Che cos'è l'analisi dei dati in memoria?
Oggi, i dati risiedono ovunque. La crescita dei dati, in termini di quantità, velocità e varietà, supera tutte le aspettative. L'analisi dei dati si è dimostrata già utile per favorire il passaggio di molte grandi aziende dalla business intelligence tradizionale all'analisi in tempo reale, per aumentare l'efficienza, evitare i rischi e ottimizzare i profitti tramite offerte mirate per i clienti. Le organizzazioni che tardano a sfruttare il valore dei dati con soluzioni di analisi possono trovarsi in una posizione di enorme svantaggio competitivo.
La velocità è il requisito chiave di un'infrastruttura IT in grado di supportare processi decisionali guidati dai dati. Il valore di business delle soluzioni di supporto decisionale dipende spesso dalla capacità di ottenere risultati a velocità almeno migliaia di volte superiori rispetto alle soluzioni tradizionali. Per raggiungere questo obiettivo ambizioso, è necessario un nuovo approccio all'elaborazione: il computing in memoria.
Il concetto di computing in memoria è semplice. Nell'approccio tradizionale all'elaborazione, i dati risiedono in un disco fisso interno del sistema o collegato tramite rete. Quando è necessario, vengono richiamati nella memoria di sistema locale (la RAM) e da qui si spostano nella CPU. I tempi lunghi di ricerca dei dati che risiedono sui dischi possono spesso diventare un collo di bottiglia.
Con il computing in memoria, i dati vengono archiviati direttamente nella memoria di sistema. Questo approccio architetturale riduce drasticamente la latenza eliminando il tempo trascorso a cercare i dati sul disco e quindi a trasferirli più vicino alla CPU. Attualmente il computing in memoria si basa sulla memoria DRAM, che è costosa, rendendolo una soluzione non efficiente dal punto di vista dei costi per grandi volumi di dati. Tuttavia, l’evoluzione delle tecnologie di memoria persistente offre una soluzione combinando ampia capacità, accessibilità e persistenza dei dati con livelli di prestazioni quasi analoghi a quelli della DRAM.
L'analisi in memoria prevede in genere altri due componenti tecnici importanti che aumentano le prestazioni del software.
Storage dei dati in colonne: invece della tradizionale struttura bidimensionale dei dati (in righe e colonne), i dati dell'analisi in memoria hanno una struttura lineare unidimensionale.
Elaborazione altamente parallela: l'analisi in memoria sfrutta appieno le funzionalità dei processori multi-core e multi-thread, che possono operare liberamente sui dati considerando le latenze di accesso ridotte.
Il portafoglio di soluzioni di business intelligence in maturazione
L'analisi aziendale, come molte iniziative IT, può diventare ancora più importante per un'impresa quando si acquisiscono competenze e maturità operativa sulla fornitura di soluzioni. Gli approcci più tradizionali o convenzionali, come l'analisi descrittiva e diagnostica, indicano all'azienda cosa è successo: “dove eravamo” invece di “dove potremmo andare”.
Il passaggio successivo nella scala della maturità, ovvero l'analisi predittiva, guarda avanti. Sostituisce l'approccio al processo decisionale basato sull'improvvisazione con uno disciplinato e guidato dai dati. L'analisi predittiva opera in tempo reale. Spesso la portata si estende alle persone in prima linea, che prendono decisioni costanti di basso livello, ad esempio quali pallet caricare in quale container.
Queste decisioni non sono effettivamente importanti di per sé, ma in casi estremi possono fare una differenza significativa in termini economici, evitando determinati costi o aumentando i profitti. Nel corso del tempo, l'analisi predittiva consentirà di automatizzare processi che attualmente sono manuali, in modo che procedano a alla “velocità del computer”.
Nelle fasi più avanzate del modello di maturità, l'analisi prescrittiva esplora scenari di simulazione su scale temporali più ampie e prevede i possibili risultati. L'analisi prescrittiva potrebbe essere utilizzata, ad esempio, per determinare la posizione ottimale di un nuovo negozio.
