Il Data as a Service (DaaS) è un modello di gestione dei dati, progettato per semplificarne l’accesso.
Il data management comprende tutte le attività di gestione e governance dei dati. Il DaaS fa parte delle soluzioni “as a service“, rese popolari dalla progressiva servitization dell’economia, in seguito all’introduzione del Software-as-a-service (SaaS). Ecco come funziona, come utilizzarlo in azienda e quali vantaggi offre.
Cosa si intende per Data as a Service (DaaS)
La strategia Data as a Service (DaaS) è un approccio di data management che punta a usare i dati come risorsa aziendale per rendere l’impresa più agile.
DaaS propone una modalità di gestione di enormi moli di dati prodotte quotidianamente, al fine di fornire queste utili informazioni a tutta l’azienda e rendere data-driven il processo decisionale.
I vantaggi di implementare un modello Data as a Service è creare una cultura orientata ai dati. Aumentando l’accessibilità dei dati, DaaS permette alle organizzazioni di monetizzare i dati, sfruttando il pieno valore dei propri dati. Inoltre, può contribuire a ridurre i costi, grazie ad esperienze personalizzate tramite la predictive analytics per comprendere i comportamenti e i modelli dei consumatori, fidelizzando i clienti. Infine garantisce la sicurezza dei dati.
Come utilizzare il DaaS per migliorare la gestione dei dati aziendali
Per sfruttare il DaaS e ottimizzare il data management, si parte da una varietà di fonti dei dati: data warehouse, operational data, data lake, external data.
La strategia Data as a Service si focalizza sull’erogazione su richiesta di dati, attingendo a una molteplice gamma di sorgenti, mediante le API.
I dati provenienti da queste fonti confluiscono nel virtual data layer.
Ideato per semplificare l’accesso ai dati, eroga insiemi di dati o flussi di dati in una varietà di formati, talora da unificare grazie alla virtualizzazione dei dati. L’API management prevede un’architettura basata su un set di tecnologie di data management fra cui spiccano la data virtualization, servizi dati, analisi self-service, security e data cataloging.
L’approccio Data as a Service permette alle organizzazioni di utilizzare le proprie fonti di dati sempre più ampie e complesse per fornire agli utenti le informazioni più preziose.
La data democratization è cruciale per ogni azienda impegnata nell’estrazione di valore dai dati. L’opportunità di usare in maniera efficace i dati di un’azienda, offre un vantaggio competitivo con un approccio più incentrato sui dati per le transazioni e i processi aziendali.
Confronto tra le principali piattaforme di DaaS
Le più importanti piattaforme Data as a Service sono quattro:
- Amazon Web Services
- Microsoft Azure
- Google Cloud
- IBM Cloud.
Ecco i vantaggi e le criticità di ciascuna piattaforma DaaS, la cui implementazione può necessitare di una strategia aziendale e richiedere una guida da parte della C-Suite.
Amazon Web Services: pro e contro
Amazon Web Services (AWS) è una delle piattaforme cloud più complete e usate al mondo. Vanta numerosi servizi e funzionalità che spaziano dalle infrastrutture per il calcolo all’archiviazione e i database, dal machine learning (ML) all’intelligenza artificiale (AI), passando per data lake, analytics e Internet of Things (IoT).
Pro: la completezza, offrendo 200 servizi completi via data center distribuiti in tutto il mondo; la capillarità dei data center che operano quasi in tutto il mondo; l’opportunità offerta alle aziende di tagliare i costi, acquisire agilità e accelerare il tasso d’innovazione e la migrazione verso il cloud delle applicazioni esistenti; il numero alto di servizi e funzionalità e di tecnologie supportate; la capacità di rispondere in automatico all’evoluzione delle richieste degli utenti, attribuendo carichi di lavoro “on demand” alle risorse di elaborazione, archiviazione e networking; supporto di database relazionali e NoSQL.
Contro: necessita di esperti ad hoc da formare e assumere, può richiedere più tempo rispetto ad altre piattaforme.
Microsoft Azure: pro e contro
Forte di 15 milioni di clienti aziendali e oltre 500 milioni di utenti attivi, Azure è la piattaforma cloud di Microsoft in grado di permettere alle organizzazioni di realizzare, distribuire e gestire servizi aziendali in modo semplice, conveniente, coniugando la versatilità con la scalabilità.
Microsoft Azure, grazie a server e hardware di rete, esegue insiemi complessi di applicazioni distribuite, orchestrando configurazione e funzionamento di hardware virtualizzato e software sui server.
La piattaforma cloud pubblica di Microsoft dispone di un vasto ventaglio di servizi. Comprendono funzionalità Platform as a Service (PaaS), Infrastructure as a Service (IaaS) e servizi di database gestito.
Azure, per Windows Server e SQL Server, afferma di essere fino a 5 volte meno costoso rispetto ad AWS, in relazione all’esecuzione delle macchine virtuali di Windows Server.
