Data Management cos’è, come si fa al tempo della nuova normalità del cloud. Una nuova guida pratica al centro di #DataRevolution la rubrica multipiattaforma costruita in collaborazione con ICOS e NetApp. Se vi siete persi le puntate precedenti le trovate di seguito: Data Protection e remote working, MulticloudCloud Storage, Backup vs Disaster Recovery.

Nell’era digitale, parlare di dati equivale ad immaginare flussi di informazioni in grado di descrivere e controllare tutti i processi attivi un’azienda. Utilizzando questa semplice chiave di lettura, i dati diventano una ricchezza, un capitale, un vero e proprio fattore economico, in grado di condizionare la produzione di beni e servizi.

Parlare di dati vuole inoltre dire rispettare regole e normative estremamente vincolanti, come nel caso del GDPR, che comportano processi organizzativi che non possono essere gestiti in maniera arbitraria, salvo rischiare seriamente di incorrere in sanzioni e danni reputazionali in grado di condizionare inequivocabilmente le sorti del business.

Parlare di dati, esaltandone il concetto di ricchezza informativa, vuol dire anche parlare di Big Data, un flusso interminabile di risorse da cui è possibile estrarre valore predittivo e prescrittivo su cui implementare le decisioni cruciali.

Potremmo parlare di dati in eterno, in quanto le loro connessioni con le attività di business sono innumerevoli, così come le implicazioni che comportano a livello gestionale, nella loro crescente e naturale complessità informativa.

Capire come sfruttare al meglio i dati per renderli profittevoli è una sfida che caratterizzerà il futuro dell’informatica per molti anni a venire. In tal senso, il Data Management costituisce uno dei migliori investimenti che un’azienda possa fare per alimentare le proprie applicazioni, sulla base di una lungimiranza strategica che va ben oltre la ricerca di una naturale competitività sul mercato.

[Vuoi conoscere la strada del vero Data Management sicuro e di valore a misura di ripartenza? Scopri la rivoluzione firmata NetApp, qui tutti i dettagli e di seguito la video intervista esclusiva con Roberto Patano]

Data Management, cos’è e perché è fondamentale per le aziende

Volendo individuare una definizione riconosciuta possiamo fare riferimento alla DAMA (Data Management Association), secondo cui il Data Management è “la disciplina che favorisce la diffusione e la comprensione dell’importanza della gestione dei dati attraverso la definizione ed il supporto di un framework per la governance dei dati. I professionisti del Data Management […] garantiscono alla propria organizzazione tutti i benefici legati agli investimenti ed alla corretta governance dei propri dati tra cui il controllo delle informazioni chiave, il governo dei processi, la modellazione dei dati, il monitoraggio costante della qualità dei dati e la gestione dei metadati, trasformando il dato stesso in un vero asset chiave”.

La stessa DAMA ha formulato il DMBOK, un framework capace di indirizzare end-to-end la governance dei dati: dalla pianificazione all’esecuzione. Si tratta soltanto di uno dei possibili esempi da cui trarre spunto. Il punto essenziale risiede nel focalizzare gli sforzi su un aspetto cruciale: comprendere perché i dati costituiscano una risorsa fondamentale per un’azienda nell’era del digitale.

Innanzitutto, il principale obiettivo della Data Governance consiste proprio nel rendere la gestione dei dati coerente con gli obiettivi e le strategie di business aziendali. Ciò avviene lungo un processo integrato che, nel pieno rispetto delle normative generiche e delle policy interne, regola sia il funzionamento che il monitoraggio di tutti i processi che utilizzano i dati.

Non si tratta quindi di un approccio isolato, ma fortemente integrato con il contesto aziendale, che va analizzato nel dettaglio e compreso in maniera capillare: processo per processo, dato per dato. Soltanto così ha senso parlare di Data Management in termini pratici e concreti, evitando fuorvianti, se non deleteri, approcci generalisti.
La gestione dei dati è il risultato di un quadro di competenze multidisciplinari, che sin dalle fasi di adozione rende indispensabile il contributo e il know how di consulenti realmente esperti in questo genere di valutazioni.

Gli attuali sistemi informatici di Data Management mirano ad automatizzare il più possibile la gestione di dati, e per garantire un’adeguata continuità operativa sono in grado di integrarsi alla perfezione con i sistemi aziendali già presenti: ERP (Enterprise Resource Planning), CRM (Customer Relationship Management), CMS (Content Management System), PLM (Product Lifecycle Management) e molti altri.

Le sfide da affrontare

Il fatto che il dato costituisca una risorsa di inestimabile valore è piuttosto semplice da comprendere, anche per i non addetti ai lavori, tali sono le connessioni logiche con i vantaggi che possono derivare da un loro corretto impiego.
Travolte da fiumi di teorie dei massimi sistemi, le domande che le aziende si pongono sono invece piuttosto pratiche: come faccio a sfruttare tutti questi dati? Da dove comincio? Come devo organizzarmi? Qualsiasi imprenditore vuole capire come si genera e a quanto equivale un ROI relativo all’implementazione di strategie data-driven.

