Scoprire le relazioni nascoste nei dati e lasciarsi stupire da esse rappresenta il Sacro Graal per aprire nuovi scenari di conoscenza per l’azienda e per condurla verso diversi e più elevati livelli di efficienza e competitività. E così, mentre il mercato analytics in Italia cresce con tassi superiori al 20% per un valore di circa 2 miliardi di euro, si affacciano con dirompenza nuove metodologie in grado di analizzare in modalità autonoma o semi-automatica dati e contenuti, con strumenti e tecnologie sofisticate che superano quelli della tradizionale Business intelligence. Metodologie che prendono il nome di Advanced analytics e che permettono di raggiungere una più profonda comprensione delle informazioni al fine di fornire un più ampio supporto decisionale e fare previsioni utili allo sviluppo futuro del business.
Dalla business intelligence all’AI: una nuova trasformazione digitale
Una ricerca del MIT Sloan Management Review ha messo in luce come, nel periodo fra il 2013 e il 2015, si sia verificato un rallentamento globale importante nell’utilizzo dei big data nell’ordine di 10 punti percentuali, causato dalla difficoltà di gestire e mettere a frutto il surplus di dati giunti ai dipartimenti aziendali. Proprio per far fronte a tale problematica, nel 2016 si è registrato un aumento significativo dei progetti volti a implementare sistemi di advanced analytics. Quest’ultimi si sono rivelati veri game changer nell’innovazione strategica dei modelli di business. Si è segnato, così, non solo il transito alla terza fase di sviluppo evolutivo della Business intelligence, ma anche quello successivo della digital transformation. Si è passati, in sostanza, dalla Business intelligence all’Artificial intelligence. Artificial intelligence che rappresenta la forma più evoluta di Advanced analytics e che include, a grandi linee, metodologie quali machine learning, deep learning, comprensione e utilizzo dei linguaggi naturali. Tutto ciò al fine di permettere di automatizzare la fase decisionale senza intervento umano. Proprio come fa il nostro cervello, elaborando le informazioni, così anche gli algoritmi imparano con l’esperienza, combinando l’analisi delle tendenze alla ricerca degli insight.
Cosa sono gli Advanced analytics
Gli Advanced analytics rappresentano ambienti maturi di Business intelligence nati per il web, il mobile e il cloud, in grado di supportare tutte le tipologie di intelligence utilizzando le stesse architetture hardware e software, gli stessi servizi e le stesse interfacce grafiche. L’aspetto più interessante delle analitiche avanzate è rappresentato dalla possibilità di garantire la connessione e la gestione di qualunque tipo di dato in real-time, andando oltre le classiche analisi descrittive dello storico e progredendo verso logiche di predizione, prescrizione e, infine, automazione. L’orizzonte temporale di analisi è ampliato dal presente al futuro, grazie all’accostamento matematico tra la condizione e la probabilità del verificarsi di un evento. Tali ambienti sfruttano un mix di attività riassumibili in:
- data mining;
- text mining;
- reti neurali;
- simulazioni;
- apprendimento automatico;
- data visualization;
- machine learning;
- analisi semantica;
- analisi predittiva;
- sentiment analysis.
L’analisi dei dati diviene, così, il modo più asettico possibile per prendere decisioni razionali in ambito economico che non siano influenzate da stato emotivo e da preconcetti. La traslazione dalla Business intelligence all’intelligenza per così dire aumentata consente, quindi, alla menta umana – supportata dall’Intelligenza artificiale e da tecnologie quali assistenti virtuali, chatbot e interfacce conversazionali evolute – di prendere decisioni migliori. E questo è reso reale, tangibile anche grazie alla possibilità di porre una domanda in linguaggio semplice o meglio naturale e ricevere una risposta immediatamente utilizzabile. Gli Advanced analytics sono, infatti, concepiti in un’ottica cognitiva per supportare la user experience e fornire un’autentica esperienza di intelligenza aumentata, con un vantaggio innegabile in termini di tempo e costi, allocazione delle risorse e ottimizzazione dei processi aziendali e decisionali. Si rende ottenibile, di fatto, una maggiore velocità di accesso ai dati e l’opportunità di stanare le anomalie in tempo reale, analizzando, scomponendo e ricomponendo le informazioni per trovare significati altrimenti non scovabili.
