Organizzare in modo efficiente i dati per trasformarli in informazioni e metterli a valore è uno dei principali obiettivi digitali delle aziende. Data Mesh e Data Fabric sono due concetti distinti, ma che concorrono a rendere questo obiettivo raggiungibile per le imprese. Si tratta di soluzioni usate di concerto nella maggior parte dei casi, e questo ha reso i due termini intercambiabili nel modo comune di esprimersi. Cerchiamo di fare chiarezza.
Data Fabric e Data Mesh spiegati in breve
Come abbiamo accennato, Data Fabric e Data Mesh sono concetti sviluppati in modo indipendente, spesso usati in modo intercambiabile. Nonostante condividano lo stesso obiettivo, cioè quello di un facile accesso ai dati, sono concetti diversi: il principio di Data Fabric è incentrato sulla tecnologia, mentre quello di Data Mesh è incentrato sul cambiamento organizzativo.
Per Data Fabric si intende, infatti, un insieme di tecniche e procedure per automatizzare le attività di gestione dei dati, lasciandoli dove si trovano (al contrario, per esempio, di un data lake, in cui invece i dati vengono raccolti in un unico punto) e individuando le modalità più adatte a metterli in correlazione.
Nel Data Mesh, invece, i dati sono visti come prodotti, e la loro gestione è decentralizzata e organizzata in base agli specifici domini aziendali. In altre parole, ciascun produttore di dati gestisce e organizza i propri, sulla base delle sue maggiori competenze e conoscenze in merito.
Alla luce di questa differenza, possiamo affermare che Data Fabric e Data Mesh sono complementari: Data Mesh è l’obiettivo, Data Fabric è il mezzo per raggiungerlo. Tuttavia, bisogna sottolineare la dipendenza dell’obiettivo dalla soluzione tecnologica: un Data Fabric può esistere per sé (almeno in teoria), mentre per la creazione dei prodotti-dati, caratteristica fondante del Data Mesh, è indispensabile disporre di una struttura adeguata quindi, appunto, di un data Fabric.
Il livello di adozione di Data Mesh e Data Fabric tra le aziende manifatturiere è ancora relativamente basso, ma sta crescendo rapidamente. Secondo la ricerca congiunta di Denodo e Ikn Italy, al momento si tratta di un obiettivo per il 32% delle aziende.
Cinque punti fondamentali per l’adozione del Data Fabric
Non è necessario soffermarsi ancora sui vantaggi dell’adozione di un approccio orientato ai dati, ma è interessante notare come Data Fabric garantisca, in qualche modo, un livello di pluralità maggiore rispetto alle soluzioni rigidamente convergenti. Per poterne trarre il massimo vantaggio, come sempre, è fondamentale un’analisi preliminare dello stato dell’arte e dei bisogni. Una volta acclarato che si tratta della soluzione giusta, ecco i passaggi operativi che meritano di essere ricordati.
- Definizione della governance dei dati: Essenziale definire policy, processi e standard per un sistema di dati sicuro, coerente e preciso. La chiarezza in questa fase riduce i rischi futuri.
- Progettazione del Data Fabric: Dopo le fasi iniziali, è necessario progettare l’architettura del Data Fabric, individuando le fonti di dati e creando un modello semantico. In questa fase si stabiliscono i piani per la governance e la sicurezza dei dati.
- Implementazione dell’integrazione dei dati: Collegare le fonti di dati interne ed esterne e integrare tali dati per tutti i sistemi e gli utenti, con lo scopo di ottenere una visione unificata.
- Governance e sicurezza dei dati: Passare all’implementazione pratica dei protocolli di governance e sicurezza definiti in precedenza. Questo include controllo di qualità dei dati e gestione di autorizzazioni e privilegi.
- Implementazione dell’analisi dei dati: Utilizzare software avanzato per mettere in azione il Data Fabric. Ciò prevede l’integrazione dei sistemi esistenti, il trasferimento sicuro dei set di dati e l’uso strumenti evoluti per la creazione degli strumenti di analisi.
Grazie a questi passaggi, l’azienda potrà disporre di un Data Fabric sicuro, affidabile ed efficiente su cui appoggiare la propria gestione basata su Data Mesh.
Cinque punti fondamentali per l’adozione del Data Mesh
Una volta messa in sicurezza l’architettura tecnologica, è possibile procedere con l’adozione del Data Mesh. Come abbiamo accennato, si tratta principalmente di un paradigma organizzativo, che per questo deve essere gestito con una forte campagna di change management. Vediamo una possibile strategia in cinque punti per supportarlo:
- Comunicazione: è fondamentale una comunicazione chiara per comprendere il cambiamento. I leader devono raccontare e condividere la visione del Data Mesh e le nuove modalità di lavoro, definendo KPI e metriche per i team che useranno i data products.
- Adozione incrementale: l’ingresso in azienda del Data Mesh dovrebbe iniziare con piccoli progetti pilota, ampliandosi gradualmente, per dare modo agli operatori di capire come funzionano i processi reali e metabolizzare i nuovi strumenti.
- Formazione: tutte le funzioni, all’interno dell’azienda, devono comprendere i nuovi paradigmi e le modalità operative: questo può richiedere diverse sessioni formative, anche a seconda del livello di preparazione individuale.
