Con l’esplosione dei dati, degli scambi di informazioni ed il crescente numero di canali, si sta raggiungendo un punto paradossale.
Se da un lato l’informazione è davvero un bene fondamentale, un vero fattore di differenziazione ed un grande vantaggio competitivo, dall’altro l’esplosione dei volumi può rendere il Sistema Informativo ingombrante e poco chiaro, diventando un ostacolo all’innovazione ed alla trasformazione.
Il panorama è alquanto complesso: dati storicamente on-premise, affiancati a quelli aggiunti nel cloud, scambi sempre più frequenti con fornitori e clienti. Le aggiunte, a volte vengono fatte una alla volta, a volte in blocco, mettendo a rischio nel tempo i livelli di controllo e manutenzione. Oltre la metà delle aziende dichiara di voler sostituire i propri data warehouse on-premise con quelli cloud, ma questo non risolve un problema di struttura dei dati.
Per far fronte alle prospettive dei volumi in ascesa, come il caso delle sorgenti IoT, molti guardano al data lake che, come è noto, sono nati dalla necessità di sfruttare i Big Data e trarre vantaggio dai raw data, granulari strutturati e non strutturati. I data lake e i data warehouse, pur essendo entrambi ampiamente utilizzati, non sono repository intercambiabili. Pur trovandoci da tempo nell’era dei Big Data e della Data Virtualization, è ancora attuale la richiesta di creare data warehouse per consentire agli utenti di eseguire analisi estremamente performanti: per alcuni di questi contesti abbiamo affrontato e risolto la sfida con data warehouse alimentati da data lake.
Per abbattere i silos e migliorare l’accesso, molte organizzazioni stanno passando alla virtualizzazione dei dati per catalogare, cercare, scoprire e governare i dati e le relative relazioni. A differenza delle soluzioni ETL, che replicano i dati, la virtualizzazione dei dati lascia i dati nei sistemi di origine, esponendo semplicemente una vista integrata di tutti i dati ai consumatori di dati. La virtualizzazione dei dati dimostra che la connessione ai dati è di gran lunga superiore alla loro raccolta.
Come tutti sappiamo, la virtualizzazione dei dati è molto apprezzata per l’accesso e la condivisione integrata dei dati, soprattutto alla luce dei vincoli normativi sulla movimentazione fisica dei dati, ma non dobbiamo dimenticare che la data virtualization non è adatta a supportare complesse trasformazioni, rendendola meno appropriata per pesanti carichi operativi.
La virtualizzazione dinamica dei dati offre invece tutti i vantaggi e le funzionalità della normale virtualizzazione, ma consente un livello molto più elevato di flessibilità. Grazie a questo approccio ibrido si ha la possibilità di determinare quali dati devono essere virtualizzati e quali devono essere resi persistenti in un datastore di staging, ottimizzando in tal modo i livelli di performance attesi.
