Costruire un team interno di DataOps: 7 considerazioni per avere successo

L'analisi avanzata dei dati sta trasformando il modo in cui le aziende prendono decisioni e rispondono ai cambiamenti del mercato. Ecco le sfide e i suggerimenti per i CIO che desiderano creare team interni di DataOps

dataops devops

Con la maggior parte delle aziende determinate a sfruttare i dati in modi più intelligenti e redditizi, non c’è da meravigliarsi se l’approccio DataOps sta guadagnando slancio. Incentivato anche dal crescente utilizzo dell’apprendimento automatico per gestire le attività, dalla creazione di modelli predittivi per ottenere insight sul comportamento dei consumatori fino al rilevamento e alla gestione delle minacce informatiche. Le aziende che possono effettuare analisi rapide in modo autonomo o semi-autonomo di set di dati sofisticati otterranno un forte vantaggio di mercato.

Anna Frazzetto Tential
Anna Frazzetto, Chief Digital Technology Officer di Tential

Per ottenere analisi avanzate, molte aziende scelgono soluzioni di DataOps-as-a-service, esternalizzando il lavoro di sfruttamento dei dati aziendali. Questo approccio permette di accelerare il percorso di analisi dei dati, soprattutto se mancano talenti e risorse interni, ma ci anche dei rischi: senza avere una chiara comprensione dei driver di business a supporto dell’analisi dei dati, l’esternalizzazione potrebbe non fornire l’intelligenza dei dati di cui l’azienda ha bisogno. Inoltre, l’aggiunta di terze e di quarte parti al processo di acquisizione e analisi dei dati può aumentare i rischi per la loro protezione.

L’altra opzione è creare un team interno di DataOps. Anche questo approccio ha le sue sfide e richiede molto di più che trovare i giusti membri del team o imitare una buona iniziativa DevOps. Ma il guadagno vale lo sforzo.

ADV
Webinar Finanziamenti a fondo perduto PNRR NextGen EU

L’IT as-a-service e le opportunità dei finanziamenti PNRR e NexGen EU

Come il modello IT as-a-Service e i finanziamenti NextGen EU e PNRR possono essere gli strumenti giusti per erogare i servizi digitali richiesti dal business e dal mercato.      ISCRIVITI ORA >>

Un’iniziativa DataOps ben riuscita non solo rende l’azienda più “intelligente” e competitiva, ma permette anche di migliorare l’accuratezza dei dati e ridurre i difetti del prodotto combinando dati e input di sviluppo in un’unico ambiente.

Anna Frazzetto, Chief Digital Technology Officer di Tential, suggerisce sette linee guida per creare con successo un team interno di DataOps.

1. Sfruttare la cultura del DevOps

Le aziende con una cultura e una pratica DevOps consolidate hanno un vantaggio quando si tratta di implementare DataOps. Hanno già affrontato le difficoltà di creare team di sviluppo e operativi multidisciplinari per concentrarsi su obiettivi aziendali più grandi. In questi casi sarà più semplice inserire nei team già consolidati professionisti dei dati per avviare un’iniziativa DataOps.

La mancanza di un programma DevOps non è un ostacolo alla creazione di iniziative dataop interne, ma l’azienda deve considerare la sfida di riunire un gruppo più grande (dati, sviluppo e operazioni) e costruire il framework operativo da zero .

2. Mettere la sicurezza al primo posto

L’accesso esteso ai dati e il coinvolgimento di diverse persone aumentano i rischi per la sicurezza. Esaminare come viene protetta l’integrità dei dati è una parte essenziale della creazione di una pratica e di un team di DataOps. Quali processi verranno utilizzati per garantire la conformità con tutti gli strumenti o le applicazioni create dal team di DataOps? In che modo l’azienda manterrà il team ai migliori standard di sicurezza dei dati? Chi deciderà quali dati dei clienti possono o devono essere utilizzati?

Le violazioni e le perdite di dati sono devastanti per le aziende e il team di DataOps deve garantire il meglio dell’integrità dei dati.

