Lo studio di ricerca di BARC, dal titolo Data, BI & Analytics Trend Monitor 2023, analizza e delinea le tendenze più significative di quest’anno nel settore BI, analytics e gestione dei dati.
La più grande ricerca al mondo in questo ambito permette anche di distinguere tra “hype” e tendenze consolidate e stabili.
Trend Monitor 2023: la ricerca di BARC
Oggi ogni business è un data business. E ogni data business necessita di usare l’analytics per supportare i decision maker nel prendere decisioni. Trarre valore dai dati è un imperativo per numerosi business che devono rimanere competitivi. Sempre più strategie di business chiedono di aumentare l’utilizzo dei dati nelle loro organizzazioni.
Ma, per diventare aziende data-driven, le proprietà dei dati – sicurezza e qualità dei dati, data strategy, cultura del dato e data governance – sono più importanti dei metodi avanzati e dell’approccio ai data e all’analytics.
BARC Data, BI & Analytics Trend Monitor 2023, un’indagine basata su 1.823 interviste, illustra quali tendenze sono ancora fondamentali mentre il mercato della BI e data management è in evoluzione continua.
L’importanza di Data, BI & Analytics
BARC ha chiesto a utenti, consulenti e vendor di software di BI e tecnologie di gestione dati, di esprimere il loro personale giudizio per determinare l’importanza di 20 trending topic. La gestione dei master data e della data quality sono apparse in prima posizione negli ultimi sei anni. La seconda principale tendenza, instaurare una cultura data-driven, è costantemente in crescita.
Il significato di questi due temi trascende le singole regioni e perfino i settori industriali. La cultura data-driven è un trend emerso per la prima volta tre anni fa. Ha scalato varie posizioni, dal quinto posto nella prima edizione della ricerca, fino al podio, in seconda posizione nell’edizione 2023. La data governance, invece, occupa costantemente le prime quattro posizioni negli ultimi anni.
Data discovery e self-service analytics, rispettivamente in quarta e quinta posizione, sono tendenze costanti in maniera analoga. Le prime cinque tendenze rappresentano le fondamenta per le organizzazioni volte a diventare aziende data-driven, gestendo i propri dati e facendone buon uso.
Inoltre dimostrano che aziende sono consapevoli della rilevanza dell’alta qualità dei dati. Le organizzazioni intendono superare la raccolta dei dati e usare attivamente i dati per ottimizzare le loro decisioni di business. Con il supporto del Data Warehouse Modernization che occupa la sesta posizione quest’anno.
Sviluppo dei BI trend
Alcune tendenze hanno acquisito importanza dall’anno scorso. Il cloud per data analytics e Data Catalog sta diventando un tema sempre più rilevante.
Nella classifica, l’Agile BI invece perde terreno: è scesa dalla settima alla quattordicesima posizione. Anche l’Embedded BI ha perso due posizioni, collocandosi al 15esimo posto. Per il mobile BI (18esimo posto), lo scivolamento in basso prosegue da anni.
Le tendenze sono comunque abbastanza stabili dallo scorso anno. In base ai risultati conseguiti, le aziende si stanno focalizzando sull’importanza di mantenere al sicuro i dati e gestirli prima che le priorità si spostino su metodi avanzati.
I migliori della classe
Le aziende migliori della classe classificano l’importanza di alcune tendenze. Spicca al secondo posto per importanza il Data discovery. Con una maggiore maturità nel valore di business e tecnologia per usare i dati, l’identificazione di dati interessanti diventano più di un focus dal momento che creano nuove opportunità per generare valore dai dati.
I Data Catalog sono anche a supporto del contesto di data discovery, fornendo maggiore trasparenza sui dati.
L’incremento dell’utilizzo di dati in real-time data abilita più stretti controlli di processo. E l’Embedded BI porta l’analytics nei processi, alimentandone anche l’ottimizzazione.
Le aziende best-in-class mostrano interesse per entrambe le tendenze osservate.
L’integrazione dei processi di performance management come la pianificazione, la reportistica e il consolidamento su piattaforme tecniche portano vantaggi nei dati e nell’integrazione dei processi nei dipartimenti di finanza ed oltre. Le aziende best-in-class hanno già riconosciuto il potenziale di questo approccio.
In definitiva, costruire team di analytics e data labs rafforzano la base per uno sviluppo efficiente di data, analytics e AI.
tendenze
I dettagli del Trend Monitor 2023: Master Data/Data Quality Management
L’importanza di data quality e master data management è da attribuire al fatto che decisioni corrette sono possibili grazie a dati affidabili e coerenti.
Alti standard di data quality sono essenziali per aumentare la flessibilità degli utenti business.
