Qual è la data di scadenza dell’architettura tradizionale del data warehouse? Ecco come sviluppare un’architettura bi-modale di data warehouse logico basata sulla virtualizzazione dei dati Ogni tecnologia, ogni architettura e ogni tecnica di progettazione ha una data di scadenza. E questo è vero soprattutto per il mondo dell’IT. Sarebbe inconcepibile che i linguaggi assembler, i database gerarchici e le tecniche di progettazione a cascata fossero ancora utilizzati per sviluppare i complessi sistemi di oggi. E la business intelligence non fa eccezione: il cuore dei più attuali sistemi di BI è costituito da un’architettura tradizionale di data warehouse, inizialmente progettata per supportare forme classiche di reporting. Per tali sistemi, aspetti come una migliore governance, l’alta qualità dei dati e la stabilità giocano un ruolo chiave. Per offrire queste caratteristiche, i sistemi di BI sono accompagnati da processi rigidi di sviluppo, operatività e gestione. L’architettura tradizionale del data warehouse ha avuto una lunga carriera di oltre venticinque anni, nei quali ha servito al meglio innumerevoli aziende, ma per molte di queste ha ormai superato la data di scadenza. Data l’architettura rigida, molti nuovi requisiti di BI sono difficili da implementare con i sistemi di BI esistenti. Per esempio, i sistemi di BI devono supportare nuove forme di reporting e di analisi, come la BI self-service, le analisi investigative, la data science, gli utenti esterni come clienti online, partner e fornitori, le nuove tecnologie di memorizzazione come Hadoop e NoSQL, le fonti di dati esterne, come i dati sui social media e gli open data, e infine le grandi quantità di dati. Inoltre, è necessario accelerare il time to market per i report. Le aziende sanno che il loro attuale sistema di BI non può essere buttato via, perché i carichi di lavoro di reporting esistenti devono continuare a funzionare. Ma come dovrebbero implementare questi nuovi carichi di lavoro di BI e integrarli in qualche modo con il sistema esistente? Molte aziende lottano con questo dilemma, cercando di risolvere il problema sviluppando molte isole analitiche e, dato che poche specifiche sono condivise da un’isola all’altra, i business analyst si trovano a dover sempre reinventare la ruota. Inoltre, è quasi impossibile garantire una coerenza tra i report classici e i nuovi carichi di lavoro della BI. In che modo le vecchie e nuove forme di BI possono essere supportate dallo stesso sistema? È il grande dilemma della BI che va risolto. Sono necessarie nuove architetture di BI che supportino lo stile tradizionale e un po’ rigido dello sviluppo della BI con il nuovo stile di sviluppo introdotto dai nuovi requisiti di BI.
Le architetture bi-modali - Nel 2014, Gartner ha introdotto il concetto di bi-modale. Il termine “bi-modale” si riferisce a due modalità di sviluppo IT. La Modalità 1 è lo stile classico di sviluppo, in cui ogni sistema deve essere affidabile, prevedibile e corretto. I sistemi devono essere testati, governati e gestiti formalmente, devono essere verificabili e così via, mentre la Modalità 2 corrisponde agli stili di sviluppo più agili che si concentrano sulla velocità e sull’agilità, oltre a supportare la sperimentazione, la flessibilità e l’analisi self-service. Secondo i dati di un’indagine di Gartner del 2014, il 45% dei CIO diceva di operare in Modalità 2, con la previsione che entro il 2017 il 75% di tutte le organizzazioni IT avrebbero operato in maniera bi-modale, supportando cioè entrambe le modalità. Le specifiche Modalità 1 e Modalità 2 corrispondono rispettivamente allo sviluppo di report classici e allo stile di sviluppo utilizzato dalle nuove forme di business intelligence. In BI, i report classici (Modalità 1) devono essere affidabili, prevedibili, testati, governati, riproducibili, e così via, mentre le nuove forme di BI (Modalità 2) sono più sperimentali, flessibili e orientate al self-service. La sfida, per la maggior parte delle aziende, è come trasformare il loro attuale sistema di BI in un moderno sistema di BI che supporti entrambe le modalità di sviluppo. In altre parole, devono trasformare il loro sistema di BI unidirezionale in uno bi-modale.
