Al giorno d’oggi è sempre più diffuso l’avvicinamento delle aziende alle soluzioni cloudperché architetture di questo tipo sono in grado di “autoregolare” le risorse a seconda delle necessità del momento (scalabilità). Ciò permette alle aziende di ottimizzare i costi rispetto all’uso reale delle risorse e, parallelamente, garantire performance adeguate in ogni situazione minimizzando gli sprechi. Se da un lato questa sembra essere la soluzione ai problemi, dall’altro, inevitabilmente, rivolgersi a questo tipo di architetture aggiunge complessità alle infrastrutture aziendali poiché la gestione dei sistemi cloud è complessa, e diventa vantaggiosa solo quando viene gestita in modo adeguato. 

Nella nostra esperienza abbiamo potuto verificare che spesso proprio quest’ultimo aspetto, la complessità infrastrutturale e la relativa necessità di risorse e competenze per gestirla (non solo legate al cloud, ma alla volontà di intraprendere la strada della digital trasformation), è ciò che più frena le aziende nell’avviare percorsi di questo tipo. Si tratta però di un passaggio fondamentale per rimanere competitivi sul mercato di riferimento o per raggiungere nuovi segmenti ed ampliare il proprio business.  

Come consulenti ci poniamo continuamente il problema di come “semplificare” complessità di questo tipo, proprio per accompagnare i nostri clienti in percorsi di trasformazione ed evoluzione. Uno degli approcci più risolutivi è senza dubbio quello della Data Virtualization: i sistemi di Data Virtualization per natura creano una sorta di “interfaccia” tra l’utente e i dati, in questo modo gli utenti si interfacciano ai dati, dovunque essi siano, senza dover conoscere o gestire le policy di accesso, ma grazie ad un “livello” intermedio che ne maschera la complessità e li democratizza per l’utente finale. È facile comprendere come un meccanismo di questo tipo possa aiutare a semplificare la situazione di fronte ad architetture complesse come quelle del cloud! 

Abbiamo già  trattato in questi articoli cos’è la Data Virtualization, le sue caratteristiche e i vantaggi e benefici ottenibili dall’uso della virtualizzazione in contesti e architetture tradizionali in cui le informazioni aziendali si trovano su diversi silos di dati, non sempre facilmente accessibili. Oggi, con la sempre maggiore diffusione delle soluzioni cloud (e multi-cloud) le informazioni aziendali sono ancora più distribuite su sorgenti differenti e ciò comporta un aumento delle problematiche relative alla gestione, sicurezza e business continuity.  

La soluzione? Virtualizzare i dati! 

Per noi la soluzione più performante in ambito Data Virtualization è Denodo: permette di migliorare la gestione e, di conseguenza, l’uso dei dati aziendali semplificando per l’utente finale gli aspetti relativi alle policy di accesso e in generale alla gestione delle sorgenti e dei datiDenodo inoltre consente di avere una visione d’insieme dei dati che permette agli utilizzatori di contestualizzare tutte le informazioni e decidere come “trasformare” i dati nel formato più utile a seconda del contesto d’uso. 

 

Ancora non conosci denodo? Guarda questo webinar di presentazione e demo del prodotto:  

Guarda il webinar

Approfondimenti da BNext:

Transfer learning: cos’è, i modelli e quando utilizzarlo

Lo sviluppo legato all’intelligenza artificiale coinvolge un’ampia varietà di metodi e tecniche, che possono valorizzare l’abilità di riutilizzare in maniera corretta ed efficiente il lavoro precedentemente svolto. Tale prospettiva viene in particolar modo enfatizzata...

Digital twin: cos’è e come funziona un gemello digitale

I digital twin sono una delle espressioni più affascinanti della trasformazione digitale, in particolare quella che fa riferimento al paradigma del 4.0, sia in ambito industriale che in altre applicazioni civili. Il concetto su cui si basa la tecnologia risalirebbe...

Data Lineage: come assicurarsi qualità e integrità dei dati

Tracciare i dati attraverso il loro ciclo di vita è un tema di valenza strategica. Perché una corretta Data Lineage ci garantisce l’accuratezza e l’integrità dei dati?

Deep learning: cos’è e quali le applicazioni 

Nell’ampio vocabolario dell’intelligenza artificiale c’è una tecnica sempre più diffusa che promette di affrontare i problemi più complessi: il deep learning. Grazie all’impiego delle reti neurali profonde, il deep learning consente di correlare i dati con una...

Machine learning e deep learning: quali le differenze

Machine learning (ML) e deep learning (DL) sono termini sempre più ricorrenti nel vocabolario tecnologico, oltre ad essere sempre più utilizzate nelle applicazioni enterprise e mainstream. Prima di entrare nel merito, per comprendere in cosa consistono e cosa le...

Dataiku: cosa c’è da sapere sulla nuova release

Le novità più importanti della release 11.0 e 11.1.0 spiegate dal nostro data scientist Emiliano Fuccio

ETL, il significato di Extract, Transform, Load: cos’è e a cosa serve

I dati vengono ormai generati con un flusso incessante, in ogni singolo istante, da miliardi di dispositivi interconnessi in tutto il mondo. Ma come è possibile estrarre valore da questa straordinaria risorsa digitale? Il paradigma Big Data, gli Advanced Analytics e...

Data ingestion: significato, esempi e vantaggi 

La data ingestion è una tecnologia molto importante nell’aiutare le organizzazioni a gestire un volume di dati sempre più ingente e complesso, anche per via della sua straordinaria eterogeneità. Se ben implementata, la data ingestion può infatti generare un...

Le differenze tra intelligenza artificiale debole e forte

L’intelligenza artificiale è una tecnologia ormai entrata stabilmente a far parte della nostra quotidianità, dai semplici assistenti domestici ai più complessi sistemi di robotica industriale. Nella sua definizione più ampia, l’intelligenza artificiale è un termine...

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, completezza, coerenza, affidabilità e se sono aggiornati. La misurazione dei livelli di qualità dei dati può aiutare le organizzazioni a identificare gli errori nei dati che...