Cosa sono i Big Data

Si scrive Big Data e si legge come una delle evoluzioni più profonde e pervasive del mondo digitale. Un trend destinato a rimanere e a incidere profondamente sulla nostra vita e sul nostro modo di fare business.

Per definire cosa sono i Big Data pensiamo un attimo al nostro quotidiano: interazioni sui social network, un click su un sito web, i nostri smartphone interconnessi. Tutto ciò genera una mole di dati incredibilmente più elevata di qualche decennio fa. Enormi volumi di dati eterogenei per fonte e formato, analizzabili in tempo reale: tutto questo sono i Big Data. In breve, tre le caratteristiche fondamentali: volume, velocità e varietà.

Siamo sempre più circondati da dati, insomma, ma la definizione di Big Data da sola non basta per comprendere appieno il fenomeno. Come estrarne valore? Sono le competenze e le tecnologie di Analytics a trasformare i dati grezzi in informazioni di valore per i decision maker aziendali: è oggi possibile ottenere vantaggio competitivo grazie a decisioni tempestive e più informate, non solo per le organizzazioni più grandi ma anche per le piccole e medie imprese. Il che non è un dettaglio. Parlare di Big Data non vuol dire parlare soltanto di grandi moli di dati, la trasformazione in atto è più profonda. Cambia il processo di raccolta e gestione dei dati, si evolvono le tecnologie a supporto del ciclo di vita del dato e si sviluppano nuove competenze per la valorizzazione del dato (tratteremo a lungo la centralità della figura del Data Scientist).


I Big Data in numeri: mercato, trend e prospettive!
Scarica l'Infografica

La definizione di Big Data, insomma, non è sufficiente per offrire un quadro completo del fenomeno. Perché sono importanti i Big Data e qual è il loro livello di adozione all’interno delle aziende? Quanto vale il mercato Big Data in Italia e quali sono i progetti di spicco nel nostro Paese? Le domande sono tante e le implicazioni toccano anche ambiti trasversali e sensibili come quello della Privacy e della tutela dei dati personali. Proviamo a rispondere ai quesiti più incalzanti con un’unica grande certezza: il tempo dei Big Data è adesso, domani è già troppo tardi! Ad aiutarci nell'impresa, i contributi e gli spunti originali dell'Osservatorio Big Data Analytics & Business Intelligence, da anni punto di riferimento per gli innovatori del settore.

In questa pagina approfondiremo:

Di Big Data Analytics se ne fa un gran parlare, in ogni ambito. I dati sono il nuovo petrolio e saperne estrarre valore è la vera chiave competitiva per grandi aziende e PMI. La rilevanza dei Big Data è confermata anche dai numeri: il mercato degli Analytics, come vedremo nel seguito della guida, continua a crescere e la gestione dei Big Data si conferma ai vertici tra le priorità di investimento di CIO e Innovation Manager italiani. Come possono essere utilizzati i Big Data nelle aziende? In vari modi, per raggiungere diversi obiettivi, per ottenere molteplici benefici di tipo economico, ma anche sociale.
>> Scopri vantaggi e opportunità dei Big Data per il business

a cosa servono i big data

Nel 2001, Doug Laney, allora vice presidente e Service Director dell’azienda Meta Group, descrisse in un report il Modello delle 3V relativo alle 3V dei Big Data: Volume, Velocità e Varietà. Un modello semplice e sintetico per definire dei nuovi dati, generati dall’aumento delle fonti informative e più in generale dall’evoluzione delle tecnologie. Oggi il paradigma di Laney è stato arricchito dalle variabili di Veridicità e Variabilità e per questo si parla di 5V dei Big Data.    >> Esplora il valore dei Big Data

volume dei big data
Volume

Elevate moli di dati (più di 50 TB) o in forte crescita (>50% annua)

velocità dei big data
Velocità

Dati generati e
acquisiti rapidamente

varietà big data
Varietà

Dati eterogenei
per fonte e formato

veridicità big data
Veridicità

Qualità e
affidabilità dei dati

variabilità dei big data
Variabilità

Mutevolezza del significato di un dato
a seconda del contesto

Big Data Analytics: progetti, metodologie e applicazioni

Analizzare grandi moli di dati permette di generare nuova conoscenza utile per prendere decisioni più consapevoli, in ambito business e non solo. Dalla personalizzazione della comunicazione con il cliente all’efficientamento dei processi produttivi, passando per la gestione dei flussi e delle emergenze, i Big Data Analytics hanno un impatto in tutti i processi.

