Il 2020 ha portato un rallentamento nel settore della Data Science e dei Big Data Analytics. Dopo diversi anni di crescita a doppia cifra, negli ultimi anni superiore al 20%, il 2020 fa registrare un brusco rallentamento al mercato Analytics in Italia. La spesa delle aziende italiane in infrastrutture, software e servizi per gestire e analizzare i dati raggiunge il valore di 1,815 miliardi, con un incremento del +6%.
Questi i principali messaggi con cui Carlo Vercellis, responsabile scientifico dell’Osservatorio Big Data & Business Analytics, ha aperto il Convegno “Analytics divide: un gap che va colmato”, consueto appuntamento annuale nel quale si fa il punto sullo stato dell’arte dell’analisi dei dati nelle organizzazioni italiane.
"Analytics Divide: un gap che va colmato"
I numeri e i dati chiave sui Big Data in Italia
Gli Analytics in Italia: il bilancio del 2020
Gli Analytics (e ancor più gli Advanced Analytics) non escono però sconfitti dall’emergenza Covid-19, tutt’altro. Il contesto competitivo sempre più serrato e le conseguenze della crisi sanitaria rendono ancor più necessario basare le decisioni strategiche su dati di buona qualità e analizzati nel modo corretto, con un’attenzione crescente all’efficienza dei processi e alla personalizzazione della relazione con il cliente.
Tuttavia, come uno stress test, l’emergenza sanitaria ha portato all’allargamento di un gap già presente nelle aziende italiane.
- Da un lato, le organizzazioni già mature in ambito Analytics hanno saputo re-inventarsi, proseguendo – e in alcuni casi accelerando – il percorso avviato negli anni precedenti.
- Dall’altra parte, le aziende con un approccio tradizionale, limitato a classiche attività di Business Intelligence e fortemente sbilanciato sul supporto di consulenti esterni, hanno interrotto o posticipato alcuni investimenti in atto.
Il ruolo degli Advanced Analytics: le sfide e le evoluzioni
Che cosa significa sviluppare una progettualità di Advanced Analytics? In breve, realizzare un progetto di analisi dei dati che utilizzi metodologie che ricadono in una delle seguenti categorie: Predictive Analytics, Prescriptive Analytics e Automated Analytics.
A partire da questo concetto, Alessandro Piva, Responsabile della Ricerca dell’Osservatorio, descrive l’attuale maturità delle grandi aziende in quest’ambito. Le variabili prese in considerazioni dalla ricerca sono quattro: consapevolezza sulle opportunità degli Advanced Analytics, presenza in azienda di competenze di Data Science, sperimentazioni avviate negli ultimi tre anni, presenza di progetti operativi che hanno di fatto già modificato alcuni processi in ottica data-driven.
L’immagine qui riportata descrive la mappatura delle grandi aziende (scarica l’infografica Big Data completa).
Le categorie in fase sperimentale e data-driven possono essere considerate mature in ambito Advanced Analytics anche se, come è noto, aumentare la propria capacità di valorizzare i dati è un percorso che non ha mai fine!
Alessandro Pessi, Operational Excellence Site Head di TEVA Italia, ha condiviso con noi le progettualità in ambito Computer Vision sviluppate nella sua precedente esperienza lavorativa, in Pirelli.
A seguire, Serena Arrighi, CEO di BNova, ha aperto la strada alla necessità analisi multimodali, che uniscano analisi dei testi all’analisi delle immagini.
Massimo Rosso, Direttore ICT di RAI, nell’analizzare l’utilizzo degli algoritmi in azienda, ha posto l’accento sulla sfida principe: gestire tecnologie del XXI secolo con una mentalità del XX secolo, in un contesto sociale e istituzionale vicino al XIX secolo.
Infine, Fabrizio Marini - Data Analytics Domain Leader, Cloudera Italia ha evidenziato la necessità di avere strumenti che gestiscano in maniera orizzontale tutto il ciclo di vita dei dati.
Navigare nel buio: gestire la Data Science nel 2020
Nelle aziende mature, l’emergenza sanitaria non ha ridotto il ruolo delle figure di Data Science: soltanto nel 14% dei casi il tema della valorizzazione dei dati è stato posto in secondo piano rispetto ad altre priorità, percentuale che raggiunge il 45% tra le aziende immature. Inoltre, nel 43% delle aziende mature, le risorse di Data Science si sono trovate a dar risposta a maggiori richieste informative contingenti e nel 31% l’emergenza ha accelerato il cambiamento culturale in ottica data-driven. Queste percentuali si fermano rispettivamente al 30% e al 17% tra le aziende immature.
