Agilità e flessibilità nella gestione dei big data, Artificial intelligence e Machine Learning, sono caratteristiche che contraddistinguono, fino a darne il nome, i progetti di continuous intelligence di Agile Lab, azienda nata nel 2014, che opera sulle diverse sedi di Milano, Torino, Bologna, Bari e Catania, impiegando una sessantina di persone.
Il target preferenziale a cui l’azienda si rivolge è quello bancario e assicurativo, per poi estendersi al manifatturiero e alle utilities: «Si tratta di ambiti che sono più disposti di altri alla sperimentazione e al conseguente investimento – commenta Alberto Firpo, cofounder e CEO di Agile Lab -. Oppure altri settori per i quali la sperimentazione stessa e la scoperta del valore derivante dall’analisi dei dati si trasforma fin da subito in elemento differenziante per affrontare mercati in forte cambiamento».
Continuous Intelligence sì, ma flessibile
Grandi e medie dimensioni, quindi, i target dimensionali dei clienti di Agile Lab, aziende che indipendentemente dalla loro connotazione, stanno scoprendo i vantaggi della flessibilità nella loro pianificazione strategica, per la quale stanno ormai optando verso rapporti con startup, flessibili, agili e specializzate in singoli ambiti, con focus sulle tecnologie innovative, scardinando i rapporti tradizionali finora intrattenuti tra cliente/fornitore.
Una graduale fidelizzazione dei clienti che ha portato nel tempo Agile Lab a realizzare WASP, una propria piattaforma che ha le proprie basi proprio su Artificial Intelligence e Big Data, i motori che consentono di fornire risposte in tempo reale a tutta una serie di connessioni di enormi quantità di dati. WASP, in definitiva, consente l’analisi e la gestione in streaming dei dati di un’azienda, la quale può rivolgersi direttamente e interamente ad Agile Lab per la sua gestione, oppure utilizzata in autonomia, integrando la piattaforma all’interno di progetti personalizzati.
Ambienti eterogenei integrano la continuous intelligence (open) di WASP
«Si tratta di temi che stanno via via incontrando un crescente interesse da parte del mercato – riprende Firpo -. Si calcola, infatti, che in capo al prossimo anno, oltre la metà dei nuovi progetti di business vedrà integrato al proprio interno dei sistemi di continuous intelligence e di analisi in tempo reale dei dati su cui indirizzare i propri processi decisionali (fonte: Gartner). Un interesse che per Agile Lab si è concretizzato con un giro d’affari di 6 milioni di euro realizzati nel 2020, risultati con alto tasso di crescita nonostante l crisi dovuta alla pandemia».
Esigenza in crescita che si scontra con il gran numero di sistemi eterogenei e di non ultima generazione che sono presenti nelle aziende, spesso disallineati rispetto alle nuove tecnologie. Un problema che Agile Lab riesce a ovviare con WASP, essendo una piattaforma opensource che consente di integrarsi in maniera soft e agile all’interno delle tecnologie aziendali preesistenti, senza imporre lock-in, con il risultato di portare il concetto di real time analysis and decision all’interno delle logiche aziendali senza generare silos di dati, altrimenti difficilmente utilizzabili.
La continuous Intelligence di WASP abilita la logica del data mesh nelle aziende complesse e distribuite
Le caratteristiche principali, che sono anche i plus della piattaforma, sono, infatti, l’assicurazione di operare in maniera real time nell’analisi dei dati, grazie proprio all’uso di modelli di machine learning, predittivi e analitici direttamente sullo streaming dei dati, in modo da ottenere risultati senza latenze temporali.
Oltre a questo, si evidenzia che l’essere open source e di essere fruibile in modalità as a service, consente a WASP di essere integrato come un semplice plug in senza andare a creare ulteriori lock in e riducendo al massimo il total cost of ownership.
Paolo Platter, co-founder e CTO di Agile Lab
«WASP, inoltre, abilita il percorso verso il data mesh – puntualizza Paolo Platter, co-founder e CTO di Agile Lab -, il nuovo trend che si è imposto soprattutto nel corso dell’ultimo anno che consiste in un pattern organizzativo e un design architetturale e tecnologico che aiuta le aziende complesse, che si compongono di tante divisioni o sedi con esigenze diverse, consentendo loro di scalare iniziative basate sui dati o su machine learning in maniera decentralizzata e distribuita. Potendo così le business unit essere agili, indipendenti e veloci senza dipendere dalla sede centrale. Una nuova impostazione dei modelli che ci sta portando ad avere anche agganci di business con l’estero, aiutandoci nel nostro piano di sviluppo industriale fuori dai confini nazionali».