L’infrastruttura unificata del Data Mesh consente agli istituti finanziari di gestire i dati in autonomia, interoperabilità e sicurezza.

Data Mesh

La Trasformazione Digitale ha portato a una crescita esponenziale nella quantità di dati cui banche e istituti finanziati hanno accesso. Se protette e utilizzate correttamente, tali informazioni possono abilitare opportunità molteplici in termini sia di fatturato, sia di iniziative volte a migliorare la customer experience, diventando quindi l’asset fondamentale per consentire alle organizzazioni del settore finanziario di differenziarsi in uno dei mercati più competitivi al mondo.
In questo contesto, Denodo – realtà specializzata nella gestione dei dati – ha identificato nel Data Mesh la strategia più efficace per sfruttare correttamente i dati in uno scenario sempre più complesso. Per entrare a far parte della nuova realtà data-driven, è necessario saper utilizzare appieno il potenziale e il valore dei dati, accedendovi, analizzandoli e comprendendoli in profondità.

È qui che interviene il Data Mesh, un concetto proposto per la prima volta da Zhamak Dehgani di Thoughtworks nel 2019. Si tratta di un paradigma decentralizzato per l’analisi delle informazioni che mira a eliminare i colli di bottiglia e a rimettere le decisioni nelle mani di chi si occupa effettivamente dei dati. In particolare, il Data Mesh propone un’infrastruttura unificata basata sui domini per creare e condividere dati, migliorando al contempo gli standard in termini di interoperabilità, qualità, governance e sicurezza.

Tuttavia, se il Data Mesh può portare grandi benefici, quando si tratta di guidare il processo di decision making e innovazione digitale, gli istituti finanziari devono assicurarsi di saperne sfruttare correttamente le potenzialità:

  1. Modello distribuito per una maggiore autonomia

I dati non sono soltanto aumentati negli anni, sono diventati anche più variegati, con un numero sempre maggiore di Data Lake, applicazioni e altre fonti, tutte con formati e protocolli diversi. Archivi e applicazioni multipli comportano anche carichi di lavoro multipli su molteplici sistemi analitici: questo porta a una divisione a silos che, a lungo andare, causa colli di bottiglia e rallentamenti, che potrebbero essere fatali per le aziende finanziarie che vogliono reinventarsi velocemente per competere con gli operatori più aggiornati, tra cui banche e start-up in ambito fintech.

Il Data Mesh, invece, è un modello pensato per essere distribuito. Nello specifico, ogni unità organizzativa ha i propri Data Product Owner che hanno accesso a dati specifici per il proprio dominio, li mettono insieme e li aggregano, contribuendo alla democratizzazione e all’uso self-service dei dati per l’intero business.

Questo sistema permette alle aziende di raggiungere maggiore velocità analitica e scalabilità, perché ogni unità ha una visione più ampia di come poter utilizzare i dati, che diventano un prodotto decentralizzato e indipendente, consultabile da qualsiasi membro dell’organizzazione. In questo modo, si eliminano i colli di bottiglia dovuti alle infrastrutture centralizzate e si permette a ciascun team di godere della libertà di gestire i propri dati in autonomia.

  1. Interoperabilità tra domini diversi

Per sviluppare una strategia di Data Mesh che rispetti le regolamentazioni e gli standard del settore e, al contempo, eviti la frammentazione, la duplicazione dei dati e le incongruenze, i servizi finanziari devono puntare sull’interoperabilità tra i diversi domini: qui la Data Virtualization può giocare un ruolo determinante.

Creando uno strato logico tra le fonti di dati e coloro che consumano i dati di domini specifici, la virtualizzazione dei dati può contribuire a rendere il Data Mesh particolarmente efficace. Al contrario degli strumenti ETL classici (extract, transform, load) o dei modelli di Data Warehouse, non è necessario “spostare e copiare” il dato, perché vengono invece utilizzati modelli semantici definiti nello strato virtuale tra le diverse fonti e i diversi consumatori di dati. Questo permette agli utenti di estrapolare i dati di cui hanno bisogno quando ne hanno bisogno, quasi in tempo reale. Grazie alla semplicità d’uso e alla riduzione al minimo della replicazione dei dati, garantita dalla Data Virtualization, la creazione di prodotti di dati è molto più veloce e sicura rispetto alle alternative tradizionali.

  1. Strato logico per rafforzare la sicurezza

Oggi non si può prescindere dall’innovazione, ma banche e istituti di credito devono poterla perseguire senza compromettere la governance e il rispetto delle regolamentazioni, un campo estremamente complesso quando si parla di servizi finanziari. Che si tratti di potenziali frodi o di riciclaggio di denaro, i rischi sono frequenti e assumono forme diverse e, data la natura di queste attività, i servizi finanziari vengono sottoposti a controlli molto rigidi affinché si rispettino i più alti standard in termini di data governance.

Da un punto di vista normativo, lo strato logico della Data Virtualization permette alle organizzazioni di automatizzare il rafforzamento delle policy di sicurezza globali. Per esempio, è possibile fare in modo che i dati salariali non siano accessibili, a meno che l’utente non abbia un ruolo HR ben preciso o un determinato livello aziendale.

Data Mesh“L’innovazione data-driven e il progresso digitale non sono mai stati tanto importanti per le realtà che operano nel settore finanziario. Per questo, approcci organizzativi moderni come il Data Mesh sono destinati a giocare un ruolo fondamentale anche in futuro. Per sfruttarli al massimo e raggiungere il successo domani, le organizzazioni dovrebbero iniziare a investire già oggi nelle giuste tecnologie”, spiega Gabriele Obino, Regional VP and General Manager Southern Europe & Middle East di Denodo. “La Data Virtualization fornisce una visione a 360° di tutte le informazioni archiviate in azienda, ed è proprio per questo che sta emergendo come elemento fondamentale per il successo nel campo dei servizi finanziari”.