{"id":2145,"date":"2023-11-28T14:49:25","date_gmt":"2023-11-28T13:49:25","guid":{"rendered":"https:\/\/www.dodigital.it\/?p=2145"},"modified":"2023-11-29T09:36:38","modified_gmt":"2023-11-29T08:36:38","slug":"digital-assesment-data-infrastructure-deep-dive-per-la-valorizzazione-del-dato","status":"publish","type":"post","link":"https:\/\/www.dodigital.it\/en\/digital-assesment-data-infrastructure-deep-dive-per-la-valorizzazione-del-dato\/","title":{"rendered":"Digital Assesment & Data Infrastructure deep dive per la valorizzazione del dato\u200b"},"content":{"rendered":"

Analisi di processi, applicazioni e infrastruttura dati per l\u2019identificazione di aree di miglioramento applicative e l\u2019evoluzione della data\u00a0<\/span><\/span>platform<\/span><\/span><\/h2>\n

\u200b<\/span><\/p>\n

    \n
  • Cliente<\/span><\/b>: azienda italiana leader in ambito\u00a0<\/span>Fresh<\/span>\u00a0Food Online Retail<\/span>\u200b<\/li>\n
  • Servizio\u00a0<\/span><\/b>dD<\/span><\/b>: Digital Assessment & IT Evolution Roadmap; Data Strategy<\/span>\u200b<\/li>\n<\/ul>\n

    ESIGENZA<\/b><\/p>\n

    L\u2019azienda cliente \u00e8 leader in Italia nell\u2019ambito del fresh food online retail<\/strong>. Serve sul territorio nazionale pi\u00f9 di 100.000 clienti con un alto livello di servizio, caratterizzato da consegne entro le 24 ore dall\u2019emissione dell\u2019ordine. Vista la peculiarit\u00e0 del mercato e del modello operativo, l\u2019organizzazione ha spesso fatto ricorso negli anni a sviluppi interni e soluzioni custom<\/b> per coprire le esigenze di supporto applicativo richieste dal Business. In tal senso, si \u00e8 resa necessaria un\u2019analisi volta a verificare la situazione in termini di processi e strumenti digitali, per delineare e identificare le principali aree non coperte o che necessitassero di miglioramento. In aggiunta a ci\u00f2, trattandosi di un business con molteplici punti di contatto con il cliente e quindi di fonti dati, \u00e8 emersa la necessit\u00e0 di far chiarezza rispetto alla Data <\/b>Infrastructure<\/b>\/Pipeline<\/b>, al fine di identificarne punti di debolezza e attivare un\u2019opportuna ricognizione di soluzioni mercato per valutare le opportunit\u00e0 di evoluzione ed introduzione di nuove tecnologie.<\/p>\n

    OBIETTIVO DEL PROGETTO<\/b><\/p>\n

    Le priorit\u00e0 strategiche dell\u2019azienda<\/strong> e le esigenze di business<\/strong> sono state utilizzate per indirizzare le attivit\u00e0 di assessment<\/strong> relative ai seguenti ambiti:<\/p>\n

      \n
    • Verifica della copertura del supporto applicativo ai processi<\/strong><\/li>\n
    • Mappatura delle applicazioni in uso e valutazione della coerenza del portafoglio applicativo<\/strong><\/li>\n
    • Mappatura e valutazione delle componenti architetturali della Data Infrastructure<\/strong><\/li>\n<\/ul>\n

      SOLUZIONE PROGETTUALE E RISULTATI<\/b><\/p>\n

      Come anticipato, questo tipo di progettualit\u00e0 si focalizza su 2 elementi <\/b>principali:<\/p>\n

      1.Processi e supporto applicativo<\/p>\n

      2.Data Platform Infrastructure<\/p>\n

      Per analizzare opportunamente questi aspetti, sono stati intervistati dapprima gli attori di Business<\/b> (Process<\/b> Owner<\/b>) per l\u2019approfondimento di ciascun processo facente parte della catena del valore sotto illustrata. \u00c8 stato svolto in seguito un passaggio con l\u2019IT<\/b> per raccogliere maggiori dettagli sulle applicazioni analizzate in sede di intervista. Per quanto riguarda il secondo ambito, ci si \u00e8 focalizzati ad effettuare approfondimenti esclusivamente con il team dati <\/b>dell\u2019organizzazione.<\/p>\n

