Vuoi conoscere trend e dati chiave del mondo Big Data?
Cosa sono i Big Data realmente
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.
La definizione di Big Data non è però sufficiente per offrire un quadro completo del fenomeno. 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).
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? Quali sono le metodologie di Analytics per fare business attraverso i Big Data? 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 & Business Analytics del Politecnico di Milano, da anni punto di riferimento per gli innovatori del settore.
Indice dei Contenuti:
Vuoi approfondire i temi dell'Osservatorio Big Data & Business Analytics?
Scopri Webinar, Report, Video e molto altro su Osservatori.net!
Inizia la prova gratuita di 30 giorni e accedi a centinaia di contenuti esclusivi
A cosa servono i Big Data oggi e perché sono così importanti
Siamo sempre più circondati da dati, insomma, ma la definizione di Big Data appena fornita in questa guida da sola non basta per comprendere il reale significato degli Analytics per il business. Come estrarre valore dai Big Data? 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.
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. 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.
Benefici per le imprese
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.
Impatti sulla Società
I Big Data Analytics rappresentano un fattore competitivo per le aziende, ma non solo: i dati sono al centro dei progetti di sviluppo sostenibile dei Paesi e possono migliorare la qualità delle nostre vite.
Big Data e Pandemia
Dopo la pandemia, sono ancora molte le opportunità aperte dalla raccolta e analisi avanzata dei Big Data. Alcuni esempi? Videocamere intelligenti, utilizzo dei dati mobile, analisi geo-spaziali.
Un po' di storia: dalle 3v alle 5v dei 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.
Veridicità
Qualità e affidabilità dei dati
Volume
Elevate moli di dati o in forte crescita
Velocità
Dati generati e acquisiti rapidamente
Varietà
Dati eterogenei per fonte e formato
Variabilità
Mutevolezza del significato in base al 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
Strumenti orientati a descrivere la situazione attuale e passata dei processi aziendali e/o aree funzionali.
Predictive Analytics
Strumenti avanzati che effettuano l’analisi dei dati per rispondere a domande relative a cosa potrebbe accadere nel futuro.
Prescriptive Analytics
Strumenti avanzati Capaci di proporre al decision-maker soluzioni strategiche sulla base delle analisi svolte.
Automated Analytics
Strumenti capaci di implementare autonomamente l’azione proposta in base al risultato delle analisi dati svolte.
Le metodologie di Predictive, Prescriptive e Automated Analytics si possono descrivere all'interno della categoria dei cosiddetti "Advanced Analytics". Come suggerisce l'espressione stessa, si tratta di realizzare progettualità avanzate, che hanno finalità almeno predittive e che possono avere un impatto molto rilevante su uno o più processi aziendali. Come realizzare un progetto di questo tipo? Vanno considerati diversi aspetti tecnologici, organizzativi e non solo.
Come impostare un progetto di Big Data Analytics
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 Analytics possono essere classificati poi in base al livello di maturità delle metodologie utilizzate nell’analisi dati. Quasi tutte le organizzazioni fanno uso di Descriptive Analytics, ma sta aumentando in modo considerevole anche la parte relativa ai livelli successivi più avanzati.
I Big Data nella pratica: gli 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.
I Big Data a servizio delle imprese: le best practice italiane!
La diffusione dei Big Data Analytics 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 apprezzando il lato "Analytics" delle metodologie in questione. Ma quanto è veramente diffuso il tema dei Big Data tra le aziende italiane? Proviamo a capirne di più.
Negli ultimi cinque anni, il mercato Big Data è cresciuto di più del 20% all’anno, trainato principalmente dagli investimenti delle grandi aziende. Il 2020 ha però portato un rallentamento nel settore della Data Science e dei Big Data Analytics. Nel mentre, le piccole e medie imprese si muovono più lentamente, in particolare a causa della difficoltà di reperire e attrarre le giuste competenze e dagli investimenti limitati a causa della crisi determinata dalla pandemia.
A livello internazionale, c’è molto fermento sul tema, ne è un esempio il panorama delle startup attive in ambito Big Data, aziende innovative che propongono nuove applicazioni per specifici settori o processi. Gli Analytics (e ancor più gli Advanced Analytics) non sono usciti del tutto sconfitti dall’emergenza Covid-19, tutt’altro. Tuttavia, l’emergenza sanitaria ha portato all’allargamento di un gap già presente nelle aziende italiane. L'Osservatorio Big Data & Business Analytics, servendosi dei dati dell'ultima Ricerca, ha realizzato diversi contenuti multimediali volti proprio ad approfondire questi trend.
VIDEO
L’evoluzione del mercato analytics in Italia
Scopri il video di approfondimento sull'evoluzione del mercato degli analytics in Italia.
