Il costo elevato della scrittura del codice a mano - Perché la gestione intelligente, automatizzata e moderna dei dati Cloud conta ora più che mai ...
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
White paper Il costo elevato della scrittura del codice a mano Perché la gestione intelligente, automatizzata e moderna dei dati Cloud conta ora più che mai
Informazioni su Informatica La Digital Transformation cambia le nostre aspettative: migliori servizi, consegne più rapide, il tutto a costi più contenuti. Le aziende devono trasformarsi per rimanere competitive e i dati sono la risposta per riuscirci. Siamo leader mondiali nell’Enterprise Cloud Data Management e siamo pronti a supportare la tua leadership intelligente in qualsiasi settore, categoria o nicchia di mercato. Informatica ti offre la possibilità di operare in un ambiente più agile, realizzare nuove opportunità di crescita o persino inventare cose nuove. Siamo focalizzati al 100% sui dati e questo ti offrirà la flessibilità necessaria per competere ed avere successo. Ti invitiamo a scoprire tutto quello che Informatica ha da offrirti e a liberare "the power of data" per promuovere la prossima intelligent disruption.
Indice
Introduzione........................................................................................................ 4
Le possibili scelte dell'IT................................................................................... 4
Le sfide della gestione dei dati in un mondo multicloud e ibrido............. 5
Perché alcune organizzazioni prendono ancora in considerazione
la scrittura del codice a mano......................................................................... 6
I 4 svantaggi della scrittura del codice a mano per l'IT.............................. 6
I 3 svantaggi della scrittura del codice a mano per il business................ 7
I 4 elementi della gestione dei dati intelligente e automatizzata
del lakehouse nel Cloud.................................................................................... 8
Soluzione Informatica Cloud Lakehouse Data Management................... 10
Adotta un approccio completo alla gestione dei dati nel Cloud moderna,
automatizzata e intelligente............................................................................. 11
I passaggi successivi........................................................................................ 11
3"Per gestire tutto Introduzione
Le organizzazioni oggi investono pesantemente in nuovi processi, piattaforme e ambienti basati
questo [la complessità
sul Cloud per ottenere vantaggi quali la scalabilità, l'elasticità, l'agilità e l'efficienza a livello di costi.
dei dati] è necessario
Al tempo stesso, capiscono anche che i dati sono fondamentali per il successo della digital
un esercito di persone transformation e che non possono essere relegati in secondo piano.
che scrivono il codice
Queste tendenze convergono, così i dipartimenti IT vengono incaricati di aiutare il dipartimento
a mano e utilizzano business a diventare Cloud-ready o Cloud-first, in particolare nella modernizzazione degli analytics.
fogli di calcolo." La aziende modernizzano oppure creano nuovi data warehouse e data lake (o quelli che iniziano
a chiamare lakehouse) nel Cloud. Con una piattaforma dati nel Cloud, si ha una soluzione combinata
— Director of Enterprise di analytics storici e predittivi.
Information Management and
Governance, Organizzazione Tuttavia, al momento di gestire i dati per accelerare il time-to-value e garantire il ROI con un
del settore sanitario
investimento in data warehouse, data lake e lakehouse nel Cloud, il primo approccio che i dipartimenti
IT tendono ad adottare può avere implicazioni significative, come ad esempio aumento dei costi,
mancato rispetto dei progetti e complessità di manutenzione, con conseguente perdita dei vantaggi
della modernizzazione degli analytics nel Cloud.
Le possibili scelte dell'IT
Consideriamo il caso di una società di servizi finanziari che intende consolidare e modernizzare
i data warehouse e il data lake on-premise in un lakehouse nel Cloud nell'ambito di un'iniziativa
in corso legata alla customer experience. La prima iniziativa di business è rivolgersi a clienti che hanno
mostrato interesse per i prodotti di diverse categorie online ma non ne hanno mai acquistato uno.
Esistono tuttavia segnali (ad esempio, clickstream sul Web, social, transazioni, ecc.) che potrebbero
aiutare la società a influenzare o coinvolgere meglio i clienti per aumentare la wallet share.
