La via più diretta sarebbe quella di scrivere che Oracle ha presentato una serie di sostanziali miglioramenti alla propria piattaforma ADW (Autonomous Data Warehouse), che le sue caratteristiche principali sono la facilità d’uso, la sicurezza, l’integrazione di ogni tipo di dato, ecc. Ma ci scorderemmo di un particolare importante: quando si parla di dati, le mosse di Oracle, prima ancora che nelle application o nei superserver integrati, sono quelle che spesso indicano la prospettiva del leader.
Nasce infatti Oracle, nel lontano 1977, come una data base company, ed è quindi nella continuità della centralità del dato come elemento primario all’azione delle imprese nello sviluppo del proprio business (focus che Oracle ha sempre mantenuto centrale nella propria offerta) che va inquadrato l’attuale annuncio della nuova versione dell’ADW.
La piattaforma abbassa ulteriormente il livello di skill necessari alla fruizione diffusa dell’Autonomous Data Warehouse da parte di chiunque abbia la necessità dell’analisi del dato (data scientist, data engineering, analisti, sviluppatori), con funzionalità ancora più intuitive e integrate che facilitano l’acquisizione, trasformazione, archiviazione e gestione di ogni tipologia di dato proveniente da differenti sistemi (server dipartimentali, data warehouse aziendali, data lake…). “Abbiamo sviluppato pochi anni fa l’Autonomous Data Warehouse per rispondere soprattutto alle esigenze degli utenti IT professional, in grado di muoversi all’interno di un ambiente del quale comunque si doveva conoscere la corretta sintassi per operare – ha detto George Lumpkin, vice president of product management di Oracle in un breafing pre annuncio a cui ha partecipato un ristretto numero di giornalisti. – Con questi miglioramenti estendiamo l’utilizzo del data warehouse verso i business users, verso coloro che devono prendere decisioni dai dati e verso anche dimensioni di impresa più contenute”, quelle aziende, cioè, dove non sempre è possibile disporre di una figura di data warehouse administrator.
Un’accelerazione importante, dunque, verso la diffusione del concetto di “data driven company”, con una “democratizzazione” nell’analisi del dato consentita da una serie di funzioni che ruotano attorno a due elementi chiave: semplificazione e convergenza/integrazione. Sul tema della convergenza, tra l’altro, proprio di recente Oracle ha lanciato l’Oracle Database 21c con più di 200 nuove feature che rafforzano ulteriormente la strategia del “database convergente” (multi-modello, multi-semantica, multi-query). Riprendendo quindi un esempio già proposto in Oracle, anche Lumpkin ha fatto un parallelo tra l’evoluzione dei telefoni cellulari, che un tempo consentivano solo di telefonare ed oggi sono invece uno strumento multifunzione, e il converged database che permette oggi l’integrazione, e quindi l’utilizzo semplificato per sviluppatori e analisti, di diversi tipi di db e tool fino a poco tempo fa separati ed ognuno con una propria serie di linguaggi e semantica che richiedevano specifiche conoscenze. Oggi il nuovo ADW consente il loading dei dati semplificato attraverso modalità drag-and-drop; creazione automatica di business model attraverso l’utilizzo automatico di funzioni di machine learning; trasformazione e pulizia dati in modalità dichiarativa (cosa dovrebbero essere/fare e non come). “Insomma – ha detto chiaramente Lumpkin – una nuova direzione viene tracciata nel mercato del data warehousing”.
Semplificazione, intelligenza diffusa e…autonomous
Point and click, drag and drop, facilità di fruizione e criteri di intuitività guidano questo servizio cloud data warehouse Oracle migliorato, puntando a rendere trasparente all’utente un articolato ecosistema di prodotti, funzioni e tools che necessiterebbero di competenze tecniche specifiche, con conseguenti ricadute sul fronte del tempo necessario e dei costi da sostenere.
Già il livello precedente della piattaforma ADW ribadiva l’eccellenza tecnologia Oracle nella gestione del dato: un servizio cloud di data warehouse concepito per eliminare le tipiche complessità di queste piattaforme, garantendo livelli elevati di sicurezza e favorendo lo sviluppo applicativo data driven. Al data warehouse viene applicata la filosofia Autonomous: provisioning, configurazione, tuning, scaling e backup del data warehouse sono automatizzati e ottimizzati dal sistema, con tool per il self service data loading, data transformation, insight automatici per facilitare le query attraverso diverse tipologie di dati e con l’applicazione, ormai trasversale a tutta l’offerta Oracle (dalle Applications, al self managing dei sistemi Exadata, alla gesione del db e, in questo caso, del data warehouse), di tecnologie analitiche basate su machine learning.
