Sponsored Story

Analytics, il time to value è più rapido con le implementazioni scalari

I progetti pilota e i proof-of-concept riducono da mesi a settimane i tempi di implementazione e aprono le porte dell’analisi dei Big Data a ogni tipologia di impresa, con investimenti incrementali e accessibili. Fabio Faravelli, Qintesi: «Il dato è l’elemento centrale dei processi decisionali e gli Advanced Analytics abilitano analisi predittive e prescrittive che rendono le aziende realmente data-driven»

06 Set 2022

Patrizia Licata

Gli Analytics sono una tecnologia consolidata, ma che cosa manca alle aziende italiane per trasformarsi veramente in organizzazioni data-driven? Più cultura del dato e, ovviamente, una buona infrastruttura cloud. Le tecnologie basate sul cloud rappresentano, infatti, le fondamenta da cui costruire implementazioni di Analytics, con investimenti incrementali da cui si ottiene subito valore.

«È importante sottolineare che parliamo di Big Data Analytics o Advanced Analytics», afferma Fabio Faravelli di Qintesi, perché «è con l’analisi dei Big Data, cioè dell’enorme patrimonio informativo che l’azienda ha imparato a conoscere e valorizzare, composto da dati strutturati e non, prodotti internamente o presi da fonti esterne, che si può estrarre la conoscenza necessaria ad ottenere un ampio supporto decisionale».

Fabio Faravelli

Head of Unit Analytics & Data Platform di QINTESI

Con il PNRR, le imprese italiane hanno un’occasione in più per investire in cloud e Analytics. Prosegue Faravelli: «Dei circa 13 miliardi di euro messi a disposizione per la Transizione 4.0 si prevede che almeno il 10% sarà investito in due dei 3 fattori abilitanti della data economy, ovvero Cloud computing e Big Data Analytics».

Big Data Analytics: dalla consapevolezza alla cultura

Quando si parla di Analytics sui Big Data si sottolinea il passaggio da un’analisi puramente descrittiva (che risponde alla domanda “Che cosa è successo?”) a quella predittiva o addirittura prescrittiva, che offre alle aziende la capacità di adottare un comportamento proattivo, che anticipa i possibili andamenti del mercato. «Negli ultimi dieci-quindici anni si è passati da un approccio incentrato sulla reportistica e basato sull’utilizzo di dati strutturati (come quelli dei sistemi gestionali) all’utilizzo dei Big Data, che usa molti dati anche non strutturati, per rispondere a quesiti come ‘Quale è la previsione?’ o ‘Quale è la prossima azione?’. La risposta a queste domande permette alle aziende di diventare data-driven, cioè di rendere il dato l’elemento centrale dei processi decisionali», dichiara Faravelli.

Dopo il rallentamento causato dal Covid, Qintesi osserva una ripartenza dei progetti di Analytics, principalmente grazie alle grandi aziende e soprattutto nei settori assicurazioni, telecomunicazioni e manifatturiero. Anche le Pmi investono negli Analytics, ma questa tecnologia è ancora solo al 7mo posto nell’ordine delle priorità di investimento nel digitale: in cima ci sono cybersecurity e transizione al cloud. «Sul vantaggio competitivo degli Analytics la consapevolezza è matura, ma non sempre questa si traduce in cultura del dato e in investimenti», evidenzia Faravelli. «Il cloud, però, apre le porte degli Analytics a tutti, perché abilita modelli di sviluppo incrementali, agili, a costi accessibili. L’approccio di Qintesi si basa sull’implementazione di progetti pilota che fanno da apripista: in poche settimane mandiamo live sistemi di Big Data Analytics nelle aree strategiche per il cliente e da lì, validato il primo modello, si va avanti e si cresce. Le imprese possono così ottenere un veloce time to value dai progetti di Analytics con investimenti progressivi e formano via via la loro cultura del dato: più si adottano questi strumenti e più se ne comprende il valore e si acquisisce familiarità, mettendo tutta l’organizzazione in grado di lavorare con i Big Data».

I vantaggi del modello scalare

Per diventare data-driven a un’azienda serve prima di tutto sviluppare una data strategy. Questo significa sviluppare una metodologia ben definita con cui indirizzare le diverse iniziative; codificare a priori le tipologie di casi d’uso in modo da definire in anticipo ed in modo uniforme lo strumento più appropriato per la loro gestione; decidere subito quali strumenti adottare (tecnologie, componenti software) al fine di pianificare eventuali investimenti in formazione finalizzati a diffondere internamente le competenze per poter utilizzare quotidianamente gli insight e i risultati delle analisi.

«La tecnologia deve dare un alto grado di libertà, capacità di lavorare in autonomia sui dati e di interpretarli con strumenti di self-BI o self-service intelligence», afferma Faravelli. «L’obiettivo è arrivare a ottenere valore il più velocemente possibile a costi contenuti e ricavare da parte del cliente un ritorno sull’investimento. I progetti che Qintesi conduce non durano mesi o anni ma settimane, perché procediamo con una delivery incrementale, individuando le aree di maggior interesse e impatto e partendo con POC o progetti pilota. Arriviamo in breve tempo a dimostrare il valore dello use case di Big Data Analytics e diamo efficacia alle iniziative con un approccio interattivo, ovvero coinvolgendo il cliente in tutte le fasi perché possa imparare a lavorare con i dati e con la self-BI, in autonomia e semplicità».

Come si diventa azienda data-driven

Per le aziende che non hanno ancora adottato gli Analytics, o sono a uno stadio iniziale in cui gli Analytics rispondono solo alle esigenze di aree aziendali specifiche, Qintesi propone innanzitutto una piattaforma in cloud. Per chi ha già adottato SAP, la proposta prevede SAP Analytics Cloud e SAP Data Warehouse Cloud, le due soluzioni in Cloud di SAP per Data Warehousing, Analytics e Planning. «La distribuzione dei costi è garantita dall’approccio della delivery incrementale basato sulla metodologia agile», dichiara Faravelli.

Come consulente, Qintesi accompagna il cliente a definire la data strategy, a individuare i KPI più significativi, che rappresentano il business e che vanno monitorati, e a costruire una libreria di casi d’uso. L’approccio punta sulla velocità delle implementazioni, per ridurre costi e tempi con il modello agile e anche l’utilizzo di modelli dati virtuali, senza muovere i dati verso i data warehouse, e avvalendosi di acceleratori progettuali, ovvero template o codice già validato e riutilizzabile con minimi aggiustamenti.

«L’adozione delle best practice è fondamentale per ottimizzare user experience e performance e ridurre i costi di utilizzo delle risorse in cloud, così come l’implementazione di modelli dati virtuali e l’utilizzo di acceleratori progettuali», conclude Faravelli. «Qintesi ha, inoltre, un laboratorio interno di Ricerca e Sviluppo, dedicato sia allo studio, al test e alla prototipazione di nuovi prodotti e funzionalità offerti dai nostri partner tecnologici sia alla realizzazione di nuovi acceleratori progettuali, sia all’evoluzione di quelli esistenti. Questa attività supporta il nostro approccio flessibile, capace di aprire a tutte le imprese le porte del modello data-driven».

New call-to-action
@RIPRODUZIONE RISERVATA
Patrizia Licata

Laureata in Letteratura italiana, giornalista professionista, scrittrice. Da sempre sui temi della tecnologia e dell’innovazione, con le notizie e gli scenari Italiani e internazionali.

Canali
E
Executive
Argomenti trattati

Personaggi

Fabio Faravelli

Aziende

Qintesi

Approfondimenti

B
Big Data Analysis
D
data-driven

Articolo 1 di 4