by Barry Devlin
Riconciliazione e coerenza dei dati, modellazione delle informazioni aziendali e metadati. Le imprese possono conservare l’architettura di data warehouse esistente per costruire un digital business?
Trasformazione digitale! Business digitali! Dagli analisti ai vendor, dai consulenti ai CEO, il grido è lo stesso: trasformati in digital business se vuoi avere successo nel tuo settore. E fallo in fretta, perché le aziende che sono avanti su questo percorso hanno già un’enorme varietà e volume di dati con cui potranno spiazzare voi e gli altri incumbent. Come spiegava un rapporto di McKinsey del dicembre 2016 (The Age of Analytics: Competing in a data-driven world) – “gli effetti di rete delle piattaforme digitali stanno creando una situazione in cui chi vince prende tutto. Le aziende leader sono attivamente alla ricerca di modi per entrare in altri settori (…) e possono trarre vantaggio dalla loro dimensione e dagli insight approfonditi per aggiungere nuove linee di business (…) in modo da confondere i tradizionali confini del settore”. Rimane da vedere fin dove andrà a finire questa previsione. Tuttavia, la ricerca di un vantaggio competitivo in ogni settore è ora in linea con la trasformazione digitale: la capacità delle aziende di sfruttare le informazioni già in loro possesso e tutti i dati aggiuntivi che possono accedere o acquisire. Per quelle aziende che hanno una profonda esperienza nel mondo digitale, in particolare le nuove imprese basate su Internet, essere guidati dai dati è quasi una seconda natura per loro. Eppure, la maggior parte delle aziende tradizionali ancora fatica a progredire sulla strada della trasformazione digitale. In effetti, alcuni si chiedono da dove iniziare. Se si è una di quelle società, il punto di partenza potrebbe essere più vicino di quanto si immagini: la trasformazione digitale può iniziare con il data warehouse esistente, ma solo se si è disposti a esaminare tale infrastruttura in una luce diversa. Ma iniziamo dallo scopo originale del data warehouse.
L’architettura per il digital business - Trent’anni fa, ho definito la prima architettura del data warehouse. Il driver di business era quello di fornire un insieme affidabile e coerente di dati da tutte le fonti disponibili per qualsiasi necessità di segnalazione o analisi. Negli anni successivi, gran parte dell’attenzione è stata dedicata alle esigenze di reporting e analisi. Tuttavia, quando si considera il valore del data warehousing nella trasformazione digitale, è necessario considerare l’idea sottostante di come e quando creare un set di dati affidabile e coerente da più fonti. Nella sua essenza, un digital business è in grado di utilizzare i dati di ogni fonte immaginabile per il vantaggio di business e bilancia il livello in cui tali dati dovrebbero essere coerenti e affidabili e quando tali dati possono o devono essere utilizzati allo stato grezzo per limitare la complessità e il costo. Questo, naturalmente, ci porta all’argomento dell’appropriata architettura di informazioni/dati per il digital business. A differenza di quello tradizionale, il digital business utilizza dati provenienti dall’esterno, dai social media e dall’Internet of Things (IoT), come base per le operazioni e la gestione. Queste nuove fonti sono caratterizzate non solo dalle tre V di volume, velocità e varietà, ma sono soprattutto e spesso di dubbia qualità e affidabilità. Inoltre, questi nuovi dati devono anche essere integrati con i dati provenienti dai tradizionali sistemi operativi interni. Di conseguenza, e considerando trent’anni di esperienza e successo nel data warehouse, ha senso chiedersi: cosa possiamo conservare e cosa deve cambiare in un’architettura di data warehouse per costruire un digital business? Possiamo considerare tre aspetti chiave: la riconciliazione e la coerenza dei dati; la modellazione delle informazioni aziendali; i metadati o le informazioni sul contesto.
