Nessun risultato trovato

La tua ricerca non ha prodotto risultati

Cos'è la gestione dei dati?

La gestione dei dati è un'attività che consiste nel raccogliere, conservare e utilizzare i dati in modo sicuro, efficiente ed economico. L'obiettivo della gestione dei dati è quello di aiutare le persone, le organizzazioni e i dispositivi connessi a ottimizzare l'uso dei dati nel rispetto delle politiche e normative, in modo da prendere decisioni e compiere azioni in grado di massimizzare i benefici per l'azienda. Poiché le organizzazioni si affidano sempre più ad asset immateriali per creare valore, oggi adottare una solida strategia di gestione dei dati sta diventando più importante che mai.

Il capitale dei dati è capitale aziendale

Nell'odierna economia digitale, i dati sono una specie di capitale, un fattore economico di produzione di beni e servizi digitali. Proprio come un fabbricante di automobili non può produrre un nuovo modello se non ha il capitale finanziario necessario, allo stesso modo non può dare autonomia alle sue vetture se non dispone dei dati per far funzionare gli algoritmi di bordo. Questo nuovo ruolo dei dati incide sulla strategia competitiva e sul futuro del computing.

Dato il ruolo centrale e decisivo dei dati, ogni organizzazione, indipendentemente dalle dimensioni o dal tipo, ha bisogno di pratiche di gestione rigorose e di un solido sistema di gestione.

Scopri di più sull'importanza del capitale di dati (PDF)

La gestione dei dati digitali in un'organizzazione implica un'ampia gamma di operazioni, politiche, procedure e pratiche. L'attività di gestione dei dati ha una vasta portata, che riguarda fattori come il modo di

  • Creare, accedere e aggiornare i dati su un livello diverso
  • Memorizzare i dati su più cloud e on-premise
  • Garantire un'elevata disponibilità e il recupero in seguito a calamità
  • Utilizzare i dati in sempre più app, analisi dei dati e algoritmi
  • Garantire la privacy e la sicurezza dei dati
  • Archiviare e distruggere i dati in base ai programmi di retention e ai requisiti di compliance

Una strategia formale di gestione dei dati riguarda le attività di utenti e amministratori, le funzionalità delle tecnologie di gestione dei dati, i contenuti dei requisiti normativi e le esigenze dell'organizzazione per ricavare valore dai propri dati.

I sistemi di gestione dei dati odierni

Oggi le organizzazioni hanno bisogno di una soluzione di gestione dei dati che fornisca un metodo efficiente per gestire i dati su un livello diverso ma unificato. I sistemi di gestione dei dati sono costruiti su piattaforme di gestione dei dati e possono includere database, data lake e warehouse, sistemi di gestione dei big data, analisi dei dati e altro ancora.

Tutti questi componenti funzionano insieme come una “data utility” per offrire le funzionalità di gestione dei dati di cui un'organizzazione ha bisogno per le proprie app, nonché l'analisi dei dati e gli algoritmi che utilizzano i dati originati da tali app. Sebbene gli strumenti attuali consentano ai database administrator (DBA) di automatizzare molte attività di gestione tradizionali, l'intervento manuale è spesso richiesto a causa delle dimensioni e della complessità della maggior parte delle implementazioni di database. Ogni volta che è necessario un intervento manuale, aumenta la probabilità di errori. Ridurre la necessità della gestione manuale dei dati è l'obiettivo chiave di una nuova tecnologia di gestione dei dati, il database autonomo.

Una piattaforma di gestione dei dati è il sistema di base per la raccolta e l'analisi di grandi volumi di dati all'interno di un'organizzazione. Le piattaforme di dati commerciali includono in genere strumenti software di gestione, sviluppati dal fornitore del database o da fornitori di terze parti. Queste soluzioni di gestione dei dati aiutano i team IT e i DBA a svolgere compiti comuni come

  • Identificare, segnalare, analizzare e risolvere gli errori nel sistema di database o nell'infrastruttura sottostante
  • Distribuire la memoria del database e le risorse dello storage
  • Apportare modifiche alla progettazione del database
  • Ottimizzazione le risposte alle query di database per velocizzare le performance delle applicazioni

Le sempre più diffuse piattaforme di dati cloud consentono alle aziende di ampliare o ridurre il numero di servizi in modo rapido ed economico. Alcune sono disponibili as a service e aiutano le organizzazioni a risparmiare ancora di più.

Basato sul cloud, un database autonomo utilizza l'intelligenza artificiale (AI) e il machine learning per automatizzare molte attività di gestione dei dati eseguite dai DBA, tra cui la gestione dei backup di database, la sicurezza e l'ottimizzazione delle performance.

