I modelli a servizi disponibili in cloud consentono di avere nuove opzioni di utilizzo dei dati, molto più flessibili e scalabili rispetto ai sistemi di gestione tradizionali. È il caso del Data as a Service (Daas), una soluzione strategica in grado di semplificare radicalmente il processo di disponibilità dei dati, a prescindere dalle fonti di origine e dalle configurazioni di storage on-prem e in cloud in cui sono conservati.
In un futuro prossimo in cui i big data, il machine learning e il cloud computing si espanderanno con un ritmo senza precedenti, la capacità di gestire i dati in maniera semplice, sicura e performante risulterà decisiva per generare un valore aggiunto fondamentale per le sorti di tutti quei business che si ritrovano costretti ad offrire risposte sempre più rapide ed efficienti ai propri clienti.
Il Data as a Service costituisce un’opportunità da valutare con estrema attenzione, sia per i vantaggi che questa soluzione tecnologica può apportare per le sue caratteristiche intinseche, sia per la possibilità di alleggerire significativamente l’impegno in termini di infrastruttura IT che tradizionalmente si rendeva necessario per lo storage e l’elaborazione dei dati.
Cosa significa Data as a Service
Il Data as a Service (DaaS) è una strategia di data management utilizzata per lo storage e l’elaborazione dei dati. In altri termini, quando ci si rivolge ad un provider DaaS è lecito attendersi un servizio in cloud che comprende data management, data storage e analytics.
L’obiettivo dei provider DaaS risiede nell’aiutare le aziende nell’utilizzare i loro dati in maniera scalabile, potendo contare su grandi capacità di elaborazione di una strategia di implementazione ed utilizzo decisamente più efficiente rispetto ad un approccio al data management di tipo tradizionale, integralmente basato su una disponibilità dei dati on-premise.
Nell’era del digitale le organizzazioni trattano ogni giorno quantità di dati sempre più importanti, provenienti da una grande varietà di fonti, da cui sempre più spesso vengono acquisiti grazie ad uno streaming in tempo reale.
Di fronte a certe numeriche i sistemi tradizionali rischiano di entrare in crisi o essere interessati da costi di implementazione e gestione sempre più importanti, al punto da diventare difficilmente sostenibili per molte realtà che cercano di accelerare lo sviluppo del loro business grazie al digitale e alla possibilità di avvalersi di un decision making data-driven, più informato e consapevole rispetto al passato.
Nella logica di distribuzione, il Data as a Service risulta piuttosto simile al Software as a Service. Se il SaaS garantisce la disponibilità delle applicazioni in cloud, grazie ad un semplice accesso da remoto, senza dover installare nulla in locale, il DaaS fa altrettanto per quanto concerne i dati, rendendo assolutamente trasparente la loro disponibilità rispetto alle infrastrutture IT utilizzate per lo storage e l’elaborazione.
Il controllo dei dati da parte dell’utente finale avviene secondo una modalità convenzionalmente definita Single View, che aggrega i dati provenienti da fonti multiple, in cloud e on-premise, per renderle disponibili attraverso un’unica repository virtualizzata, a cui si accede mediante un pannello di controllo da un semplice browser web.
Tutti questi aspetti fanno infatti capo al DaaS provider. L’utente finale deve preoccuparsi esclusivamente di utilizzare i dati che gli occorrono per le sue operazioni, senza alcun pensiero su quanto occorre a livello IT perché ciò avvenga.
Le tecnologie di virtualizzazione del cloud consentono infatti di rendere disponibili i dati via software, in modo che il cliente non debba più farsi carico delle soluzioni di storage, database ed altri sistemi di gestione dei dati che tradizionalmente ogni organizzazione era chiamata a gestire all’interno dei propri data center.
Il DaaS consente inoltre di avvalersi di soluzioni di elaborazione ormai pressoché esclusive dei servizi in cloud, che possono contare sulle grandi risorse di calcolo necessarie per eseguire le applicazioni di machine learning e altre tecniche di intelligenza artificiale impiegate nell’ambito della business analytics.
Per tali aspetti, sarebbe decisamente riduttivo considerare il Data as a Service come un mero servizio di storage in cloud, quando risulta decisamente più appropriato associarlo ad una soluzione per il data management decisamente completa, moderna ed in grado di sfruttare pienamente tutti i vantaggi del cloud computing
Quali sono i vantaggi del Data as a Service
Sulla base di quanto finora sintetizzato, possiamo riassumere i vantaggi del Data as a Service come segue:
- – Riduzione dei rischi: la disponibilità dei dati in cloud si basa su sistemi ad elevato livello di ridondanza, che riducono sensibilmente i rischi di downtime e tutti i possibili disservizi che possono ricadere sui processi interni e sui servizi erogati ai clienti.
- – Riduzione dei costi: il cloud consente di risparmiare sulla dotazione IT on-premise e dell’impegno relativo alla manutenzione della stessa. Come la maggior parte dei modelli “as a service” il DaaS consente di pagare soltanto per ciò che si utilizza, con tariffe generalmente basate sulla quantità di dati transati.
