Trasformarsi in una "data driven company" è l'obiettivo di qualsiasi impresa: sfruttare pienamente i dati a disposizione sull'andamento dei propri processi e del mercato di riferimento, significa poter mettere in atto le azioni necessarie a migliorare i risultati di business. Una constatazione provata ampiamente dalle esperienze delle imprese che hanno avviato da tempo il loro percorso di digitalizzazione.

Essere un'azienda "guidata dai dati" non è però scontato. In primis, bisogna arrivare ad avere i dati che servono, quando e dove servono: cosa non facile, perché molto spesso nelle aziende le informazioni sono “bloccate” in silos che non si parlano. Il passaggio al cloud è di frequente il momento di crescita dell’IT in cui questi silos si possono finalmente abbattere. Parallelamente, bisogna fare in modo che i dati (raccolti, catalogati, “puliti”, analizzati...) "guidino" davvero le decisioni aziendali, creando un circolo virtuoso digitale tra l'analisi dei dati e le relative azioni di risposta. Le informazioni infatti servono a poco se non sono, come ricordano gli anglosassoni, "actionable".

Dal punto di vista delle architetture IT e di data management, il tema di per sé non è nuovo. Oggi però si fa più complicato per la necessità di velocizzare al massimo le varie fasi dei processi di data management e analytics: raccolta dei dati, pulizia, analisi, feedback. Il tutto, ovviamente, con l'approccio "a consumo" dell'as-a-Service.

Tutto troppo complesso, specie per le aziende che non hanno abbondanza di risorse tecniche e finanziarie? Non necessariamente, se si possono mettere insieme i nomi di riferimento per la gestione aziendale e il data management/analytics in cloud, ossia SAP nel primo caso e Google Cloud nel secondo.

SAP sposa gli analytics in cloud

Per chi usa le piattaforme SAP, queste sono ovviamente il cuore operativo dell'impresa, un nucleo che genera e raccoglie tutte le informazioni che servono per rendere un’azienda "data driven". Informazioni che sono veri e propri Big Data: generati in grandi volumi e con grande frequenza, e potenzialmente molto eterogenei, vanno analizzati velocemente per prendere decisioni basate su informazioni sempre aggiornate, anche in tempo reale.

Google Cloud ha sviluppato un insieme completo di componenti - il Cortex Framework - che permette di fare proprio questo. E che può dialogare direttamente con le piattaforme SAP, per raggiungere un duplice obiettivo: sia semplificare al massimo la gestione dei dati operativi custoditi in SAP, sia produrre rapidamente analisi significative e chiare.

Al centro del Cortex Framework c'è BigQuery, che in estrema sintesi opera come un data warehouse serverless di nuova generazione, in grado di eseguire quasi in tempo reale analisi molto articolate di dataset voluminosi e complessi. Le sue funzioni, native o portate da altri moduli del Cortex Framework, spaziano dalla gestione integrata dei dati (strutturati, semistrutturati e non strutturati) agli analytics, dall'analisi con modelli di Machine Learning al data streaming, dalla cifratura ("at rest" e in transito) al supporto di SQL, dal data staging alla disponibilità di modelli di dataset predefiniti per settori verticali.

BigQuery può integrarsi direttamente con le applicazioni SAP attraverso una serie di connettori. Particolare punto di forza, questa integrazione diretta rende possibile replicare automaticamente i dati SAP verso BigQuery, praticamente in real time e senza la necessità di complesse trasformazioni dei dati stessi.

Tutte le funzioni connesse a BigQuery e al Cortex Framework sono immediatamente e nativamente disponibili per i dati SAP, grazie a questo collegamento diretto. I benefici dell'integrazione tra SAP e Cortex Framework vanno comunque oltre BigQuery in sé, perché questo può fare da ponte verso altre piattaforme.

In ingresso, può ad esempio collegarsi con altre sorgenti di dati e metadati, pubbliche e private, per arricchire e contestualizzare meglio le informazioni SAP. BigQuery fa anche da ponte verso applicazioni di terze parti: Google Cloud ha sviluppato diverse partnership con software house che offrono funzioni aggiuntive al Cortex Framework, per velocizzare il deployment delle nuove applicazioni e facilitare la creazione di soluzioni verticalizzate per settori specifici. Il framework rappresenta infatti un primo passo da parte di Google Cloud per agevolare la gestione di dati SAP per settori - come il retail o il manifatturiero - che hanno solitamente esigenze specifiche e spesso replicabili.

Vantaggi chiaramente percepibili

Tutto questo porta, nella gestione e nell'analisi dei dati operativi, vantaggi concretamente misurabili lungo quattro direttrici principali.

