Data friction in data sharing: a physics inspired model

In the era of Big Data, the increasing volumes of generated and collected data represent a key resource for organizations to create economic value. Data sharing has become a pivotal factor to drive progress, especially in areas where data availability is low and regulatory frameworks heavily constrain data movement. Researchers have begun to identify Data Friction all those factors that impede the natural movement of data, and to study how to overcome it in a data exchange. However, as organizations try to scale along with data volumes, traditional data architectures fail to capture the value of data assets. In this context, the data mesh paradigm advocates for the decentralization of data ownership and management to maximize value generation through data sharing. Yet, as the data mesh paradigm promises to reduce frictions in data management, it lacks an effective method to quantify and overcome data friction in data exchanges. This thesis proposes a model to structure data exchanges, introducing a method to quantify and overcome their inherent data friction. This model is then applied in the data mesh platform architecture to provide a friction-aware approach to data sharing in such a context. As data sharing ecosystems become increasingly relevant, this contribution marks a first step in modeling and quantifying data friction in data exchanges.

Nell'era dei Big Data, i crescenti volumi di dati generati e raccolti rappresentano per le organizzazioni una risorsa fondamentale per creare valore economico. La condivisione dei dati è diventata un fattore cruciale per il progresso tecnologico, soprattutto in quelle aree in cui la disponibilità dei dati è bassa e la loro circolazione è fortemente limitata da quadri normativi. I ricercatori hanno iniziato a identificare come Data Friction tutti quei fattori che ostacolano la naturale circolazione dei dati, e astudiare come superarli in uno scambio degli stessi. Tuttavia, anche se le organizzazioni provano a utilizzare i crescenti volumi di dati per spingere la propria crescita, le architetture di dati tradizionali non riescono a catturare e rendere disponibile il loro valore. In questo contesto, il paradigma del data mesh propone la decentralizzazione della proprietà e della gestione dei dati per massimizzare la generazione di valore attraverso la loro condivisione. Tuttavia, sebbene il paradigma del data mesh prometta di ridurre gli attriti nella gestione dei dati, manca di un metodo efficace per quantificare e superare questi attriti negli scambi. Questa tesi propone un modello per strutturare gli scambi di dati, fornendo un approccio strutturato per quantificare e superare i loro attriti intrinseci. Questo modello viene poi applicato all'architettura della piattaforma data mesh per fornire un approccio consapevole degli attriti nella condivisione dei dati in un contesto di questo tipo. Con gli ecosistemi di condivisione dei dati che diventano sempre più importanti, questo contributo segna un primo passo nella creazione di un modello per quantificare l'attrito generato in uno scambio di dati.