Tutti questi approcci orientati al futuro fanno uso dei dati interni all'organizzazione, a volte anche dei dati transazionali, oltre a molti tipi di dati diversi aggregati da terze parti.
Le soluzioni di analisi in memoria potrebbero non sostituire i tradizionali data warehouse, ma possono ottimizzare le funzionalità complessive di supporto decisionale delle organizzazioni. È possibile iniziare con l'analisi in memoria prima di intraprendere la sostituzione radicale della piattaforma dell'organizzazione.
Valore aziendale dell'analisi
Le fonti di dati con valore aziendale sono infinite: dati provenienti dai sensori delle fabbriche, da più canali retail, dai social media, anche dai satelliti meteo e altri feed di terze parti. I nuovi sviluppi come le città intelligenti e l'Internet delle cose incrementeranno il carico. Per rimanere competitive, le aziende non possono ignorare questi dati. Correttamente analizzati, questi dati possono aumentare le vendite prevedendo l'iniziativa di upsell che potrà avere maggior successo, tagliare i costi di distribuzione con la gestione più intelligente di routing e inventari, ridurre i costi di produzione e migliorare la qualità con l'analisi sofisticata delle cause principali. L'elenco è di fatto infinito.
A volte, il percorso verso l'acquisizione di informazioni significative da questa enorme quantità di dati consiste semplicemente nel trovare modelli ricorrenti in situazioni già accadute. In altri casi, sono necessari risultati in tempo reale per migliorare l'esperienza dei clienti, fermare un exploit di malware o impedire l'uso fraudolento di una carta di credito, per citare solo alcuni esempi.
Le barriere all'adozione stanno cadendo. Tutti i principali fornitori IT offrono soluzioni di analisi ed esistono anche numerose soluzioni verticali. Il numero di scienziati dei dati con le competenze necessarie per usare e supportare l'analisi sofisticata è in aumento. Inoltre, molte aziende si stanno impegnando a “democratizzare” l'uso dell'analisi tramite interfacce più semplici e algoritmi integrati. La pubblicità che circonda l'analisi, oltre a una solida proposta di valore, ha semplificato la ricerca di finanziamenti.
Il risultato è che l'analisi offre un evidente valore aziendale. Numerose aziende stanno già usando l'analisi in memoria per aumentare i profitti e tagliare i costi. Quelle che non perseguono questi vantaggi operativi rischiano di trovarsi in una situazione di svantaggio competitivo.
L'analisi dei dati in azione
L'analisi in memoria è una tecnologia comprovata e rivoluzionaria che sta già avendo un notevole impatto su ogni aspetto della gestione aziendale e organizzativa, tra cui produzione, gestione della catena di fornitura, risorse umane, marketing, distribuzione, finanze e altro ancora.
Per molte organizzazioni, il principale vantaggio dell'analisi in memoria è la possibilità di elaborare enormi quantità di dati a una velocità sufficientemente elevata in modo che le informazioni risultanti facciano la differenza. Il riconoscimento dei modelli ricorrenti in grandi quantità di dati è un importante caso di utilizzo. L'IRS*, ad esempio, analizza i dati sul ritorno fiscale mentre vengono elaborati per identificare modelli di errori o problemi. Ne sono risultati interventi che hanno impedito all'IRS di rimborsare erroneamente diverse centinaia di milioni di dollari.
L'analisi predittiva è forse l'applicazione più utile della tecnologia in memoria. Presso UPS*, i modelli predittivi per le operazioni di consegna sono responsabili per una riduzione in miglia di strada, permettendo alla compagnia di risparmiare soldi e di ridurre il proprio ingombro globale.
L'analisi predittiva si rivela particolarmente efficace negli ambienti retail. I retailer hanno ad esempio la possibilità di avviare un progetto di analisi in memoria per produrre campagne di marketing mirate, con una conseguente riduzione dei costi. Qualsiasi settore può in teoria trarre vantaggio da approcci come questo.
