Perché la prossima generazione di gestione dei dati inizia con i tessuti dei dati

Fare clic per saperne di più sull'autore Kendal Clark.

Il mandato per l'IT di fornire valore aziendale non è mai stato così forte. Infatti, 76% di dirigenti crediamo che l'IT debba essere un partner attivo nello sviluppo della strategia aziendale. L'agilità è la chiave del successo qui. Tuttavia, la maggior parte delle aziende è ostacolata da strategie relative ai dati che lasciano i team impreparati quando il mercato cambia o sorgono nuove sfide.

Prendiamo ad esempio i sistemi strutturati di gestione dei dati. Questa opzione ha funzionato bene quando il panorama dei dati aziendali era esso stesso prevalentemente strutturato. Ma ora il mondo è diverso e il panorama dei dati aziendali è ora dominato da dati ibridi, vari e mutevoli. L'emergere dell'Internet of Things (IoT), l'aumento del volume di dati non strutturati, la crescente rilevanza delle fonti di dati esterne e la tendenza verso ambienti multi-cloud ibridi sono ostacoli per soddisfare ogni nuova richiesta di dati. Il vecchia strategia dei dati, incentrato sui sistemi di dati relazionali, è fondamentalmente rotto. Quindi, come possono le aziende passare da una strategia dati reattiva a una reattiva?

Data Fabric aziendali: il percorso da seguire

Le organizzazioni oggi stanno cercando di costruire un tessuto dati per potenziare progetti e prodotti collaborativi e interfunzionali e per sfuggire a flussi di lavoro reattivi con una base digitale resiliente, senza necessità di rip-and-replace. I data fabric intrecciano dati provenienti da silos di dati interni e fonti esterne e creano una rete di informazioni per potenziare app, intelligenza artificiale e analisi. Molto semplicemente, supportano l'intera gamma di sfide relative ai dati nell'impresa complessa e connessa di oggi.

A differenza delle vecchie tecniche di integrazione dei dati statici, i principi chiave dei data fabric sono che possono:

• Rispondi a domande impreviste e adattati alle nuove esigenze
• Dai significato ai dati, il che porta a una migliore comprensione
• Abilita le query tra silos di dati e origini esterne, indipendentemente dalla struttura dei dati
• Modernizza i sistemi esistenti in modo che non sia necessario rip-and-replace
• Connetti i dati a livello di elaborazione, non a livello di archiviazione, in modo che i silos di dati possano essere collegati senza creare ulteriori silos

I data fabric supportano anche le connessioni dati interfunzionali che sono fondamentali per creare e difendere il vantaggio competitivo e consentire la collaborazione all'interno dell'azienda e con i partner esterni. Prendiamo ad esempio le sfide relative all'innovazione della supply chain. I sistemi di dati della supply chain convenzionali sono una corsa a staffetta, che opera con trasferimenti lineari e collegamenti peer-to-peer silos tra i sistemi. Abbiamo visto i risultati prevedibili quando il COVID-19 ha colpito e le catene di approvvigionamento globali sono crollate. Qualche tensione o anche un collasso parziale era inevitabile, ma le conseguenze sono state aggravate da strategie di dati inadeguate che trattavano la catena di approvvigionamento come un sistema rigido. In realtà, la catena di approvvigionamento è una rete complessa di attori che devono essere completamente sincronizzati per adeguarsi secondo necessità.

Con una rete di fornitura digitale alimentata da un data fabric, le aziende possono rispondere a domande complesse a cui prima erano cieche, come "mostrami tutti i lotti di materie prime e i fornitori associati coinvolti nella produzione del prodotto finito lotto 123". O "come si confrontano i COGS per il prodotto A tra queste due regioni?" O "quali produttori hanno fornito le materie prime coinvolte in questo reclamo del cliente?"

La creazione di un data fabric di successo inizia dalla comprensione dei suoi materiali

A differenza di altri approcci, i data fabric intrecciano sistemi e applicazioni di gestione dei dati esistenti. Quindi, non c'è da meravigliarsi che i data fabric vengano rapidamente visti come il prossimo passo avanti nella maturazione dello spazio di integrazione dei dati. Questo accade perché i data fabric possono:

1. Scopri il significato nascosto: I data fabric cambiano lo status quo fornendo significato, non solo dati, in tutta l'azienda. Questo significato è intrecciato da molte fonti: dati e metadati, fonti interne ed esterne e sistemi cloud e on-prem. Il significato viene catturato all'interno e da modelli di dati estensibili basati su grafici della conoscenza, con tutto il contesto su ciascun asset di dati completamente presente e disponibile, in una forma comprensibile dalla macchina. Con un data fabric, le persone e gli algoritmi possono prendere decisioni migliori, riducendo al contempo la probabilità e il rischio di uso improprio o interpretazione errata dei dati.

