INTERVISTA A LORENZO VIGANÒ, BUSINESS ANALYTICS MANAGER
In un contesto in cui i dati rappresentano una delle leve decisive per la competitività, molte aziende italiane stanno accelerando il proprio percorso verso piattaforme integrate di Data & AI. Nel 2024 il mercato nazionale dei Big Data ha superato i 3,42 miliardi di euro, con una crescita del 20% rispetto all’anno precedente. Parallelamente, secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, il 59% delle grandi imprese ha già attivato almeno un progetto di AI, mentre il 65% sta sperimentando anche soluzioni di Generative AI come supporto ai processi interni.
Questi numeri raccontano un’evidenza: la maturità dei dati non è più un’opzione, ma una condizione necessaria per poter integrare in modo efficace analytics avanzati, automazioni intelligenti e strumenti come Copilot. Di questo parla il nuovo appuntamento della rubrica Il Parere dell’Esperto. Nel corso dell’intervista Lorenzo Viganò, Business Analytics Manager, racconta perché Microsoft Fabric si stia affermando come piattaforma di riferimento e quali siano gli step fondamentali per integrarla con successo nel proprio ecosistema dati.
Nell’ultima intervista dedicata a Power BI abbiamo parlato dell’importanza di rendere il dato accessibile e fruibile. Con Microsoft Fabric si compie un passo ulteriore: qual è il cambio di paradigma principale che introduce rispetto a Power BI?
Con Fabric passiamo da uno strumento di Business Intelligence a una vera data & AI platform unificata. Il cambio di paradigma è la centralizzazione: Data Engineering, Analytics, Business Intelligence e AI convivono nello stesso ecosistema. Questo abilita scenari che vanno oltre la reportistica e rende possibili processi end‑to‑end, dall’ingestion alla modellazione semantica fino all’AI. Proprio perché la piattaforma è potente, la differenza la fa la progettazione: servono visione architetturale, metodo e competenze trasversali.
Perché oggi le aziende non possono più “accontentarsi” di strumenti di sola reportistica e hanno bisogno di una piattaforma integrata come Fabric?
Perché la reportistica da sola non basta più a sostenere decisioni rapide e scenari avanzati. Fabric non è solo BI: accelera Advanced Analytics, Machine Learning, integrazione con Copilot e real‑time analytics all’interno di un unico ambiente. Senza una piattaforma integrata, l’AI rischia di rimanere una POC (Proof of Concept) che funziona in laboratorio ma non entra nei processi. La centralizzazione diventa valore quando si traduce in semplificazione operativa e in reale vantaggio competitivo.
Quali sono le criticità più comuni che osservi nelle aziende in tema di gestione del dato?
Le principali riguardano tre aree:
- Governance sottovalutata: si creano dataset ridondanti o in conflitto, si perde controllo su sicurezza, ownership, tracciabilità e compliance. La governance non si aggiunge dopo: va progettata da subito.
- Costi non ottimizzati: Fabric lavora su capacità condivise. Senza corretto dimensionamento, monitoraggio dei workload e separazione degli ambienti, i costi crescono più del valore generato. Ottimizzare non vuol dire tagliare: significa bilanciare performance e sostenibilità con una buona architettura.
- Architettura trascurata: saltare il design porta a duplicazione delle logiche di business, KPI non allineati e trasformazioni stratificate. La differenza la fanno l’ingestion, la trasformazione, il semantic layer e il reporting progettati in modo coerente: così si evita debito tecnico e manutenzioni insostenibili.
Se dovessi sintetizzare i principali vantaggi di Fabric in tre parole chiave, quali sceglieresti e perché?
Centralizzazione: un unico ecosistema che unifica dati, analytics e AI, riducendo frammentazione e incoerenze.
Integrazione end‑to‑end: dalla raccolta dati alla BI, fino a ML (Machine Learning) e Copilot: i processi diventano continui e riutilizzabili.
Industrializzazione dell’AI: i casi d’uso escono dal perimetro POC e entrano nei processi decisionali grazie a dataset governati e coerenti.
Qual è l’impatto combinato di Fabric e AI (a seconda dell’uso/possibilità) per chi progetta, analizza e interpreta dati?
L’impatto è duplice: accelerazione e affidabilità. Per chi progetta, Fabric offre un ambiente unico per orchestrare ingestion, trasformazioni, modelli semantici e AI, riducendo duplicazioni e tempi di delivery. Per chi analizza e interpreta, la presenza di dataset governati, coerenti e riutilizzabili significa insight più rapidi e decisioni più solide. L’AI genera valore quando poggia su una base dati progettata correttamente: solo così passa da sperimentazione a leva operativa.
Da dove dovrebbe partire un’azienda che oggi vuole introdurre Fabric nel proprio ecosistema dati? Quali sono gli errori più comuni da evitare quando si passa da un modello frammentato a una piattaforma unificata?
Il punto di partenza è un percorso più che un’installazione, riassumibile in 5 step:
- Assessment della maturità dei dati e dei processi.
- Definizione dell’architettura target (Lakehouse/Warehouse, semantic model, pipeline).
- Governance by design fin dal giorno zero (sicurezza, catalogo, data ownership, policy).
- Ottimizzazione di capacità e costi (dimensionamento iniziale, monitoraggio workload, separazione ambienti).
- Roadmap evolutiva che guidi adozione e scaling nel tempo.
Gli errori da evitare poi sono quelli di sottovalutare la governance, non pianificare l’ottimizzazione dei costi, trascurare l’architettura e, all’opposto, considerare Fabric solo come reporting o partire dall’AI senza basi solide.
Fabric non si “installa”, si progetta: in questo contesto il ruolo di un system integrator esperto può proprio aiutare a valutare la maturità iniziale, definire l’architettura, impostare governance e costi, e integrare BI, Advanced Analytics e AI in modo industriale. Perché l’obiettivo non è attivare uno strumento, ma abilitare una piattaforma che supporti la crescita aziendale.
