Cos’è un Logical Data Warehouse? E come può aiutare a semplificare il processo di gestione quando si ha a che fare con grandi quantità di dati strutturati e non strutturati? Parleremo anche di punti chiave come scalabilità, flessibilità, risparmio sui costi, vantaggi di integrazione e illustreremo un caso di successo realizzato da S2E.
Che cos’è un Logical Data Warehouse?
I Logical Data Warehouse (LDW) consentono alle organizzazioni di svincolarsi dai tradizionali approcci di data warehousing e di accedere in tempo reale a una serie di fonti, come database relazionali, cluster Hadoop-LIKE o database NoSQL.
Questo livello virtuale astrae dallo storage fisico per consentire l’integrazione diretta senza necessità di ETL (Extract, Transform, Load). Attraverso interfacce SQL, API REST o portali web, gli utenti hanno a disposizione opzioni flessibili per analizzare i dati utilizzando strumenti visivi come Tableau, QlikView, ecc. Inoltre, possono includere in questa infrastruttura servizi cloud come Salesforce, Google Analytics e Twitter.
Logical Data Warehouse vs Data Warehouse tradizionale
Nel mondo del data warehousing, l’approccio tradizionale prevede un lungo processo di estrazione, trasformazione e caricamento dei dati in un archivio centrale.
Sebbene questo approccio abbia ancora un valore, può richiedere molto tempo e risorse. Ecco quindi il Logical Data Warehouse (LDW), un’alternativa flessibile e virtuale al data warehousing tradizionale.
Vediamo quali sono le differenze principali:
- Integrazione dei dati – i dati vengono integrati virtualmente, garantendo l’accesso direttamente dalla fonte, senza processi ETL.
- Struttura dei dati – i dati sono organizzati in modo flessibile, consentendo interrogazioni e analisi più dinamiche rispetto agli schemi tradizionali.
- Archiviazione dei dati – i dati possono essere archiviati in una varietà di risorse, tra cui database, cluster Hadoop-LIKE e servizi basati su cloud.
- Elaborazione dei dati – l’elaborazione batch lascia il posto all’elaborazione in tempo reale o quasi, supportando un’analisi dei dati tempestiva e accurata.
- Accesso ai dati – supera il tradizionale data warehousing, fornendo una varietà di interfacce e strumenti di facile utilizzo per l’interrogazione e l’analisi.
Bisogna tuttavia considerare che se da un lato l’LDW offre maggiore agilità e tempi di risposta più rapidi, dall’altro l’implementazione richiede competenze tecniche avanzate ed è più complessa rispetto agli approcci tradizionali.
Fonte: Codemotion
Una storia di successo di QuantiaS: Costruire un moderno DWH cloud-nativo
Parte del gruppo S2E, QuantiaS è la Business Unit dedicata al Data Management che include tutte le discipline relative alla gestione dei dati in quanto risorsa di valore per il business delle imprese.
Per un progetto con Hippocrates Holding, una rete di farmacie e aziende del settore sanitario con sede a Milano, QuantiaS ha realizzato una moderna piattaforma DWH, consentendo al cliente di integrare i dati provenienti da piattaforme ERP distribuite e centralizzate e dal back end informativo di vari fornitori. Per quanto riguarda il datawarehouse e gli analytics è stato scelto il modello lakehouse, ovvero una architettura big data in grado di archiviare sia i dati strutturati sia quelli che non lo sono, ed avere alte performance per la correlazione e l’analisi. Questo modello ha due vantaggi: da un lato si presenta ai sistemi terzi come un DWS facilmente integrabile; dall’altro è pronto a supportare gli smart engine basati su algoritmi di machine learning e in generale sull’artificial intelligence.
A CURA di Alessandro Sicoli, Business Line Manager di S2E
