Nel panorama competitivo dello streaming, la scalabilità e la resilienza dei dati non sono opzioni, ma la base di ogni esperienza utente fluida. Netflix, pioniere globale dell’intrattenimento digitale, affronta la sfida di servire centinaia di milioni di ore di contenuti a un pubblico internazionale, richiedendo architetture dati in grado di gestire carichi di lavoro massicci e imprevedibili. È qui che entra in gioco la tecnologia NoSQL, in particolare Apache Cassandra.

Cassandra, un sistema di database distribuito open-source, è diventato un pilastro fondamentale nell’ecosistema tecnologico di Netflix. Progettato per gestire petabyte di dati con bassa latenza, Cassandra permette a Netflix di mantenere un funzionamento continuo, anche in caso di guasti hardware o picchi di traffico improvvisi. La sua capacità di scalabilità lineare garantisce che ogni nuovo nodo aggiunto al cluster contribuisca direttamente alla performance complessiva, una caratteristica essenziale per un servizio che non può permettersi tempi di inattività.

• Alta Disponibilità: Cassandra replica i dati su più nodi e centri di dati, assicurando che il servizio rimanga operativo anche in condizioni di failover.
• Performance a Basso Latenza: Ottimizzato per letture e scritture rapide, fondamentali per il caricamento di profili utente, cronologie di visualizzazione e raccomandazioni personalizzate in tempo reale.
• Scalabilità Orizzontale: Adattabile all’espansione globale, permettendo a Netflix di crescere senza ridisegnare l’intera architettura dati.

L’adozione di Cassandra da parte di Netflix ha dimostrato come le architetture NoSQL possano superare i limiti dei database relazionali tradizionali in scenari di Big Data. Questa scelta non solo supporta l’infrastruttura tecnica attuale, ma apre le porte a innovazioni future, integrate con soluzioni AI avanzate per l’analisi predittiva e l’ottimizzazione dei contenuti.

Introduzione: La Scalabilità Estrema di Netflix

Introduzione: La Scalabilità Estrema di Netflix

Netflix è il paradigma della scalabilità digitale globale. Con oltre 200 milioni di abbonati in più di 190 paesi, il suo obiettivo è garantire un’esperienza fluida, personalizzata e senza interruzioni, 24 ore su 24, 7 giorni su 7. Questo livello di operatività richiede un’architettura dati in grado di gestire un volume enorme, con una latenza ridotta all’infrastruttura millisecondi, superando i limiti dei database relazionali tradizionali (RDBMS). Netflix ha risposto a questa sfida abbracciando NoSQL, in particolare Apache Cassandra, come pilastro della sua infrastruttura.

• Scalabilità Orizzontale Infinita: Cassandra permette di aggiungere nodi senza downtime, essenziale per gestire picchi di traffico improvvisi (ad esempio, l’uscita di una nuova stagione di una serie popolare). Netflix gestisce petabyte di dati.
• Alta Disponibilità e Tolleranza ai Guasti (HA): L’architettura distribuita di Cassandra assicura che il sistema rimanga online anche se uno o più data center falliscono, garantendo il 99.99% di uptime richiesto dalla piattaforma.
• Scritture e Letture Ad Alta Velocità: Ottimizzato per operazioni di scrittura pesanti, Cassandra gestisce milioni di richieste al secondo per l’upload dei metadati dei video, il tracciamento dei log di riproduzione e le raccomandazioni in tempo reale.

L’integrazione di Cassandra ha permesso a Netflix di evolvere da un monolite a un’architettura a microservizi resiliente. Ogni microservizio ha la sua copia dei dati, riducendo i colli di bottiglia e migliorando le prestazioni globali.

Questa scelta tecnologica non è solo un dettaglio infrastrutturale; è una strategia competitiva che permette a Culture Digitali di innovare rapidamente. La lezione di Netflix è chiara: nel mondo digitale, la capacità di scalare e adattarsi è sinonimo di sopravvivenza.

Stai progettando un’infrastruttura ad alte prestazioni?

