di Hans TIMMERMAN
Ogni trasformazione digitale richiede che la corrispondente architettura dei dati abiliti e renda possibili le moderne tecniche di analisi dei Big Data, Machine Learning (apprendimento automatico) e intelligenza artificiale (IA). Un interessante articolo di McKinsey Breaking through data architecture gridlock to scale AI descrive con alcuni esempi di successo come le organizzazioni possono sviluppare e implementare – in modo rapido e semplice – queste nuove “architetture di dati”.
Una vera trasformazione digitale richiede una chiara tabella di marcia dedicata proprio all’architettura dei dati. Tuttora molte organizzazioni si trovano in difficoltà con architetture di dati nate in maniera organica da molte applicazioni diverse. Si tratta di modelli di dati che risalgono agli anni in cui erano le applicazioni a “guidare e governare” lo sviluppo e imponevano l’uso di modelli di dati “proprietari” per le loro applicazioni.
È ormai chiaro che nei moderni sistemi informativi i dati devono essere in linea di principio aperti e trasparenti. Ad eccezione di processi specifici, spesso legati alle transazioni, in cui applicazioni e sistemi richiedono modelli di dati speciali e/o chiusi.