- Cambiamento culturale: è necessario promuovere una cultura di collaborazione, sperimentazione e miglioramento continuo, in cui le persone si sentano a proprio agio a sperimentare.
- Incentivi: le aziende dovrebbero collegare i KPI con il successo dell’iniziativa di trasformazione, correlando il successo del prodotto dati agli obiettivi aziendali, come strumento di motivazione e accelerazione dell’adozione.
Data Mesh e Data Fabric: i principali vantaggi
Vediamo ora quali sono, in termini teorici prima e pratici poi, quali sono i principali vantaggi di un approccio basato su queste due architetture.
Prima di tutto, integrazione, la possibilità di raccogliere e analizzare i dati da una varietà di fonti, inclusi i dati di produzione, i dati di vendita e i dati dei clienti. Poi, questi strumenti offrono una maggiore scalabilità rispetto alle architetture tradizionali, e sono perciò ideali per le aziende in rapida crescita. Infine, una maggiore flessibilità rispetto ai modelli standard, li rende adatti per le aziende che devono allinearsi rapidamente ai cambiamenti del mercato.
I principali player tecnologici offrono diverse soluzioni per gestire approcci e architetture emergenti. In ambito SAP è nata di recente SAP Datasphere: evoluzione di SAP Data Warehouse Cloud, SAP Datasphere è la base tecnologica che abilita una business Data Fabric.
Google, attraverso la Google Cloud Platform, mette a disposizione diversi servizi per realizzare architetture dati moderne. Citiamo per esempio Google BigLake, un motore di archiviazione che unifica Data Warehouse e Data Lake costruito sul potente Data Warehouse in cloud BigQuery, o DataPlex, una Data Fabric intelligente per la gestione, il monitoraggio e la governance dei dati in modo centralizzato.
Vista la vastità di soluzioni e strategie, per un’azienda è sempre più difficile riuscire ad orientarsi ed effettuare scelte in linea con i propri obiettivi: è necessario disporre di personale competente che si mantiene costantemente aggiornato alle continue innovazioni tecnologiche.
I campi di applicazione delle soluzioni basate su Data Fabric e Data Mesh
Data Fabric e Data Mesh consentono quindi alle aziende di avere a disposizione dati in tempo reale e organizzati in modo da essere fruibili per analisi da parte delle diverse funzioni aziendali. Ma nel concreto quali possibilità offrono strumenti di questo tipo? Per un’azienda manifatturiera è facile individuare alcuni ambiti di applicazione che consentono di raggiungere un ROI immediato.
Customer service
Fornire agli operatori del customer service informazioni relative alle richieste clienti, all’analisi delle difettosità riscontrate, ai tempi di consegna medi dei vari prodotti, un’analisi dello stato degli ordini in tempo reale, fino ad arrivare a rispondere automaticamente alle richieste più frequenti dei clienti grazie all’impiego dell’intelligenza artificiale: ecco alcuni dei vantaggi che ci possono offrire le nuove tecnologie di raccolta ed elaborazione dati.
Logistica
La raccolta dati tramite l’impiego di tecnologia RFID, l’integrazione con portali fornitori e dati spedizionieri può consentire alle aziende di localizzare in ogni momento la merce ed esaminare lo stato degli stock in tempo reale. Avere una visione complessiva della supply chain permette di individuare colli di bottiglia e intervenire tempestivamente in caso di problemi.
Produzione
Avere sotto controllo i propri macchinari riuscendone a prevedere eventuali criticità e anticipando guasti è uno dei vantaggi dell’adozione di tecnologie di raccolta dati evolute. Mediante l’impiego di tecnologie IOT unite ad algoritmi di predictive maintenance, in grado di elaborare migliaia di dati raccolti in real time, è possibile individuare in tempo reale problemi sugli impianti produttivi e prevenire fermi sulle linee critiche.
I dati al servizio dell’azienda
Come abbiamo visto, l’adozione di Data Fabric e Data Mesh rappresenta una tappa fondamentale nel percorso di digitalizzazione delle aziende. Per potersene avvantaggiare, tuttavia, è necessario cogliere alcune sfide, non solo tecnologiche, ma anche organizzative: si tratta di un cambiamento che implica una ridefinizione dei processi di lavoro e una rinnovata cultura di collaborazione e apprendimento continuo. In un mondo in cui i dati rappresentano una risorsa strategica, l’approccio basato su Data Fabric e Data Mesh può fornire alle aziende gli strumenti per sfruttare al meglio questa risorsa, trasformandola in conoscenza utile per prendere decisioni più informate e orientate al futuro.
L’offerta di soluzioni sul mercato è ampia e in continua evoluzione, e la scelta della soluzione più adatta dipende da vari fattori, compresi gli obiettivi specifici dell’azienda, le risorse disponibili e il contesto in cui opera. Ecco perché è essenziale affidarsi a partner competenti e aggiornati sulle ultime tendenze come Qintesi, per ottenere consulenza e supporto personalizzati.
Qintesi investe costantemente nell’innovazione tramite i QI-Innovation Labs, laboratori di ricerca e sviluppo in cui si progettano, implementano e verificano soluzioni innovative anche di data management. Le competenze nate e sviluppate all’interno dei QI-Innovation Labs sono a disposizione delle aziende per supportarle nella realizzazione di una data strategy su misura.