Il contesto dei Big Data in Streaming

Il mondo dello streaming genera quantità massive di dati ogni secondo, rappresentando una delle più grandi sfide per i Big Data. Netflix, con oltre 220 milioni di utenti globali, deve gestire terabyte di informazioni su visualizzazioni, preferenze, comportamenti di观看 e interazioni in tempo reale. Questa mole di dati richiede soluzioni scalabili in grado di processare informazioni istantanee senza compromettere le performance dell’utente finale. La complessità aumenta esponenzialmente con la crescita esponenziale del catalogo e delle funzionalità personalizzate. Solo un’architettura dati robusta può trasformare questi Big Data in insight preziosi per migliorare l’esperienza utente e ottimizzare i contenuti offerti. Prenota una demo delle nostre soluzioni AI.

Perché le tradizionali basi di dati relazionali non bastano

L’Architettura di Archiviazione di Netflix

Il ruolo di Apache Cassandra nell’ecosistema

Evolution of Storage: dal monolito al microservizi

Evolution of Storage: dal monolito al microservizi

Il passaggio da un’architettura monolitica a un ecosistema di microservizi ha ridefinito le esigenze di storage di piattaforme globali come Netflix. Inizialmente, un database centralizzato gestiva profili, preferenze e contenuti; questo approccio, però, creava colli di bottiglia e complessità di scaling.

Con l’adozione dei microservizi, ogni funzionalità (raccomandazioni, playback, gestione utenti) richiede un database ottimizzato per il proprio caso d’uso. Qui, la scalabilità orizzontale è fondamentale: è necessario aggiungere nodi senza intoppi per gestire picchi di domanda, come l’uscita di una nuova serie.

• Disponibilità Ultra-Alta: I dati devono essere accessibili globalmente, 24/7, con tolleranza agli errori.
• Velocità di Scrittura/Lettura: L’interazione in tempo reale con il catalogo richiede latenza minima.
• Schema Dinamico: La struttura dei dati evolve rapidamente (es. nuovi metadati dei contenuti).

Questa evoluzione ha spinto verso soluzioni NoSQL come Apache Cassandra, capace di distribuire Petabyte di dati su migliaia di nodi, garantendo bassa latenza e zero single point of failure.

Cosa archivia Netflix: Variabili, Metadati e Playback

Cosa archivia Netflix: Variabili, Metadati e Playback

Cosa archivia Netflix: Variabili, Metadati e Playback? La risposta risiede in un’architettura NoSQL distribuita che gestisce tre flussi critici in tempo reale. Questi dati alimentano ogni esperienza utente, garantendo latenza bassa e disponibilità elevata su scala globale.

• Variabili Utente e Stato di Sessione: Netflix utilizza Cassandra per memorizzare preferenze, controlli parentali, cronologia visualizzazioni e stato di riproduzione in corso. Ogni volta che metti in pausa un film, la variabile di stato viene scritta in un cluster Cassandra. Metriche chiave: 250+ milioni di utenti attivi, con 99.999% di disponibilità garantita dalla replicazione multi-datacenter. Questo assicura che la ripartenza della riproduzione sia istantanea, ovunque ti trovi.
• Metadati dei Contenuti e Catalogo Dinamico: Il catalogo film/serie è immenso. Netflix archivia metadati strutturati (titoli, sinossi, cast, tag di genere) in Cassandra, sfruttando la sua capacità di scrivere e leggere enormi volumi di dati a bassissima latenza. La roadmap dell’AI di Netflix usa questi metadati per alimentare algoritmi di raccomandazione iper-personalizzati, migliorando il tempo medio di visualizzazione e riducendo l’abbandono.
• Dati di Playback e Telemetria Real-Time: Durante lo streaming, milioni di segnali telemetrici (buffering, bitrate adattivo, errori di rete) vengono inviati a Cassandra. Questo sistema NoSQL traccia la qualità del servizio in tempo reale, permettendo agli ingegneri di ottimizzare la CDN e prevenire interruzioni. Il risultato? Riduzione del 95% dei buffering rispetto a decade fa, garantendo un’esperienza fluida anche in picco di domanda.

In definitiva, Netflix archivia ciò che è variabile e dinamico su Cassandra, separando i dati transazionali dai contenuti mediali. Questa separazione garantisce che le variabili utente, i metadati e i segnali di playback siano sempre accessibili, scalabili e resilienti, fondamentali per il successo della piattaforma.

Scopri come Culture Digitali può aiutare la tua organizzazione a replicare questa efficienza.