Le organizzazioni che avevano già avviato un percorso strutturato nell’ambito degli Advanced Analytics hanno dunque proseguito con convinzione, seppur riducendo, nel 25% dei casi, gli investimenti previsti, dato confermato dal rallentamento della crescita del mercato. Queste realtà hanno però saputo valorizzare al meglio le risorse già presenti internamente, sia in termini di competenze sia in termini di tecnologie e dati da utilizzare. Dall’altro lato, si nota un preoccupante rallentamento da parte di quelle aziende che negli anni scorsi avevano già accumulato dei ritardi su questo tema.
Antonella Crea, Manager di Data Reply, ha sottolineato come - nonostante i rallentamenti vissuti a inizio 2020 – molti clienti abbiano acquisito da giugno in avanti maggior consapevolezza dell’importanza del dato in questo momento storico.
Davide Cervellin, Chief Data & Insurance Officer di Telepass, ci ha ricordato che i dati sono stati la bussola con cui navigare in un 2020 in tempesta.
Francesco Marzoni, Head of Analytics, Data & Integration di Nestlè – dal punto di vista di una realtà multinazionale estremamente ben strutturata in ambito Analytics (con circa 45.000 utilizzatori interni!) – ha condiviso con noi la nascita di una Covid Analytics Task force, un team multifunzionale creato per supportare i diversi mercati nel pieno della crisi sanitaria.
Infine, Claudio Zamboni, Chief Revenue Officer di Datrix, ha posto sul tavolo il tema degli Augmented Analytics, approccio che potrebbe supportare le aziende più tradizionali nel passaggio verso Analytics avanzati.
Dati e Business: un rapporto di amore e odio
A me il compito, nel corso dell’evento, di approfondire il tema della Data Strategy, intesa sia come attività di data governance sia come condivisione degli insight (in che modo i risultati delle analisi arrivano agli utenti finali?).
In linea teorica, c’è grande consapevolezza della rilevanza di temi quali Data Management e Data Governance per accelerare l’innovazione in ambito Analytics. Tuttavia, nel concreto, le organizzazioni si muovono lentamente. La Data Governance è gestita in modo informale e non strutturato da più di una grande azienda su due e il 43% delle grandi aziende dichiara inadeguato il livello di qualità dei propri dati. Inoltre, gli utenti di business sono realmente coinvolti in queste attività soltanto nel 27% dei casi. Inoltre, tra gli aspetti tecnologici, il tema dell’integrazione dei dati risulta essere il più critico per le aziende e lo è ancora di più per le Piccole e Medie Imprese, tra le quali solo una su quattro ha avviato progetti di integrazione dei dati interni provenienti da diversi processi aziendali.
Infine, nonostante l’offerta tecnologica evolva velocemente verso il Self-Service Data Analytics, cioè la maggiore autonomia degli utenti non specialisti nell’interazione con i dati, solo il 14% delle grandi aziende sfrutta in maniera pervasiva strumenti evoluti di Visual Data Discovery, ossia strumenti che abilitano attività di data preparation e sviluppi di semplici modelli predittivi in logica drag-and-drop, senza necessarie competenze di programmazione.
Stefano Gatti, Head of Data & Analytics di Nexi, ci ha ricordato che la Data Governance ha ancora un’accezione troppo burocratica, mentre va spiegato al business che Data Governance è anche usabilità del dato.
Andrea Zinno, Data Evangelist di Denodo, ha descritto con una battuta il rapporto tra dati e figure di business: “È un po’ alla Sandra e Raimondo, si bisticcia tanto ma alla fine ci si vuole bene”.
Con Giuseppe Sindoni, Chief Data Officer del Comune di Milano, abbiamo ripercorso l’esperienza del comune nella creazione di una struttura di Data Science che passo dopo passo cerca di trasformare i processi in ottica data-driven.
Infine, Michele Cumin, Regional Sales Director Financial Services di Tableau–Salesforce, ha evidenziato l’importanza di strumenti che permettano di nascondere all’utente finale la complessità che c’è dietro, abilitando in modo agile decisioni sui dati.
Analytics in Italia: le esperienze dei protagonisti
Il Convegno, nel corso del pomeriggio, ha avuto il piacere di raccontare diverse esperienze in ambito gestione e analisi dei dati, con video-interviste ad esperti del settore e aziende che hanno avviato simili attività.
Abbiamo parlato di:
"Analytics Divide: un gap che va colmato"
I numeri e i dati chiave sui Big Data in Italia
- Autore
Gli ultimi articoli di Irene Di Deo
