Dal dato all’insight: la catena analitica

Il valore di business dei dati non sta nell’accumularli, ma nel trasformarli in decisioni. Google Cloud propone una catena logica: i dati grezzi arrivano e vengono conservati, poi vengono analizzati, infine vengono resi comprensibili a chi decide. Ogni prodotto occupa una posizione precisa in questa catena, e l’esame verifica soprattutto se sai riconoscere quale prodotto risolve quale problema di business.

Il punto di partenza è spesso un data lake: un archivio economico e senza schema rigido dove far confluire dati eterogenei (log, file, esportazioni) prima di sapere come li userai. Su Google Cloud il data lake tipico è Cloud Storage, l’object storage che assorbe qualsiasi volume a basso costo. Il data lake conserva; non analizza. Per l’analisi serve un data warehouse.

BigQuery: il data warehouse serverless

BigQuery è il data warehouse analitico e serverless di Google Cloud. “Serverless” significa che non gestisci macchine, cluster o capacità: carichi i dati, esegui query in SQL standard e la piattaforma scala da sola su terabyte e petabyte. È lo strumento d’elezione quando l’esigenza è analizzare grandi volumi storici — trend di vendita, comportamento clienti, reporting aziendale.

Il concetto chiave, e la trappola più frequente, è la distinzione analitico vs transazionale. BigQuery è OLAP (analisi): eccelle nell’aggregare enormi quantità di righe per rispondere a domande di business. Non è un database transazionale (OLTP) per un’applicazione che gestisce ordini o carrelli con molte scritture concorrenti a bassa latenza: quel ruolo spetta a Cloud SQL o Cloud Spanner. Sceglierlo per un backend applicativo è l’errore classico.

Looker e Looker Studio: la business intelligence

I dati nel warehouse restano inaccessibili al management finché non diventano visualizzazioni. Qui entra la business intelligence.

  • Looker è la piattaforma BI enterprise: definisce un modello semantico centralizzato e governato (una “single source of truth” delle metriche aziendali), su cui costruire dashboard affidabili e coerenti tra reparti. È la scelta quando servono governance, definizioni condivise e BI su larga scala.
  • Looker Studio (già Data Studio) è lo strumento di reporting e dashboard self-service e gratuito, ideale per visualizzazioni rapide e report condivisibili senza infrastruttura di modellazione.

In entrambi i casi il valore è lo stesso: trasformare le query in insight leggibili per chi non scrive SQL.

Pub/Sub e Dataflow: le pipeline di dati

Prima di analizzare, i dati vanno ingeriti e preparati. Due prodotti coprono questo tratto, ed è essenziale distinguere streaming vs batch.

  • Pub/Sub è il servizio di messaggistica per l’ingestione di eventi in streaming: disaccoppia chi produce dati (sensori IoT, app, click) da chi li consuma, assorbendo picchi improvvisi di traffico. È il “punto d’ingresso” per flussi di eventi in tempo reale.
  • Dataflow è il servizio serverless per elaborare e trasformare i dati lungo la pipeline, con lo stesso strumento sia in batch (grandi volumi periodici) sia in streaming (flusso continuo). Tipicamente Dataflow legge da Pub/Sub, pulisce e trasforma i dati, e li scrive in BigQuery per l’analisi.

La sequenza mentale da ricordare: Pub/Sub ingerisce → Dataflow trasforma → BigQuery analizza → Looker visualizza, con Cloud Storage come data lake a monte.

Trappole tipiche d’esame

  • App transazionale con molte scritture concorrenti → soluzione: Cloud SQL o Cloud Spanner, non BigQuery. BigQuery è analitico (OLAP), non un database applicativo (OLTP).
  • Analisi su petabyte senza gestire server → soluzione: BigQuery. Serverless e pensato per query analitiche su larga scala; nessun cluster da dimensionare.
  • Ingestione di milioni di eventi in tempo reale → soluzione: Pub/Sub. Assorbe i picchi e disaccoppia produttori e consumatori; non è Pub/Sub a “trasformare” i dati.
  • Trasformare dati in batch e in streaming con un unico strumento → soluzione: Dataflow, che copre entrambe le modalità; Pub/Sub trasporta, Dataflow elabora.
  • Dashboard aziendali governate con metriche condivise → soluzione: Looker (modello semantico). Per report rapidi e gratuiti self-service → Looker Studio.
  • Archiviare dati grezzi eterogenei a basso costo prima di analizzarli → soluzione: Cloud Storage come data lake; l’analisi avviene poi in BigQuery, non nel data lake stesso.