Che cosa sono i Big Data? Cos’è la Big Data analytics? Sono domande che oggi si sentono sempre più spesso, soprattutto in Italia, dove da poco i big data sono diventati un must per tutte le aziende italiane che puntano a trasformarsi in una data-driven company, per prendere decisioni consapevoli basate su dati pertinenti. Vediamo quindi nel dettaglio di dare una definizione e una spiegazione semplice al concetto di Big Data.
Indice degli argomenti
Cosa sono i Big Data e cos’è la Big Data analysis
I big data (grandi dati) sono una quantità crescente di informazioni che la trasformazione digitale del business sta creando e facendo circolare dentro alle aziende e fuori alle aziende. I Big Data, ad esempio, vengono dai sensori integrati in migliaia di oggetti che, collegati alla Rete, oggi chiamiamo Internet of Things; secondo il McKinsey Global Institute oggi sono già più di 30 milioni, collegati in rete e utilizzati nel settore automobilistico, industriale, nei servizi pubblici, o nella vendita al dettaglio e il numero ogni anno lievita del 30%.
Al di là dei flussi di dati prodotti dai sistemi informatici e dalle infrastrutture a supporto della produzione, della distribuzione e dell’erogazione dei servizi, i big data sono un fenomeno associato a un’evoluzione massiva degli usi e delle abitudini della gente. Ogni volta che usiamo un computer, accendiamo lo smartphone o apriamo una app sul tablet, sempre e comunque lasciamo una nostra impronta digitale fatta di dati.
Nel 2001, Doug Laney (oggi vice president and distinguished analyst del Gartner Chief Data Officer Research and Advisory Team) descrisse in un report il Modello che descrive in modo sintetico i Big Data con 3V: Volume, Velocità e Varietà. Un modello semplice per definire i nuovi dati generati dell’aumento delle fonti informative e più in generale dall’evoluzione delle tecnologie. Oggi il paradigma di Laney è stato arricchito dalle variabili di Veridicità e Variabilità e per questo si parla di 5V.
Big Data Analytics: dai browser ai social qual è il significato
I Big Data, infatti, vengono anche dalla multimedialità sempre più spinta che ha origine dal proliferare di dispositivi fissi e mobili che usiamo per vivere e per lavorare.
La familiarità con il videosharing e una cultura dell’immagine che porta le persone a condividere ogni tipo di scatto fotografico aiuterà chi saprà gestire questa mole di dati a capire ancora meglio gusti e tendenze, orientando meglio le decisioni.
I Big Data vengono anche dai social media, e da tutto il traffico di informazioni che transita dai vari sistemi di CRM, dalla cassa di un supermercato che striscia una carta fedeltà a una telefonata che arriva a un call center.
A differenza di molte mode tecnologiche, infatti, i Big Data non sono un trend ma una necessità gestionale. E lo sono per qualsiasi tipo di organizzazione. Quei data set crescenti che sembrano far esplodere i database aziendali saranno le chiavi della competitività, della crescita del business e dell’innovazione. In che modo?
- Aiutando a capire le reazioni dei mercati e la percezione che questi hanno dei brand
- Identificando i fattori chiave che muovono le persone ad acquistare un certo servizio o un determinato prodotto
- Segmentando la popolazione per personalizzare quanto più possibile le strategie d’azione
- Abilitando nuove sperimentazioni consentite dalla disponibilità di dati inediti
- Guadagnando in predittività, grazie a uno storico di informazioni talmente ad ampio raggio e puntuale da consentire simulazioni molto più che verosimili
- Abilitando nuovi modelli di business
Il mercato dei Big Data in Italia
Ben 2,41 miliardi di euro è il valore che il mercato del Data Management e Analytics raggiungerà quest’anno in Italia. A dirlo è l’Osservatorio Big Data & Business Analytics della School of Management del Politecnico di Milano.
Nonostante le difficoltà del contesto geopolitico e economico dell’ultimo anno, continua dunque l’espansione dell’applicazione dei Big Data che segna un +20% rispetto al 2021 quando, in fase di recupero dal rallentamento conseguente alla pandemia, in mercato dell’Analytics aveva toccato i 2 miliardi di euro segnando a sua volta una crescita del +13% rispetto al 2020.
