I big data analytics rappresentano un supporto fondamentale per le imprese, ma l’accesso a quantità sempre maggiori di dati tramite i data lake, l’abilitazione alle elaborazioni self service, l’uso dei sistemi di machine learning non sempre riescono ad aiutare il business in ciò di cui ha più bisogno: agire meglio. Per agire bene non servono tool, ma piattaforme che aiutino gli sviluppatori a tenere continuamente aggiornate le applicazioni analitiche, mettendo insieme la gestione dati, le capacità analitiche e lo sviluppo di tool che consentano di ottenere insight. Quando queste capacità sono integrate o messe in forma di piattaforma pacchettizzata allora vengono risolti i problemi di complessità, integrazione, automazione, test ed esecuzione, è quanto afferma Forrester nello studio Insight platform, connect data to action. Qualcosa di simile alle insight platform già esiste con nomi diversi: suite per analisi predittive su big data, piattaforme analitiche avanzate, servizi analitici cloud e così via. Per trarre vantaggio occorre razionalizzare gli strumenti esistenti e creare strutture dati efficaci.
Alla ricerca della velocità
Gli analisti di Forrester esprimono dubbi sul fatto che i data lake possano soddisfare le esigenze evolutive dei business e ritengono che, entro quest’anno, un terzo di tutti i data lake vedrà tagliati i fondi di sostegno, rischiando di scomparire.
Gli investimenti in questo tipo di soluzioni erano sostenuti dalla necessità del management di poter avere rapidamente dati immediatamente fruibili dal business, ma secondo quanto emerge dalla ricerca Forrester i risultati sono stati inferiori alle aspettative: i data lake si sono dimostrati troppo costosi, lenti nell’aggiornamento e ciò che è stato fatto è risultato inutile, ripercorrendo fallimenti già visti nel passato con i data warehouse e le piattaforme di BI. Secondo gli analisti è necessario ridurre il tempo che intercorre tra l’acquisizione di conoscenza e azione. Molte delle opportunità che nascono, per esempio, nelle interazioni con i clienti richiedono azioni istantanee non gestibili con tecnologie come Hadoop, concepite per gestire elaborazioni di tipo batch: secondo Forrester, il 54% delle tecnologie analitiche che i decision maker stanno oggi implementando nelle aziende riguarda capacità real time, con un altro 20% che progetta d’implementarle il prossimo anno.
Un altro aspetto importante è la velocità con la quale è possibile rilasciare nuove capacità analitiche. Il business attuale non permette ritardi nel rilascio di nuovi insight per comprendere i comportamenti dei clienti. Sono quindi cruciali il supporto allo sviluppo di applicazioni analitiche e la gestione unitaria delle fonti dati.
Sistemi virtuosi di business improvement grazie alle insight platform
Le insight platform (piattaforme di conoscenza) stanno emergendo come evoluzione dei tool di big data management o analitici attraverso l’aggiunta di nuovi strumenti per sviluppare e testare insight, effettuare misure e monitoraggio da un unica suite. Si tratta di soluzioni che unificano tutto ciò che serve per creare tool che gestiscono e analizzano i dati, integrano e provano gli insight per tradurli in azioni di business, quindi catturando i feedback per alimentare processi di miglioramento. Questo genere di soluzioni supera le difficoltà che oggi impediscono di tradurre la conoscenza in azioni, unificando la gestione dei datti per differenti servizi.
Non solo dati e metadati Hadoop, ma anche flussi e batch prodotti da altri framework di big data management. Poiché per ottenere insight utili possono servire più tipologie di analisi, è importante poter scegliere tra differenti tool di query, visualizzazione, modeling, eventualmente dotati di capacità real time. Mettendo insieme data management, tool analitici e strumenti real time come Apache Spark, le insight platform possono supportare logica di business in grado di automatizzare la gestione dati, le analisi e i modelli predittivi.
I vendor di piattaforme offrono API e altri connettori che permettono d’integrare Insight nelle applicazioni di business e quindi il software per la gestione dei processi. L’integrazione velocizza l’impiego delle informazioni. Oggi non è sufficiente fornire “a senso unico” gli insight a chi deve prendere decisioni, ma serve un feedback: data scientist ed esperti di business devono lavorare insieme per ottenere dati utili.
I system of insight sono descritti da Forrester come un modello operativo che comprende tecnologia, persone e processi in un sistema virtuoso di miglioramento del business.
Nel system of insight dati, informazioni qualitative e quantitative, azioni mediate dal software operano all’interno di un ciclo chiuso: concetto molto diverso dalle attuali pratiche di utilizzo di big data analytics e di business intelligence.
Il circolo virtuoso collega applicazioni che:
- correlano i dati con gli insight,
- inseriscono gli insight nelle operazioni di business, traducendoli in azioni,
- collegano le azioni con i dati riportandoli al punto iniziale del processo di continua ottimizzazione.
In questi contesti le insight platform aiutano a creare applicazioni che fanno girare più velocemente i system of insight mettendo a disposizione quello che serve in termini di gestione dati, big data analytics, testing e tecnologia d’esecuzione.
Integrare le piattaforme con i dati
Razionalizzare le piattaforme dati esistenti e connetterle tra loro è fondamentale per alimentare applicazioni analitiche. Secondo Forrester è utile effettuare un assessment delle piattaforme già presenti in azienda sotto diversi nomi (customer analytics, suite di marketing, tool predittivi basati su big data, soluzioni predittive stand alone o in cloud), mapparle in base al ciclo di vita del cliente e quindi scegliere quelle che meglio supportano gli scopi operativi.
Altro consiglio è creare una grande struttura dati che unisca big data e flussi real time. Per far questo non basta un data lake che raccolga tutti i dati richiesti dalla insight platform, ma serve un hub in grado di gestire i big data e tecnologie per federare fonti dati (ETL) e flussi in tempo reale. Servono inoltre servizi di governance e per la creazione di un catalogo dati ed è utile disporre di API e servizi di attuazione che permettano di condividere insight su clienti, prodotti e transazioni, oltre a servizi d’esecuzione runtime e di gestione API in comune.
Accelerare la trasformazione digitale con le insight platform
La promessa delle insight platform di chiudere i vuoti esistenti tra big data e fast-data, oltre che tra insight e azione, è allettante per le ambizioni digitali delle imprese. Occorre inoltre considerare alcuni importanti trend d’evoluzione, quali l’arrivo sulle piattaforme delle capacità d’intelligenza artificiale e d’ingaggio dei clienti. Il mercato si muove con grande velocità, i clienti cambiano prodotti e servizi senza dare tempo alle aziende fornitrici di fare indagini sui motivi dell’abbandono e di impartire i necessari cambi di rotta. Le tecnologie di AI e deep learning promettono di svolgere questi compiti e quindi consentono alle insight platform di automatizzare le risposte da dare ai clienti, garantendo un più alto livello di soddisfazione e di coinvolgimento. Le insight platform saranno inoltre fondamentali per il successo dell’IoT, che richiede capacità di analisi su grandi quantità di dati in veloce aggiornamento. Hadoop non è adatto per questi compiti che richiedono il supporto di elaborazioni basate su eventi, distribuite su sistemi di edge computing. Ad oggi le capacità analitiche per l’IoT sono a un punto iniziale di sviluppo, integrate in piattaforme dedicate. Secondo Forrester, occorreranno ancora almeno due o tre anni perché arrivino di soluzioni più mature, aperte e standardizzate.
