– Articolo in partnership con Talend –
I dati assumono ruoli sempre più preponderanti nei flussi e nelle attività aziendali: supportano gli obiettivi di business; facilitano i processi decisionali e migliorano le strategie di produzione. Vediamo ora come la data literacy e la data fabric aggiungono le tessere mancanti al potenziamento del nostro futuro digitale.
Il valore dei dati: come migliora il processo decisionale
L’”effetto Dunning-Kruger” descrive la tendenza delle persone a sopravvalutare le proprie capacità, anche quando hanno competenze o informazioni limitate su un determinato argomento. In ambito aziendale, questo fenomeno è particolarmente pericoloso. Soprattutto se una risorsa ha familiarità con i dati ed è convinta di non aver bisogno di elaborare le informazioni utili alle decisioni strategiche, di ampio respiro o a lungo termine.
Ho riflettuto su questo mentre seguivo il Gartner Data Analytics Summit. Un evento in cui gli esperti di Talend, durante un keynote intitolato “Building trusted insights to achieve business outcomes”, hanno evidenziato come utilizzare strategicamente i dati per migliorare i prodotti, i servizi e supportare il processo decisionale basato sul valore. La “Data health“, hanno spiegato, si misura in base alla capacità di un’azienda di utilizzarli per supportare i propri obiettivi di business.
Ho già affrontato la questione legata all’importanza dei dati in un precedente articolo, che potete leggere qui. Ora, invece, voglio soffermarmi sui “cugini” del Data health, ovvero: la data literacy e la data fabric.
Il primo, la data literacy, possiede le conoscenze e le competenze necessarie per interpretare e utilizzare strategicamente i dati, mentre il secondo, la data fabric, si riferisce a una strategia di progettazione emergente caratterizzata da un’architettura unificata e da una gestione armoniosa dei dati.
La data health esprime la capacità di un'azienda di utilizzare i dati per supportare i propri obiettivi di business e si completa con la data literacy e la data fabric: l'intreccio garantisce un futuro digitale potenziato. Condividi il Tweet
Data literacy
Dopo i grandi sconvolgimenti della pandemia, l’aumento dell’inflazione e le carenze della catena di approvvigionamento, le aziende sono sempre più motivate a digitalizzare i processi, a snellire le operazioni, e a sostenersi imparando a navigare in un futuro incerto.
In questo processo, i dati sono diventati il core di molte classi di algoritmi, oltre ad essere utili per generare report o anticipare e capitalizzare le tendenze emergenti. Ad esempio, il machine learning, e in particolare l’automazione cognitiva, consente alle aziende di espandere drasticamente le operation e migliorare l’efficienza. Questo sottoinsieme di tecnologie basate sull’Intelligenza Artificiale simula i comportamenti umani per migliorare la conformità e la qualità generale dell’azienda, scalare le operazioni, ridurre i tempi di consegna e diminuire i margini di errore.
E qui entra in gioco la data literacy, letteralmente l’alfabetizzazione dei dati. Il termine si riferisce a un’ampia e preziosa gamma di competenze che consentono ai team di identificare, organizzare, comprendere, utilizzare e condividere i dati. Naturalmente, l’obiettivo di queste attività è quello di ottenere informazioni utili a un’azienda, a un’organizzazione o a un’impresa.
Considerando ciò, le organizzazioni che non padroneggiano la data literacy faranno fatica a mantenere un vantaggio competitivo nel nostro panorama commerciale globale in rapida evoluzione. In poche parole, la data literacy è fondamentale per il successo e la sostenibilità a lungo termine.
Data fabric
In senso letterale, la data fabric è un modo per progettare un data management che sia flessibile e che possa essere riutilizzato, integrato, organizzato e, in ultima analisi, ottenere una migliore semantica attraverso l’uso di metadati attivi.
L’obiettivo è quello di eseguire inferenze semantiche, invece di inferenze logiche, cioè di aggiungere nuovi dati a un dataset creato a partire da dati pre-esistenti. Per un chiarimento visivo, ho creato un’infografica correlata che mostra questo processo.
Secondo il filosofo Robert Brandom, i concetti che nascono da un singolo pezzo o da una sequenza di informazioni sono derivati. Per afferrare un contenuto non è necessario sapere come si comporta una parola o un concetto durante un’inferenza e come applicarlo. Per Brandom, l’applicazione e l’inferenza sono la stessa cosa.
Ora chiarisco il concetto. La visione tradizionale sostiene che per avere il concetto di giraffa bisogna: (1) essere in grado di (ed essere inclini a) dedurre che si tratti di un animale e (2) applicare questa conoscenza in un contesto, ad esempio durante un safari africano. In un chiaro distacco da questa visione, Brandom enfatizza il carattere umano e sociale del contenuto. Parafrasando, non c’è niente di più importante che avere un concetto e sapere come usarlo.
Questa filosofia viene sempre più applicata ai modelli basati sul cloud. In effetti, il cloud ibrido, il multi-cloud e l’edge computing sono innovazioni che ci permettono di scalare le operazioni con agilità. Allo stesso tempo, possono creare ridondanze di dati che, se non gestite, possono causare inefficienze, soprattutto per i nuovi algoritmi basati sull’intelligenza artificiale e l’automazione cognitiva.
Conclusione
Per affrontare le sfide di un futuro digitale, in cui i dati sono molto più che evidenze informatiche, dobbiamo impegnarci ad interpretarli e utilizzarli per creare progetti che attingano alle migliori pratiche del data fabric. Solo così le aziende potranno non solo competere, ma anche prosperare.
Desidero ringraziare sinceramente Talend per avermi dato l’opportunità di approfondire questi affascinanti argomenti e di scrivere questo articolo. Il loro impegno costante nel promuovere la Data health è fondamentale per il successo a lungo termine di ogni azienda. Per saperne di più sul data fabric, potete dare un’occhiata qui.