Chiamato anche database self-driving, un database autonomo offre vantaggi significativi per la gestione dei dati, tra cui

  • Riduzione della complessità
  • Diminuzione della probabilità di errore umano
  • Maggiore affidabilità e sicurezza del database
    • Miglioramento dell'efficienza operativa
  • Riduzione dei costi

Le sempre più diffuse piattaforme di dati cloud consentono alle aziende di ampliare o ridurre il numero di servizi in modo rapido ed economico. Alcune sono disponibili as a service e aiutano le organizzazioni a risparmiare ancora di più.


Sistemi di gestione dei big data

In un certo senso, i big data sono proprio quello che sembrano: grandi quantità di dati. Presentano, però, una maggiore varietà di forme rispetto ai dati tradizionali e sono raccolti molto velocemente. Pensa a tutti i dati che si originano ogni giorno, o ogni minuto, in un social media come Facebook. La quantità, la varietà e la velocità di tali dati sono ciò che li rende così preziosi per le aziende, ma anche molto complessi da gestire.

Con la raccolta di quantità sempre maggiori di dati da fonti diverse come videocamere, social media, registrazioni audio e dispositivi di Internet of Things (IoT), sono nati i sistemi di gestione dei big data. Questi sistemi sono specializzati in tre aree generali.

  • L'integrazione dei big data riunisce diversi tipi di dati, in batch e in streaming, e li trasforma affinché possano essere utilizzati.
  • La gestione dei big data memorizza ed elabora i dati in un data lake o in un data warehouse in modo efficiente, sicuro e affidabile, in genere tramite lo storage di oggetti.
  • L'analisi dei big data scopre nuovi insight con l'analisi dei dati e utilizza il machine learning e la visualizzazione AI per costruire modelli.

Le aziende utilizzano i big data per migliorare e accelerare lo sviluppo dei prodotti, la manutenzione predittiva, la Customer Experience, la sicurezza, l'efficienza operativa e molto altro ancora. Con la crescita dei big data, crescono anche le opportunità.

 

Sfide della gestione dei dati

Principi di gestione dei dati e privacy dei dati

Il regolamento generale sulla protezione dei dati (GDPR) emanato dall'Unione europea ed entrato in vigore a maggio 2018 comprende sette principi fondamentali per la gestione e il trattamento dei dati personali. Questi principi includono liceità, correttezza e trasparenza; limitazione delle finalità; accuratezza; limitazione della conservazione; integrità e riservatezza; e altro ancora.

Il GDPR e altre leggi simili, come il California Consumer Privacy Act (CCPA), stanno rivoluzionando la gestione dei dati. I loro requisiti sono alla base di leggi standardizzate sulla protezione dei dati che consentono agli individui di controllare i propri dati personali e il modo in cui vengono utilizzati. In effetti, trasformano i consumatori in parti interessate in materia di dati, dando loro il potere di intraprendere un'azione legale nel caso in cui le organizzazioni non riescano a ottenere il consenso informato per l'acquisizione dei dati, esercitino uno scarso controllo sull'utilizzo o sulla posizione dei dati o non rispettino i requisiti di cancellazione o portabilità dei dati.

Scopri di più sul GDPR e sulla gestione dei dati

La maggior parte delle sfide nella gestione dei dati odierna derivano dal ritmo più rapido del business e dalla crescente proliferazione di dati. Il continuo aumento della varietà, della velocità e del volume dei dati disponibili per le organizzazioni le spinge a cercare strumenti di gestione più efficaci per tenere il passo. Di seguito sono riportate alcune delle principali sfide affrontate dalle organizzazioni:

  • Non sanno di che dati dispongono. I dati provenienti da un numero crescente di fonti diverse, come sensori, dispositivi intelligenti, social media e videocamere, vengono raccolti e archiviati. Questi dati, però, non sono di alcuna utilità se l'organizzazione non sa quali possiede, dove si trovano e come utilizzarli.
  • Devono mantenere i livelli di performance durante l'espansione del livello di dati. Le organizzazioni acquisiscono, memorizzano e utilizzano sempre più dati. Per mantenere i migliori tempi di risposta in questo livello in espansione, le organizzazioni devono monitorare continuamente il tipo di domande a cui il database risponde e modificare gli indici a ogni cambiamento a livello di query, senza compromettere le performance.
  • Devono soddisfare i requisiti di compliance in continua evoluzione. Le normative di compliance sono complesse e multi-giurisdizionali e cambiano continuamente. Le organizzazioni devono essere in grado di esaminare facilmente i propri dati e identificare tutto ciò che rientra nei requisiti nuovi o modificati. In particolare, le informazioni di identificazione personale (PII) devono essere rilevate, tracciate e monitorate ai fini di compliance con normative sulla privacy globali e sempre più severe.
  • Non sanno con esattezza come adattare i dati per destinarli a nuovi usi. La raccolta e l'identificazione dei dati di per sé non forniscono valore: è l'organizzazione che deve elaborarlo. Se la conversione dei dati ai fini dell'analisi richiede troppo tempo e sforzi, non sarà possibile eseguire l'analisi. Di conseguenza, si perde il valore potenziale di quei dati.
  • Devono tenere il passo dei cambiamenti nello storage dei dati. Nel nuovo mondo della gestione dei dati, le organizzazioni memorizzano i dati in più sistemi, inclusi i data warehouse e data lake non strutturati che memorizzano i dati in qualsiasi formato in un'unica banca dati. I data scientist di un'organizzazione hanno bisogno di un metodo semplice e rapido per trasformare il formato originale dei dati nella forma, formato o modello richiesti in un'ampia gamma di analisi.