Il dipartimento IT deve spostare tutti i dati dai database e dai file on-premise o i dati CRM ed ERP
al Cloud ed essere pronto a supportare diversi progetti di analytics all'avanguardia e intelligenza
artificiale. La strada ritenuta migliore per il successo (e la trappola in cui molti team IT cadono)
è prototipizzare rapidamente una soluzione di data integration nel Cloud per affrontare il primo
caso d'uso di business. Le iniziative di business, però, sono composte da più progetti e flussi di lavoro,
non si conclude quindi con un unico progetto, e la soluzione non è in grado di scalare per soddisfare
le moderne sfide di gestione dei dati complesse.
I nuovi tipi di dati (come ad esempio social, sensori di macchine e file di log, testo non strutturato,
dati di terzi e così via) hanno portato le organizzazioni ad adottare nuove tecnologie, come ad esempio
framework di elaborazione dei dati open-source come Apache Spark, al fine di elaborare e archiviare
i dati in ambienti Cloud, quali Amazon Web Services, Microsoft Azure o Google Cloud Platform.
Molte organizzazioni devono gestire un panorama multicloud complesso, una situazione comune
per le aziende che hanno due o più ambienti Cloud. L'IT si trova di fronte alla possibilità concreta
di non essere in grado di integrare i sistemi on-premise e le applicazioni Cloud per utilizzare i dati
in modo efficace ed efficiente.
4"Se sei chi scrive Molti dipartimenti IT devono affrontare diverse nuove sfide per nuovi requisiti:
• Come fornisce l'IT i dati contenuti nei silos ai decision maker?
il codice a mano e crea
• I manager IT dovrebbero affidarsi solo a sviluppatori in-house per creare la data integration
questi script per inserire personalizzata?
i dati direttamente… • I leader IT dovrebbero prendere in considerazione i tool di data integration?
sei la persona che Questo white paper intende fornire indicazioni ai leader IT sull'implementazione di una soluzione
cerchiamo. L'ultima per la gestione dei dati intelligente e automatizzata confrontandola con la creazione di soluzioni
cosa che voglio è che con codice scritto a mano.
i team di sviluppo Le sfide della gestione dei dati in un mondo multicloud e ibrido
debbano anche Mentre le organizzazioni IT iniziano a supportare iniziative Cloud e di analytics o intelligenza artificiale,
intervenire per fornire la tentazione è quella di di incaricare i loro sviluppatori tecnici della progettazione, dello sviluppo
e dell'implementazione di una soluzione. Tuttavia, sulla strada della scrittura del codice a mano,
supporto. Abbiamo
incontrano gli ostacoli delle sfide legate ai dati. In molti casi, si tratta delle stesse difficoltà che
bisogno di possibilità hanno interessato i data warehouse e i data lake on-premise:
di riutilizzo e gestibilità • Dati di tipi diversi e in silos: La maggior parte delle organizzazioni dispone di molti tipi di dati
del codice." diversi che risiedono in sistemi diversi e con diversi formati di storage, on-premise o nel Cloud.
Spesso i dati sono distribuiti tra data warehouse, data lake, applicazioni Cloud o risorse di terze
— Director of Data parti in silos. Tuttavia, sempre più dati vengono generati dai sistemi di transazioni e interazioni
Architecture, Produttore online come ad esempio file di log Web e delle macchine e social media. In un ambiente retail,
ad esempio, i dati sono distribuiti in molti sistemi diversi, come sistemi point-of-sale (POS) che
contengono dati delle transazioni in negozio, dati dei clienti di un sistema CRM e MDM, dati
di clickstream social e Web archiviati in un data lake nel Cloud e così via.
• Mancanza di data governance e data quality: Con dati di tipi diversi e in silos, spesso esistono
svariati livelli di data quality e data governance. Raramente le policy (se esistono) sono applicate
in modo coerente. I dati vengono riversati nei data lake creando paludi nelle quali è difficile
trovare, comprendere, gestire e proteggere i dati, un risultato al quale solo pochi data scientist
hanno accesso. Peggio ancora, i dati "sporchi" si fanno strada nel data warehouse nel Cloud,
dove centinaia di business analyst e altri consumatori di dati dipendono da essi per i processi
decisionali, gli analytics predittivi e l'intelligenza artificiale.
