Nelle scorse settimane abbiamo introdotto il tema della Data Virtualization parlando in prima battuta dei concetti chiave e poi andando ad indicare le figure professionali che in azienda possono trarre vantaggio dall’utilizzo della DV.

Come spesso succede quando si parla di analisi dati, anche la DV è trasversale, ossia non è funzionale solo in ambiti specifici, ma può fare veramente la differenza in tutte quelle situazioni in cui si hanno molti dati presenti su fonti diverse o su un’unica fonte molto complessa, che devono essere integrati e analizzati e devono dare degli output per permettere all’area business di prendere decisioni.

Di seguito vediamo qualche esempio di come la Data Virtualization porti vantaggi in alcuni settori specifici.

 

Data Virtualization nel settore finanziario

Grazie alla data virtualization le banche sono in grado di fornire dati diversi ai vari settori che li richiedono (ogni area necessita di informazioni differenti, ad esempio i responsabili marketing avranno bisogno di un tipo di dati differenti da quelli utilizzati dal personale allo sportello) mantenendo il dato certificato (elemento fondamentale per il settore bancario) grazie alle funzionalità di data lineage.

In casi come questo inoltre replicare il dato per far fronte alle esigenze dei diversi settori comporterebbe un aumento dei costi dell’infrastruttura e della complessità di realizzazione e mantenimento della stessa. Grazie a Denodo è stato possibile creare una sorta di “viste” integranti di tutti i dati necessari su cui poi possono essere effettuate delle query (adesso) semplici i cui risultati diventano gli input delle applicazioni finali.

Denodo ha una sua funzionalità di data lineage per delineare tutto il percorso del dato, dall’origine attraverso tutte le trasformazioni che subisce, fino alle “viste” in cui è utilizzato, in modo anche da dare l’idea dell’impatto che una modifica al dato avrebbe sul processo globale.

Denodo inoltre è integrato con i prodotti MDM leader sul mercato, in questo modo è in grado di importare la struttura delle tabelle e le relazioni che le legano senza doverla ricreare da zero. Questo permette di mantenere il dato certificato.

 

Data Virtualization nel settore delle telecomunicazioni

Le aziende del settore delle telecomunicazioni sono sempre sotto pressione perché si trovano a competere in un mercato sempre più affollato. La percentuale di rischio di abbandono dei clienti che scelgono compagnie telefoniche con condizioni più vantaggiose o maggiore copertura di rete è altissima. Per rimanere competitive le aziende di telecomunicazioni devono far fronte a diverse sfide:

  • – fornire servizi sempre più customizzati
  • – rendere la struttura del loro business model più flessibile ( es: tariffe)
  • – migliorare continuamente le infrastrutture ( di rete).

Con la Data Virtualization le compagnie di telecomunicazioni possono rispondere a queste sfide. Vediamo come:

  • – Migliorare la customer care e i servizi ai clienti accedendo ai dati in tempo reale
  • – Maggiore agilità nei servizi business: grazie alla virtualizzazione dei dati non sono più necessari aggiornamenti o background
  • – Un layer di data virtualization permette la manutenzione, l’aggiornamento e sostituzione dei database chiave nei sistemi di supporto alle operazioni. Inoltre, con i dati in tempo reale, le apparecchiature possono essere proattivamente sostituite ed è possibile fornire assistenza in modo tempestivo. Infine, la virtualizzazione dei dati facilita la risoluzione delle chiamate dei clienti relative alla rete.

 

Data Virtualization nel settore retail

Le aziende nel settore retail spesso devono poter organizzare preventivamente la produzione o vedere l’andamento delle vendite relativamente al numero di pezzi per ogni prodotto, altre volte hanno necessità di ottimizzare la logistica o definire gli ordini rispetto alla localizzazione degli store. La DV permette di rispondere anche a queste esigenze di business, integrando informazioni provenienti da fonti dati diverse e mostrando tutti i risultati in un’unica vista creando un unico output finale che può essere mostrato in qualsiasi strumento di data visualization accedendo direttamente ad un’unica tabella salvata in automatico  sul server di denodo.

 

Guarda il videodel webinar “La Data Virtualization a sostegno della Data Science”

realizzato insieme ad Andrea Zinno, sales Manager di Denodo.

Guarda il webinar

Approfondimenti da BNext:

Eyes4Innovation, la rete che ti semplifica la vita

La rete ti semplifica la vita. Ecco la massima sintesi del motivo per cui è nata Eyes4Innovation, ed anche lo scopo ultimo perseguito dalle aziende fondatrici. Scopri com’è andato l’evento di presentazione.

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Vertica apre le porte alla Data Science

La Data Science, in termini di supporto decisionale alle aziende, ha un potenziale enorme, ma è una materia molto ampia e di carattere sperimentale: non necessariamente l’algoritmo migliore per un settore si rivela buono anche in realtà aziendali...

Dataiku: Intelligenza Artificiale per le case farmaceutiche

Oltre il 60% delle aziende farmaceutiche sono state identificate come “principianti” quando si parla della loro maturità riguardo l’AI.

Data Science Tools: la cassetta degli attrezzi dei team di Data Scientist

Strumenti tecnologici, piattaforme, linguaggi di programmazione, tools di vario genere rappresentano elementi importanti, gli “attrezzi del mestiere” per i Data Scientist. Ecco alcuni dei linguaggi e dei tools che solitamente non mancano all’interno di un team di Data Scientist.

Data Scientist, chi sono e cosa fanno per aiutare le aziende

Oggi i dati rappresentano uno degli asset più critici ed importanti per un’azienda (e non solo), tant’è che ormai si parla dei dati come del nuovo petrolio nell’economia dell’informazione e della conoscenza. Chi lavora sui dati e con i dati gode di un grande vantaggio. Ma chi sono davvero i Data Scientist e cosa fanno concretamente per aiutare le aziende?

Dataiku: i consigli per scegliere il giusto progetto di Data Science

Con decine di potenziali use case ma risorse limitate, è importante dare priorità ai progetti che hanno sia un alto valore di business che un’alta probabilità di successo. I consigli di Dataiku

Le 6 (+1) fasi del processo tipico di Data Science

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.

RFM: le analisi sui clienti quali sistemi di supporto alle decisioni

Parliamo delle analisi RFM, pilastro di una data driven company. Sono analisi per la segmentazione della clientela e restituiscono valori ed informazioni utili che diventano la base per fare valutazioni strategiche e prendere decisioni più oggettive, basate sui dati.

Non voglio mica la Luna! L’arte di aver cura dei propri clienti

Oggi si sta creando un circuito virtuoso in cui il consumatore vuole un nuovo legame di fiducia. Il brand è chiamato a “reagire”, quindi fare tutto ciò che serve per soddisfare le necessità del cliente e soddisfare la sua “sete” di fiducia