Cosa c’è dietro al Big Data Analytics

,

Numeri e parole nei contemporanei sistemi di gestione dei Big Data Analytics

Le nuove discipline di analisi e gestione dei dati, come ad esempio i processi di Big Data Analytics, hanno introdotto non solo nuove terminologie, ma anche nuove definizioni di ruoli e responsabilità nelle gerarchie aziendali.

Appellativi come Data Scientist, Business Intelligence Manager o Chief Data Officer sono oramai entrati nel linguaggio comune, e non indicano solamente una carica professionale, ma implicano interazioni e integrazioni complesse con diverse aree funzionali e strategiche.

Come nasce l’informazione

Al suo primo approccio con i numeri semplici, un bambino li pronuncia in sequenza. Successivamente, associa ai numeri oggetti ed azioni, li memorizza, li somma e sottrae e poi moltiplica e divide. Andando avanti, li colloca all’interno di insiemi e gruppi di varia entità e misura… li conta!

Impara ad ordinarli, classificarli, raccoglierli e organizzarli con cura, li aggrega e li analizza ed infine sarà in grado di  sintetizzare la quantità del dato nella qualità di un’informazione.

Una volta generata, l’informazione va raccolta, letta, compresa, interpretata.
“Intelligenza” deriva da”Intus legere”  leggere dentro, leggere tra le righe.  Intelligenza è saper mettere in relazione tra loro le informazioni, saperle confrontare, sistematizzare e comprendere, ma è anche creare ordine e flussi coerenti in quelle stringhe che dalla fine del XX secolo misuriamo in Kilo, Mega, Giga, Tera, Peta, Exa, Zetta e Yotta Byte.

L’informazione entra in azienda

Il sistema azienda si interfaccia e si confronta da un lato con un contesto esterno e con i mercati in esso presenti, dall’altro con l’organismo interno all’azienda stessa fatto di personale, procedure, architetture e componenti logiche e tecnologiche. I due contesti si parlano attraverso un flusso di dati e informazioni che reciprocamente vengono scambiati, richiesti ed esaminati nel più ampio insieme della competizione di mercato.

Individuare i bisogni, raccogliere i dati, analizzare gli elementi, trasformarli in informazione. Sviluppare soluzioni innovative al servizio di sfide reali di business, analizzare processi, dati e problemi per i quali individuare soluzioni e/o aree di miglioramento, identificare nuovi modelli di business, mappare processi e monitorare KPI di performance, consentire al top management di prendere decisioni saldamente basate sull’analisi dei dati.

Dati interni e dati esterni, strutturati e destrutturati contraddistinti dalle caratteristiche di Volume, Velocità, Varietà e Valore, si inseriscono nel flusso di misurazione, analisi, informazione e azione posto in atto nei processi di Business, Competitive e Social Intelligence.

Il mercato, i nostri clienti finali e partner nei canali B2C e B2B parlano di sé, dei loro bisogni e necessità, parlano di noi e dei nostri competitor, cercano prodotti e servizi, commentano, esprimono giudizi, si confrontano e scelgono ciò che più soddisfa le loro esigenze, ed è in questo spazio che la sfida e la competizione prendono la forma del dato.

Strumenti e figure professionali adeguate

I sistemi di Data Collection, Content Management System (CMS), Datawarehouse integrati con quelli di Customer Relationship Management (CRM), gli Enterprise Resource Planning (ERP) consentono ai Data Scientist di porre il proprio lavoro al servizio di Strategic Planner, Product Developer, Marketing Product Manager, Customer Service Manager, Technology Research, Resource & Manufacturing Planner, R&D Manager e Chief Financial Officer al fine di supportare fasi operative, di controllo e strategico-funzionali.

Il flusso di informazioni ha la necessità di essere gestito e monitorato attraverso un attento sistema di Project Management che consenta un continuo confronto e interscambio di informazioni tra il front line, il middle e l’executive management.

Il Big Data Analytics è tutto questo, perché “big” sono i flussi di informazioni economiche e finanziarie, “big” sono le informazioni di marketing e di vendita, “big” sono i dati alfanumerici e geo-spaziali inseriti nei database relazionali e nei più contemporanei Geographical Information System, “big” sono gli scambi di dati destrutturati (video, immagini, parole e linguaggio composti da un elevato numero di metadati da cui estrarre informazioni attraverso tecniche di analisi semantica),”big” sono i Tweet, i post, “big” sono le ricerche online e della navigazione web.

Da un recente studio dell’Osservatorio Big Data  Analytics & Business Intelligence, School of Management dell’Università di Milano, emerge che l’utilizzo dei Big Data nei sistemi di analisi aziendale si diffonde trasversalmente dal mondo dei servizi bancari e assicurativi, della pubblica amministrazione e sanità a quelli legati al turismo e ai trasporti, passando per il tradizionale mondo delle telecomunicazioni da un lato e dei prodotti e utilities (alimentare, tessile/abbigliamento, automotive, metalmeccanico, degli elettrodomestici, chimico e della GDO) dall’altro.

Affinchè questa mole ingente di dati possa essere utilizzata ai fini strategici, mancano ancora nel mercato figure specializzate, strategie condivise e team di governance inter funzionali. Anche se ci fossero, queste figure si scontrerebbero con la mancanza di strumenti di analytics adeguati, tecnologie e sistemi di aggiornamento, confrontabilità e integrazione delle fonti informative che ne garantisca l’adeguata qualificazione.

Laura Osmani

Fonte: Osservatorio Big Data Analytics & Business Intelligence

La tua azienda non è pronta a gestire adeguatamente il processo di Big Data Analytics? Lascia fare a noi!
Scrivici qui!