Le 5V dei Big Data: dal Volume al Valore

Aggiornato il / Creato il / Di Alessandro Piva

Nel 2001, Doug Laney, allora vicepresidente e Service Director dell’azienda Meta Group, descrisse in un report il Modello delle 3V relativo alle 3V dei Big DataVolume, Velocità e Varietà. Un modello semplice e sintetico per definire dei nuovi dati, generati dell’aumento delle fonti informative e più in generale dall’evoluzione delle tecnologie. Il paradigma di Laney è stato poi arricchito dalle variabili di Veridicità e Variabilità e per questo si parla di 5V dei Big Data. Nel corso degli ultimi anni, però, si è aggiunta una sesta V, focalizzata sul valore generato dai dati.

All’interno di questo articolo esploreremo nel dettaglio tutte e 6 le V dei Big Data, grazie all’aiuto dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano.

Le 3V dei Big Data: quali sono?

Si definiscono Big Data quei dati che abbiano almeno una delle seguenti caratteristiche:

Volume

Ogni giorno, in moltissime attività della nostra vita quotidiana, generiamo dati. Con volume si fa riferimento quindi a quest’ingente massa di informazioni, che non è possibile raccogliere con tecnologie tradizionali. Il volume dei dati è in continua crescita. Proprio per questo è difficile identificare un valore limite al di sopra del quale si può parlare di Big Data.

Velocità

I dati nascono e vengono acquisiti sempre più rapidamente. Basta pensare alla proliferazione di dispositivi dotati di sensoristica capace di raccogliere dati in tempo reale. La sfida, con cui le aziende sono chiamate a confrontarsi è la necessità non solo di raccogliere questi dati, ma anche analizzarli in tempo reale, per poter prendere decisioni di business con la maggiore tempestività possibile.

Varietà

“More isn’t just more. More is different.” – così scriveva Chris Anderson sul magazine Wired nel 2008. Con varietà si fa riferimento proprio alle differenti tipologie di dati oggi disponibili, provenienti da un numero crescente di fonti eterogenee. Non solo sistemi transazionali e gestionali aziendali, ma anche sensori, social network, open data. Dati sia strutturati che sono sempre di più non solo dati interni all’organizzazione, ma anche acquisiti esternamente.

Perché oggi parliamo di 5V?

5v in big-dataNei primi anni 2000 si definivano i Big Data con tre parole: volume, velocità e varietà. Con il passare degli anni, mentre il termine perdeva la sua aurea fantascientifica per diventare sempre più concreto e applicabile nelle aziende, ci si è chiesto se non vi fossero altre caratteristiche da mettere in risalto.

Hanno arricchito il modello due nuove V. Le 5V dei Big Data sono dunque volte a definire come questi nuovi dati debbano essere utilizzati:

Veridicità

Tra gli addetti al settore, alcuni usano dire “Bad data is worse than no data”. I dati devono essere affidabili, raccontare il vero. Con i Big Data questa sfida è ancora più difficile da affrontare: cambiano le tecnologie di gestione dei dati, cambia la velocità con la quale i dati vengono raccolti e aumentano le fonti. La qualità e l’integrità delle informazioni rimane però un pilastro imprescindibile per dar vita ad analisi che siano utili e affidabili.

Variabilità

Come abbiamo già accennato, i dati sono sempre molti di più e si presentano in diversi formati e provenienti da contesti differenzi. La mutevolezza del loro significato è un aspetto da tenere in considerazione nel momento in cui i dati vengono interpretati. Ancor di più, se a farlo è un utente che lavora in una linea di business e non solo il data scientist.

Il valore e le 6V dei Big Data

I Big Data sono stati definiti negli ultimi anni come il nuovo petrolio o il nuovo oro, ovvero una fonte inestimabile di valore. È esattamente così. Limitarsi a raccogliere i dati, però, pur sfruttando le migliori tecnologie disponibili sul mercato, non garantisce di avere informazioni e soprattutto di estrarre conoscenza.

Parlare di dati, informazioni e conoscenza vuol dire parlare di aspetti in relazione tra loro ma differenti. Per definizione un dato è una rappresentazione codificata di un'entità, di un fenomeno, di una transazione, di un avvenimento. L’informazione è il risultato di un processo di analisi del dato, spesso ha significato soltanto per colui che opera nel dominio di generazione del dato. La conoscenza si ottiene quando una persona utilizza le informazioni per prendere decisioni e realizzare azioni, quando le informazioni vengono utilizzate per esser messe “in pratica”.

Per attuare questo processo, e far sì che i Big Data possano essere trasformati in informazioni da utilizzare nei processi aziendali costruendo conoscenza per migliorare le performance, sono necessari strumenti di Analytics. Oltre il modello delle 5V, quindi, è doveroso considerare una ulteriore V: il valore. Qui sono le metodologie di Big Data Analytics ad essere fondamentali, attraverso il loro utilizzo un’azienda può estrarre valore, ovvero prendere decisioni più informate, tempestive e consapevoli, dal vasto mondo dei Big Data.

Il concetto di valore all’interno delle 6V dei Big Data è relativamente eterogeneo: la proliferazione esponenziale dei Big Data ha minato in qualche modo il valore, rendendo spesso i dati come una mera commodity. Uno dei più importanti cambi di visione è legato alla nascita dell’era dei Great Data, frutto di una crescente consapevolezza che la qualità dei dati è altrettanto critica quanto la loro quantità. La sfida ora non è solo raccogliere dati massicci, ma assicurare che siano orientati agli obiettivi aziendali e quindi generino valore.

Il valore economico dei Big Data e la Data Governance

Sorge dunque l'esigenza di quantificare il valore economico dei dati, con l’obiettivo di trasformare i Big Data da commodity ad asset, comprendendone il valore economico-finanziario prodotto dai dati e, intrinsecamente, attribuibile ai dati stessi. I dati possono contribuire a efficientare e ottimizzare processi e decisioni interne, così come abilitare nuovi servizi e business model.

La trasformazione verso una prospettiva orientata ai Great Data sottolinea quindi la necessità di quantificare il valore economico dei progetti e dei prodotti dati, al netto degli investimenti che stanno compiendo per acquisire tecnologie e competenze. Le aziende stanno cercando di determinare non solo quanto ricavano dall'analisi dei dati, ma anche quanto profitto generano grazie a tali iniziative. La creazione di un valore economico tangibile diventa un elemento cruciale nella giustificazione degli investimenti in Big Data Analytics.

In questo contesto, emergono anche le metodologie di Data Governance come fattore chiave nel generare valore. Una governance dei dati efficace garantisce la qualità necessaria per generare benefici economici e, inoltre, crea anche un ambiente in cui i dati possono essere utilizzati in modo ottimale per raggiungere gli obiettivi aziendali.

In conclusione, la 6° V è più che mai al centro dell’attenzione; la capacità di quantificare il valore economico dei dati, dei progetti e dei prodotti dati, insieme al valore derivante dalle metodologie di Data Governance, è essenziale per comprendere il valore dei dati, l’efficacia delle strategie data-driven e guidare nuovi investimenti aziendali.

Vuoi conoscere e sfruttare al meglio le potenzialità dei Big Data Analytics per la tua azienda?

Scopri il Programma

  • Autore

Direttore degli Osservatori Cyber Security & Data Protection, Artificial Intelligence e Cloud Transformation e Responsabile della Ricerca dell'Osservatorio Big Data & Business Analytics.