• Troppe tecnologie emergenti e in constante mutamento: Accanto a un volume maggiore di
dati, emergono nuovi vendor, tecnologie e progetti open source che modificano il panorama IT.
Coesistono tecnologie legacy, nuove tecnologie e tecnologie in evoluzione per storage, calcolo,
database, applicazioni, analytics e, più di recente, intelligenza artificiale e machine learning.
Gli sviluppatori possono trovare difficoltoso monitorare questo panorama mutevole, rendendo
complesso standardizzare o implementare una metodologia.
5Perché alcune organizzazioni prendono ancora in considerazione
la scrittura del codice a mano
Alcune organizzazioni scelgono di scrivere il codice a mano, ritenendo che sia una strada più semplice
rispetto all'utilizzo di un tool di data integration, che potrebbe avere una curva di apprendimento breve.
Inoltre, gli sviluppatori possono pensare che i tool di data integration limitano la loro creatività per
un determinato caso d'uso. Nella maggior parte dei casi, si tratta di obiezioni poco lungimiranti
a una soluzione intelligente e automatizzata. Tuttavia, la scrittura del codice a mano può essere
adatta ai proof-of-concept (POC) rapidi, con un basso costo iniziale.
I 4 svantaggi della scrittura del codice a mano per l'IT
Le data integration con codice scritto a mano potrebbero essere inizialmente allettanti per
i dipartimenti IT perché sono un modo rapido e poco costoso di creare pipeline di dati. Ma esistono
svantaggi notevoli da considerare.
La scrittura del codice a mano è costosa
Nel tempo, la scrittura del codice a mano è costosa da implementare, utilizzare e gestire in produzione.
Il codice scritto a mano deve essere adattato e ottimizzato dallo sviluppo all'implementazione. E con
la maggior parte dei budget IT destinata ad attività e manutenzione, il costo della scrittura del codice
a mano cresce nel tempo. Inoltre, il prezzo di una soluzione interna aumenta con l'aumentare della
complessità dovuta a un numero maggiore di sorgenti, destinazioni, trasformazioni di dati avanzate
o semplicemente alla programmazione degli eventi. Alla terza o quarta iterazione, l'IT comprende
che i costi per l'organico aumentano drasticamente, con un impatto sull'economia della soluzione.
A quel punto è troppo tardi, perché è già stato preso un grosso impegno e nessuno vuole andare
a spiegare al management che i milioni spesi per scrivere il codice a mano devono essere abbandonati
a favore di un nuovo investimento in una soluzione per la gestione dei dati di un vendor, che va
al di là dell'ingestion di dati e della data integration di base.
Hand Coding Isn’t Future Proof
Con il rapido avvento di tecnologie nuove ed emergenti, gli sviluppatori devono riprogettare
e riscrivere il codice ogni volta che si verifica un cambiamento di tecnologia, un aggiornamento
o persino una modifica dell'engine di elaborazione sottostante. Non molto tempo fa avevamo
Hadoop, oggi abbiamo Spark e domani arriverà un'altra versione di Spark o una tecnologia persino
migliore. La data integration con codice scritto a mano è già obsoleta nel momento stesso in cui
diventa operativa. Inoltre, una soluzione con codice scritto a mano non affronta la moderna
realtà multicloud. La maggior parte delle organizzazioni si ritrova ad avere diversi Cloud per i vari
dipartimenti o tipi di progetto oppure a seguito di una fusione o acquisizione.
La scrittura del codice a mano manca di automazione
La scrittura del codice a mano non è in grado di scalare per le organizzazioni guidate dai dati e non
può tenere il passo con le richieste delle aziende. Le richieste di pipeline di data integration per
i team IT sono semplicemente troppe per essere accontentate. L'unico modo per scalare la fornitura
di attività di data integration di produzione è attraverso l'automazione e questo richiede l'intelligenza
artificiale e il machine learning.