Prenota una demo delle nostre soluzioni AI

Deep Dive: Apache Cassandra su Netflix

Modello di Data Modeling: Orientamento alle Query

Gestione della Consistency e della Partizione

Gestione della Consistency e della Partizione in Netflix con Cassandra

La scalabilità di Netflix dipende dalla capacità di gestire petabyte di dati utente senza compromettere la disponibilità. Con Apache Cassandra, la strategia di partizione è il fondamento della performance. Invece di un carico centralizzato, i dati vengono distribuiti su un cluster di nodi, assicurando che ogni richiesta venga instradata al nodo corretto. Questo approccio elimina i colli di bottiglia, permettendo a Netflix di servire milioni di streaming simultanei con latenza ridotta.

Il vero vantaggio competitivo risiede nella gestione della consistency (coerenza) e della disponibilità. Netflix adotta una configurazione Eventualmente Consistent, dove i dati vengono scritti su più nodi in parallelo. Se un nodo è irraggiungibile, il sistema non si blocca: le letture continuano dagli altri nodi, garantendo l’uptime del servizio. Questo modello, definito Consistency Tuning, permette agli architetti di bilanciare la velocità di lettura/scrittura e l’integrità dei dati in tempo reale.

• Single Partition Read: Ottimizzata per la velocità. I dati spesso risiedono su un solo nodo, riducendo il tempo di risposta a millisecondi.
• High Availability (AP): Il sistema prioritizza la continuità del servizio, fondamentale per l’intrattenimento on-demand.
• Tunability: Per i profili utente (dove la coerenza è critica), Netflix aumenta il livello di consistenza; per i metadati di catalogo, mantiene impostazioni più performanti.

Questa architettura garantisce che, anche durante picchi di traffico o guasti hardware, l’esperienza dello spettatore rimanga ininterrotta. Le partizioni non sono solo una tecnica di storage, ma il meccanismo che abilita la scalabilità lineare.

Pronto a scalare le tue applicazioni con la stessa affidabilità di Netflix?

Multi-Region Replication e Disaster Recovery

Sfide Specifiche e Soluzioni Ingegneristiche

Netflix, come gigante dello streaming globale, affronta sfide ingegneristiche uniche nella gestione dei dati. Con oltre 220 milioni di utenti attivi in oltre 190 paesi, l’azienda deve processare petabyte di dati quotidianamente per garantire un’esperienza di streaming fluida e personalizzata. Le sfide specifiche che Netflix deve superare riguardano principalmente la scalabilità orizzontale, la tolleranza ai guasti e la latenza globale.

Uno dei problemi più critici che Netflix ha riscontrato è stato l’uso di database relazionali tradizionali. Questi database, pur essendo robusti per molte applicazioni, presentano limitazioni significative quando si tratta di scalabilità e disponibilità globale. I database relazionali tradizionali sono progettati per operare su un singolo cluster e richiedono complesse configurazioni di master-slave per la replicazione, creando punti singoli di fallimento e aumentando la latenza per gli utenti geograficamente distanti.

Netflix ha affrontato sfide specifiche nella gestione del catalogo dei contenuti, dei profili utente, delle preferenze di visualizzazione e del sistema di raccomandazione. Ogni utente genera costantemente dati comportamentali che devono essere catturati, elaborati e resi disponibili in tempo quasi reale per personalizzare l’esperienza di streaming. La scalabilità verticale dei database relazionali si è rivelata una soluzione insostenibile, sia dal punto di vista dei costi che delle prestazioni.

Per affrontare queste sfide, Netflix ha adottato un approccio basato su NoSQL, con Apache Cassandra come componente fondamentale della propria architettura dati. La scelta di Cassandra è stata guidata dalla sua capacità di scalare orizzontalmente senza degradazione delle prestazioni, dalla tolleranza integrata ai guasti e dalla distribuzione nativa multi-datacenter, caratteristiche essenziali per un’azienda globale come Netflix.

L’implementazione di Cassandra presso Netflix ha richiesto soluzioni ingegneristiche sofisticate per garantire coerenza dei dati e prestazioni ottimali. Una delle sfide principali è stata la progettazione dello schema, poiché Cassandra non supporta le JOIN relazionali tradizionali. Gli ingegneri di Netflix hanno dovuto ridefinire completamente il modo in cui i dati vengono modellati, adottando un approccio basato su denormalizzazione e partizione intelligente per ottimizzare le query più frequenti.

