Data Mesh: l’importanza di una gestione decentralizzata dei dati per decisioni di business più rapide e ponderate

Giovanni Mazzucato, Project Leader di Axiante

La crescita esponenziale dei dati aziendali, sia per quantità che per varietà, è un dato di fatto: l’aumento delle transazioni digitali, gli ambienti di lavoro ibridi, l’estensione dei canali di comunicazione e l’adozione di nuove tecnologie come l’Internet of Things (IoT) sono alcuni dei fattori che hanno contribuito a questo aumento.

Molto spesso le aziende vedono in questa tendenza soprattutto un onere e un costo. In realtà ciò può trasformarsi in un’opportunità straordinaria se sfruttata correttamente. I dati, infatti, costituiscono una base oggettiva attraverso la quale è possibile prendere decisioni di business più ponderate, grazie a una comprensione più approfondita e puntuale del settore e delle dinamiche del mercato in cui si opera e dei trend in atto. Ma non solo, l’analisi dei dati consente di ottimizzare l’efficienza operativa, intervenendo sulle aree di miglioramento, con una conseguente riduzione dei costi operativi e un’ottimizzazione complessiva delle performance aziendali. Se a questo si aggiunge la possibilità di offrire ai propri utenti esperienze uniche e personalizzate, e di ottenere così una maggiore fidelizzazione e soddisfazione di una clientela sempre più esigente, la trasformazione delle aziende in data-driven company è dunque auspicabile e strategica per continuare a competere e prosperare, rispondendo velocemente e agilmente alle richieste di un mercato sempre più complesso, mutevole e incerto.

Ma come far fronte a questa sfida e come gestire in modo ottimale la mole di informazioni a disposizione? In questo senso il Data Mesh, un concetto relativamente recente, rappresenta la soluzione ottimale e un elemento strategico imprescindibile a favore di un’analisi dei dati più efficace, promuovendo un approccio decentralizzato alla gestione dei dati, in cui il controllo e la responsabilità di essi vengono distribuiti tra i vari team di un’organizzazione. All’interno del data management questo favorisce la collaborazione e la condivisione tra i team, incentivando la creazione di un ecosistema dati interno all’organizzazione che sfrutta tecnologie evolute di machine learning e IA.

Comprendere il passato per compiere un passaggio evolutivo necessario

Abbracciare questo paradigma comporta un cambio culturale e di mentalità e, soprattutto, uno sforzo congiunto e condiviso a tutti i livelli aziendali.

In passato, infatti, per compensare la richiesta di gestione di big data strutturati e destrutturati, l’IT si è avvalso di strumenti come “Data Warehouse” e “Data Lake” gestiti da un team e una struttura centralizzati. Una soluzione per molti versi di successo, ma che non ha tenuto conto dell’entità dell’aumentato del volume di dati prodotti, il moltiplicarsi delle fonti dati da gestire – si pensi allo sviluppo mediante micro services – e la difficoltà di analizzarli in tempi rapidi per prendere decisioni e restare competitivi. Spesso, l’approccio centralizzato ha costituito di fatto un collo di bottiglia rispetto alle richieste di analisi da parte del management e dei cosiddetti “product owner”.

Decentralizzare come la natura delle aziende moderne richiede

A fronte di organizzazioni sempre più decentralizzate e distribuite all’interno delle quali comparti e reparti gestiscono parti differenti dell’operatività aziendale, l’obiettivo del Data Mesh è abilitare i team distribuiti a lavorare condividendo le informazioni in modalità agile e autonoma, ridurre il backlog di delivery e favorire analisi rapide e scelte di business basate sui dati affidabili.

Il Data Mesh si fonda su quattro pilastri volti a superare le principali criticità dell’approccio sino a ora utilizzato:

  1. Decentralizzare i domini: alla base del Data Mesh abbiamo il concetto di “dominio” al quale sono delegate tutte le attività di gestione del dato e di regole di business per consentire ai team dedicati di amministrare in autonomia la propria pipeline di elaborazione dei dati (ETL). Una volta raccolti e trasformati dal rispettivo dominio di business, gli owner possono quindi sfruttare i dati e condividerli per esigenze analitiche o operative.
  2. Data As a Product: considerare il dato come un prodotto affinché tutti i soggetti (interni ed esterni al dominio di pertinenza del dato) possano utilizzarlo facilmente.
  3. Predisporre un’infrastruttura self-service, ossia una Data Platform che eroghi servizi e funzionalità per abilitare i team del dominio alla gestione indipendente del ciclo di vita del dato come Prodotto e all’interoperabilità tra tutti i domini.
  4. Disporre una governance federata al fine di rendere i Data Product interoperabili tra loro, e facilmente fruibili da tutti, creando un ecosistema di dati standardizzato conforme alle policy organizzative e alle normative del settore.

Un diverso concetto di dato

Nel Data Mesh, il dato, al centro di tutto, assume dunque una diversa connotazione dove la qualità delle informazioni raccolte determina il valore aziendale a lungo termine. Oggi, si parla di Data As a Product che includono Asset di Codice, Metadati e Criteri Correlati e che necessariamente devono essere attuabili, ovvero devono essere correttamente archiviati, organizzati e resi disponibili in modo continuativo e affidabile e accessibili in maniera semplice e intuitivo; di qualità, che implica che il dato sia accurato, completo, aggiornato e privo di errori al fine di garantire decisioni di business affidabili; infine, devono essere fruibili e quindi presentati in un formato comprensibile e utile per gli utenti.

Nuove sfide che richiedono il supporto e le competenze di un partner adeguato

Un Data Mesh efficace non si realizza applicando i quattro pilastri come semplici regole di una checklist. È necessario considerare gli aspetti culturali, organizzativi, architetturali e tecnologici. Trattandosi quindi di un percorso, il primo passo verso un cambiamento prospettico di mentalità, è la scelta di un partner in grado di guidare le aziende per sfruttare i benefici offerti da questo approccio. Da sempre, noi di Axiante lavoriamo in cooperazione e collaborazione, a volte in integrazione, con i responsabili aziendali per definire la roadmap più corretta e funzionale per l’introduzione del Data Mesh.

A ulteriore dimostrazione del nostro impegno a favore della trasformazione data-driven, abbiamo creato la nuova business unit Data Driven pensata per supportare tutte quelle organizzazioni che devono affrontare una molteplicità di dati distribuiti su più ambienti eterogenei, dall’on premise al cloud, dai data generati internamente a quelli esterni.

La mission è quella di condurre le aziende nella definizione di una data strategy su misura. Collaborando con i responsabili di business e i team IT interni dei nostri clienti, con un approccio graduale, possiamo definire obiettivi concreti e misurabili nell’immediato.