Il quadrante magico di Gartner (abbrev. GMQ) non è da intendersi solamente come la classifica delle software house concorrenti in base alla qualità del loro prodotto; non va letto così. Piuttosto, è una rappresentazione (anche grafica, e per nulla banale) dell’esperienza complessiva che si può vivere andando a scegliere uno specifico vendor ed utilizzando i suoi prodotti e servizi. Non si tratta quindi unicamente di cosa fa lo strumento, ma di cosa è possibile fare con quello strumento (la differenza può sembrare sottile) e come, cioè incontrando quali difficoltà e con quale supporto da parte sia della software house, sia della comunità online. (Non riuscirò mai a sottolineare abbastanza come quest’ultima qualità sia essenziale per il lavoro di tutti i giorni.) Gartner definisce tutto ciò combinando le cosiddette capabilites (cosa può fare lo strumento) con le personas (a chi è indirizzato lo strumento), valutando le prime sulla base di quali sono le volontà delle seconde.

Ma eravamo partiti asserendo che il GMQ non va inteso come una classifica: ma, quindi, come va letto? La risposta che vi darebbe qualsiasi esperto è la seguente: il GMQ va letto tutto, per bene, e a fondo. Il problema è che nell’articolo c’è molto più da evincere di quanto ci sia effettivamente scritto, ma l’attività non è banale e richiede un tempo che non tutti possono normalmente permettersi. Quindi, innanzitutto e soprattutto, il GMQ va letto senza fraintenderne il grafico. Molti, difatti, commettono un doppio errore mal interpretando sia il significato degli assi, sia il significato dei quattro quadranti. È fondamentale capire che posizionare un vendor nel quadrante dei Niche player non è assolutamente ed in alcun modo un avvertimento a non comprare quel prodotto, esattamente come posizionarlo fra i Leader non equivale ad un invito all’acquisto. Analogamente, i due assi non sono da intendersi come la bontà e la popolarità del prodotto valutato.

Abbiamo detto che il Gartner del 2023 valuta i vendor definendo funzionalità del prodotto (capabilites) e profili dell’utenza (personas). Le (critical) capabilities sono ben dodici, ma soffermiamoci su due delle tre comparse quest’anno, simbolo di come sta cambiando il mercato. Queste, a molti possono sembrare scontate, eppure negli scorsi anni hanno sofferto un (a mio avviso ingiustificato) calo di importanza tale da non farle comparire in lista. La prima, metric store, tratta quello che chiamiamo “strato semantico”, ovvero quello strato di astrazione che si frappone fra data warehouse e front-end nella quale andare a modellare tutte le necessarie metriche e misure di stato e di performance del business aziendale. Questo è quell’oggetto che solo a valle può fare nascere report, dashboard, applicazioni o analisi che siano, e dovrebbe essere quanto più “generico” possibile, ovvero non verticale su un processo/ruolo aziendale.  La seconda, collaboration, riguarda la possibilità e la costante consapevolezza di come i diversi attori aziendali stanno contribuendo, contemporaneamente ed iterativamente, all’evoluzione della propria infrastruttura BI. Questo si traduce in un orientamento verso il decision making collaborativo.

Come personas, troviamo diversi profili. L’analytics developer è chi crea e distribuisce i contenuti finali (certificati) analitici all’interno dell’azienda, definendo la cosiddetta single version of truth. Il data scientist deve poter promuovere in produzione i modelli di test che gli utenti hanno creato a parte e sulla quale hanno testato delle ipotesi in pieno “metodo scientifico”. Il business analyst è l’utente di business che deve poter integrare i dati necessari alle sue analisi, col supporto quanto più minimo possibile da parte dell’IT. Infine, l’augmented consumer è colui che può usufruire di contenuti e insights automatizzati (es. chatbot, Q&A, NLQ) allo scopo di comprendere appieno i contenuti analitici.