Un’altra sfida significativa è stata la gestione della consistenza dei dati. Netflix ha implementato un modello di consistenza tunable in Cassandra, bilanciando la disponibilità globale con la coerenza quando necessario. Per operazioni critiche come le transazioni di pagamento, utilizza un livello di consistenza QUORUM, mentre per dati meno critici come le statistiche di visualizzazione, accetta un livello di consistenza EVENTUALE per massimizzare le prestazioni.

La complessità di operare Cassandra su larga scala ha portato Netflix a sviluppare strumenti interni proprietari. Il team ha creato un sistema di automazione per la gestione del ciclo di vita dei cluster, che include provisioning, monitoraggio, backup e failover automatici. Questi strumenti riducono significativamente il carico operativo e garantiscono la disponibilità dei servizi anche durante le manutenzioni programmate o impreviste.

Netflix ha affrontato anche la sfida della migrazione dei dati da sistemi legacy. L’azienda ha sviluppato un framework di migrazione che permette di trasferire dati da sistemi relazionali a Cassandra mantenendo l’integrità e la coerenza. Questo framework utilizza un approccio basato su eventi, permettendo una migrazione incrementale senza interruzioni dei servizi.

Per garantire prestazioni ottimali, Netflix ha implementato una strategia di caching multilivello con Apache Cassandra come strato di persistenza. Il sistema combina cache distribuite come Redis per dati ad accesso frequente con lo storage persistente di Cassandra. Questa architettura ibrida permette di ridurre il carico su Cassandra e di migliorare i tempi di risposta per gli utenti.

Un’altra sfida ingegneristica significativa è stata la gestione della georipartizione dei dati. Per ridurre la latenza, Netflix distribuisce i dati tra più datacenter in diverse regioni geografiche. Questo approccio richiede meccanismi sofisticati di replicazione cross-region e risoluzione dei conflitti di dati. L’azienda ha implementato un sistema basato su timestamp logici e custom conflict resolution strategies per gestire efficacemente queste situazioni.

La sicurezza dei dati è un’altra area in cui Netflix ha sviluppato soluzioni ingegneristiche avanzate. Per proteggere i sensibili dati utente in Cassandra, l’azienda ha implementato un sistema di encryption end-to-end, che include encryption in transito e at-rest. Le chiavi di encryption sono gestite tramite un sistema di key management distribuito, garantendo che nessun singolo punto possa accedere a tutte le chiavi.

Il monitoraggio e l’ottimizzazione delle performance di cluster Cassandra su larga scala hanno rappresentato un’altra sfida significativa. Netflix ha sviluppato un sistema di monitoring avanzato che analizza in tempo reale le metriche di performance, identifica i colli di bottiglia e predice potenziali problemi prima che possano impattare gli utenti. Questo sistema utilizza machine learning per rilevare pattern anomali e suggerire ottimizzazioni automatiche.

Per garantire la resilienza del sistema, Netflix ha implementato tecniche avanzate di failure injection e testing caotico. Il team regolarmente simula guasti di vari tipi e gravità per verificare come il sistema si comporta e per identificare potenziali punti deboli. Questo approccio proattivo ha permesso all’azienda di costruire un sistema estremamente resiliente che può resistere a guasti multipli simultanei senza interruzioni dei servizi.

Le metriche di successo di queste soluzioni ingegneristiche sono impressionanti. I cluster di Netflix gestiscono oltre 1 triliardo di operazioni di lettura/scrittura al giorno, con un tempo di risposta medio inferiore a 15 millisecondi per il 99% delle richieste. Il sistema di garantisce una disponibilità del 99.999%, permettendo a Netflix di evitare downtime anche durante aggiornamenti di sistema o guasti hardware.

Un’altra metrica chiave è l’efficienza operativa. Grazie all’automazione e agli strumenti custom, Netflix è riuscita a ridurre il tempo necessario per deployare nuovi servizi da settimane a poche ore, accelerando significativamente il time-to-market per nuove funzionalità. Questo è stato possibile grazie all’adozione di infrastruttura come codice (IaC) e pratiche di continuous deployment integrate con l’ecosistema Cassandra.

