Blog

Il coronavirus ha costretto le persone a diventare creative per comunicare con colleghi, clienti e partner. Molte opzioni sono state offerte e dopo un po’ di esperienza sul campo vale la pena esaminare le differenze e le somiglianze tra prodotti di video conferenza come Zoom, Microsoft Teams e Google Meet per citare solo i più popolari.

L'app di videoconferenza Meet di Google è stata progettata principalmente per le esigenze aziendali. Può gestire fino a 250 persone in una riunione online in base al tipo di abbinamento di G Suite adottato. L'interfaccia è facile da usare, è completamente integrata con altre app di G Suite, il calendario consente alle persone di creare e di entrare e uscire rapidamente dalle riunioni, semplicemente facendo clic su un collegamento.

Zoom è uno degli strumenti di videoconferenza online più utilizzati al momento. Ottima facilità di uso, buona qualità audio e video.

Teams di Microsoft è una soluzione di video conferenza parte della soluzione Office 365. Anche in questo caso in base al tipo di licenza si possono raggiungere fino a 250 partecipanti.

Parliamo ora di sicurezza. Nelle ultime settimane l’utilizzo di Zoom è molto aumentato e sono stati rilevati alcuni gravi problemi di sicurezza. Anche una nuova parola è stata inventata, "Zoom-bombing", per indicare il rischio per la sicurezza degli hacker o di altri che invadono la tua riunione video. Per le aziende questo rischio per la sicurezza è certamente qualcosa da prendere in seria considerazione. Zoom dichiara di utilizzare la crittografia end-to-end, la forma più privata di comunicazione, ma in realtà sta usando un propria definizione con evidenti problemi.

Google Meet è più sicuro di Zoom. Crittografa i messaggi ma non utilizza la crittografia end-to-end. I messaggi sono crittografati "in transito". Ciò significa che sono crittografati solo tra il tuo dispositivo e i server di Google.

Tuttavia, diversamente da Zoom, i collegamenti alle videoconferenze di Meet possono essere resi disponibili solo alle persone all'interno di un'azienda.

Microsoft Teams crittografa i dati "in transito". I dati vengono archiviati in una rete sicura di data center e utilizzano il protocollo SRTP (Secure Real-time Transport Protocol) per la condivisione di video, audio e desktop. La sfida per le aziende è che questa crittografia (e le chiavi corrispondenti) è completamente controllata da Microsoft, non dall'azienda. La registrazione di riunioni o videoconferenze può essere molto utile.

Con Google Meet è possibile la registrazione e al termine viene automaticamente salvata su Google Drive. Se la riunione è stata creata con Google Calendar, la registrazione sarà accessibile anche attraverso il Calendario. Con Zoom le registrazioni sono salvate solo sul computer locale. Team invece conserva la registrazione in cloud e dopo la riunione, gli utenti possono condividerla con coloro che non hanno potuto partecipare alla riunione.

La funzione di condivisione dello schermo è disponibile su tutte le piattaforme. In particolare su Zoom sono permesse più condivisioni da più partecipanti.

Infine fra tutte le caratteristiche è interessante quella dei sottotitoli. Sia Teams che Meet utilizzano una tecnologia di sintesi vocale che consente di mostrare automaticamente i sottotitoli scritti durante la riunione. Questa funzione è disponibile in automatico e gli utenti possono abilitarla autonomamente. Zoom ha una funzione di didascalia ma funziona manualmente. L'host può digitare mentre parla o assegnare a qualcuno di scrivere e scrivere i sottotitoli.

