Negli ultimi 20 anni c’è stata una grandissima evoluzione nelle aziende, soprattutto in quelle di grandi dimensioni: le diverse linee di business e dipartimenti aziendali hanno scelto una propria strada per l’analisi dei dati utilizzando le tecnologie più in linea con le singole necessità, sia in termini tecnici (database, datawarehouse), sia per quello che riguarda gli strumenti di front-end, a questo è legata la nascita dei cosiddetti “silos dipartimentali”, ambienti diversi ed eterogenei in cui ogni dipartimento tiene i dati che raccoglie e usa, e gli strumenti per farlo. È molto frequente quindi adesso trovare situazioni in cui all’interno della stessa azienda si utilizzano prodotti eterogenei, diversi, ma con finalità simili tra loro, e che spesso non riescono a mettersi in correlazione a causa di scelte tecnologiche incompatibili. A questo si aggiunge la crescente richiesta di strumenti per le analisi Self Service, il chè ha portato da un lato una ulteriore dipartimentalizzazione degli strumenti analitici, quindi “più caos”, dall’altro la necessità di competenze più ampie in tema di analisi dati sia per l’utente finale, che può comporsi in autonomia la sua analisi, per cui deve (dovrebbe…) avere un’idea di cosa sta facendo, sia per le figure tecniche che si occupano della manutenzione di questi strumenti di Self Service Analytics, i quali non saranno più interpellati solo per la creazione di un nuovo grafico, ma sempre più spesso anche per questioni legate ai dati, alla loro disponibilità, qualità e all’uso degli strumenti.

immagine promozionale faq data governance

Le ricadute di queste scelte sono principalmente a livello IT” dice Stefano Celati, BI expert di BNova, nel suo intervento “How to democratize Reporting Tools with Unified Semantic Layer?” al Fast Data Strategy Virtual Summit di Denodo dello scorso aprile. Ci si trova a dover manutenere diversi datawarehouses, tecnologie e semantiche su tutti i prodotti presenti in azienda, con la necessità spesso di dover ripetere le stesse azioni più volte ed a livelli differenti secondo lo strumento e la tecnologia in uso in quel momento o in quel dipartimento, con tutte le problematiche e i rischi che ne possono seguire. Per questo motivo frequentemente le aziende si vedono costrette ad imporre restrizioni rispetto agli strumenti, proprio per non sovraccaricare l’IT di lavoro ripetitivo e soggetto ad errore umano.

Universal Semantic Layer per mettere ordine nel caos

È poco realistico chiedere alle diverse aree di business di rivoluzionare il proprio modo di lavorare stravolgendo l’uso degli strumenti (o aggiungendone di nuovi), è possibile però andare incontro alle esigenze dell’IT per rendere più semplice la manutenzione di tutti i diversi ed eterogenei sistemi: si parla di democratizzazione del dato e dell’approccio “Universal Semantic Layer“.

Creare un “livello semantico unificato” significa fornire un’unica interfaccia ai dati provenienti dalle diverse origini in un singolo livello, un po’ come fosse un unico grande ed eterogeneo “data lake virtuale”.  Questo si può fare in modo semplice utilizzando la Data Virtualization, una metodologia grazie alla quale i dati provenienti da più origini diverse vengono “unificati” in modo virtuale, senza spostarli da dove si trovano, ma rendendoli disponibili ai data consumer (utenti fisici o strumenti) in tempo reale. Ciò semplifica molto il lavoro dell’IT in quanto si possono dare definizioni globali solo una volta, utilizzando meno risorse e senza dover replicare le modifiche per ogni data consumer.

Grazie a Denodo è possibile creare questo strato semantico senza bisogno di creare complessi processi ETL di integrazione e senza muovere i dati dalla loro origine, riuscendo a creare una visione olistica del dato che elimina gran parte degli ostacoli che l’approccio dipartimentale ha introdotto nella sua stratificazione temporale.” Cit. Stefano Celati

immagine promozionale faq data governance
ARGOMENTI CORRELATI
Categoria: DATA GOVERNANCE
Concetto di Data Governance - Figura che mostra al centro un'idea di labirinto digitale con la mano dell'uomo che governa i dati

Cos’è la Data Governance e perché è importante per le aziende

I dati costituiscono la materia prima dell’azienda digitale. Implementarli e gestirli in maniera strategicamente efficiente… Leggi tutto

Logical Data Fabric - concept grafico per richiamare la rete di interconnessione tra dati creata con il logical data fabric. Immagine che raffigura una rete e le connessioni tra nodi che rappresentano i dati e gli strumenti

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

Due persone osservano il monitor di un pc con sullo sfondo altre due persone che osservano anche loro un monitor

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