Ciò che guida questi numeri è principalmente la componente software (54% del mercato, +25% rispetto al 2021), mentre la spesa in risorse infrastrutturali cresce in maniera meno sostenuta, al di sotto della media del mercato. GDO/Retail, Pubblica Amministrazione (PA) e Sanità i comparti che segnano la crescita più marcata nel 2022.
Il budget Analytics destinato a servizi di Public Cloud sale ad un ritmo doppio rispetto alla media di mercato e sfiora un quarto della spesa in soluzioni e servizi di Data Management & Analytics.
Un Data Strategy Index per indicare la maturità del settore
Novità dell’Osservatorio di quest’anno è la creazione del Data Strategy Index”, un indice di maturità complessivo comprensivo di tre ambiti: Data Management & Architecture (strumenti, competenze e processi per la gestione tecnologica, integrazione dei dati e governo del patrimonio informativo), Business Intelligence e Descriptive Analytics (strumenti e competenze di base per una Business Intelligence pervasiva) e Data Science (attività che contemplano analisi predittive e di ottimizzazione a partire dall’analisi dei dati). Stando al suddetto indice, solo il 15% delle grandi aziende può dirsi “avanzato”, mentre il 30% “intraprendenti”, il 22% “prudenti” e il 33% “immature” o “ai primi passi”.
Le competenze necessarie per la “data revolution”
Per quanto riguarda le competenze digitali necessarie a governare i Big Data, l’Osservatorio evidenzia come nelle grandi aziende permanga la difficoltà nell’inserimento di ruoli professionali specializzati su gestione e analisi dei dati: il 49% dichiara di aver introdotto almeno un Data Scientist, il 76% un Data Analyst e il 59% un Data Engineer. Inoltre, il 66% delle grandi realtà dichiara di aver sperimentato tempi di recruiting più lunghi e circa il 40% tassi di turnover più elevati.
Sul fronte delle PMI, il 55% dichiara di aver portato avanti investimenti in ambito Data Management & Analytics o prevede di farlo entro fine anno. Percentuale in crescita rispetto al 2021, ma che non mostra importanti accelerazioni rispetto a quanto registrato negli ultimi tre anni. Inoltre, quattro aziende su dieci non hanno alcuna figura dedicata, neanche parzialmente, all’analisi dei dati.
Esempi e stato dell’arte dei Big Data
La maggior parte delle persone ha solo una vaga idea di quanto Google abbia una conoscenza profonda di tutto quello che cerchiamo on line, oppure di quanto Facebook conosca (di tutto e di più) su amici, sentimenti, preferenze, sogni e bisogni della sua grande community?
Anche se non glielo abbiamo mai detto, Google sa riconoscere le nostre generalità, profilandoci in base alle nostre modalità di navigazione per proporci pubblicità assolutamente mirate da rasentare la personalizzazione su misura. Per tutta quella metà del cielo che ha scelto Android, MountainView sa sempre dove siamo stati, dove abbiamo viaggiato, sostato, mangiato o pernottato.
Facebook, invece, con il suo miliardo di iscritti, sa persino quando una storia d’amore è arrivata a un punto critico. Sulla base degli aggiornamenti di stato delle bacheche (ogni minuto sono pubblicati 3,3 milioni di post), l’azienda può prevedere se un rapporto è destinato a durare, con una precisione inquietante.
Per non parlare di Twitter che ogni 60 secondi movimenta 347mila tweet e che, come le altre Big Tech ha sviluppato una API (Application Program Interface) che consente a terze parti di accedere a ognuno di questi (per definizione tutti pubblici): si tratta di dati non strutturati, scandagliati da nuove tecniche di Sentiment Analysis che riescono a capire le emozioni contenute nelle informazioni testuali, aiutando i decisori (aziendali e politici) a capire dove va il vento dell’opinione pubblica.
Esempi nel mondo: il lato analitico delle smart city
Passando all’ordine pubblico, le smart city stanno diventando un fulgido esempio di Big Data Management e dei Big Data Analyst. Grazie ai lampioni sensorizzati, la PA riesce a gestire meglio i picchi del traffico e a monitorare l’inquinamento.
La polizia può ricostruire i percorsi automobilistici sospetti analizzando le telecamere a circuito chiuso (CCTV) sempre più onnipresenti fuori dai locali e dalle banche. Per la raccolta differenziata si usano tag RFID che rendono cassonetti, mastelli e sacchetti connessi e comunicanti.
