AI
Platform Engineering
Governance
Quantyca Cloud Data Platform image
Scopri

Contesto

La possibilità di scalare in modo elastico risorse di storage e computazione unitamente al modello di tariffazione a consumo rende il Cloud l’ambiente ideale per progettare moderne data platform capaci di superare i limiti tradizionali di data warehouse e data lake on premises.

Per questo motivo i workload di integrazione, storage a analisi dati sono tra i primi use case attivati nei percorsi di cloud transformation di molte aziende.

E’ tuttavia necessario, per poter sfruttare a pieno il Cloud al fine di aumentare l’agilità dello sviluppo riducendo al contempo i costi di gestione, ripensare l’architettura delle data platform.

Punti critici

I problemi principali delle data platform on prem sono:

  • Impossibilità di scalare le risorse in modo elastico. Nei momenti di elevato carico la piattaforma è spesso in difficoltà mentre nei momenti basso carico si paga per risorse idle
  • Impossibilità di scalare storage e computazione in modo indipendente. Dovendo incrementare uno dei due bisogna aumentare anche l’altro. L’unità di scaling è il server all’interno del cluster
  • Elevati costi operativi per configurare e gestire architetture complesse, distribuite e spesso composte da molteplici tecnologie sviluppate da differenti vendor
75%
of all databases
will be deployed or migrated to a cloud by 2022
Gartner
50%
of new system deployments in cloud
ill be based on a cloud data management ecosystem by 2023
Gartner

Soluzione

La cloud data platform sfrutta le peculiarità del cloud per acquisire, trasformare, memorizzare e rendere accessibile una quantità potenzialmente illimitata di dati riducendo i costi operativi e aumentando l’agilità di sviluppo.

Una volta acquisiti in modalità batch o real time i dati vengono memorizzati e consolidati all’interno del data lake per mezzo di processi di integrazione on demand.

Al di sopra del data lake costituito da un sistema di storage scalabile ed economico (i.e. object storage) vengono innestati i motori di interrogazione che permettono di accedere al dato. A seconda del tipo di pattern di accesso è possibile avere differenti tipologie di motore di interrogazione.

E’ possibile dotarsi inoltre di uno strumento di data virtualization per fornire ai consumatori analitici un unico layer semantico di accesso al dato mascherando così la frammentazione sottostante in più motori di interrogazione.

Acquisizione e consolidamento dei dati provenienti dai sistemi sia in modalità batch che real time

Memorizzazione dei dati grezzi e di tutti i layer successivi di consolidamento in sistemi di storage a basso costo e con possibilità di storage potenzialmente illimitate

Accesso ai dati memorizzati con diversi motori di interrogazione in funzione del tipo di query e workload sottostante

Percorso completo

1. Setup
Definizione dell’infrastruttura tecnologica e dell’architettura dati. Connessione con le sorgenti dati.
2. Land
Primo data product completo con pipeline di acquisizione e consolidamento del dato. Esposizione ai consumatori analitici attraverso un layer semantico centralizzato.
3. Expand
Aggiunta di nuovi data product e copertura di nuovi domini dati.

Vantaggi

Capacità di memorizzazione e computazione potenzialmente infinite
Scaling elastico delle risorse
Possibilità di scalare storage e computazione separatamente
Modello di tariffazione a consumo
Riduzione dei costi di integrazione tra data lake e data warehouse
Riduzione dei costi operativi
Accessi al dato semplificati e controllati grazie al layer semantico unificato
Maggior agilità di sviluppo

Success stories

Events
Replay
Online Webinar
Cloud Data Fabric 2021
Data e ora: 20/10/2021

Temi principali In questo webinar abbiamo parlato di come sia possibile realizzare una Data Fabric in cloud e moderna. Abbiamo parlato delle caratteristiche di questo tipo di architettura, dei suoi vantaggi...

Replay
Online Webinar
Digital Integration Hub 2021
Data e ora: 07/07/2021

Temi principali In questo webinar verrà presentato il DIH come pattern architetturale in grado di disaccoppiare i sistemi legacy dai consumatori e, allo stesso tempo, rendere disponibili i dati ai...

Replay
Hybrid Event
IKN Forum Retail 2021 – Capitolo 1
Data e ora: 24/06/2021

Process Mining for Custmer Journey Analysis: Ricostruire ed analizzare il reale comportamento del cliente in un ecosistema complesso Quantyca ha partecipato a Forum Retail 2021, l’evento di IKN Italy pensato...

Replay
Hybrid Event
IKN Forum Retail 2021 – Capitolo 2
Data e ora: 28/10/2021

Quantyca ha partecipato a IKN – Forum Retail 2021, l’evento di IKN Italy pensato per la sua community #onforumretail. Francesco Gianferrari Pini, Co-Founder di Quantyca e Matteo Gabanini, Business Intelligence IT...

Replay
Video Talk
Snowflake, una Data Platform coi fiocchi 2020
Data e ora: 13/03/2020

Quantyca, società di consulenza tecnologica specializzata in Data Management e partner di Snowflake, ha raccontato quali sono le principali sfide nel mercato di oggi e quali sono i vantaggi competitivi nell’utilizzare...

Resources

Video
Free
04/10/2021

Cloud Data Fabric – Partner Connect – Quantyca, AWS & Qlik

Slide
Free
27/10/2021

Il percorso di ammodernamento della Data Platform per abilitare la digital transformation – IKN Forum Retail 2021

Slide
Free
04/12/2020

Snowflake: una Data Platform coi fiocchi! – Slide Deck

Slide
Free
22/07/2022

Data Management Trends – Slide Deck

Video
Subscription
26/05/2022

Digital Integration Hub – Kafka Summit London 2022

Blog
Free
07/07/2022

Il Data Mesh e la spinta verso una gestione dati distribuita

Blog
Free
07/07/2022

Il Data Mesh e il consumo self-service dei dati come prodotti

Hai bisogno di una consulenza personalizzata? Contattaci per trovare la soluzione migliore!

Questo campo serve per la convalida e dovrebbe essere lasciato inalterato.

Entra a far parte del team Quantyca, facciamo squadra!

Siamo sempre alla ricerca di persone di talento da inserire nel team, scopri tutte le nostre posizioni aperte.

VEDI TUTTE LE POSIZIONI APERTE