Questa guida è firmata Databricks e, come prevedibile, converge sul lakehouse e su Unity Catalog: la sezione finale è marketing di prodotto e va scontata di conseguenza. Il framework che propone, però, è abbastanza generico da essere utile a chiunque debba scegliere una piattaforma di analytics, anche fuori dall’ecosistema del vendor.
La tesi di fondo: la maggior parte delle valutazioni si riduce a un confronto di dashboard, ma la domanda che conta è se analytics, AI e agenti girino sugli stessi dati governati. È una decisione architetturale, non di feature, e secondo l’articolo definisce il tetto di quello che il team potrà costruire negli anni successivi.
Sette criteri pesati
Lo scorecard proposto assegna pesi che sommano a 100%: workload fit (20%), architettura e apertura (15%), governance e compliance (15%), performance e scalabilità (15%), adozione e usabilità (15%), prontezza AI/ML (10%), total cost of ownership (10%). Ogni vendor si valuta da 1 a 5. Sul criterio architettura, il testo insiste su formati aperti (cita Delta Lake e Apache Iceberg) e API che permettano di cambiare tool senza re-platforming: qui il conflitto di interesse è evidente, ma il principio di evitare il lock-in su formati proprietari regge da solo.
Testare, non guardare la demo
Il punto più solido è il monito sulle demo: girano su dataset curati con un esperto del vendor alla tastiera, mentre la produzione è fatta di tabelle da 10TB, 500 utenti concorrenti e analisti che non conoscono SQL. La guida raccomanda un POC sui propri dati, misurando la p95 query latency sulle query reali e simulando il carico concorrente atteso. Per il TCO suggerisce un modello a tre anni che includa compute, storage con egress, licenze per posto, tool BI di terze parti, supporto premium, training e headcount interno, perché le sorprese di costo arrivano tipicamente al secondo anno.
Alcuni dati citati come contesto: secondo un report Salesforce, il 93% dei business leader dice che lavorerebbe meglio potendo interrogare i dati in linguaggio naturale e il 63% dei data leader trova la traduzione delle domande di business in query tecnica soggetta a errori; secondo IDC 2025, il 76% delle organizzazioni usa già AI e l’87% la considera priorità. Il caso Rivian riporta una crescita degli utenti della piattaforma da 250 a oltre 1.000 in un anno. Una valutazione fatta bene, conclude l’articolo, richiede tipicamente da 8 a 14 settimane.
In sintesi
- La scelta di piattaforma è architetturale: verifica se analytics, AI e agenti condividono dati e governance o restano silos.
- Il POC va fatto sui tuoi dati, a scala reale, misurando p95 latency e concorrenza; il TCO va modellato su tre anni.
- Guida vendor: il framework a sette criteri è riusabile, la sezione su lakehouse e Unity Catalog è pitch di prodotto.
Hai qualcosa da aggiungere? Unisciti alla discussione.