La piramide DIKW è uno schema teorico che raffigura il processo della conoscenza come una piramide costituita da una base molto larga di dati grezzi i quali, andando verso la cima della piramide, vengono sottoposti a un processo di aggregazione-contestualizzazione (informazione) e applicazione-sperimentazione (conoscenza). Infine, sulla cima della piramide è confinata la saggezza.
Piramide DIKW: dati, informazione, conoscenza, saggezza
La piramide della conoscenza è uno schema teorico volto a spiegare il processo conoscitivo e di apprendimento, che mette in rapporto gerarchico in maniera lineare quattro elementi: dati, informazioni, conoscenza, saggezza
Questo modello raffigura il processo della conoscenza come una piramide costituita da una base molto larga di dati grezzi i quali, andando verso la cima della piramide, vengono sottoposti a un processo di aggregazione-contestualizzazione (informazione) e applicazione-sperimentazione (conoscenza). Infine, sulla cima della piramide è confinata la saggezza che presuppone un livello conoscitivo che esula dall’ambito di una specifica applicazione. Tali stati conoscitivi sono quindi stati connessi in modo gerarchico immaginando che tra essi ci possa essere una ordinata transizione dal basso verso l’alto.
Guardiamo alla piramide DIKW nell’ottica dei dati aziendali e della Business Intelligence e proviamo a contestualizzare questo principio teorico.
Ovviamente il nostro interesse per questo modello non ricade tanto nel provare a capire come il cervello impari, ma come si possano/debbano gestire i dati per ottenerne informazioni, da cui ricavare conoscenza e quindi permettere ai decision maker di prendere decisioni corrette e supportate dai dati.
L’utilizzo dei dati per prendere decisioni aziendali è un trend in fortissima crescita e richiama il concetto di azienda data driven. Diventare un’azienda guidata dai dati è l’obiettivo a cui tutte le aziende dei nostri giorni dovrebbero tendere.
Per riuscire a raggiungere tale obiettivo bisogna partire dalla base della piramide: i dati grezzi.
I dati grezzi “fondamentali” e “inutili”
Alla base della piramide abbiamo i cosiddetti raw data, dati primari non ancora processati. Sono solo segnali ancora non interpretati, frutto di una raccolta massiccia e indiscriminata. Insomma, tanti simboli isolati non ancora associati a un significato.
Possiamo dire che i dati grezzi sono contemporaneamente fondamentali e inutili:
- Fondamentali, perché il percorso verso le informazioni, la conoscenza e la saggezza (che equivale a prendere decisioni corrette di Business) parte dai dati grezzi. Quindi per prima cosa è necessario che l’azienda sia in grado di tracciare e raccogliere i dati.
- Inutili, perché da soli non hanno senso e non portano a nessun miglioramento. Sono solo numeri e stringhe di caratteri che affollano un DB.
Un bel paradosso. In realtà diciamo che questo paradosso non dipende dai dati ma dall’uso che se ne fa. Fin tanto che li raccogliamo solamente ma non abbiamo strumenti per analizzarli non siamo in grado di trarne informazioni e salire quindi i gradini della piramide.
Diventa necessario uno strumento che ci permetta di collegare i dati tra loro e ci dia la possibilità di analizzarli.
Ed ecco che a questo punto entra in gioco la Business Intelligence che permette di iniziare a trarre valore da tutti questi dati.
Dai dati grezzi alle informazioni, l’utilizzo della BI
Pensiamo al sistema di Business Intelligence come a un Data warehouse e a una serie di processi ETL, ossia che permettono di caricare, manipolare, aggregare e salvare i dati.
Questi strumenti sono esattamente ciò di cui abbiamo bisogno per progredire nella nostra piramide DIKW.
Un dato in sé non ha un valore intrinseco fino a quando non viene contestualizzato; solo nel momento in cui viene messo a confronto con gli altri dati è possibile trarne delle conclusioni e quindi dedurne delle informazioni. A questo livello di elaborazione si può trovare risposta a domande specifiche e puntuali come “cosa?”, “dove?”, “quando?”, dando un primo significato ai dati raccolti.