Riconciliazione e coerenza dei dati - Il primo punto chiave è la riconciliazione e la coerenza dei dati. In un data warehouse, i dati vengono riconciliati trasferendo tutto in un unico archivio, l’EDW, enterprise data warehouse, incorporato in un database relazionale. I sostenitori dei big data hanno da tempo affermato che un database relazionale non può gestire i volumi, la velocità e la varietà dei big data. Tuttavia, i progressi dell’hardware, come per esempio i database in-memory, l’elaborazione parallela e le GPU, insieme al software che sfrutta questo nuovo hardware, hanno indebolito significativamente queste affermazioni. Inoltre, i progressi nella tecnologia di virtualizzazione dei dati consentono di riconciliare i dati logicamente senza la necessità di portare tutto sulla stessa piattaforma. In effetti, possiamo utilizzare un EDW avanzato per i dati che devono essere fisicamente riconciliati, mentre la virtualizzazione dei dati ci consente di riconciliare i dati tra piattaforme relazionali e non relazionali. Questo concetto è fondamentale per l’architettura di informazione logica a colonne che ho ideato nel mio libro, “Business unIntelligence”.
Modellazione delle informazioni - Il secondo punto chiave è la modellazione delle informazioni aziendali. Dobbiamo riconoscere che non è necessario e impossibile riconciliare tutti i dati. Alcuni dati (per esempio, i singoli punti di dati dai sensori IoT) sono troppo fugaci per riconciliarsi. Altri dati, come quelli dei social media, sono troppo non gestiti e mal definiti per renderli coerenti. Un EIM, enterprise information model, è necessario per decidere gli usi e il valore di diversi tipi di informazioni per il business e quando è necessario riconciliarlo o meno. La maggior parte delle implementazioni di data warehouse hanno già creato EIM di vari gradi di completezza e complessità. Tali EIM devono essere estesi per coprire fonti di informazioni esterne. Le entità centrali e le relazioni dell’EIM esistente rimarranno certamente al centro del digital business e consentiranno il collegamento di nuove fonti di informazioni, a seconda delle entità tradizionali. È attraverso l’EIM, per esempio, che gli user ID dei social media possono essere abbinati agli ID cliente interni, ovviamente entro i limiti della legislazione GDPR.
Metadati o informazioni sul contesto - Il terzo punto è quello dei metadati o, come preferisco chiamarli, informazioni sul contesto (CSI, context-setting information). Il concetto di metadati era centrale per il data warehouse sia per la gestione tecnica dei dati memorizzati sia per consentire agli imprenditori di comprendere e trarre vantaggio dal data warehouse. Sfortunatamente, molte implementazioni precedenti si sono concentrate quasi esclusivamente su metadati orientati tecnicamente. Questo sta cambiando ora con un’enfasi sui “cataloghi di dati”, in particolare quelli che incorporano alcuni elementi di machine learning. L’inclusione del machine learning e della collaborazione in questi moderni strumenti è importante perché affronta sfide di vecchia data nel raccogliere informazioni su come i dati siano realmente utilizzati e compresi dalle persone del business. Queste sfide hanno impedito agli sviluppatori di data warehouse di offrire un set completo di CSI in passato. In sintesi, il cambiamento più importante in un’architettura di data warehouse per abilitare il supporto per il digital business riguarda il modo in cui i dati vengono archiviati e riconciliati. In un digital business, non canalizziamo più tutti i dati tramite un EDW basato su relazioni. Invece limitiamo l’EDW a quei dati che devono essere coerenti in tutta l’azienda e consentire ad altri dati di essere archiviati su altre piattaforme, come un data lake, e riconciliati attraverso la virtualizzazione dei dati solo nella misura necessaria. Questo cambiamento porta a requisiti estesi, ma non determina alcun cambiamento fondamentale nella modellazione delle informazioni e informazioni contestuali focalizzate sul business come definite nel data warehousing tradizionale. Quindi, se si sta pianificando di implementare un digital business, è bene rispolverare la vecchia architettura di data warehouse e scoprire come può aiutare!
Barry Devlin presenterà per Technology Transfer i seminari “Realizzare un Digital Business cominciando dalla Business Intelligence” che si terrà a Roma il 9-10 Dicembre 2019 e “Dall'Analitica all'Intelligenza Artificiale: Digital Transformation del Decision Making” dell' 11 Dicembre 2019.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James