Con dati da gestire letteralmente esplosi in termini di quantià, volumi e varietà, il settore dell'energia e utility si trova oggi al centro di una trasformazione radicale. Idc e Denodo hanno perciò identificato le tre principali sfide da cogliere per trarre il massimo vantaggio dalla nuova economia dei dati.
“Per ottimizzare la capacità infrastrutturale esistente, la chiave è un approccio logico che consenta l’integrazione e l’erogazione dei dati distribuiti attraverso la loro virtualizzazione, connettendo i dati ovunque e ogni volta sia possibile farlo, nonché collezionando e replicando i dati solo dove e quando sia indispensabile", spiega Andrea Zinno, Sales Director & Data Evangelist di Denodo.
"La tecnologia deve allora lavorare nell’ombra, senza mostrarsi: il suo ruolo è semplificare ciò che è complesso, consentendo al data consumer di concentrarsi su ciò che deve fare, senza distrazioni e impegnando le risorse strettamente necessarie, evitando gli sprechi”.
1. Come affrontare l'esplosione dei dati
Oltre all’aumento nel volume di dati generati ogni giorno, la diffusione dei servizi cloud e la progressiva migrazione di dati e applicazioni su nuove piattaforme ha contribuito a complicare le architetture informative aziendali. Se da un lato il cloud ha favorito lo sviluppo di nuovi modelli operativi offrendo maggiore agilità, dall’altro ha portato a una moltiplicazione dei repository e a una pericolosa tendenza alla duplicazione dei dati che rischia di ridurne univocità e affidabilità.
Tuttavia, i dati Idc mostrano che il cloud è l'unica opzione infrastrutturale in crescita per la gestione e l'analisi dei dati operativi, tanto che oggi lo utilizza il 36% delle aziende energy & utility (rispetto al 19% del 2020). Si pensi per esempio ai data lake e ai cloud database per la gestione e l'analisi dei dati di misura, al software-as-a-service per il reporting sui rischi di mercato o alle piattaforme IoT e agli analytics sui dati operativi per la gestione proattiva degli impianti.
In tale contesto, la gestione dei dati in sicurezza e la semplificazione della logistica che li circonda sono imperativi assoluti per aziende che hanno relazioni commerciali con milioni di cittadini e imprese, che custodiscono dati di enorme valore finanziario e che gestiscono infrastrutture critiche nazionali, specie alla luce della progressiva integrazione tra mondo IT e tecnologie operative.
2. Come arrivare a una intelligenza dei dati
Definita una governance efficiente dei dati, la necessità è quella di arrivare a una intelligenza del dato e a un utilizzo che ne massimizzi il valore. Idc stima, ad esempio, che nel 2022 i dati operativi effettivamente utilizzati da un'azienda industriale medio-piccola siano stati ancora inferiori al 25% del totale.
Ridurre questo gap richiede investimenti in risorse, skill dedicate e automazione, all'interno di un più ampio percorso di democratizzazione dell'utilizzo dei dati. Oggi una delle maggiori sfide per il settore dell’energia è proprio la carenza di competenze, spesso orientate verso le grandi tech company. Inoltre, sul fronte dell’automazione le aziende da un lato devono dotarsi di capability di "data intelligence" per poter gestire in modo efficiente il ciclo di vita dei dati (dal mastering, alla catalogazione, al tracciamento, ecc…), dall’altro devono investire in soluzioni che potenzino la capacità di connessione, contestualizzazione e analisi dei dati stessi (le cosiddette Data Platform, con investimenti in termini di DataOps).
Per operare in sistemi e mercati energetici che tendono sempre di più verso il tempo reale, è quindi necessario adottare strategie che consentano di avvicinare i momenti di produzione e consumo dei dati, democratizzando in ultima analisi l'accesso e l'uso dei dati stessi (che non sono più la prerogativa di utenti e funzioni squisitamente tecniche, ma divengono patrimonio di gran parte dell'organizzazione).
3. Costruire un percorso di sostenibilità
L’attuale contesto di business non può prescindere dall’aspetto legato alla sostenibilità della nuova economia dei dati. Decarbonizzazione, elettrificazione, conservazione delle risorse e circolarità dei materiali sono aspetti che non determinano una semplice evoluzione dei servizi offerti, ma che impongono un approccio aziendale completamente rinnovato in ottica di sostenibilità ambientale, sociale ed economica.
Se si considera che il dato è al centro di questa trasformazione, non sorprende che alcune delle aziende più all'avanguardia nel settore abbiano sviluppato politiche di "digital responsibility" come diretta emanazione della più ampia corporate social responsibility, puntando allo sviluppo di un ecosistema digitale sostenibile per l'azienda e i suoi stakeholder.
Gli aspetti coinvolti sono molteplici, così come le sfide che ne derivano dal punto di vista sociale, economico, tecnologico e ambientale:
- La dimensione sociale guarda al mantenimento della privacy dei dati di clienti, cittadini, lavoratori e fornitori, alla loro inclusione digitale e al miglioramento della loro salute e sicurezza attraverso i dati e le tecnologie digitali.
- La dimensione economica coinvolge elementi come la gestione responsabile dell'impatto dei dati e delle tecnologie digitali sulla catena del valore aziendale e l'occupazione del settore.
- La dimensione tecnologica si declina su garanzia della sicurezza informatica, creazione responsabile di tecnologie e uso responsabile dei dati.
- La dimensione ambientale punta invece sull'utilizzo dei dati per lo sviluppo di soluzioni per la transizione sostenibile ed è l’aspetto che sta portando numerose aziende a razionalizzare, rendere più efficiente e decarbonizzare la propria "macchina informativa”. A tal proposito, Idc ha rilevato che il 37% delle aziende energy e utility al mondo sta consolidando o chiudendo parte delle proprie infrastrutture IT in risposta all'impennata dei prezzi dell'energia, mentre il 33% sta ritardando acquisizioni e progetti digitali per rispettare i budget esistenti (wave 11 della IDC Future Enterprise Resiliency & Spending Survey, dicembre 2022).
Sarà la sostenibilità a guidare un ripensamento da parte delle aziende delle proprie architetture dati in modo da privilegiare, laddove opportuno, la connessione dei dati rispetto alla classica raccolta, stoccaggio e replica. Un processo che può avvenire, per esempio, affiancando logiche di virtualizzazione ai tradizionali paradigmi extract, transform and load (Etl).