      \"\"<\/p>\n

      Assessment<\/i><\/b> dei processi aziendali e del supporto applicativo con il Business<\/i><\/b><\/p>\n

      Per quanto riguarda l\u2019approfondimento legato ai processi in scope, sono stati<\/strong> intervistati<\/b> Process<\/b> Owner<\/b> ed utenti<\/b>, ponendo particolare attenzione ai sistemi<\/strong> utilizzati all\u2019interno di ciascun processo, ai punti di attenzione applicativi<\/strong> e alle segnalazioni fornite dagli utenti rispetto ad aree di miglioramento<\/strong> funzionali da indirizzare. In aggiunta a ci\u00f2, sono state rilevate e dedotte dal team di progetto doDigital ulteriori spazi di miglioramento figli di limiti funzionali delle applicazioni o finalizzati all\u2019implementazione di evoluzioni aggiuntive. Le mappature risultanti hanno permesso di analizzare la copertura funzionale dei sistemi e la soddisfazione degli utenti nel rispetto delle attivit\u00e0 da svolgere a livello operativo.<\/p>\n

      In aggiunta a ci\u00f2, \u00e8 stata svolta un\u2019analisi di dettaglio<\/b> particolare su:<\/p>\n

        \n
      • Uno specifico sistema custom<\/strong> sviluppato internamente dall\u2019organizzazione, identificando i diversi microservizi compresi. Tali analisi sono state realizzate con l\u2019intento di fornire una panoramica di dettaglio sull\u2019applicazione nell\u2019ottica di un nuovo sviluppo\/ridisegno;<\/li>\n
      • Criticit\u00e0 dei processi aziendali<\/strong> in termini di numerosit\u00e0 di attori coinvolti, potenziali bottleneck, margini di ottimizzazione potenziali e livello di standardizzazione, con l\u2019obiettivo di definire i processi prioritari su cui intervenire.<\/li>\n<\/ul>\n

        \"\"<\/p>\n

        Data Platform\u00a0<\/i><\/b>Infrastructure<\/i><\/b>\u00a0deep dive<\/i><\/b><\/p>\n

        Per quanto riguarda l\u2019approfondimento legato alla Data Platform<\/b>, sono state svolte delle sessioni verticali con le figure appartenenti al team dati <\/b>dell\u2019azienda cliente, costituito da Data Engineer, Data Scientist e Data Analyst. In queste sessioni, ci si \u00e8 serviti di strumenti visuali funzionali a tracciare assieme agli intervistati il percorso che i dati aziendali percorrevano a partire dalla fonte (Data Sources<\/i>) fino ad arrivare ai sistemi di Data Visualisation\/Bi o tool<\/strong> utilizzati dalla figura di Data Scientist per implementare modelli di Machine Learning (Analysis & Output<\/i>). A titolo di esempio, alimentando un modello previsionale che consentisse di prevedere gli ordini di prodotti freschi da effettuare in un determinato momento per il rifornimento dello stock.<\/p>\n

        L\u2019analisi ha permesso di disegnare completamente il Data <\/b>Lineage<\/b>, in particolare evidenziando le componenti e lo stack tecnologico presente, dove fosse possibile fruire del dato in tempo reale e dove in modalit\u00e0 batch, le trasformazioni effettuate. All\u2019interno di questa mappatura, sono state evidenziate aree di miglioramento quali il disallineamento tra determinati job batch, la mancata valorizzazione di determinati campi, errori nelle query.<\/p>\n

        \"\"<\/p>\n

        Utilizzando come input l\u2019analisi svolta, \u00e8 stata portata avanti un ricognizione di mercato<\/b> volta ad acquisire informazioni sui tool che potessero essere introdotti (in sostituzione e non) all\u2019attuale stack tecnologico per indirizzare i punti di miglioramento identificati. La ricerca ha portato all\u2019identificazione di due principali cluster di soluzioni<\/strong> potenzialmente utili per lo scenario in esame:<\/p>\n