Secondo gli analisti di McKinsey, in Europa le amministrazioni pubbliche da una buona gestione dei Big Data possono ottenere risparmi nell’ordine di 100 miliardi di euro, incrementando l’efficienza operativa. Una cifra che potrebbe aumentare a dismisura se i Big Data fossero utilizzati anche per ridurre le frodi e gli errori, traguardando la trasparenza fiscale.
Esempi di Big Data in Italia: Big Data Analysis anche nel retail
Sono molte le aziende che hanno avviato una strategia data driven, come ad esempio Leroy Merlin e Cattolica Assicurazioni.
Analizzando i comportamenti di acquisto, ovvero lo scontrino, associato alla carta fedeltà e alle varie interazioni con le promozioni, gli annunci, l’e-mail marketing, le eventuali newsletter che si ricevono periodicamente e periodicamente si aprono, il retail sta approfondendo la conoscenza dei clienti. Tutto questo rappresenta una montagna di informazioni da collezionare e da analizzare per definire un’offerta sempre più a misura di cliente. Dal punto di vista dei servizi associati alla geomarketing e geolocalizzazione (beacon, NFC, app, touch point interattivi), le opportunità sono significative.
Big Data Management significa andare oltre l’elaborazione degli ordini, implementando nuovi sistemi a supporto delle campagne di marketing arrivando a gestire meglio i programmi fedeltà attraverso un monitoraggio dei feed back registrati da ogni singola promozione, lancio di prodotto, iniziativa ma anche potendo gestire le richieste di garanzia o i reclami, arrivando a raggiungere una visione a 360 gradi dei clienti, dei prodotti e di qualsiasi operazione commerciale.
Le nuove professioni dei Big Data
La questione con i Big Data non è tanto la loro quantità, quanto la capacità delle aziende di riuscire ad analizzare nel modo corretto i dati disponibili. La formula è di tipo conversazionale e si sviluppa in tre tempi: interrogazione, risposta e visione di dettaglio.
Algoritmi sempre più sofisticati consentono di intercettare e interpretare ogni flusso digitale. È questo il progresso tecnologico che sta rivoluzionando i modelli di business.
Così, nel 2021 insieme ai progetti cresce anche il fabbisogno di competenze: complessivamente il numero di Data Scientist è aumentato nel 28% delle grandi imprese con il 49% delle grandi aziende ha in organico almeno un Data Scientist e il 59% almeno un Data Engineer, ma questa crescita riguarda le aziende che già avevano investito negli scorsi anni.
Non aumenta in modo trasversale la diffusione di figure professionali dedicate. Inoltre, nonostante i progressi dell’ultimo anno, soltanto il 27% delle realtà può definirsi un’azienda data science driven, ovvero un’impresa con competenze diffuse e numerose sperimentazioni e progetti a regime in tutta l’organizzazione.
Il report di McKinsey, “The age of analytics”, identifica quattro tipologie di profili che saranno sempre più richiesti dalle aziende:
- Data Architect, cioè coloro che progettano i sistemi di dati e i relativi workflow
- Data Engineer, in grado di identificare le soluzioni basate sui dati e di sviluppare prodotti di scouting e di analisi mirati
- Data Scientist, che analizzano i dati grazie ad algoritmi sempre più sofisticati
- Business Translator, figure bimodali che dispongono di conoscenze tecniche e di competenze relative al business
I trend tecnologici
I ricercatori del Politecnico hanno individuato le tendenze che stanno trasformando lo scenario dell’analisi dei dati nelle organizzazioni. Ecco i trend da conoscere.
È ora dei Real Time Analytics
La velocità emerge oggi come una delle principali fonti di vantaggio competitivo. Svolgere analisi in tempo reale permette di avere visibilità interna dei processi e azioni automatizzate e permette lo sviluppo di nuovi prodotti e servizi, dai wearable devices alle auto a guida autonoma.
Oltre Hadoop
Hadoop, piattaforma software open source per l’elaborazione di elevate moli di dati in modalità parallela, si è affermato negli ultimi anni come standard tecnologico. Oggi però l’ecosistema open source si è arricchito di tecnologie e complessità, al fine di gestire al meglio analisi in tempo reale e Machine Learning. Si affermano così nuovi standard tecnologici, come Apache Spark (motore di elaborazione nel cluster Hadoop) e Apache Kafka (sistema di stream processing). Competenze di questo tipo sono ancora rare nelle grandi aziende italiane.