Tutto ciò è reso possibile da tecnologie che permettono di gestire dati destrutturati e processare ampi volumi di dati in tempo reale ma anche dalla diffusione di algoritmi e metodologie di analisi innovative, in grado di estrapolare autonomamente le informazioni nascoste nei dati. Dopo la teoria e le prime definizioni del mondo Big Data, è bene passare alla pratica. Nei prossimi passi di questa guida faremo dunque il punto sulle principali progettualità e metodologie Analytics con un occhio ad alcuni esempi applicativi di adozione dei Big Data Analytics. Iniziamo con le quattro classi di Analytics utilizzate nell'analisi dati:

descriptive analytics

DESCRIPTIVE ANALYTICS

 

Strumenti orientati a descrivere la situazione attuale e passata dei processi aziendali e/o aree funzionali.

predictiive analytics

PREDICTIVE ANALYTICS

 

Strumenti avanzati che effettuano l’analisi dei dati per rispondere a domande relative a cosa potrebbe accadere nel futuro.

prescriptive analytics

PRESCRIPTIVE ANALYTICS

 

Strumenti avanzati Capaci di proporre al decision-maker soluzioni strategiche sulla base delle analisi svolte.

automated analytics

AUTOMATED ANALYTICS

 

Strumenti capaci di implementare autonomamente l’azione proposta in base al risultato delle analisi dati svolte.

big data analytics progetti

Realizzare un progetto di analisi e gestione dei Big Data all'interno di un'azienda vuol dire fronteggiare diverse sfide legate agli obiettivi di business da perseguire, agli strumenti tecnologici a disposizione e alle competenze da mettere in campo. I progetti di Big Data Analytics possono essere classificati poi in base al livello di maturità delle metodologie utilizzate nell’analisi dati. In base a questi livelli è possibile, come visto, identificare quattro classi o metodologie di Analytics: Descriptive, Predictive, Prescriptive e Automated. Quasi tutte le organizzazioni fanno uso di Descriptive Analytics, ma sta aumentando in modo considerevole anche la parte relativa ai livelli successivi più avanzati.
>> Scopri come fare Big Data Analysis

big data esempi applicativi

Dai dispositivi connessi ai social network, dai satelliti al web, l’esplosione della mole di dati a disposizione e l’evoluzione delle tecnologie per raccoglierli, gestirli e analizzarli ha aperto nuovi scenari e interessanti opportunità per le aziende. Sebbene il termine Big Data sia molto spesso abusato, quello degli Analytics è un universo in grado di impattare trasversalmente in processi aziendali e non solo: sono tanti gli esempi applicativi che possono aiutare a rendere tale idea. Dal loro utilizzo nel marketing e nella comunicazione, al loro contributo nella prevenzione delle frodi, passando per l'ottimizzazione dei flussi turistici e il loro utilizzo in sanità.
>> Scopri i principali esempi di Big Data Analytics


I Big Data mai in vacanza: il caso "Lastminute.com"
Approfondisci il caso

La diffusione dei Big Data in Italia

Abbiamo definito i Big Data sia da un punto di vista teorico - cogliendone significato, importanza, storia e valore - sia da un punto di vista pratico, apprezzandone il lato "Analytics" della metodologie in questione. Ma quanto è veramente diffuso il tema dei Big Data tra le aziende e i consumatori italiani? Proviamo a capirne di più. Negli ultimi tre anni, il mercato Big Data è cresciuto di più del 20% all’anno, trainato principalmente dagli investimenti delle grandi aziende. Tra queste, la maggior parte ha in corso progetti di miglioramento della propria capacità di analisi dei dati e sta investendo per internalizzare competenze di Data Science. Le piccole e medie imprese invece arrancano: faticano a comprendere i benefici di investire in Big Data Analytics e non riescono ad attrarre le giuste competenze. Cresce invece il numero di startup in ambito Big Data in Italia, proponendo applicazioni innovative per specifici settori o processi.

