La nuova grande ondata della digital transformation - e l’era degli insight che questa porta con sé - rappresentano, per le aziende, un’occasione preziosa, in grado di segnarne il livello di evoluzione e di successo. Una sorta di imperativo strategico, al quale non si potranno sottrarre se intendono puntare alla crescita costante, sia di tipo organizzativo che economico.

In seguito all’emergenza pandemica – che ha spinto oltre il processo di trasformazione digitale di imprese e organizzazioni, dandogli un nuovo e forte impulso e facendo sempre più emergere il “dato” quale primo attore delle strategie di business – si parla sempre più di data intelligence. Per qual motivo? E di che cosa si tratta?

La dinamica alla quale stiamo assistendo vede il passaggio dall’informazione all’insight, ossia dall’attenzione focalizzata sulla generazione e sulla raccolta dei dati alla loro traduzione in conoscenze utili, da utilizzare concretamente nell’ambito della propria attività. Siamo al punto in cui raccogliere dati ed estrarre da questi “intelligenza”, rimandano a due terreni di gioco differenti. Comunicanti, ma differenti.

In particolare, il secondo terreno è quello della data intelligence, insieme di strumenti e di metodi di analisi avanzate dei dati che consentono alle organizzazioni di giungere a un’interpretazione, a un senso profondo dei dati e delle informazioni che possiedono, per poi applicare tali significati ad azioni che rispondono, a loro volta, a precisi obiettivi aziendali. Il fine ultimo è arrivare a usare il dato per prendere decisioni oppure per utilizzarlo a scopo predittivo, descrittivo, prescrittivo o diagnostico.

Tra i vantaggi derivanti, nel tempo, dall’adozione delle pratiche di data intelligence, la possibilità di trasformare i dati grezzi in nuove scelte, in nuove direzioni e tendenze, riuscendo, in questo modo, ad apportare continui miglioramenti alla propria strategia, in risposta all’ambiente, alla concorrenza e alle sempre nuove sfide, e rendendo l’impresa più “adattabile” e resiliente.

Si evince, da questo breve quadro, come la nuova grande onda della digital transformation e l’era degli insight che questa porta con sé, rappresentino, per le aziende, un’occasione preziosa, in grado di segnarne il livello di evoluzione e di successo. Una sorta di imperativo strategico, al quale non ci si potrà sottrarre se si intende puntare alla crescita costante, sia sotto il profilo dell’organizzazione della struttura sia sotto il profilo economico.

Dalla data intelligence alla data-driven company

Per il management di un’organizzazione, avvalersi di una strategia di data intelligence significa poter essere supportati, poter essere guidati dai dati in tutte quelle che sono le decisioni relative alla gestione delle attività.

È questo l’approccio data-driven – vale a dire “guidato dai dati” – sposando il quale l’azienda arriva a orientare la propria strategia sui dati, sui “numeri” e sulle informazioni che possiede e a prendere, in base a questi, decisioni.

Più nello specifico, la data-driven company è quell’impresa in grado di individuare gli insight per identificare – ad esempio – nuove opportunità di business, effettuare previsioni in tema di efficienza e produttività, ipotizzare scenari futuri, delineare simulazioni di scenari organizzativi diversi, ottimizzare efficienza ed efficacia dei processi oppure valorizzare al meglio gli asset a disposizione. E altro ancora.

Ma il concetto data-driven delinea un pensiero, oltre che un metodo di lavoro. E la sua introduzione in seno alle imprese è scandita dalla definizione di un piano operativo che non ponga al centro soltanto le tecnologie, bensì anche i processi e le persone, puntando a un’attenta revisione di tutta l’organizzazione. Adottare l’approccio data-driven, infatti, prevede un percorso di cambiamento verso la “cultura del dato”, verso la consapevolezza del valore del dato, a tutti i livelli aziendali

In alcuni ambiti, è possibile imbattersi anche nella definizione di “data-driven economy”, a indicare un utilizzo dei dati centrale non solo nelle strategie e nella gestione del business, ma anche nello sviluppo di nuovi prodotti e servizi, nel rinnovamento dei modelli di business, nella creazione di innovazione e nella diffusione della conoscenza.