I master data forniscono la struttura per capire e usare i dati. Grazie a questi dati, dati transazionali, IoT e flusso di click guadagnano significato e contesto. L’esigenza di utilizzare dati di alta qualità in modo flessibile rende possibile la realizzazione di nuovi servizi e prodotti.
I fattori critici di successo per dati di alta qualità sostenibili sono da attribuire a ruoli e responsabilità, processi di garanzia di qualità, monitoraggio continuo dello stato di salute dei dati di un’azienda, awareness e trasparenza riferiti all’impatto dei dati di scarsa qualità.
Trend Monitor 2023: cultura data-driven
Le Tlc sono il settore che scommettono di più sulla cultura data-driven. Le fondamenta di una cultura basata sui dati e sulle interazioni aperte con i dati, sono: Data strategy, leadership, governance, Data Literacy, comunicazione e accesso.
Data governance
La data governance è una tendenza soprattutto in UK e Irlanda, ma meno rilevante nel settore delle utility e in aziende più piccole. Essa si focalizza sui dati in tutti i sistemi che hanno a che fare con i dati.
La Data governance è un meccanismo necessario alla data strategy, che orchestra come la business strategy viene tradotta nei dati e nell’analytics. Permette al business di estrarre valore dai dati. Gestisce lo sfruttamento dei dati lungo tutti i processi di business per promuovere la business efficiency e l’innovazione. La Data governance aiuta a implementare la data strategy, a partire dalle policy e dai framework da gestire, a monitorare e proteggere il capitale dei dati, tenendo conto delle persone, processi e tecnologie. Stabilire la data governance è un impegno a lungo termine. Richiedere una decisione gestionale chiara e consapevole su come lavorare con i dati ed usarli.
Data Discovery/ Visualizzazione dati
La Data discovery aiuta analisti e utenti business a trovare pattern, cluster, tendenze e valori anomali nei loro dati in modalità self-service. Gli insights automatizzati rivestono un ruolo vitale, per migliorare le analisi scoprendo pattern nascosti e deviazioni.
Self-Service Analytics
La capacità di creare contenuti BI e analytics attraverso Self-Service Analytics si sta diffondendo, ma richiede che le organizzazioni prestino attenzione al fenomeno. Le aziende hanno l’esigenza di capire che i contenuti Self-Service attraggono più utenti, ma, ciò nonostante, servono competenze IT o BI ed esperti di analytics. Questi ultimi assumono un ruolo chiave nel migliorare, monitorare e supportare ambienti di successo.
Data Warehouse Modernization
I vecchi data warehouse sono obsoleti. Troppo complessi per supportare uno sviluppo agile o troppo costosi per estendere le funzionalità ed adeguarsi ai requisiti della moderna analytics. Servono approcci collaborativi per aggiornare hardware, tecnologie e architetture ed estrarre valore dai dati.
Data Preparation per utenti business
La Data preparation ingloba profilazione, pulizia, strutturazione e arricchimento dei dati da parte degli utenti business per l’uso in analytics. L’obiettivo è quello di costruire asset di valore a partire da dati grezzi, per aiutare a rispondere alle domande concrete del business con l’analytics. I Data Catalog servono da inventari e garantiscono l’accesso e il riuso dei dati. Bisogna promuovere la collaboration per trarre vantaggio dalla democratizzazione dell’accesso ai dati. Sistemi e strumenti adeguati sono solo il primo passo.
Alerting & Triggers
Alert e notifiche in BI e analytics permettono di risparmiare tempo prezioso, orientando l’attenzione degli utenti business su ciò che è davvero importante, guidati da warning personalizzati o recapito di contenuti rilevanti basati su eventi recenti. Gli alert non devono solo informare in caso di modifiche importanti, ma anche innescare processi automatici per estendere molteplici applicazioni di business, dall’invio di report all’avvio di azioni correttive.
Cloud per Data e Analytics
Le soluzioni di Cloud analytics e data management hanno le stesse funzionalità delle loro controparti on-premise. La velocità di adozione di cloud analytics e data management si attesta a circa il 35% di tutti i progetti. Nei progetti avviati nell’ultimo biennio, metà sono implementati in cloud, invece l’altra metà è ancora on-premise.
Data Catalog
La maggiore sfida per i data consumer consiste nel trovare dati rilevanti, capirli, riporre fiducia in loro ed usarli. Gli analisti trascorrono tempo a cercare i giusti dati ed analisi, ripetendo il lavoro, con un impatto sulla loro produttività. I Data Catalog abbracciamo la raccolta sistematica, i collegamenti e l’analisi dei metadati con l’obiettivo di creare una migliore comprensione dei dati.
