by Colin White
Il numero di soluzioni di Business Intelligence (BI) proposte sul mercato è in continuo aumento. La maggior parte di esse utilizzano ancora servizi forniti dai tradizionali Data Warehouse (DW). Tuttavia, per quanto possa sembrare strano, ve ne sono alcune che hanno iniziato a farne a meno. Su attività effettuate su volumi di dati in cui è richiesta rapidità di risposta è oggi infatti possibile escludere l'utilizzo di un DW o prevederne un utilizzo collaborativo e coerente con i risultati dell'elaborazione analitica pianificata. In alcuni casi si prospetta, quindi, un ruolo del DW diverso dal passato, complementare e non più univoco all'esercizio di applicazioni di BI. Il ruolo del tradizionale enterprise DW, di fatto, cambia in conseguenza del mutamento che interessa lo stesso mercato della BI.
Il titolo di questo articolo è volutamente provocatorio e il mio obiettivo è incoraggiare gli esperti di BI a riconsiderare il ruolo del DW in nuovi progetti di BI. Nel passato l'enterprise DW era considerato la pietra miliare di questi progetti, oggi, in molte situazioni, non lo è più.
Una prospettiva storica
Nella dimensione aziendale esistono tre tipi fondamentali di elaborazione IT: transazionale, di Business Intelligence e collaborativa. La prima riguarda l'operatività quotidiana, mentre le applicazioni BI analizzano quelle operazioni con l'obiettivo di renderle più efficienti e migliorarle. I sistemi collaborativi sono infine dedicati alla condivisione delle informazioni e della conoscenza.
Prima dell'introduzione del concetto di BI, la maggior parte delle aziende analizzava le proprie attività con applicazioni di supporto alle decisioni che effettuavano query e fornivano report su dati risiedenti su dabase transazionali. Vi era più di un problema con questo approccio: 1) i dati non erano trattati nella forma più appropriata per attività di reporting; 2) i dati avevano problemi di qualità; 3) i sistemi di supporto decisionale compromettevano le prestazioni dei sistemi transazionali; 4) i dati erano distribuiti su una quantità di sistemi diversi; 5) vi era una mancanza complessiva dello storico dell'informazione.
Il DW fu introdotto per attenuare queste criticità. Nonostante non si metta in discussione la capacità del DW nel migliorare il processo decisionale, è importante comprendere che esso venne introdotto essenzialmente per risolvere questioni legate all'ottimizzazione del sistema transazionale e a valutazioni di tipo prestazionale.
L'emergere della BI e di applicazioni di Business Performance Management (Bpm) così come nuovi e potenti tool, hanno consentito di migliorare la componente decisionale, grazie a interfacce semplificate, capacità di analisi dei dati e possibilità comparativa tra attività correnti e pianificate. In questo contesto, l'utilizzo di DW da parte di applicazioni BI e Bpm è prevalentemente orientato a risolvere le criticità di accesso diretto ai dati transazionali. Ne consegue che, qualora si riescano a ovviare queste criticità, viene meno la necessità dell'utilizzo di un DW.
Business Intelligence tradizionale
La BI è stata utilizzata per molti anni in modo tattico e strategico per migliorare la fase decisionale con una conseguente modalità di elaborazione che implica operazioni analitiche intensive su dati storici che risiedono su DW. Tutto ciò ha causato una criticità nella centralizzazione dei dati, criticità che è stata ovviata con la creazione di data mart (DM), permettendo la distribuzione dei dati su più data store. Tuttavia, questa soluzione ha aperto un altro problema, dovuto al fatto che i DM vengono creati da DB transazionali e non da DW. Questo per il semplice fatto che tale approccio risulta largamente più vantaggioso in termini di velocità e realizzazione. Se si considera che all'interno di un'organizzazione risiedono spesso più DW e una molteplicità di DM, si capisce che uno dei problemi più comuni si è rivelato poi essere la consistenza dei dati. Problema per cui in origine, anche se può sembrare una contraddizione, era stato appunto pensato il DW.