Il lavoro del consulente di Business Intelligence consiste proprio nell’aggregare e contestualizzare dati per trasformarli in informazioni.
Ovviamente più raffinati saranno gli intenti di analisi e più complessi saranno i modelli dati e i flussi ETL da realizzare, tuttavia sarà proprio grazie a questo lavoro che le aziende potranno trarre informazioni dai dati ed iniziare a prendere decisioni migliori e più consapevoli.
Ma per arrivare a prendere queste decisioni c’è bisogno di almeno un altro gradino della piramide DIKW.
Dalle informazioni alla conoscenza
Questa fase è importante almeno quanto quella precedente, se non di più.
Per la prima volta l’attenzione si sposta da qualcosa di tecnico e informatico (dati e sistemi di data warehousing) all’intervento di analisi umana.
L’output del lavoro della Business intelligence è rappresentato da dashboard e report. Il consulente di BI è riuscito ad aggregare enormi quantità di dati restituendo tabelle che collegano informazioni diverse, oppure grafici e dashboard sintetici, e ora c’è bisogno del decision maker per capire cosa rappresentano i dati e prendere decisioni corrette.
Arrivati a questo punto abbiamo raggiunto già un elevatissimo livello di conoscenza. Sono pochissime, purtroppo, le aziende che arrivano a questo gradino della piramide perché per arrivarci bisogna inserire i dati e la loro gestione nella quotidianità aziendale e nei processi.
Una piccolissima parte di queste evolverà verso l’ultimo gradino della piramide DIKW.
Dai dati alla saggezza
Dopo aver finalmente raccolto tutte le coordinate basate sui dati ottenuti in passato si può passare a una progettazione delle azioni future e diventare esperti dell’argomento. La fase della saggezza sta proprio nell’applicazione delle conoscenze acquisite e quindi poter agire nel modo migliore per l’azienda. I dati a questo punto diventano l’impalcatura su cui si basa la nostra strategia e al contempo un metro di valutazione futura dell’andamento del progetto.
Quindi qui il focus è sulle azioni future, e su come riuscire a “prevedere” il futuro per prendere decisioni migliori.
Non dimentichiamo però che tutto parte dai dati e quindi anche questa fase deve essere data-oriented, e per fortuna possiamo fare ancora affidamento sulla Business Intelligence.
Dall’analisi sui dati passati alle analisi predittive
La sfida più grande della BI di questi anni è proprio quella di riuscire a fornire strumenti in grado di effettuare analisi predittive.
“L’analisi predittiva è un termine che comprende una varietà di tecniche statistiche della modellazione predittiva, apprendimento automatico e data mining per analizzare fatti storici e attuali e fornire predizioni sul futuro o su eventi sconosciuti. Negli affari, i modelli predittivi ricercano schemi in dati storici e transazionali per identificare rischi e opportunità. I modelli trovano relazioni tra molti fattori che permettono valutazioni del rischio o del rischio potenzialmente associato con un insieme particolari di condizioni, guidando la presa di decisioni”(Wikipedia).
Per farlo vengono utilizzati algoritmi di machine learning, ossia algoritmi che consentono al programma di “imparare” sulla base dei dati immagazzinati in passato e di riuscire a prevedere gli andamenti futuri. Sono software molto avanzati che consentono di elaborare trend futuri e previsioni basandosi su modelli matematici e pertanto abbastanza affidabili (ovviamente trattandosi di previsioni statistiche esiste sempre un margine di errore) che offrono enormi spunti per prendere decisioni migliori e più affidabili.
Nel mio lavoro come consulente SAP BW ho avuto modo di utilizzare SAP Analytics Cloud (SAC), lo strumento rilasciato dalla SAP per le analisi predittive. È uno strumento molto user friendly e ho potuto riscontrare quanto le analisi predittive possano produrre consigli e trend per il futuro davvero utili e importanti.
Chi volesse approfondirne le potenzialità della SAP può guardare il video seguente.
Video: Cos’è SAP
L’utilizzo di questi software è importante, vista l’enorme mole di dati che le aziende raccolgono e che sarebbe impossibile analizzare e classificare manualmente. Questo gradino, la saggezza, rappresenta il livello di conoscenza a cui arrivano le aziende data driven.