Dalla diversa natura delle quattro personas si può intuire come le piattaforme di Business Intelligence siano, a tutti gli effetti, destinate all’intera azienda (o ad una gran parte di essa), e non a degli utenti specifici come in passato. E proprio perché è una piattaforma condivisa, è importante che possa essere una ed una solamente. Dalle interviste sorge, difatti, come un ambiente composto da diversi strumenti e vendor possa risultare disorientante per tutti i diversi profili. Ed è anche fondamentale che tale piattaforma sia in grado di offrire esperienze diverse per i diversi profili e competenze aziendali.

Tutto ciò ha portato questo GMQ ad un sostanziale cambiamento (shift) di parametri rispetto a quelli adottati nel 2016: non importa più solamente l’aspetto estetico e di costruzione della visualizzazione, ma anche e soprattutto la governance dei dati. Nel 2016, infatti, ci fu il precedente cambio, centralizzando la visione sul business analyst con la promozione della cosiddetta self-service BI e della quick viz (la visualizzazione veloce, dove “con pochi click” si passava dai dati sorgenti al report). Ma è bene ricordare anche come lo shift del 2016 avvenne in seguito a quello del 2010, dove a sua volta la visione era diametralmente opposta (IT-centrica) e le aziende crearono involontariamente nell’IT il collo di bottiglia dei propri processi interni di rilascio della BI.

Questo shift ha portato un generale spostamento verso sinistra nel GMQ, che è da leggersi come un parziale rispetto delle volontà e dei desideri espressi dal mercato secondo Gartner. Infatti, più si è a destra e più si ha una completezza di visione intesa come capacità di andare incontro a quanto vorrebbero poter fare le aziende e gli utenti, offrendo loro strumenti e funzionalità. (Eccezione a questa tendenza è Pyramid Analytics, che da attrice di nicchia sale a visionaria.) Ma va anche detto che nessun vendor è sceso di quadrante, indice di come queste aziende stiano investendo tutto sommato bene in un campo che è effettivamente in crescita ed in evoluzione.

Aggiungo una nota: finora ho parlato di questo shift come se fosse realmente accaduto. In realtà, quest’anno è il primo anno in cui, fra gli esperti, c’è la netta sensazione di un grande cambiamento, al pari di quelli avvenuti nel 2010 e nel 2016. Con buona probabilità si vedrà nel prossimo o nel successivo GMQ il vero effetto dello shift.

Ma andiamo al sodo: come si traduce tutto ciò? Semplice: la Business Intelligence non è più – e in realtà non è mai stata – uno strumento al servizio di un singolo processo o attore aziendale (prima l’IT e poi il business). La Business Intelligence è essa stessa un processo aziendale, sempre più diffuso e centrale, che si pone trasversalmente a tutte le altre funzioni mettendole in unione e comunicazione. Per questo essa è in grado di supportare qualsiasi processo decisionale scaturisca da una o più di queste funzioni,riuscendo a misurare puntualmente lo stato del processo e le sue diverse performance, generando una nuova consapevolezza fattuale e condividendola.

L’introduzione delle personas nell’analisi è un pezzo fondamentale del lavoro di Gartner. La valutazione di un vendor, non essendo più basata solamente sulle capabilities, tiene conto delle differenti competenze e necessità dei diversi ruoli e responsabilità nei diversi processi aziendali. Il GMQ, quindi, non è più un mero posizionamento delle qualità tecniche di un prodotto su un grafico con due assi, ma un posizionamento complessivo di come i loro vendor incontrino i gusti e i bisogni di tutti i differenti tipi di utenza nel mercato, dallo sviluppatore al consumatore. Se così non fosse, vi stupirà sapere che sia Microsoft che Qlik sarebbero più in basso nel quadrante. Ma vedere Microsoft posizionata più in alto e più a destra rispetto agli altri non significa che Power BI sia il miglior prodotto per fare Analytics & Business Intelligence, ma piuttosto che Microsoft sia attualmente il vendor che offre complessivamente l’esperienza più ampia ed appagante per tutti i differenti settori aziendali e profili professionali, soddisfacendo mediamente tutti i dipendenti all’interno di un’azienda che ha adottato la BI.