Un Data Lake è un luogo centralizzato in grado di archiviare moli di dati molto grandi nel loro formato nativo, strutturato o non strutturato, anche provenienti da fonti diverse tra loro, senza la necessità di normalizzarli nella fase di acquisizione. Non richiedendo che sul dato avvenga nessuna modifica propedeutica all’archiviazione, non esiste perdita di informazione per nessun tipo di dato archiviato, che sia un flusso web, la lettura di un sensore, un campo generato dalla compilazione di form. Un sistema di questo tipo adotta un approccio Schema-on-read. I dati sono acquisiti nel loro formato nativo grezzo e sono associati ad un identificatore e dei metadati, atti a consentire il rintracciamento dello stesso quando vi è la necessità. Si tratta di un metodo di lavoro nuovo perché i sistemi storicamente utilizzati per archiviare, processare e analizzare dati sono definiti e strutturati in base all’uso finale che si prevede di farne, attraverso un’architettura di tipo “Data Warehouse”.

Quali sono i vantaggi che derivano dall’adozione di un sistema del tipo Data Lake?

Riduzione dei costi di archiviazione e spazio di archiviazione infinito: la gestione di grossi volumi di dati da parte di un database risulta costoso e poco efficiente in quanto lo schema onwrite costringe a prevedere in anticipo tutti gli usi che potrebbero essere fatti dei dati, anche quando in presenza dell’evoluzione di obiettivi ed esigenze del business. Aumentare il volume dei dati raccolti in un database e aggiornarne la struttura costantemente è un processo dispendioso e lungo. L’utilizzo di metodi di conservazione dei dati su file system distribuiti (HDFS in cloud) tipici di un sistema di tipo Data Lake rende implicitamente infinito lo spazio disponibile per l’archiviazione dei dati.

Riduzione dei costi di consolidamento dei dati: riunire tra loro database con strutture diverse è complesso e richiede uno sforzo ingente di data modelling. Un’impresa quasi impossibile quando la mole di dati da acquisire cresce costantemente.

Riduzione del Time-to-market: Progetti di ampliamento e consolidamento dei database richiedono tempi lunghi, con il risultato di impedire una risposta tempestiva al quesito di business. Quando i dati sono pronti per essere analizzati, può essere troppo tardi per trarne valore. A questo si aggiunge il fatto che il volume dei dati non strutturati utili per l’analisi può superare di molto quello dei dati strutturati, e la possibilità di accedere in tempo reale alle informazioni contenute nei dati non strutturati può essere centrale per la riuscita di un’attività di marketing.

Condivisione delle informazioni: Le analisi eseguite sui dati possono generare risultati che contribuiscono a qualificare ulteriormente i dati e ad aumentarne il valore. Ma in una struttura di tipo Data Warehouse i punteggi ottenuti dalle analisi restano di esclusivo uso del personale che ha prodotto l’analisi stessa a meno di dispendiose duplicazioni e copie verso altre applicazioni di analisi, previo intervento sulla struttura del database ricevente e sul modello dati. Il Data Lake è favorito nella eliminazione di queste duplicazioni e permette una condivisione più agevole delle insight ottenute.

Un Data Lake è una soluzione assemblata che sfrutta diverse tecnologie di data storage e data analysis. Possiamo per semplicità identificarle in 4 categorie:

Fase di data ingestion e storage, cioè la capacità di acquisire dati in tempo reale o in batch e di conservarli nel loro formato grezzo,

Fase di data processing, a dire la modalità di trasfromare i dati grezzi affinchè possano essere analizzati con strumenti e procedure standard,

Fase di data analysis, ossia la possibilità di creare modelli per l'estrazione sistematica di informazioni dai dati,

Fase di data integration, cioè la possibilità di collegare applicativi al Data Lake per scopi specifici.

Per realizzare un Data Lake è necessario avvalersi di tecnici e consulenti in grado di disegnare l’architettura più adatta dotandola delle componenti hardware e software per ottenere la migliore efficienza possibile in tutte le fasi di gestione dei dati.

Dovremmo trovarci nelle immediate vicinanze temporali del rilascio della app Immuni per il tracciamento e l’individuazione di possibili avvenuti contatti e contagi del virus, consentendo alle autorità sanitarie di intervenire su eventuali e localizzati nuovi focolai.