Le organizzazioni di qualsiasi settore e dimensione hanno oggi a che fare con molte pressioni e difficoltà, a partire dall’accresciuta pressione competitiva globale, ma sicuramente oggi non soffrono di una carenza o penuria di dati. Che, anzi, sono prodotti in quantità crescenti da svariate fonti: web, social media, macchine industriali, sensori, dispositivi IoT e tanto altro ancora. Una produzione di Bytes che di anno in anno si fa sempre più voluminosa e importante e che, anzi, è destinata ad aumentare ulteriormente nel prossimo futuro. La sovrabbondanza di dati digitali, però, non è di per sè un beneficio, anzi: i dati prodotti, per ragioni di compliance normativa ma non solo, devono essere perlomeno adeguatamente conservati e messi al riparo da possibili Data Breach da parte del cybercrime.
Intelligent Data Management tra storage e cybersecurity
Per farlo occorre dunque acquisire soluzioni di storage e di cyber security: tutte operazioni che, è facile da capire, presentano un costo non indifferente per i bilanci aziendali. Il valore dei dati arriva quando questa mole di dati a disposizione può essere trasformata in informazioni sempre e dovunque disponibili, che a loro volta possono abilitare strategie e decisioni utili in ottica di business. Ma perché questo possa succedere ogni azienda deve essere in grado di organizzare una efficace strategia di Intelligent Data Management, che consenta dunque un efficace governo dei dati a disposizione, nonchè il rilascio di una conoscenza utile ai processi decisionali. Una rivoluzione che è pieno atto anche in Italia: secondo i dati dell’Osservatorio Big Data & Analytics del Politecnico di Milano, nel 2018 il mercato italiano ha raggiunto quota 1,393 miliardi di euro, in crescita del +26% rispetto all’anno precedente. Il trend è consolidato, come dimostra il tasso di sviluppo registrato tra 2015 e 2018, che si è aggirato attorno al + 21% annuo, a testimonianza che le aziende stanno maturando consapevolezza sul tema, per poi trasformarla concretamente in investimenti infrastrutturali, sperimentazioni e progetti in produzione.
Le aree d’azione dell’Intelligent Data Management
D’altra parte gli ambiti progettuali in cui si possono applicare con successo gli Analytics sono numerosi: al momento tra le aree di business più interessate ci sono ambiti come customer care, ottimizzazione delle scorte, cross/up-selling, ottimizzazione degli acquisti, valutazione del rischio di credito, monitoraggio della reputazione del brand, predizione del tasso di churn, tracciamento degli asset all’interno o all’esterno dell’azienda e manutenzione predittiva. Resta il fatto che, però, allo stato attuale l’adozione di una efficace strategia di Intelligent Data Management è soprattutto appannaggio delle grandi imprese, che polarizzano l’88% del mercato, mentre le PMI (che pure costituiscono l’ossatura del tessuto produttivo nazionale) si fermano al 12%.
Le grandi imprese, nel corso del 2018, hanno in particolare incominciato a investire in maniera importante sui cosiddetti Real time analytics, quelli che permettono cioè di abilitare l’analisi dei dati in tempo reale, non soltanto per progettualità di monitoraggio e analisi interna ma per acquisire un vantaggio competitivo. La possibilità di svolgere analisi in tempo reale abilita, grazie agli Analytics sempre più complessi integrati nei sistemi, l’evoluzione di prodotti e servizi, permettendo di sfruttare appieno, ad esempio, le potenzialità dell’Internet of Things (es. wearable devices, hybrid TV, veicoli a guida autonoma), con importanti impatti sul modello di business di un’organizzazione.
Come attuare una Data Governance nell’Intelligent Data Management
Ma questo non è che l’ultimo passo di una corretta strategia di Intelligent Data Management: la prima cosa da fare è senz’altro quella di applicare in maniera rigorosa i principi della Data Governance, che presuppongono cioè che il dato digitale sia gestito in maniera idonea – sicura e rispettosa delle normative – lungo tutto il percorso di vita. Successivamente, si può passare a un lavoro di Data Quality, che permetta cioè di raffinare i dati grezzi a disposizione, eliminando possibili errori ed escludendo quelli di bassa qualità. Soltanto a questo punto è possibile applicare le diverse soluzioni di analytics presenti sul mercato che, sulla base di algoritmi che si fanno via via sempre più sofisticati (grazie all’utilizzo dell’intelligenza artificiale), sono in grado di trovare le giuste correlazioni esistenti tra i dati e indirizzare le strategie di business delle organizzazioni.