La domanda cruciale diviene quindi la seguente: ci sono prodotti migliori rispetto a Power BI? Gartner dice di sì, ma magari per solamente una delle quattro personas, e/o solo per alcune delle dodici capabilities. Ne è un esempio MicroStrategy  che registra nei confronti degli analytics developer un punteggiodistintamente superiore a tutti i competitor, per poi crollare a metà classifica trattando i business analyst e addirittura nell’ultimo quartile guardando agli augmented consumer e ai data scientist. Microsoft, al contrario, non è prima in alcuna classifica specifica (si aggira sempre fra il quarto e il settimo posto), ma la sua offerta anche in termini di strategia di vendita (offerta e licensing), di marketing, di documentazione e tutorial, forum e blog, eccetera – quindi di mercato reale complessivo – supera i competitor in misura tale da essere proiettata a significativa distanza nel grafico del quadrante Leader.

Ma la scelta fra un prodotto complessivamente ottimo o solo puntualmente eccellente sta alla singola azienda che deve acquistare, in base alle sue specifiche necessità che potrebbero non essere del tutto allineate con quelle del mercato globale.

Com’è dirompente l’introduzione nel GMQ delle personas, lo è anche l’introduzione del già citato metric store fra le capabilites. Citando l’articolo, è stata aggiunta allo scopo di enfatizzare come la BI sia innanzitutto un sistema di misurazione: e come questo fu vero al principio – quando gli strati semantici modellavano dimensioni e misure – è vero ancora oggi. Tuttavia, attualmente alle piattaforme BI è richiesto qualcosa in più: rendere le proprie metriche accessibili all’esterno (cioè da altre applicazioni), in un’esperienza cosiddetta application-neutral. Questa richiesta è in totale controtendenza con quanto ha dominato negli ultimi anni, cioè la condivisione del report, e non del sistema di misurazione e delle sue metriche.

È un ritorno alla visione modello-centrica della BI (e, ripetiamolo, non più report-centrica), ma con il posizionamento della Business Intelligence al centro dell’architettura e dei processi aziendali, e non più in cima o a valle di essi. La BI diviene così non solo destinazione e destinatario, ma anche sorgente informativa per ciò che non è esclusivamente BI. Creare e distribuire report e dashboard non è più sufficiente per il mercato globale: questo lo fanno agevolmente tutti i vendor già da dieci anni, e deve essere dato per scontato; in caso contrario, non si comparirebbe proprio nel GMQ.

Oracle. Oracle è riconosciuta soprattutto per la sua leadership nella gestione dei database e nelle applicazioni aziendali cloud complete. Oracle Analytics Cloud (OAC) fornisce contenuti predefiniti per quasi ogni applicazione aziendale di Oracle come parte chiave della sua strategia di commercializzazione. Sta inoltre riducendo il tempo per ottenere valore per i clienti nell'offerta di analisi avanzate includendo 17 modelli predefiniti di data science.

Nel 2022, Oracle ha dimostrato una visione all'avanguardia con nuove funzionalità innovative, tra cui la componibilità, i framework di azione e un avatar che presenta notizie di analisi in modo realistico. La sua roadmap mostra un significativo investimento nella connettività esterna a popolari applicazioni come ServiceNow, Mailchimp, SurveyMonkey e Yelp.

ThoughtSpot. I clienti di ThoughtSpot citano spesso la sua interfaccia utente amichevole per i consumatori, la capacità di gestire analisi complesse e la scalabilità per analizzare grandi set di dati come motivi per l'acquisto. L'esperienza di ricerca di ThoughtSpot indicizza e classifica i modelli di dati, i metadati e ogni valore di dati, consentendo al software di guidare l'utente verso insight più dettagliati. SpotIQ, la capacità di insight automatici di ThoughtSpot, monitora continuamente i dati per imparare a produrre insight personalizzati. È importante notare che ThoughtSpot esegue le sue ricerche e le attività di insight automatici tramite interrogazioni dirette dei database per ridurre al minimo lo spostamento dei dati.

