In un momento di forti cambiamenti come quello che stiamo vivendo, la data strategy è centrale per le aziende che hanno la necessità di basarsi su informazioni affidabili e valide ed essere competitive. In questo contesto, SAP ha scelto di concentrare le sue forze per capitalizzare le tantissime informazioni di cui oggi le aziende dispongono, cercando di muovere i dati il meno possibile e renderle accessibili in tempo reale. “SAP” premette Fabrizio Moneta, Regional head & Sales director Analytics, Platform and Technologies, SAP Italia e Grecia “ha da tempo fatto la scelta precisa di distinguersi dagli altri vendor”. Dopo aver rifondato il portafoglio prodotti e introdotto il database in-memory, SAP Hana, SAP ha ricostruito le proprie applicazioni partendo dal data management con la creazione dell’Erp analitico S/4Hana. “Oggi – continua Moneta – la data strategy non smette di essere al centro della nostra innovazione e il nostro posizionamento tecnologico si distingue soprattutto in tre aree principali: analytics e data management, processing integration e modernization”.
Indice degli argomenti
Dal filone applicativo alla strategia di data management
Negli ultimi anni e in continuità con il recente passato, SAP ha cercato, spiega Moneta “di fondere le transazioni con l’analisi dei dati senza doverli spostare, raffreddare l’informazione, rendere real-time ciò che è sempre stato batch, e innestare all’interno dei processi le tecnologie di ultima generazione in termini di intelligenza, automazione delle decisioni e multicanalità”. Per raggiungere l’obiettivo e come primo passaggio, SAP ha completato l’architettura e introdotto SAP Analytics Cloud puntando su una piattaforma aperta e scalabile con strumenti di analisi e data exploration integrati e la possibilità di complementare la base dati nativa S/4Hana con altri sistemi.
Ad oggi, ci sono ancora molte aziende che utilizzano sistemi tradizionali on-premise ai quali affiancano applicazioni cloud based. Queste, a loro volta, si basano su punti di raccolta esterni, data lake, per il controllo della qualità dell’informazione e offrono troppo spesso una visione frammentata. “La strategia di data management di SAP è una novità in termini di approccio” spiega Moneta e mira ad “armonizzare queste fonti dati, muovendo il dato il meno possibile per non raffreddarlo, e a fornire strumenti per virtualizzarle e rappresentarle in modo unico”. L’obiettivo di SAP è legato proprio all’esigenza delle imprese di unire i dati operativi (0 data) e collegati alle operazioni tradizionali con i dati esperienziali (X data) collegati alle applicazioni di nuova generazione. (figura 1).
Recente è l’introduzione di SAP Data Warehouse Cloud punto di aggregazione e snodo dei dati provenienti da qualsiasi sorgente. Una volta virtualizzati, riclassificati ed armonizzati i dati sono disponibili in tempo reale alle applicazioni SAP e non SAP e a qualsiasi front end di Business Intelligence. Non a caso, Forrester nell’ultimo report in cui ha analizzato e assegnato un punteggio a 15 fornitori che operano in ambito data fabric ha posiziona SAP in alto a destra nella proposizione Data Management for Analytics, sottolineandone le potenzialità come fornitore di ecosistema.
Data science e machine learning nei processi di business
Una parte importante della strategia di SAP è legata alla data science e all’utilizzo reale e più diffuso del machine learning all’interno dei processi di business. Il processo di semplificazione e diffusione ha portato SAP ad introdurre circa un anno fa, SAP Data Intelligence una piattaforma che include all’interno strumenti open source e permette di semplificare l’innesto degli algoritmi di machine learning all’interno delle applicazioni di core business. Non solo è aperta a tecnologie di terze parti ma permette di gestire l’intero ciclo di vita dell’algoritmo senza discontinuità. Punto fondamentale è mettere a disposizione del data scientist tutte le informazioni aziendali in modo semplice fino a supportarlo nella rieducazione e raffinamento degli stessi algoritmi. SAP come afferma Moneta, mira a far uscire la data science dal mondo dei “progetti pilota” e dalle funzionalità scolpite all’interno delle applicazioni senza distruggere la semantica e aggiungendo l’intelligenza e l’automazione promessa dal machine learning.
Casi d’uso: Regione Toscana e Reale Group
Tra i casi reali in Italia di applicazione delle tecnologie SAP per il data management un esempio rilevante è la Regione Toscana. Durante il periodo di emergenza, la Regione Toscana che già utilizzava le soluzioni Hana per il dato gestionale, ha esteso l’utilizzo della piattaforma per gestire i dati provenienti dalle diverse realtà ospedaliere e sanitarie. In questo modo, spiega Roberto Fraccapani, Head of presales Sap Italia, “in solo tre settimane ed in piena emergenza siamo stati in grado di estendere l’acquisizione del dato proveniente da diversi laboratori per la fruizione di un modello dati unificato sfruttando Sap analytics Cloud. Un sistema che è stato in grado” continua Fraccapani “di estendere l’utilizzo del sistema gestionale per scopi clinico sanitari e affrontare in modo agile il numero dei tamponi. In futuro, spiega Roberto Fraccapani, l’obiettivo è consentire una gestione di processi di pianificazione e di previsione attraverso l’integrazione di machine learning per conoscere scenari e trend futuri fino a suggerire soluzioni concrete.
Il caso di Reale Group, cliente storico della piattaforma SAP Hana, è stato presentato recentemente durante il Data Innovation Tour. Reale group ha presentato un progetto pilota sfruttando Data Warehouse Cloud per mettere in correlazione sistemi differenti SAP e non SAP con i dati assicurativi del business auto, sulla base di un unico modello in cloud virtualizzato. Questo ha permesso il recupero agile delle informazioni fino ai report finali. Tra i punti di forza, il layer pensato per un utente business senza scrivere codice ma che utilizza modelli visuali rappresentati graficamente.
Partecipa alla community