6La scrittura del codice a mano implica che sviluppo, testing, implementazione e gestione del codice
sorgente siano per la maggior parte manuali. La documentazione è laboriosa e spesso non riesce
a tenere il passo. Con la scrittura del codice a mano, è necessario utilizzare tool diversi per il debug
di ambienti diversi, per la programmazione e per il monitoraggio, sperando che il ripristino da attività
fallite possa essere accettabile. Inoltre, i processi di data integration con codice scritto a mano
sono limitati in termini di trasformazioni coinvolte. Ad esempio, per garantire la data quality, un data
engineer deve scrivere a mano il codice di un processo per standardizzare i codici o bonificare gli
indirizzi di una specifica area geografica.
La scrittura del codice a mano manca della portata aziendale
I programmatori di data integration con codice scritto a mano hanno impiegato anni per comprendere
l'importanza e la necessità della data quality e della governance per garantire dati affidabili per
il business. Questi aspetti sono ancora più importanti oggi, con le aziende data-driven e l'ascesa
di intelligenza artificiale e machine learning. La scrittura del codice a mano non può garantire
la portata aziendale necessaria per la data integration, la data quality e la gestione dei metadati.
I 3 svantaggi della scrittura del codice a mano per il business
Le limitazioni della scrittura del codice a mano non sono ristrette all'IT. In definitiva, la scrittura
del codice a mano influisce sui risultati di business. Ecco i tre settori principali in cui può avere
un impatto negativo sul business:
Costi più elevati
I costi della scrittura del codice a mano e dello scripting dal punto di vista del personale possono
essere notevoli e le risorse competenti sono limitate. Questi costi aumentano nel tempo. Se un
singolo progetto di portata limitata può essere eseguito in modo rapido e non costoso, questi vantaggi
vengono persi su scala enterprise. Non esiste il concetto della possibilità di riutilizzo nella scrittura
del codice a mano: a volte i data engineer finiscono per scrivere script già esistenti senza nemmeno
rendersene conto. Le competenze non sono riutilizzabili per le iniziative future. Ad esempio, le tecniche
di data integration moderne comprendono l'ingestion di dati multi-latenza, trasformazioni ETL/ELT
complesse, streaming, bonifica e parsing dei dati. Con una soluzione personalizzata con codice scritto
a mano, tali tecniche sono difficili da sviluppare e non sono riutilizzabili con dati o progetti più nuovi.
Di conseguenza, l'organizzazione IT deve formare nuovamente gli sviluppatori con notevoli spese
e un utilizzo futuro limitato.
I costi di sviluppo elevati comportano elevati costi di manutenzione. Se è necessaria una modifica
del codice, i data engineer devono stabilire l'impatto delle modifiche, riscrivere il codice, eseguire
nuovamente il testing e l'implementazione del codice e di qualsiasi elemento coinvolto, come
ad esempio i report di BI. Se nell'elaborazione dei dati sono presenti errori, una soluzione con codice
scritto a mano è difficile da sottoporre a debug. Di conseguenza, gli sviluppatori sono legati al proprio
codice in un ambiente in costante mutamento.
Rischio più elevato
Gli aggiornamenti frequenti all'infrastruttura sottostante richiedono un coordinamento complesso.
Scrivendo il codice a mano non si sviluppa più al ritmo dell'innovazione. Ogni volta che viene apportata
una modifica nel panorama dei dati (ad esempio, un aggiornamento Oracle, il passaggio da un data
warehouse Teradata on-premise ad Amazon Redshift o il passaggio da SAP a Salesforce CRM),
gli sviluppatori devono interrompere quello che stanno facendo e sottoporre a manutenzione il codice.
