Sas, 5 passi per una corretta data strategy

Alla tappa milanese del Sas Roadshow il vendor ha messo al centro la gestione strutturata ed end-to-end del ciclo informativo come elemento differenziante della digital transformation. Servono competenze, sicurezza e piattaforme integrate

Pubblicato il 23 Feb 2017

MILANO – Definire una precisa data strategy è la chiave per qualsiasi iniziativa analitica. Il messaggio che passa al roadshow milanese di Sas è chiaro: l’informazione è il cuore della digital enterprise, ma deve essere governata in maniera strutturata per accelerare le decisioni, trasformare il business, aumentare i profitti.

Marco Icardi, Regional Vice President di Sas

“Il dato – ha dichiarato Marco Icardi, Regional Vice President di Sas – è al centro perché permette di ottimizzare la customer experience [principale leva competitiva nell’era digitale, ndr]. Con il proliferare delle informazioni, avere una chiara data strategy è fondamentale per estrarre da queste valore a supporto di decisioni rapide e consapevoli. Servono nuove competenze specifiche, come i chief data officer – ha aggiunto Icardi -, che oggi sono 200 a livello italiano, ma saranno 2000 entro il 2018 e 20mila nel 2020. Bisogna avere la capacità di sfruttare il dato in real-time, in sicurezza e nel rispetto dei limiti normativi, adottando piattaforme integrate e ‘future proof’, in grado di gestire tutta la filiera del dato e interfacciarsi con tecnologie e algoritmi esterni attraverso le Api”.

Angelo Tenconi, Analytics & Technology Director di Sas

“Sviluppare nuove progettualità sul fronte digitale – ha affermato Angelo Tenconi, Analytics & Technology Director di Sas – significa muoversi verso uno scenario che contempla IoT, Big Data e Analytics, intervenendo su almeno quattro fattori: risorse It, oggetti intelligenti, clienti, partner”.

In un mondo dove i dati aumentano in volumi, varietà e velocità, il governo dell’informazione diventa essenziale, come saranno sempre più centrali le figure del data scientist, incaricato di trarre evidenze nascoste dai dati, e del data engineer che permette di distribuire le informazioni attraverso l’azienda.

“Come vendor – ha proseguito Tenconi – guardiamo a tutto il ciclo di vita dell’informazione dalla discovery al deployment. La nostra offerta si traduce nella piattaforma Viya che è unified (offre un’unica interfaccia per tutto il life cycle analitico), open (sfrutta tecnologie e linguaggi open), powerful (poggia sulla potenza di calcolo della piattaforma Sas), adaptive (è fruibile on premise e in cloud)”. Con Viya, infatti, Sas ha ridisegnato l’architettura della propria suite analitica, con un cambio di rotta deciso verso l’integrazione con soluzioni aperte: “Crediamo nel potenziale delle tecnologie open source, ma anche nell’importanza dell’ultimo miglio, nel valore aggiunto delle soluzioni enterprise che permettono di concretizzare i progetti analitici [Sas parla di “eseguibilità”, ovvero della capacità di portare la tecnologia in produzione declinandola sulle specifiche esigenze aziendali, ndr]”. Insomma, se l’open source rappresenta indubbiamente un bacino tecnologico da cui attingere e che oggi il mercato chiede, secondo Sas, l’expertise di un vendor navigato e la specificità delle soluzioni commerciali sono la chiave per il successo delle iniziative analitiche.

Evan Levy, Vice President of Data Management Programs di Sas

Con queste premesse, Evan Levy, Vice President of Data Management Programs di Sas, ha sintetizzato le cinque componenti per la corretta data strategy. “Dal punto di vista tecnologico – ha detto – muovere i dati tra sistemi è semplice, ma servono regole per governance e distribuzione. Bisogna avere un approccio di lungo periodo (a 5 anni) perché lo sharing dei dati diventi un processo di business, tenendo conto che lo storage è solo una componente della strategia e che lo sforzo va concentrato su gestione, ricercabilità e accessibilità”. La ricetta, personalizzata per ogni azienda, passa quindi per: Identify (riconoscere il senso e l’utilità di ogni dato indipendentemente da localizzazione, tipologia, provenienza); Provision (distribuire i dati con efficacia, nel rispetto di policy e compliance); Store (archiviare i dati in maniera sicura e strutturata); Govern (stabilire e applicare opportune regole per l’utilizzo dei dati); Integrate (convogliare in una vista unica e logica i dati multisource).

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 3