Quando costruiamo o acquistiamo un software, spesso focalizziamo la nostra attenzione sui benefici perdendo di vista l’interoperabilità del software con gli altri sistemi che usiamo quotidianamente nella nostra azienda.
È così che, un passo alla volta, finiamo per avere sistemi che non dialogano tra loro e una moltitudine di dati inconsistenti, incompleti e duplicati.
Interoperabilità = Incremento produttività
Prendiamo il caso di una piattaforma di marketing automation e un sistema per la gestione della customer satisfaction. Entrambi memorizzano informazioni relative ai clienti, ma sono pensati per scopi differenti: la prima gestisce le attività di marketing, il secondo monitora il livello di soddisfazione dei clienti e permette di capire in che direzione evolvere il proprio business.
Dov’è il problema?
Immaginiamo che Mario Rossi abbia scritto una recensione negativa su un paio di scarpe che ritiene scomode. Quando prepariamo la nostra azione di marketing è fondamentale individuare Mario Rossi per evitare di proporgli scarpe simili e consigliargli invece scarpe che hanno la comodità tra i propri punti di forza. Se i sistemi non sono integrati e interoperabili, è impossibile profilare Mario Rossi e creare strategie di marketing personalizzate.
Mario Rossi è presente in entrambe le basi dati, ma il suo profilo è inconsistente. La piattaforma di marketing automation salva i suoi recapiti, mentre il sistema per la gestione della customer satisfaction si focalizza sulle sue opinioni su prodotti e servizi. Non essendoci vincoli espliciti nei software, il codice identificativo di Mario Rossi è generalmente diverso nei due sistemi, così pure potrebbero esserlo i recapiti (es. un sistema chiede la mail l’altro il numero di telefono, oppure Mario Rossi fornisce due mail diverse) e perfino il nome potrebbe contenere errori di battitura.
La soluzione?
Unificare i dati aziendali in un Data Lake per eliminare i problemi di duplicazione, assenza e inconsistenza dei dati.
Che cos’è un Data Lake?
Il Data Lake è un “contenitore” centralizzato che permette di archiviare i dati aziendali strutturati e non strutturati nel loro formato nativo e renderli disponibili ai data scientist per estrarre informazioni rilevanti per il processo decisionale grazie a tecniche di Intelligenza Artificiale, Machine Learning e Big Data Analytics.
Nel Data Lake possono essere salvati dati di ogni tipologia e con formati eterogenei, come ad esempio anagrafiche di clienti, fornitori, prodotti, ordini, immagini, video, audio, informazioni sui macchinari, dati relativi a campagne di marketing, customer care, customer satisfaction, dati generati da sensori, wearable device, siti web, app mobile, social media.
Perché la tua azienda ha bisogno di un Data Lake
Le aziende che valorizzano i propri dati e riescono ad estrarre informazioni di supporto al processo decisionale raggiungono risultati migliori. Secondo un survey di Aberdeen Group le organizzazioni che hanno implementato un Data Lake hanno mostrato una crescita dei ricavi del 9% superiore rispetto ad aziende dello stesso settore che hanno adottato un approccio Data Warehouse.
I Data Warehouse non sono adatti al trattamento dei Big Data, poiché memorizzano solo dati strutturati e omogenei in un formato predeterminato. Tali dati vengono analizzati con tecniche di Business Intelligence, che consentono di estrarre statistiche e visualizzare grafici relativi ai dati storici ma perdono di vista l’evoluzione futura dei processi.
Con i Data Lake e l’Intelligenza Artificiale possiamo sfruttare il potenziale dei Big Data, profilare i clienti, prevedere l’evoluzione dei fenomeni di interesse, agire in anticipo e incrementare la produttività dei processi aziendali. Integrare più dati possibile è fondamentale per ricercare pattern nascosti e relazioni tra fonti eterogenee, al fine di estrarre informazioni utili alle decisioni di business.
I vantaggi dei Data Lake
Le aziende che adottano un Data Lake per gestire i propri dati hanno vantaggi operativi e gestionali. I principali sono:
- Integrazione e ampliamento delle informazioni. Memorizzando dati nel loro formato nativo, i Data Lake possono raccogliere informazioni da qualsiasi tipo di fonte e renderle disponibili agli analisti. Inoltre l’adozione di un unico repository abilita lo sviluppo di una cultura data-driven in azienda.
- Riduzione del Time-to-market. L’accesso alle informazioni è immediato e real-time. I data scientist posso analizzare i dati senza prima curarsi di integrare ed ampliare le informazioni presenti.
- Riduzione dei costi di archiviazione e gestione. Con le architetture Data Warehouse è necessario prevedere in anticipo l’uso che verrà fatto dei dati per archiviarli in maniera ottimale. Ogni modifica al volume e alla struttura del database porta con sé costi notevoli e perdite di tempo. Il Data Lake non vincola la struttura della base dati e permette di conservare le informazioni in file system distribuiti (es. HDFS) scalabili in base al volume dei dati a disposizione, consentendo un notevole risparmio economico rispetto ai Data Warehouse.
- Condivisione delle informazioni. Eliminando la duplicazione delle informazioni, gli insight estratti dai data scientist sono accessibili a chiunque abbia i permessi per consultarli.