bigdata nelle pmi italiane

Cosa significa per una piccola o media impresa approcciarsi ai Big Data? Quali sono le reali opportunità offerte da questo nuovo mondo? E quali possono essere, invece, i rischi di un approccio troppo tardivo? Dai dati in possesso all'Osservatorio Big Data Analytics & Business Intelligence risultano molteplici le opportunità tutt’oggi inesplorate: solo il 7% delle aziende ha implementato progetti di Big Data Analytics e le PMI pesano poco più del 10% sul mercato Analytics. Scarsità di risorse o scarsità di competenze?
>> Scopri di più su Big Data e PMI

big data e startup

Sono oltre 400 le startup operanti nel mercato Big Data Analytics individuate nel 2018 dagli Osservatori Digital Innovation del Politecnico di Milano. Si tratta di aziende fondate dal 2013 in poi e che hanno ricevuto almeno uno o più finanziamenti da investitori istituzionali negli ultimi 3 anni. La somma dei finanziamenti ricevuti dalle aziende oggetto d’analisi ha totalizzato 4,74 miliardi di dollari. Una cifra molto interessante per un connubio startup e grandi aziende, che sta crescendo e lascia ben sperare.
>> Esplora l'ecosistema startup dei Big Data

big data in italia

Nel 2018 il mercato Big Data Analytics in Italia ha raggiunto un valore di quasi 1,4 miliardi di euro, con un tasso di crescita del 26%. Questo trend positivo, trainato principalmente dalle grandi imprese (sopra i 250 addetti), è dovuto ad una maggiore consapevolezza sul tema da parte delle aziende e all’utilizzo crescente di nuove tecnologie abilitanti. A fronte di questa crescita esponenziale, è possibile classificare gli investimenti in Analytics in tre tipologie principali e - all’interno di queste - identificare gli atti di moto delle singole componenti. Una scomposizione che, numeri alla mano, ci fa entrare nel cuore di questo settore. >> Scopri come evolve il mercato dei Big Data

Detto di cosa si intende per Big Data, di come si declina e del livello di diffusione tra le imprese italiane, è il momento di tracciare la strada per il futuro di questo paradigma. Tecnologia, processi, organizzazione, cultura aziendale: la trasformazione digitale abilitata dagli Analytics in azienda si concretizza in cambiamenti che coinvolgono tutti questi ambiti. Ma quali sono le tendenze in atto a livello italiano e internazionale nel mondo Big Data Analytics?   >> Scopri i trend da tenere d'occhio per il 2019

big data e machine learning

L’Apprendimento automatico consente già di prevedere il comportamento dei clienti e il riconoscimento di immagini, ma le potenzialità future sono numerose

realt time analytics

Svolgere l’analisi dei dati in tempo reale favorisce la velocità di quest'ultima, un vantaggio competitivo in termini di processi interni e miglioramento dei prodotti

frontiere architetturali big data

Sistemi open source (su tutti il framework software Hadoop) per l’analisi parallela di dati o per l’analisi in tempo reale contribuiscono alla nascita di nuovi modelli di Analytics

hybrid cloud

Connettere il proprio ambiente privato con uno o più sistemi di Public Cloud consente di limitare i movimenti dei dati e di eseguire le analisi dove i dati sono memorizzati

big data visualization

La capacità di organizzare e interpretare i dati per comunicare informazioni è una competenza sempre più importante per le aziende, soprattutto tra le figure manageriali

data monetization

Poiché i dati sono diventati una “materia prima” che attira sempre più investimenti, venderne le informazioni derivanti significa monetizzare e generare business


Vuoi conoscere le ultime novità sul mondo dei Big Data?
Guarda l'evento

L'avvento dei Big Data fa breccia nelle aziende sotto diversi aspetti. Cambiano le priorità di investimento, evolvono tecnologie e modelli interpretativi e, di conseguenza, le aziende corrono ai ripari, creando veri e propri team di professionisti volti alla gestione e alla valorizzazione di questa grande mole di dati. Ma chi sono i professionisti dei Big Data, i cosiddetti "specialisti della Data Science"? Analisti, matematici, informatici, esperti in economia? Nessuno di questi. O meglio, tutti questi messi insieme. La Data Science è una materia complessa, i cui confini sono difficili da tracciare. Non a caso, i professionisti della Data Science provengono dai percorsi di formazione più disparati: dall’informatica all’economia, passando per statistica, matematica o fisica. Fare ordine non è facile, ma ci abbiamo provato, individuando le cinque aree di competenza fondamentali a cui deve& rifarsi un esperto di Big Data e le figure professionali più diffuse nelle aziende cosiddette "data-driven". Il quadro è tracciato, o quasi...   >> Scopri skills e competenze per la Data Science

