È ormai difficile immaginare una nostra attività, lavorativa ma anche personale, che in qualche modo non abbia a che fare con le tecnologie digitali. O che, perlomeno, non porti alla produzione di dati digitali, ovvero dei bytes. Ogni minuto, attraverso le nostre molteplici interazioni con il mondo esterno, produciamo infatti bytes in gigantesche quantità, anche attraverso il semplice invio di una e-mail o addirittura per effetto della consultazione di una pagina Web. Anzi è possibile affermare che la vera rivoluzione degli ultimi anni è rappresentata dalla crescita del numero delle fonti di produzione dei dati digitali, per effetto dell’avvento di tecnologie come l’Internet of Things o l’intelligenza artificiale, tanto che oggi si parla moltissimo dell’esplosione dei cosiddetti big data.
Questa formula fa per l’appunto riferimento alla presenza di un patrimonio informativo di elevato volume e di estrema velocità e varietà, che richiede forme innovative ed efficienti di interpretazioni di dati per fornire un valido contributo ai processi decisionali e all’automazione dei processi. In effetti i dati di per sé non hanno un valore, anzi la loro raccolta, conservazione e gestione rappresenta un costo fisso e crescente per le aziende, specie quando sono prodotti in ingente quantità come oggi.
La crescita del mercato dei Big Data
I bytes possono rappresentare un valore per le aziende soltanto quando sono stati opportunamente analizzati, dopo essere stati precedentemente sottoposti a un lavoro di data governance e di data quality. Per questo motivo, le organizzazioni devono piuttosto mettere in piedi un lavoro di big data analytics: si tratta del processo che include la raccolta e l’analisi dei big data per ottenerne informazioni utili al business, ad esempio individuando le correlazioni esistenti tra fenomeni di diversa natura o le ragioni alle base delle scelte dei consumatori.
Un processo che, da alcuni anni a questa parte, ha preso piedi anche in Italia: secondo i dati appena rilasciati dall’Osservatorio Big Data & Analytcs del Politecnico di Milano, nel 2019 il mercato Analytics ha raggiunto un valore di 1,7 miliardi di euro, in crescita del 23% rispetto allo scorso anno, oltre il doppio rispetto al 2015 (790 milioni), da cui è cresciuto con un tasso medio annuo del 21,3%. La principale voce di spesa degli Analytics sono i software (47%), che a loro volta possono essere suddivisi in strumenti per la visualizzazione e analisi dei dati (53%) e soluzioni di ingestion dei dati, integrazione, preparazione e governance (47%). Al di là del software, il 20% degli investimenti è dedicato a risorse infrastrutturali, i sistemi per abilitare gli Analytics e fornire capacità di calcolo e storage ai sistemi aziendali, primo fra tutti il cloud. Un ulteriore 33% della spesa in analytics è destinato a servizi per la personalizzazione del software, l’integrazione con i sistemi aziendali e la consulenza per la riprogettazione dei processi.
Gli obiettivi di una strategia di BigData analytics
Queste percentuali permettono di comprendere come una strategia di big data analytics non possa essere improvvisata: in particolare per gestire e processare i dati non sono più sufficienti i classici database relazionali, utilizzati storicamente per i dati di tipo strutturato. Il punto chiave è che i dati con cui si ha a che fare oggi, proprio perché raccolti da sistemi e dispositivi eterogenei, non possono essere processati con le tecniche tradizionali. Servono software, capacità di calcolo e tecniche di modellazione in grado di aiutare gli esperti di dati ad analizzare le grandi quantità di informazioni che oggi possono essere raccolte da una notevole varietà di fonti, in buona parte destrutturate e sottoposte a un ritmo di variazione notevole.
Occorre poi mettere in conto che l’impostazione concreta di un progetto di analisi dei big data nella propria azienda significa affrontare molteplici aspetti, che vanno anche al di là dei semplici passaggi tecnologici. Una delle priorità, senz’altro, deve essere quella di valutare le esigenze di business a cui si vuole rispondere e porsi obiettivi precisi e praticabili, in presenza di determinati vincoli di budget.
L’approccio progettuale di BNova
Una possibilità concreta per le organizzazioni è quella di affidarsi a un partner in grado di curare con successo e competenza tutti i delicati aspetti della costruzione di una strategia di Big data &Analytics. A questo compito è dedicata BNova, una società di Data Intelligence che ha come missione principale proprio quella di fornire supporto ai propri clienti nelle scelte strategiche legate ai dati. Uno dei punti di forza che caratterizza BNova è quello di essersi da sempre esclusivamente focalizzata sui progetti legati all’analisi dati, in passato soprattutto relativamente alla business intelligence e oggi alle data driven strategies. Tematiche che, come abbiamo scritto in precedenza, sono complesse da affrontare e implementare negli specifici contesti aziendali. Ecco perché BNova si propone innanzitutto con un’attività di tipo consulenziale, capace di individuare caso per caso la giusta strategia per sfruttare il potenziale racchiuso nei dati. In particolare, l’approccio progettuale di BNova prevede di aumentare per gradi la propria maturità analitica, pianificando nel tempo gli investimenti e acquisendo la giusta consapevolezza delle proprie necessità. BNova può mettere in campo anche un vero e proprio team di Data scientist di alto profilo per la progettazione e implementazione di soluzioni di analisi e gestione dei dati ad hoc.