L’architettura dati di Netflix continua a evolversi per affrontare nuove sfide. Il team sta lavorando all’integrazione di funzionalità avanzate come Apache Cassandra 4.0, che introduce miglioramenti significativi in termini di performance e scalabilità. Inoltre, Netflix sta esplorando l’uso di tecnologie come Apache Solr per la ricerca full-text su dati Cassandra e di framework di stream processing come Apache Kafka per l’elaborazione in tempo reale di dati.

Un’area di innovazione recente è l’integrazione di machine learning direttamente nell’ecosistema dati. Netflix sta sviluppando soluzioni che permettono di eseguire modelli di ML direttamente sui dati in Cassandra, riducendo la necessità di trasferire dati verso piattaforme separate. Questo approccio riduce la latenza e migliora l’efficienza complessiva del sistema.

La roadmap futura include anche l’ottimizzazione dei costi operativi. Con l’aumento dei volumi di dati, Netflix sta esplorando soluzioni di storage tiered, che permettono di spostare automaticamente i dati meno frequentemente utilizzati su livelli di storage più economici mantenendo le performance ottimali per i dati ad accesso frequente.

Infine, Netflix continua a contribuire attivamente alla comunità open source di Cassandra, condividendo molti dei suoi strumenti e soluzioni custom. Questo approccio non solo accelera l’innovazione all’interno dell’azienda, ma rafforza anche l’ecosistema globale attorno alla tecnologia, beneficiando tutti gli utenti di Cassandra.

Le soluzioni ingegneristiche adottate da Netflix rappresentano un caso di studio eccellente su come affrontare le sfide della gestione dati su scala globale. Attraverso un’architettura basata su Apache Cassandra e NoSQL, combinata con strumenti custom e pratiche avanzate di ingegneria del software, Netflix è riuscita a costruire un sistema dati estremamente robusto, scalabile e performante che supporta la crescita aziendale e l’esperienza utente.

Se il tuo team sta affrontando sfide simili nella gestione dei dati su larga scala, Culture Digitali può aiutarti a implementare soluzioni basate su NoSQL che si adattano alle tue esigenze specifiche. La nostra expertise nell’architettura dati distribuita e nell’ottimizzazione delle performance ci permette di progettare soluzioni su misura per la tua azienda.

Prenota una demo delle nostre soluzioni AI.

Gestione del carico di picco: Avventure e lanci di serie

Quando Netflix lancia serie popolari o eventi di grande attesa, il carico di traffico può aumentare esponenzialmente, mettendo a dura prova qualsiasi infrastruttura tradizionale. Apache Cassandra, la base dati NoSQL distribuita scelta da Netflix, offre la soluzione ideale per gestire questi picchi senza interruzioni.

I benefici dell’architettura Cassandra sono evidenti: scalabilità lineare, disponibilità elevata e performance costanti anche durante i momenti di massimo stress. Questo permette a milioni di utenti accedere simultaneamente ai contenuti senza percepire rallentamenti.

Le metriche parlano chiaro: durante il lanci di serie come Stranger Things o Bridgerton, Netflix ha registrato picchi di traffico fino a 32 Tbps, servendo contenuti a più di 220 milioni di abbonati in 190 paesi. La base dati Cassandra ha garantito tempi di risposta inferiori ai 50ms anche in queste condizioni estreme.

La roadmap di Netflix ha continuato a evolvere l’implementazione, introducendo funzionalità come la replicazione geografica avanzata e il self-healing automatico per garantire la resilienza senza intervento manuale. Questi miglioramenti hanno ridotto i tempi di recupero dopo i picchi del 75%.

Culture Digitali aiuta le organizzazioni a implementare strategie simili per gestire i propri carichi di picco. La nostra expertise nell’ottimizzazione delle architetture NoSQL permette di garantire performance eccezionali anche nelle situazioni più critiche. Prenota una demo delle nostre soluzioni AI.

Backpressure e Circuit Breaker con Cassandra

Backpressure e Circuit Breaker con Cassandra

Nel contesto di Netflix, dove Cassandra gestisce petabyte di dati di stato utente e profilazione, la resilienza del sistema è fondamentale. L’approccio “graceful degradation” diventa essenziale per evitare il collasso a cascata. Le tecniche di Backpressure e Circuit Breaker sono implementate a livello applicativo per proteggere i cluster NoSQL da picchi di traffico e anomalie di rete.