Hybrid Cloud
Il Cloud ibrido, ovvero la possibilità di connettere il proprio ambiente privato con uno o più sistemi di Public Cloud, crea una flessibilità maggiore, limita i movimenti dei dati e consente l’esecuzione degli Analytics dove i dati sono memorizzati. Ne derivano numerosi benefici: riduzione dei costi, d maggiore agilità e migliore gestione dei requisiti legali in termini di privacy e confidenzialità dei dati.
Inoltre assume crescente interesse il tema dell’Edge Computing, ovvero un’architettura con risorse distribuite che avvicina specifiche elaborazioni ed analisi al luogo dove le informazioni vengono effettivamente raccolte, in particolare dai sensori.
La rivoluzione del Machine Learning
Sviluppare algoritmi di Machine Learning significa sia estrarre valore dai dati sia utilizzare fonti tradizionali in un modo nuovo. Ad esempio, Utilizzare il Machine Learning può portare ad anticipare il comportamento dei clienti, aumentare l’efficacia del sistema di prevenzione delle frodi; analizzare in maniera intelligente immagini o video.
Queste soluzioni grazie ai Big del web svolgono già un ruolo di primo piano nella nostra vita quotidiana, ma sono agli albori nelle organizzazioni.
Monetizzare i dati
Dataset Search è un motore di ricerca creato da Google per aggregare e indicizzare le banche dati presenti sul web. La mossa riflette la volontà di mettere a disposizione i dati a pagamento, fornendo così la materia prima necessaria per sviluppare e addestrare gli algoritmi più innovativi.
Si parla quindi di Data as a Service, e di una nuova figura emergente nel mercato, gli Information Provider.
Data Literacy
Data Literacy, o information literacy, significa saper interpretare correttamente i dati e raccontare un fenomeno attraverso di essi.
L’importanza di questa competenza è sempre più chiara alle aziende, in particolar modo ai ruoli manageriali, ai quali viene richiesto di costruire un processo decisionale data-driven.
La diffusione della Data Literacy passa attraverso una maggiore diffusione delle figure professionali legate ai dati e dei corsi di studio per formarli. Si diffondono anche strumenti che permettono all’utente di business di gestire in autonomia il processo d’interrogazione dei dati (Self-Service Data Analytics).
Come saranno le aziende data driven nel 2025
Facendo un salto di qualche anno verso il prossimo futuro, McKinsey individua alcuni elementi che caratterizzeranno le aziende data driven nel 2025; tra tre anni, infatti, sostengono i ricercatori, flussi di lavoro intelligenti e interazioni continue tra uomo e macchina saranno probabilmente lo standard e la maggior parte dei dipendenti utilizzerà i Big Data per ottimizzare quasi ogni aspetto del proprio lavoro.
La nuova azienda data driven avrà alcune caratteristiche ben precise, prevede McKinsey: i Big Data verranno incorporati in ogni decisione e processo, con le organizzazioni che saranno in grado di prendere decisioni migliori, nonché di automatizzare le attività quotidiane lasciando i dipendenti liberi di concentrarsi su attività dove l’aspetto umano genera maggiore valore come innovare, collaborare, comunicare; i dati saranno elaborati e consegnati in tempo reale, con nuove e più diffuse tecnologie che trasformeranno il modo in cui i Big Data vengono generati, elaborati, analizzati e visualizzati per gli utenti finali; il ruolo del Chief Data Officer (CDO) sarà ampliato per generare valore, da centro di costo responsabile dello sviluppo e del monitoraggio della conformità a policy, standard e procedure per gestire i dati e garantirne la qualità il CDO e il suo team entro il 2025 funzioneranno come un’unità aziendale con responsabilità di profitti e perdite e saranno responsabili dell’ideazione di nuovi modi di utilizzare i big data e dello sviluppo di una strategia olistica che li governi.
Nel 2025 gli ecosistemi di dati saranno la norma, in luogo dei dati isolati, organizzazioni grandi e complesse utilizzeranno piattaforme di condivisione dei dati per facilitare la collaborazione su progetti data-driven, sia all’interno che tra le organizzazioni.
*Articolo pubblicato originariamente a ottobre 2021 e sottoposto a successive revisioni e aggiornamenti.