ARTICOLO
Gli Analytics in Italia: la Data Science alla prova del Covid-19
Scopri l'approfondimento su come l'utilizzo dei Big Data ha aiutato a tenere traccia dello sviluppo della pandemia.
Dentro la trasformazione "data-driven" delle aziende
Con il termine data-driven, letteralmente guidato dai dati, si intende la costruzione di processi decisionali sempre di più basati sulle informazioni estraibili dai dati. Rendere data-driven i processi decisionali di un’organizzazione complessa comporta una rivisitazione delle competenze e dei modelli di governance. Per supportare questa trasformazione, l’Osservatorio Big Data & Business Analytics ha sviluppato un framework di sintesi, denominato Analytics Skill Journey, fondato su due direzioni.
ARTICOLO
Big Data e PMI italiane: le opportunità
Scopri quali opportunità interessanti esistono per le Piccole e Medie Imprese nell'utilizzo dei Big Data.
ARTICOLO
Startup e Big Data Analytics: la strada verso l'innovazione
Scopri come le Startup utilizzano i Big Data Analytics per i loro processi di innovazione aziendale.
I trend evolutivi dei Big Data
Detto di cosa si intende per Big Data 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?
Machine Learning
L’Apprendimento automatico consente già di prevedere il comportamento dei clienti e il riconoscimento di immagini, ma le potenzialità future sono numerose.
Real 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.
Nuove Architetture
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.
Data Literacy
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.
Professione Big Data - Le competenze per la gestione della Data Science
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. Approfondisci le skills e le competenze per gestire i Big Data
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 professioni fondamentali a cui deve rifarsi un'azienda "data-driven" per formare un team esperto di Big Data, veramente in grado di gestire la cosiddetta Data Science.
1. Data Analyst
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.
2. 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. Si occupa delle fasi di sviluppo, training e testing di modelli statistici e algoritmi di apprendimento automatico.
Scopri cosa fa e quanto guadagna un Data Scientist
3. Data Engineer
Gestisce le fasi di raccolta, processamento e integrazione dei dati. Rende i dati disponibili per le analisi nel giusto formato.
4. Data Science Manager
Gestisce l'intero processo di Data Science, coordinando un team centralizzato o favorendo la crescita e la formazione di figure di Data Science distribuite in azienda
5. Analytics Translator
"Traduttore" tra la Data Science e il business. Sa tradurre gli use case in linguaggio analitico ed è in grado di interpretare i risultati delle analisi.
Vuoi restare aggiornato sulle ultime novità a tema Big Data?
Big Data: le scelte tecnologiche 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, tecnologicamente all'avanguardia proviamo a fare ordine sulle principali scelte tecnologiche nelle diverse fasi di "gestione del dato": dall'impostazione della Data Strategy al Data Management senza dimenticare le fasi di Data Integration e Data Visualization.
Data Strategy: valorizzare i dati
Un piano d’azione di lungo termine volto al raggiungimento di un obiettivo specifico: valorizzare internamente e/o esternamente i dati. Come si struttura una buona Data Strategy che sia allineata agli obiettivi di business e in grado di gestire Big Data? Dalla Data Governance agli Advanced Analytics, passando per la monetizzazione diretta dei dati, una buona gestione dei dati impone ripensamenti tecnologici e organizzativi.
Data Management: gestire dati complessi
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.
Data Integration: dal Data Warehouse al Data Lake
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!
Data Visualization: raccontare i Big Data
L’esigenza di raccontare fenomeni più o meno complessi attraverso forme, grafici ed infografiche trova risposta nella Data Visualization. Dopo l’avvento dei Big Data, nelle aziende si sono resi necessari strumenti di visualizzazione più evoluti: dal classico report, ci si è orientati verso i concetti di dashboard, per sopperire alla necessità degli utenti di rappresentare fenomeni complessi e dinamici, in tempo reale e totale autonomia.
La Privacy ai tempi dei Big Data Analytics
Tutto questo proliferare di dati, opportunità per il business, metodologie, competenze e tecnologie ci pone davanti il problema della privacy. Chiudiamo quindi la lunga guida con un approfondimento sull'impatto degli Analytics sulla protezione dei dati personali. L'analisi e la gestione dei Big Data comportano, 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.
Hai bisogno di maggiori informazioni sui servizi di Osservatori Digital Innovation? Contattaci
+39 345 5898 554 alessia.barone@osservatori.netInizia ora il tuo aggiornamento professionale
PROGRAMMA TEMATICO 2023
Big Data & Analytics Strategy
Capire meglio le principali tendenze in ambito gestione e analisi dei dati. L'Osservatorio Big Data e Business Analytics del Politecnico di Milano offre un’occasione unica a tutti i professionisti del settore per indagare le reali opportunità dei Big Data Analytics e le competenze e le tecnologie necessarie per la corretta gestione della Data Science: un programma di Webinar e Workshop che puoi seguire in diretta e/o On Demand.