Advanced analytics: scenari futuri dell’intelligenza aumentata
Le aziende potranno, nella pratica, servirsi di questa nuova evoluzione della Business intelligence per:
- riconoscere le aree utili per accrescere i profitti;
- segmentare la clientela;
- analizzare il comportamento dei clienti target;
- comparare i dati con quelli della concorrenza;
- costruire campagne pubblicitarie mirate;
- monitorare le prestazioni in tempo reale;
- identificare i trend principali;
- individuare eventuali problemi;
- ottimizzare l’operatività;
- prevedere il successo di nuove iniziative.
Tutto ciò con riflessi importanti su ambiti primari quali manutenzione predittiva, customer intelligence, gestione del rischio finanziario, operation management, controllo del processo produttivo e, sopra ogni cosa, marketing. I sistemi avanzati di analisi dei dati rappresentano, quindi, un asset strategico per le diverse funzioni di business e non solo per quelle strettamente legate all’IT. IDC, società mondiale specializzata in ricerche di mercato, servizi di consulenza e organizzazione di eventi nei settori ICT e dell’innovazione digitale, sostiene che ben il 75% degli sviluppatori includerà, già nel prossimo lustro, meccanismi di cognitive computing, machine learning o intelligenza artificiale in almeno un’applicazione. La tendenza principale sarà, inoltre, quella di rendere possibile la fruizione di tali strumenti ad una base sempre più allargata di utenti tramite le semplificazioni rese possibili dalla data visualization. Ma ad oggi, permane, purtroppo, ancora un divario profondo in Italia tra l’utilizzo degli stessi nelle grandi imprese e nelle PMI che coprono solo il 12% degli investimenti in progetti di Advanced analytics, una percentuale esigua se consideriamo l’ampio bacino di medie, piccole e micro-imprese del Bel Paese.
Trasparenza dei modelli di apprendimento: una questione cruciale
In sintesi, metodologie analitiche, intelligenza artificiale e machine learning promettono alle aziende di ottenere un vantaggio strategico competitivo importante, ma non bisogna dimenticare che l’impiego di tali tecnologie dev’essere accompagnato necessariamente dall’adozione di modelli organizzativi e flussi aziendali coerenti e, soprattutto, trasparenti. Come sottolineato più volte da Adrian Waller dell’Università di Cambridge “la trasparenza è un tema cruciale per un’efficace distribuzione dei sistemi intelligenti”. E proprio tale bisogno ha portato alla nascita e alla diffusione dell’explainable AI che rappresenta uno dei trend più promettenti in questo ambito in quanto permette di comprendere e prendere una visione trasparente nei modelli di apprendimento automatico con il fine ultimo di aumentare la fiducia nei risultati forniti dall’analisi. L’intelligenza artificiale rappresenta un sostegno importante ma non può e non deve sostituire del tutto le competenze e la comprensione dell’uomo e men che meno la centralità del cliente. Perché, come asserisce Ginni Rometty, presidente e CEO di IBM, “Alcune persone chiamano questa intelligenza artificiale, ma la realtà è che questa tecnologia ci migliorerà. Quindi, invece dell’intelligenza artificiale, penso che aumenteremo la nostra intelligenza”.
Conclusioni
Stephen Hawking era solito affermare che “Il più grande nemico della conoscenza non è l’ignoranza, ma è l’illusione della conoscenza”. Nulla di più vero in una società come la nostra, in cui siamo inondati da un diluvio costante di dati e dall’incapacità, spesso manifesta, di trasformarli in informazioni utili. La pandemia in atto ne è un esempio lampante che mostra un overload di statistiche e indici che riempiono, stordiscono ma, all’atto pratico, spesso non aiutano realmente alla comprensione di un fenomeno così ampio e pervasivo. I dati sono nulla senza la sapiente e cosciente capacità di trasformarli in informazioni utili, senza un processo strutturato e governato, scientifico, che li renda comprensibili e divulgabili anche al non addetto ai lavori. Di qui la necessità, sempre più dirompente, di trovare nuovi modi per rendere la scienza dei dati più vicina al modo in cui il nostro cervello umano elabora le informazioni, per renderla cioè augmented.