7"[Con Informatica] Queste dipendenze aumentano il rischio complessivo in caso di risorse limitate. In funzione delle
competenze richieste, le organizzazioni possono spendere notevoli somme di denaro per trovare
Possiamo rendere
e formare la risorsa giusta per supportare le soluzioni interne. In molte aree geografiche può essere
disponibili difficile trovare sviluppatori per la scrittura del codice a mano altamente qualificati ed esperti di nuove
tempestivamente tecnologie e la concorrenza è elevata in questo settore.
gli aggiornamenti Ad esempio, uno sviluppatore qualificato in un'azienda farmaceutica internazionale ha creato un
di sistema quando framework di ingestion per inserire i dati nel data lake dell'azienda utilizzando Sqoop (componente
è necessario, senza open source di Apache Hadoop). Il processo dipendeva interamente da una persona per la gestione
e il funzionamento del framework di ingestion. Lo sviluppatore si è trasferito e non è rimasto nessuno
scrivere il codice
a gestire e utilizzare il framework esistente. Non è più stato possibile inserire nuovi dati nel data lake
a mano, e connettere perché nessun altro riusciva a gestire il codice. L'azienda ha compreso l'errore ed è passata a una
facilmente diverse soluzione di data integration di livello enterprise.
fonti in diversi luoghi
Time-to-value più lento
senza limitazioni al tipo Le organizzazioni corrono il rischio di subire ritardi se si affidano a un manipolo di sviluppatori
o al formato dei dati." per sviluppare, implementare e gestire una soluzione interna personalizzata. In alcuni casi, questa
dipendenza può avere un impatto notevole sul time-to-value e comportare una perdita di opportunità.
— Senior IT Director,
Retailer nel settore turistico Un'importante azienda di servizi energetici aveva un ambiente Hadoop che non restituiva il valore
atteso. È emerso che, nonostante una ricerca durata sei mesi, il lead developer non era in grado
di trovare le risorse qualificate per creare le attività Spark richieste. L'azienda ha deciso di investire
in un tool di data integration di livello enterprise per trarre il massimo dagli investimenti esistenti
e aiutare il lead developer con le richieste arretrate.
Una carenza di data governance, data quality e visibilità sui dati end-to-end riduce i dati affidabili
disponibili all'azienda per qualsiasi tipo di iniziativa di digital transformation. Se manca l'affidabilità
o la data governance, il business mette i freni, riducendo l'adozione da parte degli utenti
e di conseguenza ritardando qualsiasi valore di business atteso.
I 4 elementi della gestione dei dati intelligente e automatizzata
del lakehouse nel Cloud
Mentre le organizzazioni consolidano e modernizzano i propri data warehouse e data lake on-premise
nel Cloud o ne creano di nuovi nel Cloud, è più importante che mai evitare le insidie della scrittura del
codice a mano. In particolare oggi, con l'emergere dei lakehouse che promettono il meglio dei data
warehouse e dei data lake con l'agilità e la scalabilità del Cloud, è fondamentale utilizzare al meglio
l'intelligenza guidata dai dati e l'automazione per creare pipeline di dati efficienti.
Mentre molti dipartimenti IT si concentrano sulla sola data integration, è necessaria una soluzione
più ampia per soddisfare le esigenze aziendali lungo l'intero ciclo di vita della gestione dei dati.
Di seguito analizziamo gli elementi fondamentali.
8Data Integration
Una soluzione di data integration best-of-breed, intelligente e automatizzata è fondamentale per
gestire i data warehouse, i data lake e i lakehouse nel Cloud. Le seguenti funzionalità permettono
di creare pipeline di dati in modo rapido ed efficiente per alimentare il data warehouse, il data lake
e il lakehouse nel Cloud:
• Integrazione senza codice con template e trasformazioni successive consigliate dall'intelligenza
artificiale
• Ingestion di massa per file, database, dati modificati e streaming
• Push-down optimization in database, data warehouse nel Cloud e lakehouse PaaS
• Ridimensionamento elastico e serverless
• Elaborazione nel Cloud basata su Spark
• Connettività ampia e nativa
• Elaborazione dei flussi
• Apporto di intelligenza artificiale e machine learning per gestire la deviazione dello schema
e il parsing di file complessi
• Supporto per attività di dati e machine learning (DataOps e MLOps)
Data Quality
Nell'attuale panorama dei lakehouse Cloud, non è sufficiente una data integration di prim'ordine.
È necessaria anche la data quality best-of-breed. Le funzionalità di data quality intelligenti
e automatizzate garantiscono dati puliti, standardizzati, affidabili e coerenti in tutta l'azienda.
