Sull’importanza dell’analisi dei dati per lo sviluppo di un gran numero di business ci sono ormai pochi dubbi. Il percorso delle aziende verso la digital transformation ha ormai re-so chiaro ai più che i dati sono il punto di partenza, una sorta di risorsa naturale, per migliorare le proprie performance sul mercato. Il passo successivo però è che disporre dei dati ma non di un sistema basato sull’intelligenza artificiale che sappia analizzarli e renderli “commestibili” per le esigenze dell’azienda vorrebbe dire non poterne sfruttare a pieno le potenzialità. La sfida è di ottenere il massimo dai dati che si hanno a disposizione, utilizzando nel modo più produttivo competenze, metodi e risorse.
Un aiuto per i data scientist e gli sviluppatori
Per riuscire nel modo più semplice possibile a mettere a punto i processi necessari a gestire il ciclo di vita dei supporti aziendali che vengono utilizzati per ottenere insight, fare previsioni e ottimizzare l’impiego dei dati la soluzione ideale è una piattaforma che sia in grado di integrarli e di mettere a disposizione dei data scientists gli strumenti per svolgere al meglio il loro compito, semplificandolo e rendendolo più veloce e quindi più efficace. In altre parole, consegnare nelle mani di sviluppatori, data scientist, analisti ed esperti di produzione le giuste leve per organizzare e innovare il business può essere un fattore in grado di decretare un vantaggio competitivo centrale per le aziende.
Il ruolo di Watson Studio
Proprio per arrivare a questo risultato Ibm ha messo in campo Watson Studio, che già a metà del 2018 è stato riconosciuto dalla società di ricerca Forrester come una delle soluzioni più efficaci tra quelle per il “Multimodal Predictive Analytics And Machine Learning” per il tipo di offerta, la strategia e la presenza sul mercato. Una soluzione che supporta tutto il ciclo di vita dell’intelligenza artificiale per aziende di ogni dimensione, dal training dei dati all’implementazione e allo sviluppo dei modelli di machine learning.
Si tratta, secondo Forrester, di una soluzione “perfettamente bilanciata per i team enterprise e di data science che hanno bisogno di strumenti di visualizzazione oltre che di accedere a tool open source attraverso interfacce di programmazione su notebook”. Tra le caratteristiche di Watson Studio c’è quella di essere pensata per la collaboration tra stakeholder, data engineers, data scientists e sviluppatori di applicazioni, con la possibilità di integrare alcuni dei modelli di machine learning messi a punto da Ibm come, tra gli altri, Visual Recognition e Watson natural language classifier. Tra i settori in cui Watson Studio può trovare applicazione, Forrester evidenzia quelle nel campo bancario, delle utility e nelle aziende elettroniche, oltre che il marketing analytics e un crescente interesse nella valutazione di tante situazioni legate al mondo della salute o nello specifico ad esempio delle prestazioni sportive.
Cos’è Watson Studio
Si tratta di un ambiente integrato che combina in un’unica piattaforma le tecnologie di Ibm con alcuni diffusi strumenti open source. Gli strumenti sono preconfigurati, e quindi non è necessario installarli, settarli o sottoporli a manutenzione. La funzione catalogo interna consente di condividere le informazioni e consente di risparmiare tempo e denaro nella costruzione delle applicazioni di intelligenza artificiale.
Alcune applicazioni
Dal canto loro gli sviluppatori che amano programmare utilizzando i linguaggi più diffusi nel campo dell’intelligenza artificiale come Python ed R, possono contare sulla disponibilità di Jupyter Notebook ed R Studio. Quanto agli analisti che non vogliono cimentarsi con la programmazione, potranno utilizzare l’Spss modeler e il “Neural network modeler”, che contano su un’interfaccia intuitiva per poter sviluppare modelli predittivi senza bisogno di intervenire con il coding. Per rende inoltre ancora più semplice l’implementazione dell’intelligenza artificiale, Watson Studio consente l’accesso ai servizi in cloud di Watson, come Visual Recognition e Natural Language Classifier.
Il ruolo del Cloud
Che si tratti di cloud pubblico, privato o ibrido, la convenienza più importante è quella di avere a disposizione volta per volta una potenza di calcolo scalabile a seconda degli obiettivi che si devono raggiungere, indirizzandola alle singole esigenze, dalla navigazione alla preparazione del set di dati fino alla messa a punto e al “training” nell’ambito del machine learning.
Il ciclo di vita dell’AI
Per arrivare al risultato finale dell’utilizzo dell’intelligenza artificiale per migliorare i processi di business i passaggi sono diversi, e costituiscono un vero e proprio “ciclo di vita”: si parte dalle sperimentazioni per arrivare all’utilizzo effettivo in produzione e tra il punto di partenza e il punto di arrivo ci sono una serie di passaggi intermedi che è importante possano essere affrontati nel massimo della semplicità e della velocità, proprio per rendere più agevole l’esplorazione dei dati e lo sviluppo dei modelli.
In questo ambito sono quattro i principi di Ibm Watson Studio grazie a un approccio che si basa su best practice, che prevede quattro livelli: quello semplificato, quello dell’accesso alle raccolte dati, quello della loro organizzazione e quello dell’integrazione trasparente dell’intelligenza artificiale nei processi di business aziendali.
