Diventare “più” data driven sta diventando l’obiettivo delle aziende d’ogni settore, in particolare per quelle che hanno investito nell’evoluzione digitale del business e sono alle prese con i conseguenti cambiamenti culturali e tecnologici. L’azienda data driven ha al centro d’ogni processo l’informazione: “Questo richiede l’impiego di sistemi analitici performanti, capaci di offrire semplicità e facilità nell’accesso alle informazioni a vantaggio dei nuovi utilizzatori all’interno o all’esterno dell’azienda – spiega Carlo Arioli, responsabile Marketing EMEA Big DataAnalytics & IoT di Micro Focus –. Modalità che sono diventate incompatibili con i tradizionali sistemi BI”.
Indice degli argomenti
Vertica, database colonnare per le aziende data driven
Questo è l’ambito di Vertica, una piattaforma software unificata per l’advanced analytics entrato nel portafoglio Micro Focus con l’acquisizione di HPE Software oggi utilizzato da realtà data driven “pure” come Uber e Blablacar, oltre che in aziende più tradizionali a supporto dei canali di vendita digitali, applicazioni IoT e nuovi servizi. “Vertica è pensato per portare al livello organizzativo [ossia nell’uso delle LOB, ndr] le capacità d’analisi avanzate e di costruzione di modelli predittivi, dare risposte alle query che nessuno ha preventivamente immaginato”, precisa Arioli. Rispetto alla BI tradizionale, che distilla i dati preparati dagli esperti selezionando i kpi ritenuti più significativi, Vertica promette di dare accesso self-service, sicuro e sotto la governance dell’IT, a tutti i dati disponibili e a tutti gli utenti.
Questo è reso possibile dall’architettura column-oriented di Vertica che memorizza i dati nelle tabelle come sezioni di colonne invece che come righe, “organizzazione che offre le prestazioni più alte nel campo analitico – spiega Arioli -. Abbiamo clienti che gestiscono oltre 6000 accessi concorrenti in near real-time, grazie alle prestazioni ma anche alla semplicità con cui analisti e sviluppatori possono utilizzarlo”. Per esempio, nelle applicazioni IoT ricorre l’esigenza di avere lo stato istantaneo di sensori che trasmettono dati in tempi diversi al variare dei parametri sotto controllo, cosa che richiede interpolazioni e integrazione dei dati raccolti nel database. “Con Vertica questo si fa con una sola istruzione SQL – continua il manager –. Allo stesso modo è molto semplice impiegare i modelli machine learning (ML) integrati, mentre resta possibile creare manipolazioni sofisticate caricando modelli standard scritti in linguaggio R o Python”.
Cloud? Un approccio agnostico
Sul fronte dell’integrazione dei dati, Vertica consente di superare le segregazioni in silo che spesso affliggono i sistemi aziendali e di BI (compresi quelli basati su Hadoop), con il supporto di strumenti di dialogo, basati su SQL. Il database è inoltre sfruttabile in modalità as-a-service, in linea con le preferenze delle imprese data driven. “Il nostro approccio in tema cloud è completamente agnostico – precisa Arioli -. Vertica è multicloud; aiutiamo le imprese a evitare il lock-in nei confronti dei servizi analitici offerti dai cloud provider e a controllare i relativi costi: cosa non semplice quando le capacità d’analisi sui dati sono estese a un maggior numero di utenti”.
Chi utilizza Vertica e per cosa
Da chi e come è impiegato Vertica? “Alcuni clienti, come Philips [la Divisione Healthcare, ndr], trovano vantaggioso usare Vertica per fare estrazioni e analisi per i servizi di maintenance predittiva su apparati medicali complessi – spiega Arioli – altri, come Taboola e CRITEO per velocizzare l’analisi dei dati memorizzati in Hadoop nelle applicazioni di advertising analytics. Vertica aiuta a capire i dati, a togliere le informazioni inutili, a fare normalizzazioni velocizzando le operazioni grazie all’architettura colonnare. Guess lo impiega per capire dai comportamenti i gusti dei clienti e clusterizzarli, analogamente a Lastminute per ottimizzare le attività online. Alì Supermercati ci fa la basket analysis; Tesisquare nei servizi di reportistica avanzata e analisi predittiva della catena logistica. Altre applicazioni riguardano i campi finanziario e assicurativo (per le valutazioni di rischio e frodi) e l’editoria”.