        \"\"<\/p>\n

          \n
        • End-to-End Platform<\/b>: piattaforme in grado di gestire il dato a partire dall\u2019ingestion fino ad arrivare alla messa a disposizione del business. Questo tipo di piattaforme consentono di mantenere alto il presidio sul dato in tutto il ciclo di vita, ma vincolano le organizzazioni ad una determinata scelta tecnologica (lock-in);<\/li>\n
        • Data Science Platform<\/b>: piattaforme squisitamente focalizzate nel fornire ai Data Scientist gli strumenti per mettere a valore i dati in un ambiente disegnato per l\u2019implementazione di algoritmi di AI e Machine Learning. Se da un lato questo tipo di soluzioni garantiscono una maggiore flessibilit\u00e0, dall\u2019altro lato rendono necessaria la presenza di altri tool per le attivit\u00e0 di ingestion e trasport, aumentando l\u2019effort di integrazione e gestione da parte del team IT interno.<\/li>\n<\/ul>\n

          Sulla base di questi due principali cluster e delle soluzioni identificate, caratterizzate da diversi livelli di copertura, sono stati redatti una serie di scenari evolutivi\u00a0 della Data Platform\u00a0<\/b>che partissero dallo stack tecnologico esistente, senza intaccarlo eccessivamente o sostituirlo, ma anche piani di evoluzione che invece contemplassero questa opportunit\u00e0, illustrandone rispettivi costi, opportunit\u00e0 e rischi.<\/p>\n

          Risultati ottenuti<\/i><\/b><\/p>\n

          L\u2019iniziativa portata avanti sui due ambiti analizzati precedentemente ha portato evidenze all\u2019organizzazione cliente rispetto a:<\/p>\n

          1.Principali aspetti da indirizzare <\/b>per ciascun processo <\/b>al fine di ottimizzarlo e migliorarlo in termini di flusso di attivit\u00e0, supporto applicativo e funzionale;<\/p>\n

          2.Scenari di evoluzione<\/b> della propria data pipeline<\/b>, con relativi opportunit\u00e0 e rischi connessi a flessibilit\u00e0, livello di integrazione, effort manutentivo delle soluzioni di mercato a disposizione.<\/p>\n

          In questo modo, sono stati forniti tutti gli elementi necessari per poter avanzare ipotesi sulle iniziative da portare avanti per il miglioramento <\/b>dei propri processi <\/b>e la direzione da intraprendere per migliorare la strategia di valorizzazione <\/b>del patrimonio informativo <\/b>aziendale.<\/p>\n

          \u200b<\/p>\n","protected":false},"excerpt":{"rendered":"

          Analisi di processi, applicazioni e infrastruttura dati per l\u2019identificazione di aree di miglioramento applicative e l\u2019evoluzione della data\u00a0platform \u200b Cliente: azienda italiana leader in ambito\u00a0Fresh\u00a0Food Online Retail\u200b Servizio\u00a0dD: Digital Assessment & IT Evolution Roadmap; Data Strategy\u200b ESIGENZA L\u2019azienda cliente \u00e8 leader in Italia nell\u2019ambito del fresh food online retail. Serve sul territorio nazionale pi\u00f9 di […]<\/p>\n","protected":false},"author":3,"featured_media":2166,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[10],"tags":[],"industries":[71],"services":[82,83],"applicativi":[],"class_list":["post-2145","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-casi-studio","industries-food-beverage","services-data-strategy-data-governance","services-digital-assessment-it-evolution-roadmap"],"_links":{"self":[{"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/posts\/2145","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/comments?post=2145"}],"version-history":[{"count":6,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/posts\/2145\/revisions"}],"predecessor-version":[{"id":2171,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/posts\/2145\/revisions\/2171"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/media\/2166"}],"wp:attachment":[{"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/media?parent=2145"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/categories?post=2145"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/tags?post=2145"},{"taxonomy":"industries","embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/industries?post=2145"},{"taxonomy":"services","embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/services?post=2145"},{"taxonomy":"applicativi","embeddable":true,"href":"https:\/\/www.dodigital.it\/en\/wp-json\/wp\/v2\/applicativi?post=2145"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}