INFRASTRUTTURE
DATA MESH, LA RISPOSTA ALLA COMPLESSITÀ Ottenere insight da fonti eterogenee e disperse, trasformando i dati in valore ed evitando "colli di bottiglia", è la sfida affrontata da molte aziende.
C
Immagine di Elf-Moondance da Pixabay
loud. Lake. Warehouse. Che cos’hanno in comune? L’essere piattaforme dati centralizzate. Tutte condividono lo stesso scopo: riunire enormi quantità di dati, convertendoli in insight di valore. Ma tutte finiscono anche per essere punti centralizzati di aggregazione e in quanto tali diventano colli di bottiglia per le organizzazioni. L’idea iniziale era quella di costruire architetture a supporto dei moderni processi di Business Intelligence e Business Analytics, rimuovendo i limiti
28 |
MARZO 2022
alle modalità con cui si possono interrogare i dati. Raccogliendo una quantità sempre maggiore di informazioni su clienti, mercati e operazioni in un punto centrale si contava di facilitare le possibilità di analizzare i dati per estrarne preziosi insight. In svariate occasioni, tuttavia, queste piattaforme dati centralizzate non sono riuscite a soddisfare le attese. Con l’esplosione dei volumi di dati e l’impennata della richiesta di Business Intelligence e Business Analytics, alcune piattaforme centralizzate si sono trasformate da “unica fonte di verità” a collo di bottiglia. Sono, sì, sature di dati, ma estrarre da essi delle informazioni su cui basare delle decisioni è diventato sempre più difficile e costoso. Le nuove sfide da vincere
Le piattaforme dati centralizzate non sono cambiate nella loro sostanza e, nella maggior parte dei casi, continuano a offrire un importante valore di business. Quando però si tratta di gestire gli attuali casi d’uso di analisi avanzata, spesso non sono all’altezza del compito. La crescita esponenziale dei dati aziendali, la richiesta incessante di insight e analisi ha sottoposto le piattaforme a una forte pressione, che si manifesta in tre modi. Innanzitutto, tempi lunghi: più le piat-
taforme centralizzate si dilatano, maggiore è il tempo necessario per importare nuovi dati. Questo impedisce di rispondere rapidamente alle mutevoli esigenze di business e riduce significativamente il valore legato alla distribuzione di nuovi dati. In secondo luogo, elevati costi di esercizio: molte piattaforme dati centralizzate hanno alla base costose tecnologie proprietarie che non sono particolarmente adatte per la data science e la ricerca. Inoltre, contestualmente alla crescita dei volumi di dati sono aumentati i costi e i carichi di lavoro associati alla manutenzione di data warehouse e data lake. Il terzo problema è il lock-in delle soluzioni legacy: alcune organizzazioni hanno creato architetture dati centralizzate talmente complesse che abbandonarle può sembrare impossibile. La scarsa capacità di adattarsi e adottare nuove best practice di gestione dei dati va a discapito della possibilità di ottenere il massimo valore aggiunto. Il Data Mesh è la risposta
Difficoltà come queste impediscono alle aziende di beneficiare di una delle più grandi promesse delle piattaforme dati centralizzate: la celere disponibilità di preziosi insight provenienti da un’unica fonte. È quindi giunto il momento di considerare una nuova modalità di approccio: il Data Mesh. Che cos’è? La teoria alla base della creazione di piattaforme dati centralizzate è sensata. In realtà, diversi settori di business richiedono nuove prospettive, tecniche di gestione e casi d’uso che creino maggior valore. Combinare tutti i dati aziendali all’interno di un’unica piattaforma per un insieme eterogeneo di scenari d’uso diventa sempre più problematico, a mano a mano che la diversità di casi di utilizzo e le dimensioni della piattaforma aumentano. Un problema specifico è la lentezza nella generazione di nuovo valore. L’integrazione di nuo-
