Mentre le aziende fanno ancora fatica a implementare architetture Big Data, i Software Vendor spingono verso l’adozione di soluzioni cloud, cloud e ancora cloud. I CIO non hanno ancora trovato sufficienti business case nell'implementazione di modelli predittivi e si stanno ponendo nuovi interrogativi sulle soluzioni cloud.

L’Augmented Business Architecture [ABA] di SDG è stata progettata per fare leva sui vantaggi ottenuti implementando la piattaforma digitale più innovativa, consentendo ai nostri clienti di ottenere i benefici attesi senza compromessi.

 

Real-time Analytics

Real-time analytics non ha lo stesso significato di real-time integration: spesso le aziende si chiedono perché dovrebbero adottare un front end basato su real-time analytics se hanno già implementato alcune componenti di Change Data Capture (CDC). Il ruolo svolto dal CDC consiste nell'integrare i dati quando vengono modificati, piuttosto che in una logica ETL, ma tradizionalmente la tecnologia CDC non dispone di librerie di trasformazione avanzate. Quindi senza un front end basato su real-time analytics, le infrastrutture devono importare i dati e poi analizzarli, trovandosi a raccogliere una grande quantità di informazioni senza poterne fare alcun utilizzo commerciale.

I real-time analytics dovrebbero consentire alle aziende di analizzare i dati prima di archiviarli, in modo da conservare solo quelli veramente utili.

 

Real Time Ingestion

I database tradizionali DWH non sono in grado di acquisire grandi quantità di dati ad alta frequenza in modo agile. Le infrastrutture Massive Parallel Processing (MPP) sono progettate per essere un eccellente database ad alte prestazioni, anche se rischiano di essere completamente bloccate da SQL per transazioni frequenti.

Avere un PSA basato su file permette alle aziende di importare dati in tempo reale.

 

External or Unstructured Data

MPP e Database DWH sono progettati per manipolare dati altamente strutturati provenienti da fonti diverse. Tuttavia, le aziende iniziano ad avere la necessità di integrare i dati interni con documenti da fonti esterne che non provengono necessariamente da un database. Avere un PSA basato su file consente alle aziende di integrare e analizzare qualsiasi tipologia di dati.

 

Scalability

Il DWH tradizionale viene scalato verticalmente e non orizzontalmente: non è quindi facile aggiungere potenza di calcolo o di memorizzazione a un framework di analisi esistente. Le aziende hanno bisogno di aumentare la frequenza di caricamento dei dati e il livello di dettaglio dell'analisi, mantenendo una cronologia più lunga, integrando al tempo stesso nuove società all'interno del DWH. L'architettura DWH tradizionale richiede un intervento infrastrutturale rilevante prima di consentire agli utenti di soddisfare le aspettative citate.

 

Predictive

Anche se i fornitori di software dichiarano di avere strumenti specifici, i framework tradizionali di BI non consentono alle società di implementare una soluzione di modellazione predittiva flessibile e potente. Questi modelli richiedono potenza di calcolo, un lungo storico di dati e informazioni dettagliate, che sarebbero disponibili solo se le aziende arricchissero la loro architettura con un PSA basato su file.

 

Self Service Analytics

I framework di big data devono fornire un alto livello di dettaglio delle informazioni, senza limitare gli utenti nell’adozione di software ad-hoc con report predefiniti, ma fornendo agli utenti solo i dati rilevanti rispetto a determinati business o processi, evitando "ogni colonna di qualsiasi tabella di qualsiasi sistema sorgente". Inoltre, chi pensa di fare attività di BI autonomamente, si trova spesso di fronte a un collasso dell’architettura e a una mancanza di corrispondenza tra i dati.

Gli utenti di un'architettura scalabile SDG, oltre al PSA e all'HPD, possono contare su prestazioni eccellenti nell'analisi self service.