Il loro uso, comunque, richiede un modo differente di pensare e una nuova consapevolezza. La tecnologia collega differenti tipi di fonti, flussi di lavoro, analisi e funzione di collaboration. L’automazione di attività che consumano tempo come i metadata ingestion, collegamenti e data preparation.
Real-Time Analytics
Una più rapida reportistica e analisi dei dati, non solo in termini
di query performance (uno dei maggiori problemi di user experience con gli strumenti BI) è una sfida in molte aziende. Cresce la necessità di rendere i dati, provenienti da sistemi transazionali, immediatamente disponibili per supportare processi decisionali più rapidi e basati sui dati e sui fatti. Visual BI e predictive analytics, analytics con dati in real-time, sono complementari alle strategie di analytics e ottimizzano certi processi di business. La Real-Time Analytics è sempre più importante per adattare ed ottimizzare i processi.
Performance Management (PM) e Analytics
L’approccio decisionale è complesso, volatile e richiede piani trasparenti e analisi di dati. L’integrazione senza soluzione di continuità di funzionalità Performance Management e analytics aiutano a supportare in maniera efficace l’attività di decision-making, agevolando la pianificazione predittiva e previsioni sulla base di metodi statistici e machine learning.
Advanced Analytics / Machine Learning/ AI
L’Advanced analytics usa machine learning e algoritmi matematici e statistici, per generare nuova informazione, identificare patterns e dipendenze e fare previsioni. Hardware e servizi cloud, ottimizzati per far girare soluzioni di machine learning e AI, stanno accelerando la velocità di nuove soluzioni AI. Gli utilizzi possibili spaziano dal condurre previsioni su redditi, prezzi, vendite o customer value, per prevenire la cancellazione dei contratti, ottimizzare fermi macchina non programmati eccetera. Soluzioni DevOps e MLOps e servizi cloud hanno ridotto fortemente la complessità. Inoltre, diventano più rilevanti le considerazioni sui bias negli approcci decisionali algoritmici e standard etici per tali soluzioni.
Sviluppo di Agile BI
Lo sviluppo di Agile BI è un approccio customer-centrico per distribuire data product e servizi affidabili, in grado di soddisfare business dinamici. Utenti business ed esperti IT lavorano insieme su dashboard, report e KPI.
Sfrutta approcci model-driven, data pipeline generati da metadata e data warehouse automation. Le metriche monitorano la qualità e l’uso dei prodotti consegnati o artefatti. L’approccio DevOps porta mindset e best practice tecniche per implementare delivery pipeline automatizzate e continue per abilitare modifiche rapide. Il DataOps aiuta ad accelerare la consegna di dati e i suoi usi, aumentare la data quality, automatizzare processi data-driven e chiarire il valore dei “data come asset”. I benefici chiave di un sviluppo agile consistono in un allineamento veloce, adattabilità e accorciamento di distanze fra business e IT.
Embedded BI e Analytics
Incorporando l’intelligence in applicazioni operative incrementa la popolarità. Dalle dashboard ai modelli predittivi e di ottimizzazione, gli utenti ottengono insights direttamente nei loro processi specifici operativi e possono chiudere il classico management loop, dalle informazioni alle azioni. Embedded BI e analytics consentono agli utenti di derivare le informazioni rapidamente senza dover coinvolgere i dipartimenti IT o power user.
Le sfide sono: chiarire le responsabilità dei team di BI/analytics e application; integrare la BI operativa in strategie di dati olistici e analytics che includono BI classica ed esplorativa, decidendo se “creare o comprare” funzioni embedded. Inoltre, l’approccio di automatizzare le decisioni attraverso modelli embedded e regole comportano nuove possibilità e sfide.
Analytic Teams / Data Labs
I Data labs sono unità separate, dedicate a condurre le prime fasi dei progetti di data science, concedendo spazio al design thinking e alla sperimentazione, fatta eccezione per i processi prestabiliti. Le metodologie MLOps sono impiegate per aiutare gli sforzi di integrazione dei data labs e analytics teams nel resto delle organizzazioni.
Decision Automation
Le decisioni automatizzate si usano in ambito della detection delle frodi nei dati di transazioni finanziarie, dynamic pricing in ambito eCommerce, nella programmazione di ordini nei servizi, processi di produzione o logistica.
Mobile BI
Mobile BI e analytics è una tendenza ancora da decifrare: la sua popolarità ha iniziato a propagarsi negli anni 2010, con gli standard HTML5, ma si è diffusa soprattutto nell’Europa dell’Est.
Augmented Analytics
L’Augmented analytics combina la capacità umane di problem-solving creativo con il machine learning (pattern recognition). La tendenza è minore in tutte le categorie, ma soprattutto fra utility, telco e industria trasporti.