Best practice della gestione dei dati

Affrontare le sfide della gestione dei dati richiede un set completo e ben pianificato di best practice. Sebbene le best practice specifiche variano in base al settore e al tipo di dati impiegati, le seguenti riguardano le principali sfide della gestione dei dati affrontate attualmente dalle organizzazioni:

Il valore di un ambiente di data science

La data science è un settore interdisciplinare che utilizza metodi scientifici, processi, algoritmi e sistemi per estrarre valore dai dati. I data scientist combinano le competenze in varie discipline, tra cui statistica, informatica ed economia aziendale, per analizzare i dati raccolti dal Web, dagli smartphone, dai clienti, dai sensori e da altre fonti.

Un ambiente di data science può aiutare un'organizzazione a sapere quali dati possiede e quindi a renderli utilizzabili. Questo ambiente consente ai data scientist di creare, testare e valutare automaticamente i modelli utilizzati per trovare i dati, quindi di trasformarli affinché siano utilizzabili e preziosi per l'organizzazione. Una piattaforma centralizzata consente ai data scientist di lavorare in un ambiente collaborativo utilizzando gli strumenti open source preferiti. Inoltre, tutti i dati vengono sincronizzati da un sistema di controllo delle versioni.

Scopri di più sulla data science Scopri come avere un maggiore impatto con una piattaforma di data science
  • Creare un livello di scoperta per identificare i tuoi dati. Un livello di scoperta in aggiunta al livello di dati della tua organizzazione consente ad analisti e data scientist di cercare e consultare set di dati per rendere i tuoi dati utilizzabili.
  • Sviluppare un ambiente di data science per riutilizzare in modo efficiente i tuoi dati. Un ambiente di data science automatizza il più possibile l'attività di trasformazione dei dati, semplificando la creazione e la valutazione dei modelli di dati. Un set di strumenti che elimina la necessità della trasformazione manuale dei dati può accelerare la fase di ipotesi e test dei nuovi modelli.
  • Utilizzare la tecnologia autonoma per mantenere i livelli di performance nel tuo livello di dati in espansione. Le funzionalità dei dati autonomi utilizzano l'AI e il machine learning per monitorare continuamente le query di database e ottimizzare gli indici a ogni cambiamento a livello di query. Ciò consente al database di mantenere tempi di risposta rapidi e libera i DBA e i data scientist dalle lunghe attività manuali.
  • Utilizzare la funzione di scoperta per stare al passo con i requisiti di compliance. I nuovi strumenti utilizzano la scoperta dei dati per esaminare i dati e individuare le catene di connessione che devono essere rilevate, tracciate e monitorate per la compliance multi-giurisdizionale. Con l'aumento globale delle richieste di compliance, questa funzionalità sarà sempre più importante per i responsabili di rischi e sicurezza.
  • Utilizzare un livello di query comune per gestire forme diverse di storage dei dati. Le nuove tecnologie consentono alle banche dati con funzioni di gestione di lavorare insieme, eliminando le differenze tra loro. Un livello di query comune che comprende i diversi tipi di storage dei dati consente ai data scientist, agli analisti e alle applicazioni di accedere ai dati senza la necessità di sapere dove sono archiviati e di trasformarli manualmente in un formato utilizzabile.

L'evoluzione della gestione dei dati

Grazie al nuovo ruolo dei dati come capitale aziendale, le organizzazioni stanno scoprendo ciò che le startup e gli innovatori digitali sapevano già: I dati sono una risorsa preziosa per individuare trend, prendere decisioni e agire prima dei concorrenti. La nuova posizione dei dati nella value chain sta portando le organizzazioni a cercare attivamente metodi migliori per ricavare valore da questo nuovo capitale.

Un'ulteriore evoluzione all'interno dell'azienda riguarda le responsabilità di gestione dei dati da parte dei DBA, che vedendo ridotta la quantità di attività banali a cui devono dedicarsi, possono concentrarsi su questioni più importanti e fornire supporto alla gestione dei dati strategici negli ambienti cloud proponendo iniziative chiave come la modellazione e la sicurezza dei dati.