Nel 2022, ThoughtSpot ha mirato a team e organizzazioni più piccole con un modello di prezzo basato sul consumo. Altre innovazioni recenti includono l'integrazione senza codice con il nuovo partner dbt Labs, l'integrazione di Sync (precedentemente SeekWell) per inviare insight alle applicazioni aziendali di terze parti e un plug-in web gratuito per Google Sheets.

SAP. SAP Analytics Cloud è una piattaforma nativa per il cloud multitenant con un ampio set di funzionalità che includono la visualizzazione dei dati, la generazione di report e l'analisi potenziata. Unifica l'analisi e la pianificazione aziendale per creare processi end-to-end dagli insight alle azioni aziendali. Nell'ultimo anno, SAP Analytics Cloud ha significativamente aumentato il suo slancio di mercato, come misurato dalle richieste dei clienti di Gartner, dalle ricerche e da Gartner for Peer Insights.

Nel 2022, SAP ha migliorato le sue capacità di reporting, storytelling dei dati e sviluppo di analisi per ottimizzare l'esperienza utente (UX) per gli sviluppatori di analisi aziendali, gli analisti aziendali e i consumatori di report. Le capacità di codifica a basso codice e avanzata delle applicazioni di analisi offrono applicazioni analitiche componibili per le linee di business (LOBs). Ha potenziato le capacità di integrazione e modellazione dei dati, in particolare sfruttando il contesto completo dei dati SAP e degli ecosistemi applicativi.

TIBCO Software. TIBCO Spotfire combina l'esplorazione visuale e la scienza dei dati, con un forte supporto per lo streaming, compresa la capacità di combinare dati in tempo reale e dati statici. Può anche eseguire modelli predittivi sui dati in streaming. Spotfire fornisce anche 45 funzioni dati predefinite per consentire agli utenti aziendali di eseguire analisi avanzate.

Nel 2022, TIBCO Spotfire ha introdotto le "azioni", una funzionalità senza codice per attivare flussi di lavoro tra applicazioni cloud e on-premises. Ha inoltre continuato a sviluppare oltre 25 Mods inizialmente creati dalla comunità, che sono visualizzazioni personalizzate utilizzate per creare applicazioni specifiche per un determinato settore. Inoltre, TIBCO ha potenziato la sua capacità di gestione dei modelli, consentendo ai clienti di valutare e monitorare le prestazioni dei modelli di data science pre-addestrati in un ambiente di analisi visuale.

Pyramid Analytics. Pyramid offre una suite integrata per l'ABI moderna lungo l'intero ciclo di vita dei dati, pronta all'uso. Il design "factory" di Pyramid si basa sulla preparazione dei dati e sul data wrangling basati su intelligenza artificiale, che vanno dalla scoperta dei dati alla condivisione tramite dashboard e report generati dagli utenti aziendali in un ambiente a basso codice/senza codice. Pyramid è completamente basato su browser e indipendente dalla piattaforma cloud, consentendo l'hosting su AWS, Azure, GCP, Oracle Cloud o Alibaba.

Nel 2022, Pyramid ha introdotto Tabulate, un'app che offre estese funzionalità di foglio di calcolo e capacità di modellazione aziendale nel processo di sviluppo di dashboard e report, consentendo agli utenti di incorporare questi fogli di calcolo come parte delle implementazioni analitiche. Inoltre, nel 2022, il motore di plug-in Solve di Pyramid consente agli analisti aziendali e agli sviluppatori analitici di eseguire la modellazione delle decisioni e l'ottimizzazione prescrittiva. Gli insight sviluppati in Solve possono essere facilmente condivisi con altri utenti per prendere decisioni aziendali ottimali.

