BusinessCommunity.it

27/07/2022

digital

Perchè il data mesh non è per tutti

Non tutti i business sono adatti a questo modello e molte società potrebbero non essere ancora pronte per questo cambiamento. Iconsulting individua 8 situazioni che ne ostacolano il successo

I dati sono le informazioni più preziose che oggi le aziende possiedono. Se raccolti correttamente e analizzati in modo strategico rappresentano, infatti, il valore aggiunto e - quasi - imprescindibile per accrescere il business e primeggiare sulla concorrenza. Ecco perché diventare una Data-Driven Company non è più un optional per le imprese, ma come si può attuare questo cambio di paradigma? Il Data Mesh potrebbe essere la risposta giusta, o forse no.
Comparso sul mercato nel 2019 grazie all'inventiva dell'esperta di settore Zhamak Dehghani, questo innovativo approccio, basato su un modello organizzativo e architetturale in grado di massimizzarne flessibilità e agilità, non sembra, infatti, adatto per tutte le realtà. Iconsulting, principale azienda di consulenza italiana focalizzata sulla creazione di valore strategico partendo dai dati, ne spiega i principi fondanti rivelando perché alcune società potrebbero non essere ancora pronte per questo cambiamento.

I 4 pilastri del Data Mesh


Il Data Mesh si basa su 4 elementi chiave: decentralizzazione, data as a product, infrastruttura self-service e governance federata.


1 - Decentralizzazione basata su domini: non è necessario possedere una piattaforma unica e centralizzata con un solo team che la governa, l'ownership di ogni singola attività può essere delegata a un gruppo di lavoro esperto. Si creano così dei "domini" con la responsabilità di amministrare le proprie pipeline di elaborazione dei dati (ETL).
2 - Data as a product: si considera il dato come un prodotto con determinate caratteristiche quali ad esempio la reperibilità. Nello specifico, vengono fornite tutte le informazioni utili per trovarlo facilmente e in modo univoco. Il Data Product deve, inoltre, essere accessibile, affidabile, comprensibile, interoperabile e sicuro.
3 - Infrastruttura self service: per sviluppare, distribuire e, infine, accedere ai Data Product, è richiesta un'infrastruttura adeguata. In particolare una "self-serve data infrastructure" che consente ai team di dominio di gestire l'intera filiera dei propri Data Product in autonomia.
4 - Governance federata: al fine di rendere i Data Product interoperabili tra loro è necessario che vi sia un modello di governance che - oltre a decentralizzare i domini e mantenere l'autonomia dei team - definisca un set di regole globali da applicare a tutti i Data Product e alle loro interfacce di comunicazione.


Il Data Mesh rappresenta, quindi, un paradigma innovativo che mira a risolvere criticità di Time-to-market, Data Quality, ownership e complessità nella gestione dei dati. Un Data Mesh di successo, però, non si ottiene semplicemente applicando i 4 pilastri come mere regole in modalità checklist, occorre, infatti, considerare a tutto tondo aspetti organizzativi, sociologici, tecnologici e architetturali. Per questo motivo si ritiene che il passo verso questo nuovo paradigma debba essere preceduto dalla definizione di una Data Strategy, con l'obiettivo di individuare domini, use case, priorità, ownership, aspetti architetturali e selezionare la migliore strategia di decentralizzazione in base alle caratteristiche della propria organizzazione.

Quando non è ancora la scelta giusta


Il Data Mesh è applicabile, dunque, in ogni azienda? La risposta è no, non tutti i business sono adatti a questo modello. Nello specifico Iconsulting individua 8 situazioni che ne ostacolano il successo:
1 - se il contesto organizzativo non permette la decentralizzazione dei Data Product e dei domini;
2 - se mancano use-case che portino valore alla business unit;
3 - se viene concepito come una tecnologia e non come modello organizzativo;
4 - se non è presente una Data Strategy definita;
5 - se non si riscontrano il supporto e il mindset culturale rispetto ai processi di decision-making in modalità bottom-up;
6 - se vi è scarsità di figure specializzate nei dati all'interno dell'azienda e dei team (data analyst, data engineers, data scientist?);
7 - se la Data Governance non è considerata un tassello fondamentale della Data Strategy;
8 - se viene percepito come un prodotto a scaffale
.



"Siamo da sempre attenti non solo alle novità emergenti nell'ambito della Data Governance, come per esempio il Data Mesh, ma anche alle peculiari necessità della singola realtà", afferma Marco Mantovani, Senior Manager di Iconsulting (nella foto). "Il nostro obiettivo è quello di accompagnare le aziende nel loro percorso verso la digital transformation supportati dalla spiccata sensibilità e profonda expertise che ci consentono di individuare la soluzione più adatta a ogni specifico caso".


ARGOMENTI: marketing - retail - ecommerce - intelligenza artificiale - AI - IA - digital transformation - pmi - high yield - bitcoin - bond - startup - pagamenti - formazione - internazionalizzazione - hr - m&a - smartworking - security - immobiliare - obbligazioni - commodity - petrolio - brexit - manifatturiero - sport business - sponsor - lavoro - dipendenti - benefit - innovazione - b-corp - supply chain - export - - punto e a capo -

> Vai al sommario < - > Guarda tutti gli arretrati < - > Leggi le ultime news <

Copyright © 2009-2024 BusinessCommunity.it.
Reg. Trib. Milano n. 431 del 19/7/97
Tutti i Diritti Riservati. P.I 10498360154
Politica della Privacy e cookie

BusinessCommunity.it - Supplemento a G.C. e t. - Reg. Trib. Milano n. 431 del 19/7/97
Dir. Responsabile Gigi Beltrame - Dir. Editoriale Claudio Gandolfo


Copertina BusinessCommunity.it