Dove i leader lottano per superare le sfide dei dati mainframe

Panoramica

I dati mainframe hanno il potenziale per migliorare notevolmente le iniziative di intelligenza artificiale e i progetti di analisi avanzata dei dati. Molte organizzazioni di grandi dimensioni, in particolare, archiviano decenni di dati transazionali, di inventario e dei clienti in mainframe legacy. Essere in grado di recuperare e utilizzare questi dati su larga scala rappresenta un'enorme opportunità per le aziende moderne. Sempre più leader stanno iniziando a rendersene conto per le proprie attività di intelligenza artificiale e analisi.

Secondo un recente sondaggio condotto da Rocket Software e Foundry su oltre 200 leader aziendali e responsabili decisionali, il 46% di loro ritiene che i dati provenienti dai mainframe possano migliorare la qualità, l'accuratezza e la completezza dei set di dati esistenti. Inoltre, il 44% degli intervistati concorda sul fatto che i dati provenienti dai mainframe possano fornire una visione più olistica delle operazioni aziendali. Questa trasparenza consente ai team di prendere decisioni migliori e di individuare opportunità che in precedenza sarebbero potute passare inosservate. Andando oltre, il 42% degli intervistati ha riconosciuto che i dati provenienti dai mainframe possono rafforzare le iniziative di intelligenza artificiale esistenti e arricchire le informazioni.

I dati provenienti dai mainframe non solo forniscono un quadro più completo di ciò che accade in tutta l'azienda, ma sbloccano anche l'innovazione. Le capacità di intelligenza artificiale e di analisi dei dati a Enterprise rappresentano oggi un vero e proprio elemento distintivo, e la possibilità di utilizzare i dati dei mainframe differenzia ulteriormente le aziende dalla concorrenza.

Tutto bene, vero? La realtà non è così semplice. Il 28% degli intervistati ha dichiarato di utilizzare ampiamente i dati mainframe nelle iniziative basate sui dati. E quattro leader su dieci (42%) hanno difficoltà a integrare i dati mainframe con le fonti di dati cloud esistenti.

Quindi, perché molti leader aziendali stanno solo iniziando a sfruttare i dati mainframe nelle loro iniziative di intelligenza artificiale e analisi? La risposta è una combinazione di sfide e ostacoli molto concreti, uniti a una manciata di considerazioni che potrebbero essere più una percezione che una realtà.

Andiamo più avanti.

L'utilizzo dei dati mainframe presenta sfide uniche

Il potenziale dei dati mainframe è evidente, ma il problema è che molte aziende non hanno ben chiaro il percorso migliore da seguire per utilizzarli concretamente. Gli intervistati hanno evidenziato diverse aree in cui persistono vere e proprie sfide per le operazioni IT. Il principale ostacolo che oggi impedisce ai team di utilizzare i dati mainframe è la complessità del recupero e dell'estrazione dei dati. Il 59% degli intervistati ha indicato questo come il principale ostacolo, posizionandosi leggermente al di sopra delle preoccupazioni relative a sicurezza, privacy e conformità (56%).

Oltre a queste sfide principali, una percentuale significativa degli intervistati ha indicato anche lacune nelle competenze interne (31%) e la mancanza di scalabilità (31%) come ostacoli allo sfruttamento dei dati mainframe. Poiché le organizzazioni mirano non solo ad adottare, ma anche a espandere l'uso dell'intelligenza artificiale in tutte le loro organizzazioni, soluzioni di modernizzazione del mainframe scalabili e accessibili saranno fondamentali per ottenere i migliori risultati possibili.

I dati del sondaggio hanno inoltre evidenziato che i dirigenti desiderano che i dati mainframe siano utilizzabili da professionisti tecnici e non tecnici. Quasi due terzi degli intervistati (64%) hanno affermato che la propria azienda ha incontrato qualche difficoltà nel rendere i dati mainframe accessibili a tutta l'organizzazione, mentre il 36% ha affermato che si trattava di un problema molto complesso. In altre parole, le aziende sanno che i dati mainframe nascondono un potenziale inesplorato, ma non sanno come renderlo operativo.