Le infrastrutture IT a sostegno della data intelligence

La data intelligence incorpora tecniche e soluzioni che fanno capo all’ambito di studi dell’intelligenza artificiale, per mezzo delle quali le organizzazioni sono in grado di analizzare grandi quantità di dati in modo rapido e affidabile.

Ma l’intelligenza artificiale – lo ricordiamo – per reggere processi analitici molto estesi, necessita di infrastrutture IT potenti, affidabili, scalabili e performanti. In particolare, sono tre le componenti tecnologiche alle quali prestare attenzione nel sostenere la data intelligence: l’infrastruttura di rete, compresa la connettività; l’infrastruttura server, nell’accezione di elevata capacità di elaborazione; lo storage.

Tra queste, la componente maggiormente messa sotto pressione dai processi generati dall’intelligenza artificiale, è l’infrastruttura di rete, nell’ambito della quale una delle sfide centrali è data dalla sua scalabilità.

Nel dettaglio, a ripercuotersi in modo particolare sulla scalabilità dei sistemi, sono gli algoritmi di machine learning e di deep learning, in base alle cui attività vanno aumentando le richieste di risorse a disposizione.

E se un ambiente data center basato su CPU risulta comunque sufficientemente performante riferito a processi AI poco complessi, le criticità si evidenziano nel momento in cui la capacità di calcolo è chiamata a sostenere carichi più pesanti, come quelli degli algoritmi di deep learning per i quali l’infrastruttura deve poter evolvere verso processori più avanzati oppure verso GPU – Graphic Processor Units, in grado di offrire capacità di calcolo e di velocità superiori.

Il mercato, inoltre, a tale riguardo, offre tecnologie atte ad aumentare la velocità della trasmissione dei dati, nonché la scalabilità dei sistemi, al fine di rendere effettivamente disponibili i dati per applicazioni di intelligenza artificiale.

In ogni caso, quello dello storage a supporto dell’AI rappresenta l’aspetto più problematico – e al quale dover dedicare maggiori attenzioni – in cui le tecnologie stanno maturando di pari passo con l’evoluzione stessa dell’intelligenza artificiale.

Il valore dei “modelli a consumo” nell’accelerare i percorsi di trasformazione digitale

Agevolare le organizzazioni nel percorso di trasformazione digitale – soprattutto in questa iniziale fase di ripresa economica dopo la grave emergenza pandemica – significa anche poter offrire loro soluzioni per la gestione e l’elaborazione dei dati utilizzabili anche con “modelli a consumo”, che consentono di avere un’infrastruttura IT evoluta senza dover ricorrere a investimenti immediati di capitali, dunque senza dovere acquistare apparecchiature per poi doverne ammortizzare i costi nell’arco di tempo che, mediamente, va dai tre ai cinque anni.

Nei modelli IT a consumo, infatti, il costo dell’infrastruttura equivale alle spese di funzionamento. Il che consente alle aziende di spostare le risorse in base al mutare delle proprie esigenze, pagando solo per ciò che realmente utilizzano ed, eventualmente, ampliando o riducendo rapidamente le risorse senza compromettere l’intera infrastruttura.

I vantaggi di tali modelli, oltre alla flessibilità relativa al rapporto costo-budget, sono dati dalla rapidità di integrazione e dalla loro agilità, oltre al fatto di potere – grazie ad essi – perseguire progetti IT a basso rischio di crescita dei costi e di esaurimento delle risorse economiche a disposizione.

È un esempio di modello a consumo HPE GreenLake, piattaforma software che, senza anticipo di capitali, permette al cliente di avere un’infrastruttura IT adeguata alle proprie necessità di business.

I benefici di tale modello non sono solo di carattere finanziario, bensì anche operativo, legati, in particolare, a un aumento della produttività dovuta al fatto che la gestione dei dispositivi viene lasciata ai tecnici di partner e HPE, consentendo, così, alle risorse aziendali di concentrarsi esclusivamente sullo sviluppo business.