Non ci può essere una strategia sull’AI se prima non ne è stata definita una sui dati. In questo semplice assunto, è contenuto il senso della proposizione di Snowflake, azienda che in poco più di dieci anni di attività si è costruita uno spazio di rilievo nel mondo data-as-a-service.
Con la piattaforma unificata Data Cloud, l’azienda intende fare in modo che i clienti possano consolidare i loro dati in quella che può essere definita un’unica “fonte di verità”, per ricavarne insight di business, costruire applicazioni data-driven e condividere informazioni e output: “Risolviamo l’annoso problema dei silos di dati e della loro governance”, indica Michele Tessari, head of sales engineering di Snowflake Italia. “I nostri clienti possono unificare ed eseguire query sui dati per supportare un'ampia varietà di casi d'uso, sfruttando l'elasticità e le prestazioni del cloud pubblico”.
Disponibile su Aws, Google Cloud Platform e Azure, la piattaforma si fonda sulla centralizzazione dello storage, dove i dati (strutturati o semi-strutturati) vengono partizionati automaticamente e i metadati vengono estratti durante il caricamento per consentire un'elaborazione più efficiente. Questa è progettata per sfruttare l'elasticità e le prestazioni del cloud pubblico, con cluster che possono essere attivati e disattivati facilmente in pochi secondi. Il cervello della piattaforma è costituito dai cloud services, declinati in varie componenti gestite, che comprendono, fra l’altro, la governance, la crittografia, il tuning, la disponibilità e anche la gestione dei modelli AI.
Sguardo d'assieme sui clienti Snowflake durante il recente evento "Data for Breakfast"
Sempre più, Data Cloud sta ruotando attorno all'intelligenza artificiale generativa e agli Llm, integrando soluzioni relative allo sviluppo e alle operazioni di machine learning end-to-end, in particolare grazie all'API di modellazione Snowpark. Qui si colloca anche il servizio Cortex (frutto di un’acquisizione dello scorso anno), che intende “fornire alle aziende gli elementi di base necessari per utilizzare modelli di linguaggio e AI senza richiedere specifiche competenze in materia”, sottolinea Tessari.
Degli 8.500 clienti acquisiti a livello mondiale, una quota crescente arriva dal mercato italiano. Fra questi, c’è Eolo, che a metà del 2022 ha deciso di ridisegnare la propria data platform per poter trattare in modo integrato le informazioni riferite ai clienti, alla propria rete (con un edge computing molto spinto per la copertura del territorio), a ciò che arriva da reti esterne e anche da analisi neutre sulle performance dei competitor: “Serviva una piattaforma di big data unica, che potesse integrarsi nella nostra infrastruttura di cloud ibrido”, ricorda Antonio Carlini, Cio di Eolo. “Erano importanti soprattutto le capacità di data sharing con fonti esterne, utilizzate dai data scientist per analisi anche con strumenti di AI, ma anche l’integrazione con PowerBi per il supporto agli analisti di business e al customer care”.
Implementata la soluzione di Snowflake, con il supporto di Ntt Data, Eolo ha già ottenuto il risultato di avere oggi il 93% delle vendite che avvengono su aree programmate, ovvero quelle a maggior spinta: “Abbiamo anche aumento della resa degli investimenti di rete del 10% e ormai siamo in grado di combinare dati di natura molto diversa, dal sentiment alle prestazioni dei router sui clienti, per migliorare la qualità del servizio”, evidenzia Carlini.
Anche Emmelibri ha affrontato un cambiamento di strategia sui dati, nel contesto di un più generale processo di cloud transformation. La società del Gruppo Messaggerie, che si occupa di distribuzione di libri e servizi collegati, ha dovuto porre rimedio a una preesistente situazione di disomogeneità all’interno del gruppo, composto nel 2022 da dieci aziende, con oltre tremila utenti e circa 2.500 dashboard create: “Abbiamo scelto nel 2023 di lavorare con Snowflake per ragioni di prestazioni, compatibilità con l’esistente, costi e anche prospettive di evoluzione”, informa Luca Paleari, Cio di Emmelibri. “Il progetto è tuttora in corso e dobbiamo terminare entro la fine dell’anno. Stiamo rispettando la tabella di marcia e abbiamo fin qui speso meno di quanto avevamo preventivato”.
L’azienda ha iniziato a utilizzare l’intelligenza artificiale per gestire un catalogo composto oggi da un milione di libri e che si arricchisce ogni anno con i 60-80mila nuovi titoli pubblicati dagli editori. L’obiettivo è evitare l’eccesso di produzione con modelli di clustering, previsione dei fabbisogni e riduzione degli stock. Nel ciclo ovviamente entrano anche i librai, che però sono poco avvezzi a consultare e aggiornare i dati, per cui questo potrebbe essere un fertile terreno applicativo per l’AI generativa, in chiave di accesso facilitato agli insight.