Guida passo passo per iniziare
Ecco un processo in cinque fasi per iniziare a usare l'analisi in memoria.
- Identificate le aree problematiche. Consultate i responsabili delle business unit per creare un elenco di criticità che sarebbero difficili o impossibili da risolvere con gli attuali problemi. L'elenco dovrebbe essere diviso in priorità in base agli elementi in linea con le attuali strategie, che promettono nuove informazioni, che rientrano nelle competenze dell'organizzazione IT e che presentano una solida proposta di valore. Con una certa iterazione, il risultato finale dovrebbe essere un elenco ben definito degli obiettivi e delle risorse necessarie per raggiungerli.
- Ricercate e acquisite familiarità con le soluzioni di analisi disponibili sul mercato. In virtù di queste conoscenze, valutate l'attuale infrastruttura. È importante capire da dove proverranno i dati da analizzare, di chi sono e quali misure sarà necessario adottare per garantirne la qualità e la sicurezza.
- Identificate e coltivate le competenze necessarie per il team. Assumente nuove risorse o pianificate di affidare in outsourcing alcune attività, se necessario. In molti casi, i nuovi dipendenti avranno già le competenze necessarie per le vostre esigenze.
- Definite i requisiti tecnologici oltre quelli già esistenti. L'analisi in memoria richiede hardware moderno, inclusa l’infrastruttura di computing, storage e networking. Occorrerà anche determinare quali query e algoritmi analitici sarà necessario generare per ottenere i risultati previsti e quindi decidere come presentare questi risultati in modo accattivante. Esaminate soluzioni sia proprietarie che open source per il software, perché esiste un'ampia gamma di opzioni.
- Create i casi di utilizzo finali per il progetto. Determinate quali dati verranno usati e mappatene i flussi. Quindi sviluppate un ambiente di test per una versione di produzione.
Intel nell'analisi dei dati: hardware e oltre
Intel offre la piattaforma più ampia del settore per l'analisi in memoria, con funzionalità significative scalabili in base all'aumento dei carichi di lavoro. È in grado di supportare un'ampia varietà di carichi di lavoro diversificati per l'analisi, inclusi database in memoria in tempo reale, distribuzioni Spark* con scalabilità orizzontale, High Performance Computing (HPC) e apprendimento automatico. Incorpora tecnologie di computing, storage, memoria, fabric e networking, tutte ottimizzate per prestazioni interoperabili, dove il totale è maggiore della somma delle parti.
Il risultato è un'infrastruttura flessibile con sicurezza integrata che offre le prestazioni elevate necessarie per soddisfare le attuali esigenze formando allo stesso tempo una base solida e affidabile per il futuro.
L'architettura Intel® offre alle organizzazioni IT un punto di riferimento coerente per l'intera infrastruttura, con un percorso prevedibile per iniziative di analisi scalabili nel corso del tempo e un'ampia offerta dei prodotti, senza la necessità di supportare più architetture. Offre inoltre un modello di programmazione del software omogeneo per gli sviluppatori, che possono così concentrarsi sul miglioramento delle prestazioni e delle funzionalità.
L'architettura Intel® è supportata da un ricco ecosistema di partner di hardware e software. Intel collabora attivamente con questi partner su base continuativa per ottimizzare le prestazioni dei loro prodotti basati su architettura Intel®.
Con Intel come partner per l'analisi, le organizzazioni ottengono la flessibilità per scegliere una piattaforma software open source o una delle piattaforme commerciali leader di settore, come quelle SAS, SAP, Oracle, IBM, Microsoft e molte altre.
Con la sua tradizione di successo, Intel è una fonte ricca di informazioni sui requisiti necessari per avere successo con le iniziative di analisi in memoria.
Intel è nota prevalentemente per i processori e, per molte persone, la famiglia di processori scalabili Intel® Xeon® è sinonimo di analisi in memoria. La storia completa è, però, molto più ampia e vale la pena analizzarla. Fate clic qui per ulteriori informazioni su come Intel può aiutare la vostra organizzazione a sviluppare una strategia di analisi in memoria.