Dalla preparazione dei dati alla realtà dei dati: come i settori chiave stanno ripensando le loro strategie sui dati
La disponibilità dei dati non è più solo un'ambizione tecnica; è un requisito operativo. Tuttavia, l'esecuzione in tutti i settori è in ritardo. Le basi dei dati non sono state costruite per le esigenze dell'era dell'AI e, sebbene queste sfide si manifestino in modo diverso tra i settori, il mandato è coerente: le organizzazioni devono ripensare come unificare, governare e accedere ai propri dati per portare l'AI ai loro dati, ovunque si trovi.
Il recente Data Readiness Index di Cloudera approfondisce ciò di cui le organizzazioni hanno bisogno per costruire una solida base che possa alimentare l'AI su larga scala. I risultati dell'indagine mostrano che le imprese continuano a essere limitate da ostacoli strutturali, culturali e di governance; tuttavia, queste sfide si manifestano in modo diverso nei vari settori. Queste informazioni possono aiutare i leader a prevedere i cambiamenti strategici necessari per colmare il divario tra ambizione ed esecuzione.
Tecnologia: l'AI scalabile incontra la frammentazione dei dati
Le aziende tecnologiche sono state per lungo tempo tra le organizzazioni più orientate all'AI, ma l'indagine rivela che, anche in contesti avanzati, la scala sta mettendo a nudo le debolezze strutturali. Più della metà (56%) delle organizzazioni tecnologiche report di non avere pieno accesso ai propri dati, nonostante un investimento significativo in cloud e piattaforme dati moderne.
Il passaggio all'AI su scala di produzione richiede alle organizzazioni tecnologiche di ripensare la loro infrastruttura. I sistemi di dati frammentati e inaffidabili che ostacolano la scalabilità dell'AI derivano dalla difficoltà di renderla operativa tra i prodotti e i team. Ciò si riflette nel 30% dei leader che citano la qualità dei dati come la ragione principale per cui i progetti di intelligenza artificiale non riescono a fornire un ROI e nel 39% che rileva che i problemi di infrastruttura ostacolano sempre le operazioni.
Nel settore tecnologico, colmare il divario nella disponibilità dei dati implica consentire all'AI di funzionare dove già risiedono i dati, senza richiedere costosi spostamenti dei dati. Questo inizia con la creazione di una base di dati e AI unificata e governata tra cloud, data center e ambienti edge, offrendo un'esperienza coerente e mantenendo il pieno controllo sui dati distribuiti.
Produzione: i sistemi legacy si scontrano con le esigenze in tempo reale
Le aziende manifatturiere cercano sempre di ottimizzare le operazioni lungo il ciclo di vita del prodotto, ma i dati frammentati impediscono una piena ottimizzazione di tali sforzi. Il 42% delle organizzazioni manifatturiere ha indicato i dati compartimentati come un ostacolo per i team nell'utilizzo efficace dei propri dati, e oltre la metà (52%) non ha ancora pieno accesso ai propri dati. Chiaramente, l'accesso rappresenta un ostacolo centrale per raggiungere la prontezza dei dati, e la complessità operativa è aggravata da dati isolati e irraggiungibili. Il compito operativo di colmare il divario tra ambizione e esecuzione dei dati richiede di garantire che i team possano accedere al 100% dei propri dati attraverso tutti gli ambienti, non solo a sottoinsiemi isolati.
Per le aziende manifatturiere, i tempi di produzione, la manutenzione predittiva e la continuità della catena di approvvigionamento dipendono tutti da dati tempestivi e affidabili. Altrettanto importante è l'investimento nei livelli di integrazione e standardizzazione dei dati, affrontando il 20% dei produttori che citano la debole integrazione del flusso di lavoro come la ragione principale per cui le iniziative sui dati non riescono a garantire il ROI. Concentrandosi su pipeline di dati scalabili e piattaforme industriali che operano tra le strutture, un'infrastruttura unificata e in tempo reale che integra i dati nei flussi di lavoro principali può diventare realtà.
Energia e servizi di pubblica utilità: la governance diventa il custode della scalabilità.