Ecco che cosa cercare:
• Profilazione dei dati integrata con la data governance
• Regole di data quality e generazione automatica delle regole
• Dizionari di dati per gestire gli elenchi di valori
• Bonifica, standardizzazione, parsing, verifica e processi di deduplicazione/consolidamento
• Integrazione con la soluzione di data integration esistente
• Analytics di data quality
• Elaborazione nel Cloud basata su Spark
Gestione dei metadati
Una base comune di metadati di livello enterprise consente la visibilità e il lineage intelligenti,
automatizzati ed end-to-end a livello di tutto l'ambiente. Un'ampia connettività dei metadati tra
diversi tipi di dati e di fonti ti garantisce la visibilità e l'accesso ai dati bloccati in applicazioni
transazionali, store di dati e sistemi eterogenei, applicazioni SaaS e sistemi legacy proprietari.
Una base comune di metadati di livello enterprise garantisce processi intelligenti e automatizzati per:
• Discovery dei dati
• End-to-end lineage
• Asset tagging and data curation
• Comprensione di metadati tecnici, di business, operativi e di utilizzo
• Connettività tra ambienti on-premise e Cloud per database (data warehouse e data lake),
applicazioni, ETL, tool di BI e altri
9"Informatica Intelligent Funzionalità Cloud-native create su una base di intelligenza artificiale e machine learning
Il quarto elemento è fondamentale ed è comune agli altri tre. La data integration, la data quality
Data Platform
e la gestione dei metadati dovrebbero essere create su una base di intelligenza artificiale e machine
ci permette di trarre learning per permettere di gestire la crescita esponenziale dei dati di livello enterprise. Cerca una
il massimo dalla soluzione Cloud-native che sia multicloud, guidata da API e basata su microservizi, oltre a offrire
le seguenti funzionalità:
migliore tecnologia
• Automazione alimentata da intelligenza artificiale e machine learning, come ad esempio consigli
open source per
sulla prossima migliore trasformazione, somiglianza tra pipeline di dati, invio avvisi operativi
un'esecuzione ottimale e auto-regolazione
e un'implementazione • Containerization
• Serverless architecture
più rapida. Oggi
• Installazione e configurazione minime
possiamo gestire • Aggiornamenti automatici
i nostri dati in modo • Prezzo basato sull'utilizzo
sistematico, ripetibile • Certificazioni di affidabilità
• Disponibilità elevata e sicurezza avanzata dello stack completo integrato (piattaforma, rete,
e sostenibile."
infrastruttura)
— Senior Data Engineer,
Società legale Soluzione Informatica Cloud Lakehouse Data Management
Informatica® Cloud Lakehouse Data Management è l'unica soluzione per la gestione dei dati di livello
enterprise, Cloud-native ed end-to-end dedicata ai lakehouse (nonché ai data warehouse e ai data lake)
nel Cloud.
La soluzione è costruita sulla piattaforma Informatica Intelligent Cloud ServicesSM (IICS), l'enterprise
iPaaS più avanzata leader nel settore. Informatica Cloud Lakehouse Data Management combina
data integration, data quality e gestione dei metadati best-of-breed in una soluzione Cloud-native
completamente automatizzata con funzionalità fondamentali di intelligenza artificiale e machine
learning basate sui metadati.