Sono stati scritti molti articoli sul problema della proliferazione di DM indipendenti che accedono direttamente a dati operazionali e non è mia intenzione approfondire questo argomento. Ritengo tuttavia importante ricordare che un DM risolve molti degli stessi problemi di cui si fa carico un DW tranne per il fatto che le decisioni che vengono tratte da un network di DM rischiano di essere inconsistenti nello stesso modo in cui possono esserlo decisioni basate sullo screening di più data base transazionali. Questo problema può essere però attenuato integrando i dati transazionali in un data store operazionale. Permane un problema del trattamento dei dati storici, ma questo può essere risolto.
Dati storici e correnti
La distinzione tra dati correnti e storici dovrebbe essere semplice, ma nei fatti non lo è. Solitamente i dati in un sistema transazionale sono considerati correnti, mentre i dati di un DW sono considerati storici. Eppure, in alcuni contesti, una tale classificazione può risultare rigida. Presso una compagnia telefonica, esistono per esempio record che mostrano i dati clienti e record per ciascuno degli account relativi a numero telefonico, fatture ecc. Quando si effettua una chiamata, si invia un messaggio o si accede a Internet si crea un call detail record (Cdr) che può essere raccolto con altri Cdr per analizzare il comportamento del cliente, intercettare frodi ecc. In qualsiasi momento i record permettono di avere informazioni sullo stato corrente dell'account. Tutto ciò può essere considerato un insieme di dati correnti. Quando questi dati vengono aggiornati, i vecchi dati possono poi essere catturati da un DW per esigenze di analisi. Il momento di cattura dei dati può essere fatto in un momento particolare o in modo continuativo a seconda del modo in cui si vogliono analizzare i dati. È vero, i dati nel DW sono sempre di tipo storico, ma nel contesto di record Cdr la situazione è diversa. In questo caso è opportuno parlare di dati correnti perché, anche se i dati cambiano nel tempo, ci si confronta sempre con una condizione corrente. Che nome diamo al Cdr data store? Ho la sensazione che molti lo chiamerebbero un data mart. La terminologia non è fondamentale, quel che importa sapere è che non vi è necessità che quei dati risiedano su un DW.
Se l'informazione Cdr è utilizzata per individuare possibili frodi, più è veloce l'analisi più rapidamente può essere riscontrata la frode. L'applicazione BI può elaborare i dati in-flight, mentre fluiscono nel sistema, o analizzarli in un data store che viene continuamente aggiornato. E questo è appunto un esempio di BI operazionale in cui la componente DW può essere bypassata.
Business Intelligence operazionale
Esiste un numero crescente di applicazioni simili a quelle descritte in precedenza. Il vantaggio di queste applicazioni è che aiutano le aziende a diventare più agili nell'analizzare i dati correnti. Un esempio recente di queste applicazioni è il trading algoritmico che utilizza eventi analitici per ottimizzare le operazioni commerciali. Il tempo di risposta di queste analisi è nell'ordine di una frazione di secondo. In questo tipo di elaborazione non è necessario archiviare grandi volumi di dati in un DW.
Per molte applicazioni BI di tipo operazionale il processo e l'approccio ai dati è diverso dalla BI tradizionale. Applicazioni che analizzano traffico Web e attività business su siti e-commerce per tracciare i trend di acquisto, ottimizzare i prezzi, sono un classico esempio di BI operazionale dove l'analisi dei dati viene eseguita in modalità in-flight utilizzando il DW solo come strumento accessorio.
Perché tutta questa discussione è importante? Per il fatto che oggi la Business Intelligence è sinonimo di DW. Ma è un luogo comune. DW è una delle componenti della BI e quest'ultima può utilizzare dati che risiedono su altri data store e non necessariamente DW. Si è parlato a questo proposito di virtual DW, ma credo che siano termini che servono solo a confondere e, in buona sostanza, inutili.
Ci si dimentica spesso che il DW è stato creato per risolvere le debolezze dei sistemi transazionali. Molti di questi aspetti sono oggi risolvibili. La mia preoccupazione è che il DW venga oggi inopportunamente utilizzato ed esteso ad applicazioni di Master Data Management e di Content Management. Nulla di più sbagliato. In definitiva, la mia opinione è che il DW, pur rappresentando, ancora oggi, una componente fondamentale della BI, non sia, comunque e sempre, il fondamento su cui costruire un progetto di BI.
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