e solo circa il 20% del tempo totale viene invece impiegato in attività di analisi, ossia quelle attività in grado di estrarre valore dai dati stessi, di far raggiungere gli obiettivi di business e di abilitare strategie innovative. Per poter analizzare i dati in maniera ottimale e trasformarli in informazioni, in valore e quindi in leve competitive, è necessario conservarli, mantenerli univoci e integri, renderli catalogabili ed estraibili, integrabili e distribuibili. Considerando inoltre la complessità che si associa oggi alla proliferazione di dati di diversa natura e formato (testo, audio, video, immagini, commenti, “likes”), si rende necessaria una maggiore attenzione alla classificazione dei dati stessi.
In questo senso, gli strumenti di Data Intelligence giocano un ruolo fondamentale e sono in grado di fornire un supporto sia alle linee di business sia all’IT per una migliore conoscenza dei dati, una governance efficace e una corretta protezione, anche attraverso funzionalità innovative di automation, collaboration e machine learning. La Data Intelligence è un ambito relativamente recente (che rientra nel più ampio mercato della Data Integration e Integrity, in base alla classificazione di IDC) e include software utilizzati nei processi di data governance, data quality management e self-service data access.
LA POTENZA DEI METADATI
Nello specifico, gli strumenti di Data Intelligence sono in grado di rispondere alle domande: “Who”, “What”, “When”, “Where”, “Why” e “How”. È fondamentale – al giorno d’oggi – per le aziende essere informate tempestivamente su chi sta utilizzando i dati, chi ha creato i dati e chi è responsabile per quei determinati dati (“Who”); cosa rappresentano quei dati e per cosa quei dati sono utilizzati (“What”); quando sono stati creati i dati, quando sono stati utilizzati e fino a quando sono validi o utilizzabili (“When”); dove si trovano i dati e dove i dati stessi sono utilizzati (“Where”); perché i dati esistono, perché sono stati creati, perché continuano a essere conservati e perché sono utilizzati (“Why”); come i dati sono stati creati e/o raccolti e come sono utilizzati (“How”).
Per rispondere a queste domande è necessario sfruttare la “potenza” dei metadati, che sono prodotti ogni volta che i dati vengono acquisiti da una fonte o che vengono generati, ma anche ogni volta che gli utenti accedono ai dati o che questi vengono spostati, profilati, “puliti”, aggregati o utilizzati per attività analitiche. I metadati sono quindi utilizzati dagli strumenti di Data Intelligence per attività di data cataloging, data lineage, data profiling e master data definition, ossia le funzionalità tipiche di questi software. IDC sta osservando alcuni trend che caratterizzano inoltre l’evoluzione degli strumenti di Data Intelligence e dei sistemi IT delle aziende per rispondere alle nuove necessità in ambito “dati”. Tra questi, quelli principali sono lo spostamento verso il cloud e quindi nuove modalità di accesso da parte delle aziende agli strumenti di intelligence caratterizzati da modelli “as a service”; l’implementazione di funzionalità di integrazione in real-time dei dati; funzionalità di intelligenza artificiale e di machine learning, in grado di automatizzare e di migliorare in maniera autonoma (attraverso l’autoapprendimento) le analisi; l’evoluzione delle infrastrutture e delle architetture IT verso modelli agili e scalabili, in grado di supportare i nuovi workload di analytics in real-time e l’interoperabilità richiesta da set di dati distribuiti su diversi sistemi, interni ed esterni alle aziende.
BENEFICI E SFIDE ANCORA APERTE
Da soli, i dati non fanno la differenza. Non è la quantità di dati in possesso di un’azienda a determinarne il successo o a misurarne il valore. Quello che permette realmente di ottenere dei vantaggi è la modalità di utilizzo dei dati. La Data Intelligence permette di aumentare la capacità delle aziende di trovare i dati in maniera più rapida, di comprenderne il contesto e le specifiche proprietà per un loro migliore utilizzo, con il risultato di efficientare le attività analitiche, ma anche di migliorare il ciclo di vita stesso del dato. Inoltre, una maggiore “intelligenza” applicata alle attività di gestione, di ricerca e di protezione dei dati, migliora necessariamente l’aderenza alle policy e alla normativa, nonché la produttività dei dipendenti che hanno a che fare con la gestione e l’analisi dei dati. Con l’applicazione di strumenti di intelligenza artificiale e di machine learning ai metadati, la Data Intelligence potrebbe inoltre consentire di capovolgere la proporzione, concedendo l’80% del tempo ad analisi e produzione di insights, e il 20% alle attività di gestione e protezione. In questo modo, le aziende saranno in grado di estrarre maggiori informazioni dai dati, trasferendo valore al business e questo potrebbe comportare anche il conseguimento di un vantaggio competitivo.
Non mancano però sfide ancora aperte: non si tratta solo di un tema tecnologico, ossia di affidarsi ad adeguati strumenti o di disporre di architetture e sistemi IT in grado di assicurare scalabilità, velocità, protezione e flessibilità. Nonostante questi aspetti siano fondamentali, non va però trascurata la necessità di una “cultura del dato” pervasiva in azienda, a partire dal top management, unita alla necessaria disponibilità delle adeguate competenze e di una struttura organizzativa che favorisca la collaborazione e la condivisione di processi, procedure e “conoscenza” relativa ai dati.