Vantaggi: la virtualizzazione; la cybersecurity; la capacità orchestrazione dei server; la flessibilità; la possibilità di contenere i costi, risparmiando con le licenze esistenti; il supporto del machine learning, Internet of Things e il serverless computing; scalabilità; supporto di database relazionali e NoSQL; sostenibilità.
Criticità: esigenza di usare solo prodotti Microsoft per esempio con Azure Active Directory; Azure ha un numero inferiore di location rispetto ad altre piattaforme.
Google Cloud: pro e contro
All’evento annuale Google Cloud Next 2022, il motore di ricerca ha presentato una serie di nuovi prodotti e servizi per Google Cloud, all’insegna del modello open data cloud.
Pro: semplicità d’uso e di personalizzazione, intelligenza artificiale e apprendimento automatico; è dedicato a chi migra da un progetto di piccole e medie dimensioni; supporto di database relazionali e NoSQL. Altri vantaggi sono: l’apertura alle collaborazioni e verso la cyber sicurezza e la sovranità dei dati; focus su privacy e data analytics sicura; investimenti nella modernizzazione applicativa (business analytics), customer experience e collaboration e in hybrid cloud/public cloud, per scongiurare eventuali lock-in; competenze interne in intelligente artificiale e BigQuery.
Contro: offre meno servizi rispetto ad altre piattaforme come AWS e meno sedi e posizioni, ma è in rapida crescita.
IBM Cloud: pro e contro
Intelligenza artificiale, cloud ibrido, approccio aperto e resiliente: sono le caratteristiche principali di IBM Cloud.
Pro: protezione edge-to-cloud per dati e applicazioni; AI versatile e affidabile con IBM Watson; cloud ibrido, in grado di combinare servizi di cloud pubblico e privato da più fornitori; offre un ambiente per ottimizzare il ROI; tutela i dati inattivi, in transito e in utilizzo; comprende backup e disaster recovery su cloud; l’Edge computing consente di automatizzare le operazioni, rafforzando le misure di sicurezza.
Contro: richiede la necessità di uno staff competente, anche in tema di privacy.
Come integrare il DaaS con i sistemi di gestione dei database esistenti
Con i sistemi di gestione dei database presenti, il DaaS si integra virtualizzando i dati, gestendo i data asset condivisi e usando database di analytics, ottimizzati in-memory, per eseguire workload a bassa latenza.
Usando la data virtualization, tutte le fonti dei dati distribuiti convergono in un unico posto virtuale, per scegliere dataset coerenti, sicuri, governati. Un’agile architettura dati può supportare analytics, data science, utenti operativi e casi d’uso.
Con un’unica soluzione master data management multi-dominio, dedicata agli utenti business, è possibile condividere, gestire e governare tutti i data asset, inclusi i master data, reference data e i metadata.
Sicurezza dei dati: come garantirla in un sistema di DaaS
Quando i dati sono al centro del business, consentono di ridurre i rischi. Dati affidabili possono ispirare nuove iniziative, promuovendo la crescita.
Per garantire la sicurezza dei dati, è necessaria una data governance, in grado di alzare il livello di responsabilità sui dati. Ma anche in tema di privacy e controlli di data quality da applicare alle soluzioni DaaS. Ciascuna risorsa di dati avrà un proprietario, oltre a un ciclo di vita definito, riducendo il rischio di violazione dei dati o di un loro utilizzo improprio. Serve un quadro di governance dei dati, per contabilizzare, gestire e avere ogni risorsa di dati.
Come implementare una soluzione DaaS in azienda
Il modello Data as a Service permette il trattamento di dati come asset aziendale per rendere più agile e strategico il processo decisionale e il data management più performante.
In azienda s’implementa, integrando sorgenti di dati interni ed esterni. Bisogna combinare clienti, partner e fonti di dati aperti, per offrire una visione a 360 gradi del business.
L’uso di DaaS permette di sfruttare i dati per realizzare velocemente analisi mirate con API end-to-end in grado di soddisfare casi d’uso aziendali ad hoc.
In questo modo, l’organizzazione può contribuire al supporto dell’accesso ai dati self-service. Basta facilitare l’accesso ai dati degli utenti di fascia enterprise con una directory immediata e self-service. L’obiettivo è ridurre il tempo per la ricerca dei dati, incrementando il tempo per l’analisi e l’uso degli stessi.
Come scegliere la soluzione DaaS giusta per l’azienda
Per adottare la soluzione DaaS giusta per l’azienda, è necessario che i team e le divisioni aziendali capiscano cosa fare. Devono decidere quali processi intendono migliorare, se partire dalle vendite e marketing o dalla supply chain. Se la soluzione DaaS serve per gestire l’inventario o ottimizzare la produzione, oppure se l’obiettivo è rendere data-driven il processo di decision-making.
Per scegliere la soluzione DaaS ottimale per l’organizzazione, bisogna che l’azienda faccia chiarezza sugli obiettivi di business e stabilisca se ha la priorità di elaborare una strategia su scala aziendale e di ottenere una guida da parte della C-Suite.