L’architettura di data warehouse logico - Una nuova architettura adatta allo sviluppo di sistemi di BI bi-modali è l’architettura di data warehouse logico. È un’architettura agile per lo sviluppo di sistemi di BI in cui i consumatori dei dati e gli archivi dei dati sono disaccoppiati gli uni dagli altri. L’architettura di data warehouse logico presenta tutti i dati memorizzati in un insieme eterogeneo di archivi dati come un singolo database logico. I consumatori di dati non devono essere consapevoli di dove e come sono archiviati i dati. E non devono preoccuparsi neppure se i dati che stanno utilizzando provengono da un data mart, da un data warehouse o da un database di produzione. Non devono essere consapevoli del fatto che i dati provenienti da più archivi di dati devono essere uniti, né devono sapere se stanno accedendo a un database SQL, a un cluster Hadoop, a un database NoSQL, a un servizio Web o semplicemente a uno o più file flat. Anche la struttura degli archivi dati è nascosta: i consumatori di dati vedono solo i dati in un modo che è comodo per loro e vedono solo i dati rilevanti per il loro compito. Tutto ciò è ottenuto disaccoppiando i consumatori di dati dagli archivi di dati. L’obiettivo principale del disaccoppiamento è ottenere un maggiore livello di flessibilità. Per esempio, le modifiche apportate agli archivi dati non significano automaticamente che anche i report devono essere modificati, e viceversa. Oppure, sostituire una tecnologia di data store con un’altra è più semplice quando quell’archivio dati è “nascosto” dietro l’architettura del data warehouse logico. In questa architettura, l’adozione di big data è relativamente semplice, l’accesso ai dati in tempo reale è meno complesso per i consumatori di dati, e gestire i dati basati su cloud diventa semplice.
I vantaggi della virtualizzazione dei dati - I sistemi di BI con questa architettura possono presentare la stessa robustezza del data warehouse tradizionale per le forme standard di reporting. Inoltre, sono più adatti a supportare nuove fonti di dati, come i big data e gli open data; possono gestire più facilmente nuove tecnologie di archiviazione dei dati, come Hadoop e NoSQL; si adattano meglio al dinamico mondo della BI self-service; semplificano il supporto per l’analisi investigativa e la data science; infine, accelerano lo sviluppo e facilitano la manutenzione con meno risorse. Diverse tecnologie consentono lo sviluppo di un sistema di BI basato su un’architettura di data warehouse logico, come i database server in-memory e la tecnologia di data grid. Tuttavia, la tecnologia di virtualizzazione dei dati offre la soluzione migliore, in quanto supporta quasi tutte le funzionalità necessarie per sviluppare, eseguire, proteggere e gestire un data warehouse logico. La virtualizzazione dei dati offre funzionalità per la sicurezza dei dati, scalabilità, prestazioni, sviluppo, riutilizzo dei metadati, individuazione e ricerca, accesso ai big data, etc. Ma soprattutto offre un livello di astrazione completo che disaccoppia i consumatori di dati dagli archivi di dati.
In conclusione - Il grande dilemma della BI è un vero problema per molte aziende. Sfortunatamente, non esiste uno strumento soprannaturale in grado di trasformare magicamente un sistema di BI esistente in un sistema di BI bi-modale. La soluzione deve essere trovata nella configurazione di sistemi di BI con un’architettura diversa. L’architettura del data warehouse logico è per definizione pronta per la modalità multimodale. Inoltre, la tecnologia di virtualizzazione dei dati ha raggiunto il livello di maturità necessario per sviluppare un’architettura di data warehouse logico. In altre parole, non ci sono ostacoli nel viaggio verso il data warehouse logico.
Per Technology Transfer, Rick van der Lans presenterà a Roma nella prossima primavera i seminari: “Incorporare Big Data, Haddop e NoSQL nei sistemi di Data Warehouse e BI” il 15-16 aprile 2019 e “Il Logical Data Warehouse: Design, Architettura e Tecnologia” il 16-17 maggio 2019.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James