È tempo di rivedere le tecniche di Data Management

L'ultimo importante periodo di innovazione nella gestione dei dati risale agli anni '80. Le aziende hanno iniziato a rendersi conto che avevano bisogno di un posto permanente per archiviare i dati utilizzati per l'analisi e la business intelligence. Wells Fargo Bank prese in consegna, ad esempio, il suo primo sistema di Data Warehouse Aziendale (EDW) alla fine del 1983. Questo sistema all'avanguardia utilizzava l'elaborazione parallela dei dati del database relazionale e furono imitati da molte altre aziende che trovarono la nuova tecnologia utile.

La tecnologia di gestione dei dati utilizzata con successo negli ultimi 30 anni non è quella più efficiente ed efficace per il mondo del lavoro di oggi. Molte forme di big data, tra cui immagini, social media e dati di sensori, possono essere difficili da inserire nel formato relazionale riga-colonna normalmente richiesto per un EDW. Il loro volume li rende anche costosi da conservare in un'architettura EDW tradizionale.

Fortunatamente nell'ultimo decennio sono emerse diverse nuove tecnologie che stanno cambiando radicalmente ciò che costituisce la migliore pratica nelle tecniche contemporanee di gestione dei dati, tra cui Hadoop e altri progetti open source, architetture basate su cloud, approcci alla gestione dei dati di streaming e nuovi ambienti hardware di archiviazione. Il prezzo e le prestazioni di questi strumenti sono sostanzialmente migliori rispetto a quelli delle tecnologie precedenti, spesso di uno o più ordini di grandezza. I principali fornitori dell’era precedente della gestione dei dati stanno offrendo una varietà di prodotti e servizi che incorporano queste nuove tecnologie.

Lascia che gli obiettivi aziendali guidino il cambiamento

La disponibilità di una tecnologia migliore è tutt'altro che l'unica ragione per modernizzare l'ambiente dei dati. Le esigenze aziendali stanno portando anche a cambiamenti sostanziali che saranno il motore principale a guidare altre iniziative di modernizzazione. Gli obiettivi aziendali che motivano il bisogno di un nuovo approccio al data management includono una maggiore enfasi sulla comprensione e sulla previsione delle tendenze del business attraverso l'analisi, un desiderio di apprendimento automatico e applicazioni di intelligenza artificiale nei processi chiave basati sulla conoscenza, la necessità di trasmettere i dati da e verso le macchine utilizzando Internet of Things o maggiori preoccupazioni in materia di sicurezza e privacy. Nella maggior parte dei casi, questi obiettivi semplicemente non possono essere raggiunti senza modernizzazione i sistemi di data management.