Per quanto concerne la gestione dei dati, un’azienda che affronta un percorso di trasformazione digitale, deve affrontare in maniera più o meno evidente almeno le seguenti sfide:

  • Conoscere e selezionare i dati a sua disposizione: i dati sono ovunque e possono provenire dai canali di comunicazione istituzionali, dai social media, dai dispositivi IoT come POS e videocamere. Il patrimonio è notevole, ma assume valore soltanto se si è consapevoli dell’utilizzo che può derivarne, oltre a dotarsi di adeguati sistemi per raccoglierli, archiviarli e predisporne l’elaborazione;
  • Elaborare e analizzare i dati in maniera utile al business: la raccolta del dato costituisce una base importante, ma fine a sé stessa se non supportata da un’adeguata elaborazione. Le aziende devono quindi essere capaci di implementare strategie di analisi funzionali ai loro obiettivi di business, traducendole in processi agili e di rapida attuazione;
  • Gestire grandi volumi senza cali di performance: Il volume di dati tende inevitabilmente a crescere nel tempo, così come i carichi di lavoro necessari a raccoglierli, archiviarli e gestirli. La crescente complessità non deve condizionare negativamente le performance dei sistemi aziendali, con rallentamenti o inefficienze in senso ampio;
  • Rispettare tutte le normative vigenti: la disciplina dei dati a livello di privacy è particolarmente stringente e complessa a livello di conservazione e trattamento delle informazioni. Si tratta di un fattore non semplice da gestire internamente, soprattutto per le piccole aziende;
  • Orientarsi nella varietà tecnologica: i dati sono oggi distribuiti on-premises e in cloud. Termini come database, data warehouse, data lake, piuttosto che data fabric, devono diventare di utilizzo corrente nel lessico aziendale. Le aziende hanno moltissime possibilità per sfruttare a dovere i loro dati, ma devono dotarsi di competenze e tecnologie all’avanguardia per poterlo fare.

Dare una risposta puntuale alle sfide citate equivale a dare forma ad una strategia di Data Management. Si tratta di un processo che andrebbe affrontato con una certa gradualità, per creare all’interno dell’azienda una cultura diffusa nella gestione dei dati. Partendo da un singolo caso di business è infatti possibile concentrare gli sforzi ed iniziare a monitorare puntualmente i risultati ottenuti, ai fini di replicare lo stesso approccio su un numero sempre maggiore di processi.

Le principali azioni e vantaggi del Data Management

Preso atto delle naturali criticità e delle sfide da affrontare, occorre intraprendere una serie di azioni concrete, che in estrema sintesi equivalgono a:

  • Creare ed aggiornare dei dataset diversificati in funzione delle attività e degli obiettivi delle linee di business (LoB);
  • Tenere a stretto contatto i dati e le applicazioni in tutti gli ambienti dove queste vengono eseguite;
  • Adottare strategie di acquisizione in grado di evitare i cosiddetti data silos, rendendo i dati fruibili in maniera agile, avvalendosi di strutture e modelli di moderna concezione, come i database, i data warehouse i data lake e degli strumenti in grado di gestire sia i dati strutturati che i dati non strutturati;
  • Saper gestire soluzioni di storage sia on-premises che in cloud, con il supporto a strategie ibride e multicloud;
  • Garantire la sicurezza e la privacy nel trattamento dei dati, nel pieno rispetto del GDPR e delle normative specifiche per i vari ambiti applicativi;
  • Predisporre un adeguato piano di continuità di business, mettendo a punto strategie di backup e disaster recovery utili a gestire le emergenze senza conseguenze eccessivamente penalizzanti per il business.

Una volta implementati almeno i punti sopra citati, un’azienda può disporre di una corretta strategia di gestione dei dati, diventando consapevole e capace di sfruttare il proprio capitale informativo. In altri termini, il Data Management consente di raggiungere in maniera efficiente una serie di obiettivi fondamentali:

  • Identificare e anticipare i rischi legati alla sicurezza dei sistemi di produzione, alla privacy e alle possibili minacce che potrebbero minacciare la continuità di business;
  • Ottimizzare i processi in termini di tempi e costi, evitando sprechi e sfruttando l’automazione per ridurre sensibilmente gli errori causati dall’arbitrarietà dell’intervento umano;
  • Responsabilizzare e valorizzare l’operato delle singole linee di business nel contesto aziendale, rendendo più efficiente lo scambio di informazioni tra i vari reparti;
  • Migliorare la collaborazione tra l’azienda e i propri fornitori / collaboratori, grazie ad una maggior trasparenza dei processi, risultato di una puntuale attività di tracciamento dei dati, ad esempio relativi alla supply chain;
  • Semplificare l’intero processo di gestione e governo delle operazioni, attraverso l’automazione alimentata da un approccio realmente data driven, con tutti i vantaggi che la semplicità è in grado di garantire, anche negli aspetti più elementari, a partire dalla qualità dei luoghi di lavoro e di una crescente sensibilità per gli aspetti legati alla sostenibilità delle filiere.

