Oggi al Data and Analytics Summit di Gartner, a Londra, ho iniziato a parlare di come SnapLogic vede l'evoluzione della tecnologia di integrazione nel contesto del data warehousing e degli analytics.
L'aspetto interessante dell'integrazione (e confermato dai principali analisti di Gartner RDBMS) è che una delle parti più difficili della costruzione di una piattaforma dati completa rimane la creazione di un tessuto di integrazione che colleghi tutti i dati e le comunità di dati. Questo nonostante i progressi tecnologici degli ultimi anni nel settore dei dati e dell'analisi.
I motivi principali per cui l'integrazione rimane difficile:
- Come prevedibile, i negozi di data warehouse e analytics devono gestire grandi quantità di dati provenienti da un numero enorme di fonti.
- La gestione di tutti questi dati e la loro trasmissione a chi ne ha bisogno, tra i diversi gruppi, continua ad essere una sfida.
- A ciò si aggiunge l'integrazione da applicazione a applicazione per i requisiti operativi.
- Inoltre, un numero crescente di organizzazioni si sta impegnando nella creazione di applicazioni, compreso lo sviluppo e la gestione di API, il che aggiunge nuovi aspetti alle sfide di integrazione dei dati.
Dal punto di vista dell'integrazione e da quanto abbiamo visto con i nostri clienti, i dati e gli analytics raramente si limitano a generare approfondimenti migliori. I risultati dell'analisi sono spesso legati a strategie di trasformazione digitale e a obiettivi aziendali più ampi, tra cui l'automazione dell'azienda per far fluire i dati tra più applicazioni, guidando i processi aziendali.
Con questo ulteriore contesto, è facile capire come le integrazioni difficili siano un problema che limita il business, perché l'obiettivo di molte strategie di trasformazione digitale è quello di potenziare il business digitale di più persone. Questo obiettivo non può essere raggiunto se il compito di sviluppare le integrazioni è nelle mani di pochi specialisti.
Progettare le piattaforme di dati per affrontare la sfida delle tre V (volume, velocità e varietà) dei dati non è sufficiente a risolvere le sfide dell'integrazione delle montagne di dati che ne derivano. Le capacità di una piattaforma di dati possono essere notevolmente ampliate con un tessuto di integrazione digitale orientato alla trasformazione che aggiunge:
- Intelligenza artificiale: nativamente nel prodotto, per semplificare la costruzione dell'integrazione per tutti.
- Accesso per tutti: espansione agli integratori cittadini, soluzione alla carenza di risorse IT e ai colli di bottiglia, grazie a integrazioni più semplici rese possibili dall'intelligenza artificiale.
- Funzionalità applicative: integrazione di più applicazioni per scopi operativi e gestione e orchestrazione delle API che si affiancano alle funzionalità di integrazione dei dati di post-produzione, all'interno della stessa piattaforma, riducendo al minimo gli strumenti e la complessità dell'architettura dei dati.
- Automazione in tutta l'azienda: flussi di dati che riducono gli sforzi manuali per i processi aziendali basati sulle applicazioni e che favoriscono l'accelerazione dei risultati aziendali.
Le quattro A, in breve, sono gli attributi di un tessuto di integrazione che amplieranno la potenza di qualsiasi piattaforma di dati, ridurranno le sfide di integrazione sopra menzionate e accelereranno il time-to-value delle integrazioni di applicazioni e dati. Metriche per valutare i risultati di business:
- Risparmio di tempo nella creazione di integrazioni
- Il numero di utenti abilitati a costruire la propria integrazione e la capacità di far crescere il numero(scalabilità degli utenti) senza incontrare un muro. La scalabilità degli utenti è anche un'indicazione della facilità d'uso.
- Risparmio sui costi grazie alla riduzione degli utensili
- Risparmio di tempo/ROI derivante dall'accelerazione del time-to-value per i risultati aziendali
Maggiori informazioni su questo argomento nei prossimi blog.
