Le componenti tecnologica e organizzativa
Sfruttare appieno le nuove opportunità che si aprono con i Big Data richiede un passaggio cruciale che è di comprendere come è cambiato l'IT per sviluppare la propria piattaforma dati di conseguenza puntando ad accomunare tutti i tipi di dati strutturati e non strutturati, interni ed esterni.
I Big Data hanno, infatti, requisiti specifici e l'infrastruttura dati tradizionale, basata su dati centralizzati altamente strutturati, non è più l'unica opzione possibile.
Molti dei nuovi strumenti, come quelli basati sul framework open-source Apache Hadoop, si dimostrano più flessibili e meno costosi e anche le soluzioni di Analytics possono essere ora rapidamente implementate.
Tuttavia, questi nuovi strumenti orientati ai dati accanto a interessanti potenzialità sollevano anche alcuni interrogativi.
Cosa succede agli investimenti esistenti? Come vengono tradotti in modo operativo i risultati ottenuti dalla raccolta e analisi dei Big Data? In che modo le fondamenta tecnologiche attuali potranno supportare le applicazioni dati del prossimo futuro?
Non esiste una ricetta unica ma si possono comunque fare alcune considerazioni fondamentali.
Implementare una piattaforma dati scalabile, multiuso ed estesa a livello enterprise consente, innanzitutto, di evitare il problema dell'anarchia dei dati e di realizzare le condizioni per mantenere una certa coerenza dei dati.
La piattaforma per i Big Data dovrebbe anche essere realizzata con tecnologie facilmente scalabili per rendere più semplice l'implementazione delle applicazioni future.
Rispetto agli strumenti dati più tradizionali basati su SQL, quelli distribuiti come Hadoop hanno il vantaggio di poter lavorare con le informazioni nelle loro forma naturale e non strutturata, ovunque essi si trovino.
In ogni caso, le tecnologie SQL continuano a svolgere bene il loro compito nei confronti dei dati di "core business" e. pertanto, le aziende cha hanno già effettuato investimenti importanti su questo tipo di soluzioni possono considerare un approccio complementare che, peraltro, permetterebbe di sviluppare competenze sui nuovi strumenti, facilitando la transizione verso l'uso di tecnologie distribuite.
Non va poi scordato che il fondamento tecnologico dei Big Data non comprende solo la tecnologia a supporto degli strumenti di analytics, ma anche quella in grado di rendere utilizzabili i risultati ottenuti.
Questa seconda parte è cruciale perché spesso la conoscenza acquisita non si traduce in risultati di business se non si interviene rapidamente, a tendere in tempo reale o quasi in tempo reale.
Per esempio, un rivenditore online potrebbe individuare l'offerta ottimale per un cliente che sta visitando il suo sito ma per sfruttare al massimo questa intuizione, ha bisogno di trasmettere il messaggio mentre il potenziale cliente è ancora on line.
Rendere operativi i Big Data non significa però solo implementare tecnologie nuove e sconosciute, ma anche predisporre nuove strutture organizzative.
Per esempio, le aziende potrebbero decidere di creare un centro di eccellenza dedicato ai Big Data in cui centralizzare le risorse chiave e far convergere competenze di memorizzazione e di analisi dei dati. Possibilmente prevedendo meccanismi di allineamento costante con le funzioni orientate al business che riportino costantemente l'attenzione nel mondo reale e su casi d'uso a valore, evitando dispersioni in tecnicismi inutili.