di Fabrizio Moneta, Regional Head & Sales Director – Analytics, Platform and Technologies, SAP Italia e Grecia
Nell’ampissimo scenario di offerta che mira ad aiutare le aziende a capitalizzare al meglio i propri dati, SAP è un vendor atipico: non è un vendor di tecnologia pura visto che il suo “fine ultimo” sono le applicazioni ed i processi, ma non è neanche un vendor puro di applicazioni visto che 10 anni fa ha intuito che le analisi e la pianificazione sarebbero diventate il vero fattore competitivo per le aziende ed ha rifondato il proprio portafoglio introducendo SAP HANA, un database in-memory unico sul mercato. In seguito al lancio di SAP HANA, SAP ha quindi ricostruito dalle fondamenta le proprie applicazioni partendo dal data management e creando il primo ERP analitico al mondo, SAP S/4HANA. Oggi la strategia di SAP è figlia di quella scelta e la Data Strategy continua ad essere il fulcro della nostra innovazione.
Nello specifico la nostra è una strategia che vuole aiutare le Aziende seguendo tre filoni basati su tecnologie comuni.
Il filone applicativo è quello che va più in continuità con il recente passato: fondere le transazioni con l’analisi dei dati senza doverli spostare e “raffreddare” l’informazione, rendere real-time ciò che è sempre stato batch, e innestare all’interno dei processi le più recenti innovazioni in termini di intelligenza, automazione delle decisioni e multi canalità. Questo filone si basa su SAP S/4HANA, l’intelligent ERP che fa del concetto di “real-time” il suo fondamento. Negli ultimi quattro anni SAP ha completato l’architettura introducendo nuovi strumenti di pianificazione finanziaria ed operativa real-time e senza limiti dimensionali, nuovi strumenti di analisi e data exploration integrati (SAP Analytics Cloud) e la possibilità di complementare la base dati nativa di SAP S/4HANA con dati di altri sistemi tramite SAP BW/4HANA. Si tratta di un approccio che è talmente unico che ha visto anche altri application vendor, come ad esempio Tagetik, rifondare le proprie applicazioni sullo stesso stack tecnologico di SAP S/4HANA.
Il secondo filone esce dal mondo delle applicazioni ed entra in quello del “Data Management esteso” inteso prevalentemente ai fini analitici. Questo è probabilmente il tema più “nuovo” in termini di approccio: esistono sicuramente altre applicazioni fuori dal mondo SAP ed altre tecnologie di gestione del dato – oggi prevalentemente in cloud – che hanno natura ed obiettivi diverse tra loro. Sono applicazioni basate su modelli dati disomogenei, che hanno generato negli anni molti “punti di raccolta” esterni (i così detti “data lake”), portando poco controllo sulla qualità dell’informazione ed una visione di insieme molto parziale. La nostra strategia è di armonizzare queste fonti dati, muovendo il dato il meno possibile per “non raffreddarlo”, e di fornire strumenti per virtualizzarle e rappresentarle in modo unico. Negli ultimi due anni abbiamo completato l’architettura introducendo SAP HANA Cloud che sposa l’eccellenza di SAP HANA con i benefici del cloud in termini di modello di costo, di sourcing e di agilità di estensione con gli strumenti di SAP Cloud Platform. A complemento di SAP HANA Cloud abbiamo recentemente introdotto SAP Data Warehouse Cloud con l’obiettivo di risolvere due problemi storici dei sistemi di sintesi: la “temperatura” del dato (conseguente allo spostamento del dato stesso) e la necessità di ricostruzione del modello logico che porta costi e rigidità ormai insostenibili. SAP Data Warehouse Cloud raccorda le tecnologie SAP con quelle di terzi tramite un modello di virtualizzazione delle fonti dati consentendo di non spostare il dato e di modellarlo in modo semplice in un unico punto in cui riconciliare il modello di business legato a SAP con quello derivante dalle altre applicazioni. SAP Data Warehouse Cloud rappresenta quindi un unico punto di riclassificazione e di armonizzazione di informazioni che afferiscono ad applicazioni e tecnologie diverse come i data lake di AWS o di Microsoft Azure o le applicazioni di altri vendor come Salesforce o Workday. Su questo filone si inseriscono le partnership che abbiamo avviato con i maggiori hyperscalers e con Microsoft in particolare. SAP Analytics Cloud è il front-end tool di elezione per SAP Data Warehouse Cloud e garantisce un’unica “experience” con gli analiytics di SAP S/4HANA, ma SAP Data Warehouse Cloud è anche aperto a front-end di terze parti che vi possono accedere tramite un’interfaccia SQL standard.
Il terzo filone è quello legato alla Data Science e al reale e fruttuoso utilizzo del Machine Learning all’interno dei processi di business. Qui si tratta di far uscire la Data Science dal mondo dei “progetti pilota” o dalle funzionalità “scolpite” all’interno delle applicazioni di ultima generazione. Un anno fa abbiamo introdotto SAP Data Intelligence che consente non solo di mettere a disposizione del data scientist tutte le informazioni aziendali in modo semplice e “governato”, ma anche di innestare gli algoritmi di machine learning, così come servono realmente all’azienda quindi “custom”, direttamente nelle applicazioni SAP e non SAP, di raccoglierne i feedback sulla loro efficacia sui processi live e di supportare il data scientist nella rieducazione e nel raffinamento degli algoritmi stessi. E’ una soluzione aperta a tecnologie di terzi o open source e che consente di gestire l’intero ciclo di vita dell’algoritmo senza discontinuità. SAP Data Intelligence è naturalmente lo strumento per fare tutto questo nelle applicazioni SAP (anche non di ultima generazione), ma è utilizzabile anche in mondi applicativi non SAP dove gestisce la raccolta dei dati “campione” per allenare gli algoritmi e l’innesto all’interno delle applicazioni.
I pillar della nostra strategia sono quindi tre: realizzare strumenti tecnologici che consentano di spingere l’innovazione all’interno delle nostre applicazioni, usare le stesse tecnologie per “armonizzare” in modo efficiente altre applicazioni e fonti dati complementari a quelle che sottendono i sistemi SAP, rendere “utile” l’innovazione pura legata al Machine Learning integrandola con le applicazioni e chiudendo il ciclo di sviluppo degli algoritmi.
L’obiettivo della nostra strategia è quindi capitalizzare tutte le infinite informazioni che oggi sono a disposizione delle aziende, senza spostare i dati, renderle accessibili in tempo reale, senza distruggerne la semantica derivante dalle applicazioni ed i processi ma anzi aggiungendo l’intelligenza e l’automazione promessa dal Machine Learning.