• Backpressure dinamico: Quando la latenza di Cassandra supera le soglie di Service Level Agreement (SLA), le richieste in ingresso vengono rallentate o rate-limited. Invece di fallire bruscamente, il sistema assorbe il carico, garantendo che le operazioni critiche (come l’accesso al profilo) abbiano priorità su quelle non essenziali (come il raccomandazione calda). Questo mantiene l’uptime del servizio anche sotto carico estremo.
• Pattern Circuit Breaker: I client Cassandra (spesso basati su driver DataStax o implementazioni custom di Netflix) monitorano in tempo reale il tasso di errori e la latenza. Se una coordinazione node o un intero datacenter remoto mostra degrado, il “circuito” si apre. Le richieste vengono deviate verso cache locali (usando le Cassandra Rows come fallback) o risposte pre-calcolate, evitando il timeouts a catena.

Questa architettura proattiva riduce il MTTR (Mean Time To Recovery) e migliora l’esperienza utente, assicurando che Netflix resti accessibile anche durante manutenzioni o guasti parziali dell’infrastruttura NoSQL.

Tempi di Risposta (Latency) e SLOs

Netflix si affida a Apache Cassandra per gestire petabyte di dati e garantire tempi di risposta millisecondari, essenziali per un’esperienza streaming senza interruzioni. La latency viene mantenuta bassa attraverso un’architettura distribuita e ottimizzazioni specifiche del carico di lavoro, fondamentali per Culture Digitali che richiedono scalabilità e reattività.

• Architettura a Replicazione Multi-Datacenter: I dati sono replicati in ambienti geograficamente distribuiti, riducendo la distanza fisica tra l’utente e il nodo che risponde alla query. Questo approccio minimizza la latenza di rete e garantisce alta disponibilità, anche in caso di guasti locali.
• Consistenza Configurabile (Tunability): Netflix sfrutta la flessibilità di Cassandra per adattare il livello di consistenza (es. QUORUM, ONE) in base al contesto. Per operazioni non critiche si opta per bassa latenza (ONE), mentre per dati sensibili si garantisce coerenza forte. Questo bilanciamento ottimizza le prestazioni senza sacrificare l’integrità dei dati.
• Partitioning e Compaction Strategica: Il modello a colonne e il partitioning dei dati evitano colli di bottiglia. L’ottimizzazione degli SSTable tramite compaction riduce gli accessi ai disco (I/O), velocizzando le letture e mantenendo la latenza sotto controllo anche con volumi di dati crescenti.

Service Level Objectives (SLOs) e Metriche Chiave

Netflix definisce SLOs rigorosi per ogni servizio. I target per Cassandra includono:

• Latency P99 < 100ms: Garantisce che il 99% delle richieste superi la soglia massima, assicurando fluidità nell’interfaccia utente.
• Disponibilità > 99.99%: Obiettivo per prevenire interruzioni di servizio, fondamentale per il binge-watching e la fiducia dell’utente.
• Throughput scalabile: Capacità di gestire picchi di traffico (es. rilasci di nuove stagioni) senza degradare le prestazioni.

Tramite monitoring continuo (strumenti come Prometheus e Grafana), Netflix traccia metriche come latenza, error rate e utilizzo delle risorse, allineando le operazioni agli SLO e prevenendo deviazioni tramite alert proattivi. Questo approccio data-driven è un modello di riferimento per Culture Digitali mirate alla trasformazione digitale.

La precisione nei tempi di risposta non è solo una metrica tecnica, ma un driver di engagement e retention per gli utenti finali.

Puoi ottimizzare la tua infrastruttura come Netflix?

Scopri come Culture Digitali può adattare i principi di Cassandra e NoSQL alle tue esigenze. Implementiamo soluzioni su misura che riducono la latenza, garantiscono SLOs avanzati e supportano la tua crescita digitale.

Prenota una demo delle nostre soluzioni AI e inizia a trasformare la tua architettura dati per performance e scalabilità senza compromessi.

L’Evolution verso il Polistore (Polyglot Persistence)

Luigi Strazzullo

Luigi Strazzullo è docente e consulente aziendale in digital marketing oltre che divulgatore e blogger nelle materie riguardanti la tecnologia e l’innovazione digitale.
Da più di 10 anni è impegnato nelle attività di formazione e consulenza aiutando aziende nazionali ed internazionali a migliorare le loro performance grazie all’introduzione di strategie o nuove tecnologie