2. Rispondi a domande difficili: I data fabric forniscono risposte tramite potenti funzionalità di query, ricerca e apprendimento. Piuttosto che un'entità statica basata sullo spostamento o sulla copia dei dati, una piattaforma di data fabric fornisce un livello di dati dinamico "interrogabile" che raccoglie risposte da tutto silos di dati. Le precedenti strategie di integrazione dei dati si basavano sulla creazione di un nuovo modello di dati per supportare ogni nuovo caso d'uso e quindi sullo spostamento o sulla copia dei dati per compilare quel modello di dati. Con un data fabric, i modelli di dati sono riutilizzabili, quindi quando sorgono domande impreviste, è facile per i team adattarsi per soddisfare le esigenze aziendali.

3. Supportare progetti interfunzionali di gestione dei dati: I data fabric intrecciano i sistemi di gestione dei dati esistenti, arricchendo tutte le app connesse. Sostituiscono i sistemi precedenti che raccoglievano o catalogavano le risorse di un'azienda ma non riuscivano a rendere utilizzabili i dati. Anche le soluzioni precedenti hanno fallito in parte a causa della loro incapacità di gestire dati ibridi, vari e mutevoli, ma anche a causa di respingimenti organizzativi. I data fabric, tuttavia, sono progettati per la collaborazione, sfruttando e collegando le risorse esistenti e guidando una nuova generazione di progetti interfunzionali di gestione dei dati.

Modernizzare gli investimenti esistenti

La maggior parte di noi ricorderà come i data lake un tempo promettessero di centralizzare le risorse di dati di un'azienda. Ma molti data lake non riescono a mantenere il loro clamore proprio perché collocano i dati a livello di archiviazione anziché collegarli a livello di elaborazione. Sfruttano i dati in base alla loro posizione piuttosto che in base al loro significato commerciale. L'intera premessa alla base di un data fabric è che la collocazione fisica dei dati non realizza di per sé la connessione dei dati né fornisce significato o contesto. Le generazioni precedenti di sistemi di integrazione basati sullo storage come il data warehouse sono, infatti, ancora meno capaci dei data lake, poiché all'inizio gestiscono facilmente solo i dati strutturati, lasciando i silos di dati semi-strutturati e non strutturati completamente non indirizzati e disconnessi. Le aziende si sono rapidamente rivolte ai cataloghi di dati per cercare di affrontare la sconcertante diversità dei loro panorami di dati solo per scoprire che la catalogazione da sola non porta a un'impresa connessa.

Sebbene queste tecnologie abbiano promesso di porre fine ai silos di dati, la verità è che sono inevitabili ed esistono per ottime ragioni. Consentono il controllo e la governance locali quando è importante per una particolare parte dell'azienda, poiché alcuni dati devono essere archiviati separatamente da altri dati per conformarsi alle normative legali o semplicemente per motivi aziendali legacy. Integrazione dei dati convenzionale focalizzata sull'eliminazione
ng silos tramite mastering, migrazione, consolidamento o governance. Ma i data fabric offrono un'alternativa pratica. Invece di lavorare contro i silos di dati, un data fabric li sfrutta senza richiedere ulteriori copie dei dati. Invece di sostituire le tecnologie legacy, un data fabric si affianca agli investimenti esistenti e ne migliora l'utilità. Questo perché un data fabric è un progetto architettonico che opera a livello di elaborazione e si concentra sulla connessione dei dati ovunque risiedano e, quindi, migliora effettivamente le risorse di archiviazione dei dati consolidati fisicamente esistenti come data lake, cataloghi di dati, magazzini, MDM e altri.

Grafici della conoscenza: il punto mancante per un data fabric di successo

I grafici della conoscenza sono in grado di rappresentare l'intera diversità e complessità dei dati aziendali perché fungono da formato universale per il significato, indipendentemente dalla struttura, dalla posizione o dal formato della fonte dei dati. Un grafico della conoscenza sostituisce l'attuale laborioso processo di integrazione dei dati aziendali, che in genere comporta l'estrazione, la traduzione, la modellazione, la mappatura e quindi in movimento dati tra diverse applicazioni. Il codice personalizzato richiesto per la modellazione e la mappatura diventa rapidamente ingombrante su larga scala, rallentando il ritmo dell'innovazione e della conoscenza.

I grafici della conoscenza sono parte integrante di un data fabric efficace, in quanto creano una rete riutilizzabile di conoscenza e rappresentano facilmente i dati di varie strutture e supportano più schemi. Creando una comprensione semantica interrogabile e riutilizzabile dei dati aziendali e di terze parti, i grafici della conoscenza fungono da fulcro del data fabric: arricchendo e accelerando gli investimenti esistenti e fornendo un accesso critico alle informazioni aziendali.

Proprio come un tessuto ordinario che si conforma a tutto ciò che avvolge, un tessuto di dati aziendali si sovrappone alle risorse di dati esistenti e si connette ad essi tramite singoli thread e intreccia queste fonti insieme in uno strato unificato. In questo modo, i data fabric aumentano effettivamente il valore aziendale degli investimenti esistenti.

Fonte: https://www.dataversity.net/why-the-next-generation-of-data-management-begins-with-data-fabrics/