Poi c'è la questione della percezione. Quasi tre quarti (76%) dei leader intervistati hanno affermato di trovare l'accesso ai dati mainframe e ai metadati contestuali molto o abbastanza impegnativo. E quasi la metà (42%) dei leader aziendali considera molto impegnativa l'integrazione dei dati mainframe con fonti di dati cloud . Con una percezione relativamente diffusa di difficoltà di accesso e integrazione, le organizzazioni potrebbero essere restie a sfruttare i propri dati mainframe all'interno di modelli di intelligenza artificiale e analisi.

Per superare le sfide dei dati mainframe sono necessarie soluzioni su misura

Per superare le sfide legate ai dati mainframe, le organizzazioni devono implementare una suite di soluzioni olistiche. Molte di queste organizzazioni si trovano già in una fase del percorso di modernizzazione. Tale percorso richiede soluzioni flessibili, scalabili e pronte ad adattarsi a qualsiasi fase. Soluzioni come la Hybrid Cloud Data Suite di Rocket Software offrono ai leader aziendali gli strumenti per semplificare e rendere più accessibile l'integrazione dei dati tra cloud e mainframe. Questa suite di soluzioni garantisce inoltre una scalabilità fondamentale e crea una visione semplificata dei dati aziendali, includendo sia dati strutturati che non strutturati.

Le organizzazioni devono inoltre mantenere l'integrità e l'accuratezza dei dati senza compromettere la velocità. Ciò richiede pipeline efficienti e funzionalità di addestramento dei modelli che integrino i dati mainframe con i dati cloud senza aggiungere un'eccessiva complessità operativa. Strumenti come Rocket^® Data Replicate and Sync consentono ai team IT di replicare e sincronizzare in modo semplice e sicuro i dati in tempo reale in un ambiente cloud o ovunque siano necessari. Questo fornisce ai leader aziendali gli strumenti giusti per semplificare la complessità derivante dal mantenimento dell'integrità e della velocità dei dati, consentendo la replica e la sincronizzazione dei dati in tempo reale e ad alte prestazioni su diverse piattaforme, dai mainframe on-premise al cloud.

L'indagine Rocket Software e Foundry ha rivelato che il 42% dei responsabili delle decisioni preferirebbe adottare una soluzione predefinita per raggiungere questi obiettivi. Il 28% ha affermato che opterebbe per la creazione di una soluzione personalizzata internamente, mentre il 30% sta valutando entrambe le opzioni. La decisione giusta dipende dallo specifico contesto aziendale e dal caso d'uso. Ma a prescindere dalla strada scelta, optare per una collaborazione con un partner affidabile come Rocket Software consente ai leader aziendali di accedere a un solido portfolio di soluzioni e servizi in grado di contribuire alla modernizzazione dei sistemi e a rendere i dati dei mainframe più accessibili per le iniziative di intelligenza artificiale e analisi a lungo termine.

La cosa più importante è che qualsiasi tentativo di integrare i dati mainframe nelle iniziative di intelligenza artificiale e analisi aziendale sia sicuro e scalabile e offra strumenti agli utenti finali in tutta l'azienda. L'inserimento di dati mainframe in progetti di dati avanzati rappresenta una fusione tra il vecchio e il nuovo, ed è per questo che rappresenta una sfida così affascinante. Ma queste sfide non sono insormontabili. E le organizzazioni che adottano gli strumenti giusti per sfruttare i dati mainframe in modo sicuro e su larga scala avranno un vantaggio significativo rispetto a quelle che si affidano solo ai dati in tempo reale.

Scopri come Rocket Software può aiutare la tua organizzazione a superare le sfide più complesse relative ai dati dei mainframe e a trarre il massimo vantaggio dalle iniziative di intelligenza artificiale.