Analisi più rapide - La replica automatica dei dati SAP verso BigQuery non richiede complesse procedure ETL e modifiche all'infrastruttura IT. Inoltre, i dati SAP possono essere condivisi con altri moduli Google per la creazione di viste e dashboard mirate. Uno studio IDC mostra in questo senso che usare BigQuery per i dati SAP comporta, rispetto a soluzioni simili, un incremento del 63% nella velocità di esecuzione delle query e un raddoppio della produttività dei team di sviluppo.

Costi di gestione inferiori - L'architettura serverless di BigQuery evita il provisioning e la gestione di server e cluster. In generale, il consumo di risorse di computing e storage è direttamente collegato alle performance richieste per le query. Sempre IDC indica una riduzione del 52% nei costi di gestione del data warehousing (in un periodo di tre anni), con BigQuery.

Maggiore scalabilità - È il logico vantaggio del cloud: qualsiasi workload di gestione e analisi dei dati può essere supportato dall'infrastruttura, senza riduzioni di performance all'aumentare della quantità e dell'intensità dei carichi di lavoro. Anche quando sono coinvolte diverse sorgenti di dati, anche non strutturati.

Estrema flessibilità - Il Cortex Framework è, appunto, un framework. Come tale è aperto all'integrazione da e verso molteplici strumenti software e sorgenti dati. In questo modo i dati SAP possono essere completati e arricchiti da altre fonti, come anche passati ad altre piattaforme dell'ecosistema Google Cloud, in funzione degli obiettivi che si vogliono raggiungere.

Un esempio significativo di questa apertura è il collegamento fra BigQuery e Looker, a cui può essere demandato l'importante compito di tradurre gli insight, raccolti attraverso l'analisi dei dati SAP, in dashboard che sono di immediata comprensione per qualsiasi utilizzatore.

Più operativamente, i data analyst e gli sviluppatori possono creare, con Looker, viste interattive dei dati gestiti da BigQuery e delle loro elaborazioni. Queste viste possono essere distribuite semplicemente come grafici statici o dashboard "vive", ma anche essere integrate direttamente in applicazioni o pagine web. Inoltre Google Cloud Cortex Framework è rilasciato come progetto open source, secondo la filosofia di Google Cloud di mettere l’innovazione a disposizione di tutti.

Grazie al focus di Google Cloud su AI e ML, i dati possono essere elaborati da algoritmi avanzati al fine di creare del valore per il business: dalla product recommendation, al demand forecasting, dall’inventory optimization alla predictive maintenance... Si va oltre l’analisi del dato tradizionale, con insight più puntuali ed aderenti allo scenario di business ed all’algoritmo utilizzato. Queste tecnologie innovative sono già una realtà presso numerosi clienti.

Un caso italiano

Tra i clienti italiani di Google Cloud che hanno sfruttato l'integrazione tra SAP e il mondo Google c'è l'azienda di utility A2A. Nel suo percorso di modernizzazione tecnologica, e in particolare per raggiungere i suoi obiettivi di sostenibilità, A2A ha scelto di implementare SAP S/4HANA e SAP BW/4HANA su Google Cloud.

Per operare in maniera sostenibile e attenta alle esigenze degli utenti, una società come A2A deve avere una visione sempre aggiornata e precisa dello stato dei suoi vari processi e di tutta la sua rete. Per dare un'idea di cosa significhi questo in termini di data management, basta un dettaglio: costantemente, e più volte all'ora, i milioni di smart meter installati nelle abitazioni servite da A2A inviano i loro dati di consumo e di stato. Basterebbero questi dati a mettere in crisi un’architettura tradizionale fatta di risorse on-premise, applicazioni monolitiche e data warehouse vecchio stampo. Ma oltre a questi dati "dal campo" A2A deve gestirne anche moltissimi in più, provenienti da infrastrutture e applicazioni diverse.

Così A2A ha fatto il grande salto a una infrastruttura SAP-Google in cloud, strutturata in microservizi capaci di gestire contemporaneamente i dati operativi di SAP, quelli relativi al supporto clienti che vengono da Salesforce, e anche i dati in tempo reale delle piattaforme OT. L'architettura dati realizzata in cloud da A2A vede al centro BigQuery, come data lake che concentra tutte queste informazioni e altre che possono rivelarsi necessarie.

La flessibilità del cloud permette ad A2A di gestire facilmente il variare anche molto rapido dei carichi di lavoro, eliminando il rischio di over- e under-provisioning delle risorse e senza impatti negativi sulle performance percepite dagli utenti. Anzi, il contrario: oggi A2A realizza una fotografia aggiornata di tutti i suoi dati ogni 5 minuti invece delle 24 ore necessarie con la sua precedente architettura. Il tutto in un ambiente cloud controllato e sicuro, in cui la disponibilità dei dati e dei servizi è garantita.