dbt Labs rilancia un report IDC commissionato — quindi da leggere sapendo chi lo ha pagato — che prova a quantificare quanto tempo un team dati recupera adottando dbt. Il contesto di partenza è credibile: la domanda di dati cresce con l’AI (McKinsey stima una spesa in data center fino a 7 mila miliardi di dollari entro il 2030), ma solo il 36% dei team dati intervistati dichiara budget in aumento. Tradotto: più lavoro, stesse persone.
IDC ha intervistato otto aziende utenti di dbt, con una media di 20.000 dipendenti e 16,75 miliardi di dollari di ricavi annui. Il numero-titolo è che, sommando le varie funzioni, queste aziende avrebbero recuperato l’equivalente di 58,7 FTE di capacità: +25 nei team analytics/data, +11,2 tra gli sviluppatori, +17,6 tra i business analyst, +2,5 nella governance, +2,4 nel platform management. Per il solo team analytics, dbt Labs traduce il recupero in 1,75 milioni di dollari di valore aggiunto all’anno.
Dove finiscono le ore
I guadagni di produttività dichiarati per funzione sono: 36% per i data developer, 28% per business analyst e citizen developer, 40% per la governance, 51% per il platform management. Sul ciclo di vita, il report cita consegne che scendono da 16,3 a 8,4 giorni (-49%), testing più veloce del 44% per le nuove app e del 46% sugli aggiornamenti, cicli di sviluppo più rapidi del 41% e del 37%.
Interessanti i dati su onboarding e qualità: il tempo di inserimento passa da 3,3 a 1,7 settimane (-47%), con una media dichiarata di 101.970 modelli riutilizzabili disponibili dal primo giorno via dbt Catalog. Sulla qualità, le aziende riportano il 33% in meno di problemi, il 35% in meno di dati in ritardo e il 13% in meno di dati incompleti.
Come leggerli
Il messaggio metodologico di dbt è coerente con la sua tesi: applicare un ciclo disciplinato (build, test, deploy, operate) a ogni fase riduce il rework. È la logica dell’Analytics Development Lifecycle, e come principio regge. Ma il campione è di otto aziende molto grandi e auto-selezionate: cifre come 58,7 FTE o 101.970 modelli vanno prese come casi estremi, non come promessa media. Lo ammette lo stesso report: gran parte dei guadagni non arriva da una feature, ma dalla disciplina di processo.
In sintesi
- Report IDC commissionato da dbt Labs: utile come direzione, non come benchmark neutrale.
- Campione di otto grandi aziende: le cifre assolute non si trasferiscono a team piccoli.
- Il valore dichiarato viene dal processo (test, CI/CD, riuso), più che da singole funzionalità.
Fonte: The productivity gains hiding in your data infrastructure
Hai qualcosa da aggiungere? Unisciti alla discussione.