La soluzione consente alle aziende che hanno spostato (o stanno spostando) i propri dati nel
Cloud di affrontare le diverse e complesse sfide di gestione dei dati. Con questa soluzione puoi:
• Ridurre il total cost of ownership aumentando l'efficienza in tutto il ciclo di vita di sviluppo del
software (creazione, implementazione, gestione, utilizzo)
• Utilizzare al meglio la connettività out-of-the-box a centinaia di fonti dati per trarre vantaggio
dall'integrazione grafica senza codice e dalle trasformazioni complesse incorporate
• Eliminare i rischi dell'utilizzo di codice scritto a mano e di soluzioni limitate dedicate a un unico
scopo per la gestione dei dati evitando la complessità e adattandosi ai cambiamenti di tecnologia
• Ottenere tutti i vantaggi delle soluzioni Cloud as-a-Service: scalabilità, agilità, installazione e
configurazione minime, aggiornamenti automatici, elevata disponibilità e sicurezza avanzata
• Ottenere un time-to-value più rapido accelerando le iniziative volte a migrare i data lake e i data
warehouse al Cloud con l'automazione alimentata da intelligenza artificiale e machine learning
che elimina migliaia di attività manuali
• Garantire il futuro delle iniziative di analytics a fronte di un ecosistema di Cloud pubblico in costante
evoluzione ed evitare il vendor lock-in in un panorama multicloud
• Stabilire un'infrastruttura di gestione dei metadati moderna con data integration, data quality
e gestione dei metadati complete
10Adotta un approccio completo alla gestione dei dati nel Cloud moderna,
automatizzata e intelligente
Molte organizzazioni hanno bisogno di dati per comprendere in modo efficace, far funzionare
e far crescere il proprio business, ma la complessità dei dati è un ostacolo. Le organizzazioni IT
cercano una soluzione per la gestione dei dati intelligente e automatizzata in grado di colmare
il divario tra implementazioni on-premise e Cloud senza dover ricreare tutto da zero prima di poter
cogliere i vantaggi di un'implementazione di successo.
Senza una piattaforma dati unificata e completa, le organizzazioni sono obbligate a mettere insieme
diverse soluzioni dedicate a un solo scopo che non sono state progettate per funzionare insieme.
Integrare questi sistemi è un'operazione costosa a livello di tempo e denaro, rischiosa e non in grado
di adattarsi al cambiamento. Se una soluzione dedicata cambia, è necessario eseguire e testare
nuovamente le integrazioni dei sistemi.
Un approccio di livello enterprise non richiede un'implementazione "big bang". Uno dei vantaggi
della gestione dei dati intelligente e automatizzata è la possibilità per le organizzazioni di avviare
metodologie, processi e tecnologie comuni in modo incrementale, partendo da uno o due progetti.
Con una piattaforma di gestione dei dati di livello enterprise ad alta produttività, l'IT può accelerare
i progetti iniziali per garantire un valore di business immediato. Mentre l'organizzazione IT esegue
ulteriori progetti, può utilizzare e riutilizzare gli asset esistenti, riducendo notevolmente il costo
e il tempo necessari a offrire le nuove funzionalità al dipartimento business e migliorando la
coerenza e il controllo.
Con la soluzione per la gestione dei dati del lakehouse nel Cloud guidata dai metadati e leader
nel settore, puoi realizzare il pieno potenziale del tuo data warehouse e data lake nel Cloud in un
ambiente ibrido e multicloud. Guadagnerai in termini di efficienza e riduzione dei costi, potendo
partire in piccolo e scalare grazie alle funzionalità best-of-breed di data integration, data quality,
data governance e gestione dei metadati best-of-breed, create per il Cloud su una intelligent data
platform alimentata dall'intelligenza artificiale.
I passaggi successivi
Prova la gestione dei dati del lakehouse nel Cloud intelligente e automatizzata di Informatica
gratuitamente per 30 giorni. Iscriviti per ricevere una versione Trial gratuita di Informatica
Cloud Data Integration.
Integration
Sede centrale mondiale Piazza della Repubblica 14/16, 20124 Milano Tel: +39 02 37 05 80 00 | Via Luca Gaurico 9/11, 00143 Roma Tel: +39 06 54 83 21 31
Numero verde negli Stati Uniti: 1.800.653.3871 IN09_0420_03852
© Copyright Informatica LLC 2020. Informatica, il logo Informatica e Informatica Intelligent Cloud Services sono marchi o marchi registrati di Informatica LLC negli Stati Uniti e in altri paesi. Un elenco aggiornato
dei marchi commerciali di Informatica è disponibile sul Web all'indirizzo https://www.informatica.com/it/trademarks.html. Gli altri nomi di aziende e di prodotti potrebbero essere nomi commerciali o marchi
commerciali dei rispettivi proprietari. Le informazioni di questa documentazione sono soggette a modifiche senza preavviso e vengono fornite "nello stato in cui si trovano", senza alcuna garanzia, esplicita
o implicita.Puoi anche leggere
