L’entrata delle aziende nel cloud 1.0 può dirsi conclusa e ora si inizia già a parlare di cloud 2.0, almeno a sentire la senior vice president del settore cloud di Google Diane Greene. Il cloud 1.0 è coinciso con una fase di avvicinamento delle aziende verso il cloud, in modo da capire che applicazioni e che servizi potevano essere trasferiti nella nuvola e quanto fossero forti aspetti come la sicurezza e l’affidabilità.

Ora però, diversi anni dopo questo primo approccio, le aziende hanno capito che tipo di infrastruttura cloud scegliere (pubblico, privato, ibrido) e a quali cloud-vendors affidarsi. Ecco perché adesso i CIO vogliono spingersi oltre e fare di più nel cloud che non sia solo lo storage di dati o il funzionamento delle applicazioni nella nuvola.

Vogliono insomma iniziare a utilizzare i dati raccolti per capire e risolvere questioni pratiche legate al proprio business, come ad esempio il fatto che le vendite di un prodotto stiano andando benissimo in Europa o che certi modelli di notebook non vadano bene in Asia. Le aziende puntano insomma a scoprire che legami ci siano tra alcuni dati e a comprendere le anomalie in questi pattern e, grazie agli strumenti analitici basati sul cloud e il machine learning, possono ottenere tutte queste risposte.

“Il cloud 2.0 signifca essenzialmente dati e la loro comprensione. Ciò, unito a uno strumento formidabile come il machine learning, fa del cloud 2.0 un elemento fondamentale per le aziende di oggi che vogliono trarre valore e profitto dall’analisi dei dati”, ha dichiarato la Greene al Google I/O tenutosi nei giorni scorsi.

il machine learning, imparando a interpretare dati grazie ad appositi algoritmi, migliora questa comprensione con il passare del tempo

L’analista Patrick Moorhead di Moor Insights & Strategy è d’accordo con la Greene e anche secondo lui il cloud 2.0 non può esserci senza il machine learning, fondamentale per analizzare i dati raccolti che altrimenti, con i metodi classici, risulterebbero poco utili vista la loro mole sempre maggiore.

Metodi che invece, se soppiantati dall’unione di cloud e machine learning, permettono di trasformare tutti questi dati in risposte utili a domande importanti per l’attività di una qualsiasi azienda. Questo perché il machine learning, imparando a interpretare dati grazie ad appositi algoritmi, migliora questa comprensione con il passare del tempo, aiutando ad esempio una compagnia petrolifera a trovare un nuovo giacimento o una catena di negozi di alimentari a vendere più burro.

Dinesh Ganesan, consulente di Octo Consulting Group (compagnia che collabora con diverse agenzie governative americane), è convinto che molte aziende si stiano rivolgendo a Google come aiuto per i cloud analytics. “AWS ha già dei suoi tool di analytics, ma la percezione è che Google possa fare ancora meglio in questo campo, grazie all’abbinamento di analytics e deep learning”.

Eppure c’è chi, come l’analista indipendente Jeff Kagan, pensa che sia prematuro decretare oggi la fine del cloud 1.0. “Il cloud sta crescendo in modo esponenziale e con un ritmo molto maggiore di quanto pensassimo solo pochi anni fa, ma ciò non significa che tutti i problemi di cui ci preoccupavamo prima sono ora risolti. D’altronde moltissime aziende non sono ancora in grado oggi di trarre un vantaggio dalle loro montagne di dati, che possono essere sì una probabile miniera d’oro, ma anche un ostacolo insormontabile se non si hanno i giusti mezzi per superarlo”.

WHITEPAPER GRATUITI