- – Riduzione del time to market: la rapidità e l’efficienza con cui il DaaS rende disponibili i dati alle applicazioni consente di ridurre fino a cinque volte i tempi di sviluppo necessari per realizzare un software. Tali vantaggi risultano evidenti sia nello sviluppo di applicazioni cloud native che nel contesto della modernizzazione delle applicazioni legacy.
- – Innovazione ed efficienza: la maggior velocità con cui si elaborano i processi consente di provare un maggior numero di alternative, contribuendo ad innalzare il tasso di innovazione nelle strategie aziendali.
- – Compliance GDPR: i provider DaaS assolvono tutti gli aspetti normativi relativi alla conservazione e al trattamento dei dati, almeno per quanto concerne le infrastrutture IT, per risultare sempre pienamente conformi rispetto a quanto disposto dalla normativa GDPR.
- – Sicurezza informatica: I cloud service provider che erogano i servizi DaaS, grazie alle economie di scala che sono in grado di supportare, investono sensibilmente per garantire un elevato livello di sicurezza per i sistemi utilizzate per erogare i servizi ai clienti. Mediamente ben più di quanto potrebbe fare quest’ultima. In tale contesto, il DaaS non rappresenta certamente un’eccezione.
Alcuni esempi applicativi
Anche se il suo livello di popolarità non ha ancora raggiunto i livelli del SaaS, il Data as a Service è già ampiamente utilizzato per supportare servizi e applicazioni in vari settori di business, tra cui spiccano i servizi finanziari (fintech) e l’ampia gamma di applicazioni riconducibile al mondo del retail. Non è raro che il Data as a Service, grazie alle sue proprietà Single View, venga utilizzato da vari enti governativi, soprattutto per quanto concerne l’industria della difesa.
Il DaaS risulta molto apprezzato in tutti quei contesti in cui si rende necessario implementare una strategia di data management che coinvolge sistemi eterogenei e spesso interessati da numeriche decisamente importanti.
Uno degli aspetti che incoraggiano l’adozione del DaaS è relativo alla sua capacità di uniformare vari formati, rendendoli il più possibile interoperabili per le applicazioni finali.
Le sfide del futuro
Il Data as a Service si presenta piuttosto maturo dal punto di vista tecnologico. Le tecnologie di virtualizzazione dei dati godono infatti di una solida tradizione. Tuttavia, permangono una serie di criticità che per molti aspetti, se risolte positivamente, si traducono in molti dei vantaggi che abbiamo analizzato in precedenza.
Nel futuro, quando tali soluzioni si diffonderanno sempre più, i provider SaaS e i system integrator dovranno concentrarsi su vari aspetti, facendo tesoro dei miglioramenti che interverranno grazie alla fisiologica evoluzione di questa tecnologia e alla crescita della fiducia da parte dell’utente finale.
Sicurezza informatica
Se la parte di infrastruttura in cloud gode di un livello di sicurezza molto elevato, lo stesso non si può affermare con certezza quando i dati vengono trasferiti dagli utenti sui sistemi in locale, sia per quanto riguarda le modalità di storage, sia per quanto concerne il traffico stesso dei dati nella rete, dove possono risultare soggetti ad attacchi cybercriminali. In buona sostanza, i dati possono essere ritenuti ragionevolmente al sicuro quando sono protetti da un firewall all’interno del perimetro di sicurezza aziendale, così come quando sono collocati in un cloud storage. L’accesso alla rete introduce automaticamente una serie di rischi di cybersicurezza che vanno tenuti in seria considerazione.
Compliance
Abbiamo affermato che i DaaS provider offrono solide garanzie in merito alla conformità normativa sulla conservazione e il trattamento dei dati. Rimane il problema relativo a quali dati possano o meno essere conservati o trattati in cloud, ed in quali condizioni di sovranità. Alcune applicazioni prevedono che i dati non possano uscire dai data center dell’azienda sia per ragioni di carattere normativo (sanità, difesa, ecc.) che di carattere privatistico, secondo le condizioni stipulate nei contratti con i clienti. In questi casi è possibile conservare i dati on-premise e in cloud privato, utilizzando un SaaS per quanto riguarda la Single View. In questo modo i dati vengono conservati secondo le prescrizioni ma l’utente finale può godere della comodità relativa alla visione unificata che soltanto un servizio di aggregazione cloud based può ad oggi garantire.
Compatibilità ed interoperabilità dei dati
quando si sceglie una soluzione Data as a Service è necessario accertarsi che la disponibilità dei dati sia compatibile con gli standard tecnologici delle applicazioni deputate al loro impiego. In caso contrario potrebbero emergere una serie di criticità in grado di compromettere la fruibilità e la stabilità dei servizi erogati.
Categoria: DATA GOVERNANCE
Data Fabric: cos’è e quali i vantaggi nel suo utilizzo
Le aziende si trovano ad interfacciarsi con ambienti sempre più diversificati, distribuiti e complessi. Rendere… Leggi tutto
Data Lineage: come assicurarsi qualità e integrità dei dati
Tracciare i dati attraverso il loro ciclo di vita è un tema di valenza strategica.… Leggi tutto
Cos’è la Data Quality e le metriche di riferimento
La Data Quality è una misura della condizione dei dati basata su fattori quali accuratezza,… Leggi tutto