Impatto su produttività e costi
Un recente report Idc (dicembre 2020), realizzato sulla base di sette interviste approfondite su altrettante grandi realtà distribuite in tutto il mondo e che utilizzano la piattaforma Oracle ADW (una base media di 5.156 addetti, 57 persone IT dedicate alla gestione di 131 business application utilizzate dai propri dipendenti e da un totale di circa 680 mila clienti), ha indagato aspetti quantitativi e qualitativi legati all’utilizzo dell’ADW, valutando l’impatto sulle operation, gli investimenti sostenuti, i benefici realizzati.
Proprio grazie alle funzionalità e alle tecnologie Autonomous e ML-based, l’ADW Oracle, nelle stime di Idc, ha generato un valore medio, in termini di benefici garantiti, di 2.04 milioni di dollari per impresa, aumentando la produttività dello staff IT (+68% la crescita di efficienza dei database administrator; +84% di efficienza nella gestione delle infrastrutture IT; 45% di riduzione dei costi di IT infrastructure; riduzione del 94% dei downtime non pianificati), degli addetti allo sviluppo applicativo (+33% la produttività degli application developer) e di chiunque avesse la necessità di un utilizzo di analytics (+27% la produttività dei team di data analytics). Insomma, valutando le ricadute indirette in termini di flessibilità, scalabilità e nuove capacità di supportare le esigenze delle diverse business unit, Idc ha stimato una riduzione media del Tco del 63% rispetto al non utilizzo di ADW e un Roi a 5 anni del 417% con il breakeven dell’investimento, in media, a cinque mesi.
Le nuove funzioni del data warehouse
I nuovi annunci puntano a migliorare ulteriormente questi dati. Guardiamo quindi ad alcune funzioni tra le più significative.
Built in data tools. I business analyst hanno ora a disposizione un ambiente self-service per un data loading e relativa distribuzione ai vari team di collaboratori facilitato. Attraverso drag-and-drop si possono generare automaticamente business model, analizzare e identificare anomalie nascoste nei pattern di dati, analizzare le correlazioni e gli impatti dei cambiamenti.
Oracle Machine Learning AutoML UI è un tool con interfaccia grafica no code che aumenta in modo diretto la produttività dei data scientist automatizzando quelle operazioni ripetitive e time consuming necessarie nella creazione di modelli di machine learning. Consente quindi l’utilizzo semplificato di tecniche di ML anche a non esperti (inoltre, con quest’annuncio anche gli utenti del linguaggio di programmazione di alto livello Python possono usare la propria piattaforma per applicare tecniche di machine learning ai loro data warehouse sfruttando le funzioni parallele dell’Oracle Autonomous Data Warehouse).
Come prima detto, il focus sul machine learning è da qualche anno centrale nell’azione Oracle. Strada obbligata verso la semplificazione, in questo caso sono presenti nel Data Warehouse Oracle oltre 30 algoritmi nativi di machine learning che si occupano, ad esempio, della classificazione, clustering dei dati, rilevazione anomalie, funzioni statistiche, supporto text mining, predictive queries, ecc. Tutte cose gestite in automatico dal sistema proposte all’utente, attraverso un’interfaccia grafica semplice, per una sua operatività drag-and-drop.
Sempre nella direzione della semplificazione viene garantito il supporto Property Graph, già presente nel data base Oracle, che consente l’effettuazione di query e l’analisi delle relazioni tra i dati utilizzando strutture a grafi e funzionalità analitiche evolute (basate su oltre 60 algoritmi in-memory graph analytics). E con Graph Studio UI, basato sulle funzionalità grafiche dell’Autonomous Data Warehouse, è possibile la creazione automatica, la visualizzazione integrata e la vista preliminare dei diversi workflow.
Infine non va scordata la recente disponibilità, sempre come cloud service, di Oracle Apex (Application Express) Application Development, piattaforma low code built-in direttamente nel data base/warehouse per accelerare lo sviluppo applicativo, basata su funzionalità di automazione e semplificazione attraverso “componenti semilavorati di codice” gestibili drag-and-drop. Tutto ciò per un nuovo salto qualitativo nell’analisi dei dati, con maggiore produttività, semplicità e risparmio. Almeno, questa è la promessa di Oracle.
