Logical Data Warehouse: Tutto ciò che c'è da sapere

I concetti chiave e l'architettura di un LDW e le differenze con i data warehouse tradizionali

In questo articolo spiegheremo cos'è un Logical Data Warehouse e come può aiutare a semplificare il processo di gestione quando si ha a che fare con grandi quantità di dati strutturati e non strutturati. Parleremo anche di punti chiave come scalabilità, flessibilità, risparmio sui costi, vantaggi di integrazione e illustreremo un caso di successo realizzato da S2E.

Che cos'è un Logical Data Warehouse?

I Logical Data Warehouse (LDW) consentono alle organizzazioni di svincolarsi dai tradizionali approcci di data warehousing e di accedere in tempo reale a una serie di fonti, come database relazionali, cluster Hadoop-LIKE o database NoSQL.

Questo livello virtuale astrae dallo storage fisico per consentire l'integrazione diretta senza necessità di ETL (Extract, Transform, Load). Attraverso interfacce SQL, API REST o portali web, gli utenti hanno a disposizione opzioni flessibili per analizzare i dati utilizzando strumenti visivi come Tableau, QlikView, ecc. Inoltre, possono includere in questa infrastruttura servizi cloud come Salesforce, Google Analytics e Twitter.

L'infografica che segue mostra come S2E ha sviluppato un Logical Data Warehouse applicandolo con successo in un progetto per Hippocrates Holding!

Logical Data Warehouse vs Data Warehouse tradizionale

Nel mondo del data warehousing, l'approccio tradizionale prevede un lungo processo di estrazione, trasformazione e caricamento dei dati in un archivio centrale.

Sebbene questo approccio abbia ancora un valore, può richiedere molto tempo e risorse. Ecco quindi il Logical Data Warehouse (LDW), un'alternativa flessibile e virtuale al data warehousing tradizionale.

Vediamo quali sono le differenze principali:

• Integrazione dei dati - i dati vengono integrati virtualmente, garantendo l'accesso direttamente dalla fonte, senza processi ETL.
• Struttura dei dati - i dati sono organizzati in modo flessibile, consentendo interrogazioni e analisi più dinamiche rispetto agli schemi tradizionali.
• Archiviazione dei dati - i dati possono essere archiviati in una varietà di risorse, tra cui database, cluster Hadoop-LIKE e servizi basati su cloud.
• Elaborazione dei dati - l'elaborazione batch lascia il posto all'elaborazione in tempo reale o quasi, supportando un'analisi dei dati tempestiva e accurata.
• Accesso ai dati - supera il tradizionale data warehousing, fornendo una varietà di interfacce e strumenti di facile utilizzo per l'interrogazione e l'analisi.

Una storia di successo di QuantiaS: Costruire un moderno DWH cloud-nativo

Parte del gruppo S2E, QuantiaS si occupa di consulenza aziendale e tecnologica, specializzata in servizi professionali legati alla trasformazione digitale, all'adozione del cloud, alla cybersecurity, ai dati e all'analisi. Con oltre 350 professionisti, l'azienda ha registrato uno dei più alti tassi di crescita tra le imprese italiane negli ultimi due anni.

QuantiaS utilizza le sue competenze tecnologiche per aiutare i responsabili IT e i dirigenti aziendali a dare un senso alla grande quantità di dati generati dalla loro organizzazione. Adottando un approccio top-down alla gestione dei dati, le parti interessate possono scoprire preziose intuizioni e opportunità per rimanere davanti alla concorrenza.

Per un progetto con Hippocrates Holding, una rete di farmacie e aziende del settore sanitario con sede a Milano, Quantias ha realizzato una moderna piattaforma DWH, consentendo al cliente di integrare i dati provenienti da piattaforme ERP distribuite e centralizzate e dal back end informativo di vari fornitori.

Fonte: Codemotion