Watch full webinar here: https://bit.ly/2MAlOED
In un’era sempre più dominata dal cloud computing, dall’AI e dall’analisi avanzata, può sembrare per lo meno anacronistico che molte organizzazioni facciano ancora affidamento ad architetture di dati costruite prima della fine del secolo.
Fortunatamente questo scenario sta subendo un cambiamento repentino con l’adozione di nuove tecnologie di integrazione dati, come la virtualizzazione dei dati, che forniscono un livello logico, in tempo reale e sicuro di accesso ai dati aziendali. Le diverse sorgenti dati non devono più essere trasferite fisicamente in un nuovo repositorio e trasformate, prima di essere utilizzate dall’azienda. E’ per questo che la virtualizzazione dei dati soddisfa le esigenze di trasformazione dell’architettura e permette la costruzione di un Data Fabric aziendale.
In questa sessione parleremo di:
-Cos'è la virtualizzazione dei dati;
- Come differisce da altre forme di integrazione a livello Enterprise;
- Casi d’uso della Virtualizzazione dei dati: Business Intelligence, Data Science, democratizzazione dei dati, Master Data Management, Dati distribuiti
- Perché la virtualizzazione dei dati si sta espandendo dentro le organizzazioni in Italia;
5. 5
Il sogno di ogni azienda «Data Driven»…
1. Unico punto di accesso per «esplorare» e «interrogare» TUTTI i dati
• Gli utenti di business non vogliono perdere tempo nel cercare i dati tra
le diverse fonti
• L’IT vorrebbe evitare un accesso diretto ai sistemi di produzione
2. Creare e sostenere una «cultura» Self-Service per i Data Consumer
• Non obbligare gli utenti ad apprendere differenti linguaggi di
rappresentazione o di codifica
• Fare in modo che possano usare gli strumenti con i quali si trovano meglio
3. Garantire sicurezza e Governance su tutti i sistemi
• Evitare i potenziali problemi derivanti da copie multiple dei dati
• Minimizzare i rischi di un «Data Breach» e di incoerenze nel significato
6. 6
…per attenuare la diatriba tra Business e IT…
Gli utenti di
Business
vorrebbero che
tutti i dati aziendali
fossero integrati,
aggiornati e
immediatamente
disponibili
L’IT spesso
risponde unendo
liberamente e in
modo
estemporaneo le
fonti di dati di volta
in volta richieste
Inventory System
(MS SQL Server)
Product Catalog
(Web Service -SOAP)
BI / Reporting
JDBC, ODBC,
ADO .NET
Web / Mobile
WS – REST JSON,
XML, HTML, RSS
Log files
(.txt/.log files)
CRM
(MySQL)
Billing System
(Web Service - Rest)
ETL
Portals
JSR168 / 286,
Ms Web Parts
SOA, Middleware,
Enterprise Apps
WS – SOAP
Java API
Customer Voice
(Internet, Unstruc)
Gli utenti vogliono tutti i dati e li vogliono subito
Pertanto, l'IT crea centinaia o migliaia di connessioni dirette, fragili e spesso basate sulla replica di grandi volumi di dati
7. 7
La nascita della «Logical Data Integration»
DATA VIRTUALIZATION
“Adopt the Logical Data Warehouse Architecture to Meet Your Modern Analytical Needs”. Henry Cook, Gartner April 2018
8. L’essenza della Data Virtualization, in generale…
8
Connect
Normalized views of
disparate data sources
1
Combine
Discover, Transform, Prepare,
Improve Quality, Integrate
2
Consume
Share, Deliver, Publish,
Govern, Collaborate
3
11. 11
Source: Gartner 2018 Data Virtualization Market Guide
Through 2022, 60% of all organizations will
implement data virtualization as one key
delivery style in their data integration architecture.
13. 13
Capacità fondamentali per la Data Virtualization
Ampia connettività a sorgenti eterogenee
Modellazione virtuale e integrazione dei dati,
senza necessità di replicarli
Catalogo dati attivo e capacità Self-Service a
supporto di attività di Data e Metadata
Discovery e Data Preparation
Sicurezza e Governance
Ottimizzazione intelligente delle query
Distribuzione dei dati in Real-time in standard e
formati differenti
Capacità di creare un Marketplace di dati
Disaccoppiamento delle applicazioni aziendali dai
sistemi dati per agevolare strategie «Data Driven»
Interoperabilità on premises, cloud e multi-cloud
Incapsulamento di sistemi legacy
14. 14
Principali casi d’uso
Data Science
Data Catalog
Metadata management
Universal data access
Customer Centricity / MDM
✓ Complete View of Customer
✓ Customer Service Unified Desktop
✓ Unified Desktop for Contact Center
✓ Customer Self-Service Portal
✓ Single Customer View for Back Office
Data Services
✓ Data as a Service
✓ Data Marketplace
✓ Data Services
✓ Application and Data Migration
Cloud Solutions
✓ Cloud Modernization
✓ Cloud Analytics
✓ Hybrid Data Fabric
Data Governance
✓ GRC
✓ GDPR
✓ Data Privacy / Masking
BI and Analytics
✓ Self-Service Analytics
✓ Logical Data Warehouse
✓ Enterprise Data Fabric
Big Data
✓ Logical Data Lake
✓ Data Warehouse Offloading
✓ IoT Analytics
17. 17
Scenario Demo
Sources
Combine,
Transform
&
Integrate
Consume
Base View
Source
Abstraction
join
group by state
join
Sales Campaign Customer
Qual è l'impatto di una nuova campagna
di marketing a livello nazionale?
• «Offloading» dei Dati storici di in un
cluster Hadoop per ridurre i costi del DWH
• «Campagne di marketing gestite in
un'applicazione cloud esterna»
• «La Nazione di riferimento fa parte della
tabella dei dettagli del cliente,
memorizzata nel DW»
20. 20
Le 4 «C» da non dimenticare
Consapevolezza
Condivisione
Controllo
Consapevolezza del patrimonio informativo disponibile,
per sapere subito se c’è o meno quello che fa al caso
nostro
Condivisione dei «concetti» e del loro «significato», così
da non reinventare ogni volta la ruota ed evitare di avere
tante ruote inutilmente differenti
Controllo di come i dati sono utilizzati, per migliorarli,
farli evolvere e avere la garanzia che i dati siano utilizzati
secondo le politiche aziendali e la normativa vigente
Capacità
Capacità di separare i dati nella loro componente logica e
fisica, riducendone gli «spostamenti» e fornendo
l’ambiente ideale per lavorare sul loro «significato»