big data scientist

Per molti è il mestiere del futuro. Per altri è già quello del presente. Il Data Scientist è la figura professionale che comunemente si associa alla capacità di gestire i Big Data e trarne informazioni rilevanti. Tuttavia, forse proprio per l’interesse che ha suscitato a livello globale, questa nuova figura ha generato molta confusione, sin dalle sue origini. Per questo motivo diventa necessario far chiarezza sulle competenze distintive di questa nuova figura professionale all'interno delle aziende e sui tanti altri aspetti che le ruotano intorno. Uno su tutti? Lo stipendio. Quanto guadagna uno specialista dei Big Data e come si diventa Data Scientist?
>> Scopri di più sulla professione del Data Scientist

big data analyst

Meno “sexy” del Data Scientist, ma ugualmente ricercato e sempre più fondamentale nella gestione della Data Science. Il Data Analyst è colui che esplora, analizza e interpreta i dati, con l’obiettivo di estrapolare informazioni utili al processo decisionale. In altre parole, l’obiettivo del suo lavoro è ricercare evidenze quantitative all’interno di grandi moli di dati, supportando in tal mondo le decisioni di business. Nel concreto cosa fa e quali strumenti utilizza l'analista dei dati? Qual è il suo background e lo stipendio medio? Quanto è diffuso nelle grandi aziende italiane? Tutte domande a cui abbiamo provato a dare rispondere.
>> Scopri di più sulla professione del Data Analyst

Big Data: le tecnologie abilitanti

Oltre alle competenze utili alla gestione della Data Science, un altro elemento abilitante la valorizzazione dei Big Data è l’infrastruttura tecnologica. Per citare i trend del momento, le tecnologie più innovative permettono lo sviluppo di analisi avanzate (abilitate dagli algoritmi di Machine Learning), l’ingestion e l’analisi dei dati in tempo reale e l’integrazione di tipologie di dati sempre più eterogenee. L’ecosistema tecnologico legato ai Big Data è però estremamente vario, tanti sono i nuovi strumenti e numerose le nuove sfide da affrontare. Per comprendere come costruire un’architettura Big Data, proviamo a fare ordine sulle principali scelte tecnologiche nelle diverse fasi: Data Integration, Data Management e Data Analysis.

big data integration

Oggi molte aziende gestiscono i dati con soluzioni tradizionali come i silos o i Data Warehouse, ma gli attori più proattivi si stanno muovendo verso strumenti più avanzati per l’integrazione dati. Il Data Lake è uno di questi. In un contesto ottimale, il Data Lake dovrebbe essere affiancato da un Data Warehouse, in modo da sviluppare un Modello Integrato che risponda alle diverse esigenze di analisi dati: tutto ciò significa estrarre il vero valore dei Big Data!

Scopri di più
big data management

Si dice che l’80% del tempo dei Data Scientist sia dedicato alla preparazione e alla pulizia dei dati. Varietà, volume e velocità: maggiore è la complessità dei dati, maggiore sarà il tempo da dedicare ad attività preliminari all’analisi. Inoltre, le norme impongono sempre maggiore attenzione sul trattamento dei dati. Gli strumenti di Data Management, Data Governance e Data Preparation sono per questo in grande evoluzione.

Scopri di più
velocità di analisi dei dati

I Real Time Analytics rappresentano una delle principali fonti di vantaggio competitivo per le aziende. La velocità, d'altronde, è una delle tre V che compongono la definizione di Big Data ed è una caratteristica che sta finalmente prendendo concretezza nelle grandi aziende. Sono diverse le progettualità abilitate dall’analisi dei dati in real time e il potenziale innovativo dei Real-time Analytics non riguarda soltanto monitoraggio e analisi interna.

Scopri di più

Tutto questo proliferare di dati, opportunità per il business, metodologie, competenze e tecnologie ci pone davanti il problema della privacy. L'analisi e la gestione dei Big Data comporta infatti enormi criticità dal punto di vista del trattamento dei dati personali e della tutela della privacy. L'entrata in vigore del GDPR, inoltre, ha ridisegnato i confini della protezione dei dati personali. Come sfruttare a pieno la portata innovativa dei Big Data senza incappare in evitabili sanzioni? Per capirlo è necessario indagare a fondo i problemi normativi legati ai Big Data Analytics e le linee guida di trasparenza e liceità raccomandate a livello internazionale.
>> Scopri di più sul rapporto Big Data e Privacy

big data e potezione dei dati personali
Iscriviti al sito per restare aggiornato sui temi dell'Innovazione Digitale         Iscriviti
Torna su