Sisense. Sisense è uno dei pochi fornitori non-hyperscaler in grado di supportare in modo equilibrato sia casi di utilizzo di augmented analytics self-service che di analisi incorporate in un ambiente di cloud ibrido. Gli investimenti nel prodotto supportano l'aumento della domanda di analisi incorporate. Le attuali offerte di piattaforma sono Sisense Fusion Analytics, Sisense Fusion Embed e Sisense Infusion Apps. Le opzioni di implementazione per Sisense Fusion coprono sia l'hosting interno che l'opzione SaaS o Sisense Cloud utilizzando sia single che multitenancy e lo stesso codice per garantire coerenza. Il 2022 ha segnato un cambiamento di interesse significativo per le implementazioni di Sisense Cloud, guidato sia da un maggiore interesse da parte delle aziende di medie dimensioni che dalla domanda delle grandi aziende per l'hosting.

Tellius. Offre funzionalità per consumatori, analisti e data scientist non professionisti. Tellius fornisce insight utilizzando le sue interfacce "Cosa?", "Perché?" e "Come?". Gli insight "Cosa?" sono ottenuti utilizzando un'interfaccia di ricerca basata su NLQ (Natural Language Query). L'interfaccia "Perché?" evidenzia automaticamente i fattori chiave nascosti e le tendenze. L'interfaccia "Come?" identifica i segmenti sottostanti e consente ai decisori di agire.

Nel 2022, Tellius ha introdotto le Multi-Business View Vizpads (MBV Vizpads) che consentono agli utenti di eseguire analisi su origini dati con colonne comuni senza doverle unire. Tellius ha anche introdotto calcoli di quota di mercato specifici per l'industria direttamente dalla sua interfaccia di ricerca per clienti nel settore dei beni di consumo confezionati e farmaceutici.

IBM. IBM Cognos Analytics with Watson offre funzionalità centrali consistenti in implementazioni ibride, multi-cloud, pubbliche e on-premises. Cognos Analytics su Cloud Pak for Data può essere implementato su AWS, Azure, GCP e IBM Cloud. I clienti possono scegliere di utilizzarlo in combinazione con lo stack containerizzato di servizi D&A di IBM, inclusi storage, virtualizzazione dei dati, data refinery, catalogo dei dati e servizi DSML.

Nel 2022, IBM ha aggiunto l'Analytics Content Hub, una nuova capacità della piattaforma che unifica gli asset di analisi di un'organizzazione provenienti da più fornitori, inclusi IBM, Microsoft, Salesforce e Google. Sfondando i silos analitici, gli utenti possono accedere ai contenuti di più fornitori di piattaforme ABI. Inoltre, IBM ha apportato diverse migliorie alle sue capacità potenziate, migliorando il filtraggio delle entità temporali, la previsione multivariata, la libreria di serie temporali, la generazione di linguaggio naturale e la ricerca. Infine, IBM ha ampliato l'integrazione esistente con Slack aggiungendo l'integrazione con Microsoft Teams. Gli utenti possono ora condividere contenuti in Teams da Cognos e incorporare dashboard e report direttamente nel loro ambiente di Teams.

SAS. SAS Visual Analytics è uno dei componenti del portafoglio end-to-end di SAS, che offre soluzioni di preparazione dei dati visuali e potenziate, ABI, DSML e intelligenza artificiale.

Nel 2022, SAS Visual Analytics ha ampliato la sua integrazione con Microsoft Azure mediante il rilascio di azioni di pubblicazione e scoring dei modelli in Databricks, che è disponibile anche su AWS. SAS Embedded Process for Spark sessione continua con Databricks o con Synapse consente azioni di avvio e arresto. Altre capacità sono state migliorate, come gli oggetti a torta geografici, gli insight sugli outlier e una nuova libreria di componenti di contenuto aggiunta al SAS Viya SDK per una navigazione più semplice all'interno di pagine web o applicazioni web personalizzate.