Un’azienda che, attraverso una gestione consapevole dei propri dati, arriva a conoscere meglio se stessa sarà in grado di adottare una strategia di miglioramento continuo concreta, misurabile su basi oggettive, realmente tesa a sfruttare le opportunità del digitale per innovare e crescere sia dal punto di vista culturale che in termini di efficienza generale.

[NetApp ti aiuta a creare un data fabric unificato tra il tuo data center e diverse opzioni di cloud con una gestione semplificata, scopri come qui]

Il cloud per gestire i dati e abilitare nuovi servizi (AI, Big Data Analytics)

L’impiego di servizi in cloud consente un duplice livello di vantaggi, a patto di saper valutare molto bene le strategie per migrare la gestione dei dati esistente e supportare le applicazioni cloud native.

Da un lato, va fatta la considerazione di fatto più semplice, sfruttare i vantaggi fondamentali del cloud. Impiegare modelli a servizi consente di spendere soltanto per le risorse di cui i carichi di lavoro necessitano, con indipendenza da un’infrastruttura IT proprietaria, con la totale tranquillità di sfruttare la scalabilità del cloud per far fronte alle espansioni e alle contrazioni del business. I risparmi generali in termini di tempi e costi che soprattutto una buona strategia di cloud ibrido può garantire possono garantire alle aziende risorse extra per puntare verso l’innovazione.

Il cloud consente inoltre di avvalersi di un ampio catalogo di offerta, con molti provider di cloud pubblico e privato in grado di garantire risorse e soluzioni funzionali sia allo storage sicuro dei dati che alla loro analisi ed elaborazione avanzata.

Le considerazioni generiche sul data management assumono una ulteriore valenza se entriamo nel contesto dei cosiddetti Big Data, i grandi volumi di dati, da cui è possibile estrarre valore grazie a strumenti basati sulle capacità di apprendimento automatico offerte dall’intelligenza artificiale. Le 3 V dei Big Data, ossia il volume, la varietà e la velocità con cui i dati stessi si formano rendono auspicabile il supporto da parte dei professionisti della scienza dei dati (data science) che si avvalgono di strumenti AI based disponibili in cloud, dove le applicazioni possono disporre di tutta la potenza computazionale necessaria per finalizzare le elaborazioni richieste.

Una volta che i dati, strutturati o meno, vengono analizzati da sistemi in grado di auto apprendere in relazione al contesto in cui operano, è possibile disporre di sistemi predittivi in grado di fornire un valore aggiunto essenziale alle decisioni, rendendo estremamente pratico il concetto per cui i dati costituiscono un vero e proprio tesoro per l’azienda.

NetApp ONTAP per il Data Management: costruire con successo il data fabric aziendale

Il mercato del cloud offre una varietà di soluzioni che consente alle aziende di soddisfare puntualmente le loro esigenze, rivolgendosi ad hyperscaler come AWS, Microsoft Azure, Google Cloud, IBM Cloud, piuttosto che Oracle, da sempre un punto di riferimento per quanto concerne le soluzioni database. Lo scenario che si pone di fronte al reparto IT è di tipo multicloud, nel contesto di una strategia ibrida in cui confluiscono anche il cloud privato e naturalmente le dotazioni on-premises.

La distribuzione dei dati tende ad essere sempre più eterogenea nella sua geografia, al punto di rendere necessari strumenti per gestire ed orchestrare in maniera semplice ed intuitiva questa straordinaria varietà. NetApp ONTAP consente di semplificare la gestione dei dati su cloud ibrido, unificando in un semplice pannello di controllo i servizi offerti dai vari cloud provider e on-premises.

Utilizzando le soluzioni cloud di NetApp, le aziende possono implementare un data fabric per semplificare ed integrare la gestione dei dati ed accelerare il loro percorso di trasformazione digitale. La formazione di un data fabric consente infatti di integrare i servizi necessari a garantire la visibilità, gli insight, l’accesso e il controllo dei dati, con estrema attenzione in merito alla sicurezza ed alla protezione dei dati stessi.

Grazie alle soluzioni NetApp ONTAP è possibile definire un’organizzazione a tutti gli effetti data-centric e data-driven, concentrandosi maggiormente sugli obiettivi di business, anziché sulla complessità che la pluralità di servizi di gestione dei dati inevitabilmente comporterebbe se approcciata in termini singolari.

La varietà di applicazioni garantita da NetApp ONTAP e dai verticali per il Data Management, consente infatti di avere i dati “always on”, disponibili ed utilizzabili in qualsiasi contesto, a prescindere dal fatto che si trovino su un cloud pubblico, privato, piuttosto che on-premises. La gestione trasparente dei dati costituisce la base per costruire un IT di moderna concezione, rendendo fattive anche le più elaborate esperienze multicloud ibride.

 

Data Management cos’è come si fa al tempo della nuova normalità del cloud (il caso NetApp) ultima modifica: 2021-12-21T10:36:40+00:00 da Francesco La Trofa

LEAVE A REPLY

Please enter your comment!
Please enter your name here