3. Rendere le priorità aziendali la forza unificante

Sembrare superfluo dire che qualsiasi team dovrebbe fare delle priorità aziendali il suo obiettivo principale. I dati, tuttavia, possono guidare gli analisti e gli ingegneri più strategici verso diversi tipi di sviluppo, operazioni e percorsi di dati interessanti.

Per tenere focalizzati i team di DataOps, è essenziale mantenere continuamente la concentrazione sugli obiettivi aziendali strategici. Bisognerebbe chiedere regolarmente: “Questo prodotto o soluzione di dati che stiamo considerando soddisfa una priorità aziendale stabilita?”.

4. Adottare un approccio incentrato sulle persone

Il passaggio a DataOps cambierà ruoli e responsabilità, il che può essere destabilizzante. Ampliando il team di progetto, i membri dei team già consolidati potrebbero temere per la loro sicurezza sul lavoro. “Se non sono proprietario dei miei progetti, come posso ottenere credito per il mio lavoro e i miei contributi?”

La chiave per il successo della transizione verso lo sviluppo di soluzioni e strumenti per dati condivisi è la ridefinizione degli obiettivi e delle misure delle prestazioni. I membri del team devono vedere questo passaggio come un progresso nelle operazioni aziendali, di cui beneficeranno in prima persona in termini di responsabilità e avanzamento di carriera.

5. Essere consapevoli che alcuni ruoli saranno difficili da coprire o automatizzare

Un motivo per cui le aziende esternalizzano i dataop è la mancanza di talenti. La sfida delle competenze è un fattore importante nella scelta di affidare un servizio a terze parti o a personale interno.

L’analisi dei dati basata sull’apprendimento automatico richiede competenze specializzate. Sebbene le iniziative di DevOps e DataOps spesso cerchino di automatizzare i processi, ci sono molti ruoli nella supply chain dei dati che non possono essere automatizzati. Per esempio, quello dei data scientist che interpretano l’intelligenza e la allineano ai requisiti aziendali.

Per affrontare internamente queste sfide le aziende possono identificare dipendenti altamente qualificati che lavorano sui dati, come ingegneri del software o analisti aziendali, e iniziare a formarli per un livello più elevato di analisi avanzata.

6. Partire con piccoli passi

Per le aziende che non sanno da dove iniziare con DataOps e con risorse limitate, la metodologia Agile offre un buon punto di partenza: si prosegue a piccoli passi, in modo incrementale. Se un’azienda non è in grado di creare un intero team o un processo, può iniziare con un progetto di dati gestibile attraverso un team interfunzionale. E’ un’opportunità per sfruttare il potenziale dell’automazione, come l’inserimento o il test dei dati, e iniziare a costruire le basi per progetti successivi e più maturi.

7. Coinvolgere i dipendenti come primi “clienti” del progetto

Come i progetti piccoli e incrementali offrono un buon punto di partenza, così i dipendenti, che sono i consumatori interni di dati, diventano buoni clienti iniziali per le operazioni di DataOps. Dai team esecutivi ai reparti che devono gestire e archiviare pesanti carichi di dati, i team interni hanno obiettivi aziendali strategici da raggiungere. Guidando lo sviluppo di app altamente automatizzate da utilizzare all’interno dell’azienda, il DataOps fornisce ai team interni l’intelligenza necessaria per portare i loro progetti al livello successivo e aumentare il supporto per future iniziative DataOps che coinvolgono stakeholder esterni.

Se questo articolo ti è stato utile, e se vuoi mantenerti sempre aggiornato su cosa succede nell’industria ICT e ai suoi protagonisti, iscriviti alle nostre newsletter:

CWI: notizie e approfondimenti per chi acquista, gestisce e utilizza la tecnologia in azienda
CIO:
approfondimenti e tendenze per chi guida la strategia e il personale IT
Channelworld: notizie e numeri per distributori, rivenditori, system integrator, software house e service provider

Iscriviti ora!

AUTOREAnna Frazzetto
FONTECIO
CIO
Con informazioni, approfondimenti ed eventi ad hoc, CIO Italia è una risorsa preziosa per tutti i leader delle strutture IT e i decisori delle strategie tecnologiche aziendali.