La discontinuità generata dalla crisi pandemica ha messo in discussione anche i modelli operativi di molte aziende, per le quali l’approccio data-driven al business molto si basava sull’analisi e sull’utilizzo di grandi quantità di dati storici. La pandemia ha letteralmente scombinato le carte in tavola, rendendo in molti casi poco o per nulla rilevanti i dati pre-esistenti.
L’apparente contraddizione balza subito agli occhi: nel momento in cui si definisce con chiarezza l’importanza di un business data-driven, i modelli tradizionali di analisi dei dati sono messi in discussione.
Indice degli argomenti
Le nuove tendenze per Dati e AI
In realtà, altre tendenze stanno nel frattempo emergendo. Tendenze che rimarcano la centralità del dato e dell’intelligenza che dal dato deriva, come ben sottolinea Gartner nella sua analisi “Data & AI Trends 2021”.
In 12 mesi è cambiato l’approccio al dato e alla sua analisi, evidenza la società di ricerca, sottolineando anche come queste nuove tendenze siano quelle che possono aiutare le imprese, le organizzazioni e la società stessa non solo ad affrontare cambiamenti dirompenti e l’incertezza socio-economica, ma anche a individuare e cogliere per tempo le opportunità che si prospetteranno.
I nuovi capisaldi dell’era data-driven
Il nuovo approccio, che anche i partner, gli sviluppatori e i system integrator non possono non prendere in considerazione, si articola su tre assunti chiave.
1 – È il momento di accelerare sull’utilizzo di dati e analytics, sfruttando non solo le potenzialità offerte dall’intelligenza artificiale, ma anche le opportunità che nascono da una integrazione più agile ed efficiente di fonti di dati eterogenee.
2 – È importante sfruttare tutto quanto ruota intorno al paradigma XOps (AIOps, DevOps, SecOps), dunque migliorare le operation grazie ad elementi di intelligenza artificiale, per consentire migliori processi decisionali e trasformare dati e analisi in parte integrante del business.
3 – È importante adottare un paradigma “distributed everything”, che abilita una relazione flessibile di dati e insight a beneficio di un numero crescente di persone e – perché no? – anche di oggetti.
Partendo da questi tre capisaldi, Gartner ha evidenziato una serie di tendenze sulle quali è importante lavorare. Vediamo quelle più rilevanti.
Una Artificial Intelligence più scalabile
Se è vero, come è vero, che l’emergenza pandemica ha messo in discussione molti dei modelli basati sull’analisi dei dati storici, appare chiaro che l’Intelligenza Artificiale dovrà operare su presupposti differenti. Secondo Gartner questo significa una AI in grado di lavorare con meno dati, passando dunque dai big data agli small data, utilizzando tecniche di apprendimento automatico adattivo.
Tutto questo, va da sé, tenendo nella giusta considerazione non solo i principi di sicurezza e riservatezza, ma anche le linee guida che sottendono a una intelligenza artificiale etica.
Dati componibili e analytics
Se l’obiettivo da raggiungere è quello di poter collegare gli insight che derivano dai dati alle decisioni e alle azioni di business, allora è importante poter utilizzare in modo flessibile i dati che provengono da applicazioni e soluzioni diverse, creando correlazioni e abilitando un approccio agile agli analytics.
L’importanza dei data fabric
Man mano che i dati diventano sempre più complessi e il business digitale accelera, emerge l’importanza del data fabric come l’architettura che supporterà dati e analisi componibili.
Un data fabric è una rappresentazione concettuale di come saranno organizzati i dati. È di fatto una struttura formale per definire e visualizzare i dati all’interno di una organizzazione, aiuta a rendere i dati visibili e utilizzabili e guida il modo in cui i dati stessi saranno conservati e gestiti.
Il data fabric riduce i tempi di integrazione, implementazione e manutenzione e può sfruttare le tecnologie esistenti nei data hub, data lake e data warehouse, oltre ad adottare nuovi approcci e strumenti.
L’era degli small data
Come accennato, se le visioni d’insieme, provenienti dall’analisi di grandi quantità di dati, anche storici, sono state un po’ messe in discussione dalla discontinuità generata dalla pandemia, ecco che gli Small Data assumono una nuova rilevanza. Con gli Small Data si intendono dati “piccoli”, ma ben strutturati, che possono fornire informazioni puntuali basate sull’analisi dei dettagli e che, soprattutto, riducono il rischio che negli ingranaggi della data analytics finiscano dati ininfluenti se non addirittura sbagliati rispetto al contesto.
Dati (e analytics) all’edge
Nel momento in cui le tecnologie di analisi cominciano a “vivere” al di fuori dei data center tradizionali, avvicinandosi sempre di più agli asset fisici che generano i dati, dunque all’edge, è possibile cogliere tutti i benefici derivanti dalla riduzione della latenza e dalle opportunità delle analisi in real time.
Quali opportunità per i Business Partner
Se è vero che nessuna azienda o organizzazione oggi può ignorare l’importanza e la necessità di un approccio data driven, lo stesso imperativo vale per gli operatori del canale.
Stiamo parlando dell’opportunità di accompagnare i clienti in un percorso di trasformazione, in grado di accrescerne competitività e capacità di rispondere alle richieste dei loro mercati di riferimento. Significa generare valore per il cliente. Un valore che per il business partner si traduce nella creazione di rapporti duraturi, basati sulla fiducia e destinati a crescere nel tempo.
Il ruolo dei partner nello scenario Data-Driven
È compito del partner spiegare al suo cliente che investire su Dati e di Intelligenza Artificiale non significa investire su una singola tecnologia, ma su una combinazione di molte, che includono tra l’altro Machine Learning e Analytics.
Sono leve che spingono i partner verso la specializzazione, verso paradigmi di co-innovazione, verso logiche di ecosistema con l’obiettivo di garantire ai clienti esperienze personalizzate che rispondono ai loro effettivi bisogni.
I clienti hanno bisogno di essere guidati in quello che è di fatto un percorso complesso e supportandoli nella scelta, dopo aver definito insieme problema, obiettivi e KPI.
E tocca ai partner far capire ai loro clienti che non si stanno facendo sperimentazioni sull’Intelligenza Artificiale o sulle Analytics, ma che il percorso che si avvia serve a sbloccare un valore aziendale tangibile e generare risultati specifici.
Data & AI nell’ecosistema dei Business Partner IBM
Quando si parla di Data e AI, i partner lavorano in una logica di ecosistema, come aveva spiegato Fabrizio Saltalippi, Director Partner Ecosystem in IBM Italia, in una intervista di poche settimane fa, parlando di “federazione di competenze”. Il modello promosso da IBM vede i partner collaborare tra loro per creare soluzioni di intelligenza artificiale: sono realtà con competenze complementari, che vanno dagli specialisti del dato e dell’AI agli ISV ai system integrator.
Tutto questo potendo contare su una leva fondamentale come IBM Cloud Pak for Data, che semplifica e automatizza il modo di raccogliere, organizzare e analizzare i dati e integra l’AI in tutte le attività di business.
In linea con le tendenze di cui abbiamo parlato in precedenza, Cloud Pak for Data Integra senza soluzione di continuità un’ampia gamma di software di dati e AI, garantendo non solo la governance e la sicurezza dei dati ma anche una esperienza unificata per la collaborazione tra le diverse aree e figure aziendali.
Questi saranno i temi al centro del Digital Event Data&AI Forum in programma il prossimo 18 maggio, un evento dedicato all’analisi e alla comprensione del ruolo dei dati e dell’Intelligenza Artificiale per lo sviluppo e la crescita di imprese e organizzazioni.
