Le rianalisi del Gartner Magic Quadrant (abbrev. GMQ) di questi ultimi due anni preannunciano uno scossone prossimo nel panorama dell’Analytics & Business Intelligence. Soprattutto l’analisi dello scorso 2023, cambiando alcuni dei parametri focali di analisi, lancia un segnale d’avvertimento ben preciso ai vendor: stiamo per assistere alla nascita di una Business Intelligence di nuova generazione, e dovreste interessarvene. Riportando in auge temi che furono centrali dal 2010 ma poi non più dal 2016 – anni in cui avvennero gli ultimi due big shift, che videro il tracollo di alcuni Leader dell’epoca[1] –, indica una strada che riprende a piene mani metodi e strumenti che il mercato ha voluto abbandonare per del tempo, salvo poi rendersi conto di quanto fossero fondamentali. Questo “ritorno al passato” ruota attorno ad alcuni concetti, rispolverandoli. Per non introdurre troppi termini, in questo articolo ci concentreremo su quello che a noi sembra legarli un po’ tutti: la Data Governance. Vediamo cos’è e qual è la direzione tracciata da Gartner per renderla attuale.
La Data Governance è l’insieme di metodi e strumenti che assicurano l’alta qualità dei dati durante il loro intero ciclo di vita, così che possano realmente supportare gli obiettivi di business. In essa rientrano concetti come la disponibilità, l’usabilità, la consistenza, l’integrità, la conformità, la tracciabilità e la sicurezza dei dati. Ciò che Gartner suggerisce per ottimizzare questo processo, è di organizzare l’azienda secondo quello che hanno denominato come franchise model[2]: ogni dipartimento aziendale deve poter essere autonomo a tutti gli effetti, ma sempre rispettando uno standard che è discusso e deciso centralmente dal Data & Analytics Center of Excellence (centro d’eccellenza per il D&A, abbrev. CoE). In questo modo, ogni dipartimento detiene simultaneamente le competenze funzionali, quelle tecniche e quelle analitiche, eliminando le catene di dipendenza che altrimenti si creerebbero fra Business, IT e Analyst.
Il concetto cardine in questo modello è il DataOps. Il termine può essere visto sia come disciplina (o processo aziendale), sia come la figura professionale che lo fa di lavoro. Nella DataOps,le competenze di Business e di Data & Analytics (D&A) vengono combinate in un clima di gestione collaborativa del dato. Lo scopo è la distribuzione, puntuale e governata, di risultati predicibili prodotti da sistemi automatizzati di integrazione dei dati. I dati derivano da tutti i diversi flussi aziendali che intercorrono fra gestore e produttore dei dati. Il termine sta riscuotendo un successo tale che molte aziende, l’anno scorso, hanno aggiornato il proprio sito web inserendo appositamente un’intera pagina dedita alla spiegazione di questa nuova professione, o dedicandole un articolo nel proprio blog[3]. Nel franchise model, si prevede che ogni dipartimento abbia il suo responsabile DataOps.
Il CoE, invece, è composto da chiunque gestisca ed ufficializzi la definizione univoca e condivisa dell’intera conoscenza aziendale (gli standard). Nella pratica, questo segna il ritorno in pompa magna del modello d’analisi multidimensionale, o strato semantico: uno strato che si pone fra il data warehouse e tutti gli strumenti di front-end (non solo di Analytics & Business Intelligence), dove vengono messe in relazione le dimensioni d’analisi con gli eventi misurabili dell’azienda, quindi create tutte le metriche e KPI di interesse mediante la definizione delle loro formule matematiche (e senza il salvataggio dei loro valori in un database). Prendendo come esempio l’universo Microsoft, stiamo parlando dei modelli (semantici) di Power BI (o dei modelli Tabular di Analysis Services, o dei loro predecessori cubi OLAP).
In conclusione, Gartner ha allertato i vendor in ritardo sui desideri del mercato che, se non includeranno strumenti e funzionalità pensate alla Data Governance, plausibilmente vivranno un crollo che le vedrà ricollocarsi in un punto diverso del GMQ, più in basso e più a sinistra. Difatti, alcuni dei vendor che in questi due anni hanno fatto bene, stanno puntando alla costruzione di grandi suite d’applicativi che permettono di “fare tutto”. A fronte di ciò, uno scenario speculato dagli esperti lettori degli ultimi due GMQ è quello in cui Gartner stessa decida di dividere l’attuale quadrante A&BI in due differenti: uno dedicato alla Data Viz, dove possiamo trovare i vendor che si focalizzano su una forte visualizzazione dei dati probabilmente appiattendo l’intero stack BI in un unico prodotto; un altro quadrante invece per le piattaforme di Business Intelligence nel senso più completo del termine, che includeranno anche le funzionalità di Data Governance, Data Science ed AI moderne.
[1] Ad essere sotto osservazione, questa volta, è soprattutto Tableau (Salesforce), che ad oggi risulta forte sulla parte estetica, ma carente nel resto. E, come si evince dall’analisi di Gartner, ad oggi questo è un prerequisito essenziale per essere preso in considerazione, ma non più una qualità sufficiente per posizionarsi nel quadrante Leader.
[2] McDonald’s è famosa per questo modello di business, che vede l’apertura in serie di varie sedi in autogestione, conformi fra loro rispetto ad uno standard definito centralmente.
[3] DataKitchen ha fatto ben di più: ha creato The DataOps Manifesto, che raccoglie le firme di tutti coloro che voglio aderire al movimento. Si veda direttamente https://dataopsmanifesto.org/it/ per maggiori informazioni.