Gli ambienti altamente regolamentati, come quelli in cui operano i responsabili IT nel settore energetico e dei servizi di pubblica utilità, richiedono un attento equilibrio tra innovazione e controllo. La conformità normativa e l'affidabilità della rete sono entrambe in gioco, poiché le organizzazioni energetiche e di servizi devono garantire che i dati siano non solo accurati e sicuri, ma anche costantemente governati in ambienti altamente distribuiti. Le organizzazioni del settore energetico e dei servizi di pubblica utilità mostrano un livello di maturità della governance relativamente elevato, con il 65% che dichiara che tutti o quasi tutti i propri dati sono gestiti in modo appropriato.
Il 25% cita invece gli sforamenti di costo come la principale ragione per cui le iniziative di dati non raggiungono il ROI, evidenziando le sfide finanziarie e operative della modernizzazione dell'infrastruttura dati in contesti altamente regolamentati e distribuiti. Requisiti normativi rigorosi richiedono completa visibilità e controllo sui dati, mentre le operazioni di rete in tempo reale si basano su dati tempestivi e affidabili per bilanciare domanda e offerta, prevenire interruzioni e gestire disservizi. Qualsiasi lacuna nell'accessibilità può portare a minacce alla sicurezza e alla conformità.
Il settore energetico e i servizi di pubblica utilità operano in ambienti in cui ogni decisione comporta implicazioni regolamentari, finanziarie e per la sicurezza pubblica. Ciò significa che i dati devono essere accessibili, verificabili e sicuri in tutti i sistemi che toccano.
Telecomunicazioni: Complessità su larga scala
Gli ambienti di telecomunicazioni, vasti e distribuiti, generano dati complessi e presentano criticità elevate. Mantenere le prestazioni è una delle principali sfide: richiede monitoraggio in tempo reale e interventi rapidi, che possono incidere sull’esperienza del cliente. Problemi come chiamate interrotte, basse velocità dati e interruzioni del servizio si traducono rapidamente in insoddisfazione e perdita dei clienti. Gli ambienti di telecomunicazioni generano volumi enormi di dati in streaming e, senza la capacità di elaborarli e agire in tempo reale, ne risentono sia le prestazioni della rete sia l’esperienza del cliente.
Le organizzazioni del settore delle telecomunicazioni sono leader in diverse aree di prontezza dei dati: il 54% dichiara piena visibilità sui propri dati e il 51% è in grado di accedervi in ambienti diversi. Inoltre, riportano il livello più alto di dati completamente governati, con un terzo degli intervistati (33%) che segnala ambienti di dati completamente governati. Eppure, nonostante questo livello di maturità, il 60% afferma che le prestazioni dell'infrastruttura ostacolano costantemente le operazioni: di gran lunga la percentuale più alta tra tutti i settori esaminati. La scala e la complessità, non l’accesso, sono ora le barriere principali e la latenza dei dati rappresenta un rischio operativo.
Per colmare il divario tra la disponibilità dei dati e le prestazioni operative, le organizzazioni di telecomunicazioni dovrebbero investire in un'infrastruttura progettata per la velocità, la scalabilità e l'elaborazione continua. Quando la latenza incide direttamente sulla qualità del servizio, la soluzione consiste nel consentire ai fornitori di telecomunicazioni di automatizzare le operazioni di rete, permettendo agli esperti di offrire esperienze cliente coerenti e di alta qualità.
Il punto essenziale
In vari settori, emerge un tema comune: le organizzazioni devono utilizzare i dati in modo efficace e su larga scala. La disponibilità dei dati consente alle organizzazioni di portare l'AI ai loro dati ovunque essi si trovino, sbloccando il pieno valore del 100% dei loro dati tra cloud, data center e ambienti edge. Il Data Readiness Index di Cloudera dimostra l'opportunità per le organizzazioni di investire nella preparazione dei dati ora, assicurando che siano ben posizionate per guidare in un futuro dominato dall'AI.
Quanto sei sicuro della tua preparazione dei dati? Leggi il report completo per ottenere informazioni più approfondite su come le organizzazioni globali si stanno avvicinando alle basi di dati che abilitano l'AI su larga scala.