NELLE FUNZIONI AZIENDAL
CAPITOLO 5 – L’EVOLUZIONE DEI BUSINESS
5.3 I BIG DATA ANALYTICS
Una volta fatte tutte le considerazioni precedenti circa le opportunità fornite e le criticità da tenere in considerazione nell’utilizzo dei big data, allora un imprenditore o un CEO arriva alla decisione se sfruttarli o meno. Nel caso di decisione a procedere, si arriverà all’utilizzo di sistemi chiamati Big Data Analytics (BDA). I BDA non sono altro che l’applicazione dei sistemi di business analytics ad un pool di dati molto più grandi, appunto i big data. Una definizione più rigorosa viene fornita da Davenport138, che indica i big data analytics come:
“la raccolta e l'interpretazione di set di dati massicci, resa possibile da un'ampia potenza
di calcolo che monitora una varietà di flussi digitali come sensori, interazioni sul mercato e scambi di informazioni sui social network e li analizza utilizzando algoritmi <<intelligenti>>”.
I big data, come visto, provengono sia dai sistemi tradizionali di raccolta dei dati nonché dalle nuove fonti non strutturate come e-mail, file audio, flussi di click internet, social media, news media, registrazioni dei sensori, video ecc139. Essendo un set di dati talmente
136 Eckerson (2011)
137 Intervista presente in Prusak (2017) 138 Davenport (2014)
93
ampio e non strutturato, non possono essere elaborati e analizzati utilizzando i sistemi di gestione del database e dei programmi software tradizionalmente utilizzati a tali scopi; è qui che intervengono in supporti i sistemi di BA, per permettere di elaborarli e estrarre informazioni qualitativamente valide e significative.
I BDA hanno iniziato a diffondersi dal 2010, quando la raccolta di grandi set di dati ha iniziato ad essere economicamente conveniente e dal qual momento sono stati effettuati i primi esperimenti di analisi e utilizzo della conoscenza acquisita nel processo decisionale. Il potenziale giovamento che i BDA apportano non viene messo in discussione, ma il reale successo è spesso limitato, perché l’aspetto tecnico dell’analisi supera la comprensione strategica degli aspetti di business in cui applicarli e le competenze tecniche necessarie spesso latitano140.
Dopo i primi esperimenti e viste le potenzialità che emergevano, si è assistito ad una forte crescita tutt’ora in corso. I motivi di tale crescita possono essere ricompresi nei tre seguenti141:
1. Modifica dei tipi di dati.
Le aziende stanno raccogliendo oggi diversi tipologie di dati e, rispetto a pochi anni fa in cui la maggior parte dei dati era legato alle transazioni svolte dall’azienda ed erano strutturati, oggi i dati sono legati a tutto il mondo che circonda l’azienda e la loro crescita è alimentata da dati largamente non strutturati.
La maggior parte dei nuovi dati è in realtà semi-strutturata in formato, perché consiste in dati seguiti da stringhe di testo. I dati puramente non strutturati, come i dati audio e video, hanno un contenuto testuale limitato e sono più difficili da analizzare, ma lentamente stanno crescendo.
2. Avanzamenti tecnologici.
I miglioramenti tecnologici hanno permesso ad hardware e software di avere prestazioni di elaborazione, memoria e archiviazione che consentono di memorizzare e analizzare grandi volumi di dati ad un prezzo accessibile.
140 Silvi e Visani (2016) 141 Eckerson (2011)
94
3. Insourcing e outsourcing.
A causa dell’elevata complessità e dei costi di memorizzazione e analisi dei dati, fino a poco tempo fa avveniva che la maggior parte delle aziende affidavano queste funzioni a terze parti. A causa dell’aumento della capacità di elaborazione, dei costi contenuti del trattamento e compresa l'importanza dei dati, la tendenza in atto tra le aziende è quella di re-internalizzare questi dati per ottenere maggiore conoscenze sul cliente.
5.3.1 I vantaggi dei BDA
Per Davenport (in Prusak, 2017) analizzare i big data apporta potenzialmente molti vantaggi, da aggiungersi a quelli ottenuti dagli "small data". I big data sono relativi a misurazioni del mondo esterno e forniscono una nuova prospettiva sull'ambiente imprenditoriale. Più informazioni si estraggono da questi dati, più si capiscono le necessità dei consumatori e meglio si possono soddisfare creando i prodotti e servizi che effettivamente essi cercano.
L’analisi dei big data è una attività di vitale importanza, dato che il mero possedere e raccogliere big data non apporta alcunché all’azienda. Infatti, i big data di per sé non hanno un valore, ma lo acquisiscono se chi li utilizza in ambito aziendale è capace di estrarre da essi informazioni utili alla gestione. È qui che entrano in gioco i big data
analytics142.
Con l’avanzare della quarta rivoluzione industriale, i dati e le informazioni da generate e raccoglibili sono passate da scarsi ad un sovraccarico. Oggi è più facile che mai confrontare, aggregare ed analizzare i dati e le aziende in questo modo identificano potenziali miglioramenti che consentono di giustificare investimenti in migliorativi operativi o finanziari.143
La decisione più importante è quella della scelta di quali dati raccogliere, da individuarsi a partire da ciò che si vuole ottenere come risultato finale. I dati devono essere raccolti in modo da permettere, una volta elaborati, di generare delle informazioni utili per raggiungere gli scopi voluti.
È utile porsi una serie di domande in merito, quando si progetta l’implementazione di un modello BDA144:
142 Eckerson (2011) 143 Thompson (2016) 144 Thompson (2016)
95
- Quali sono i motivi principali per la raccolta dei dati?
- Cosa si vuole cercare di migliorare con l’introduzione dei BDA?
- Quali sono le principali questioni strategiche che usufruirebbero dei big data? - Si vogliono migliorare le prestazioni finanziarie?
- Come possono essere fatti confronti con i concorrenti?
- Con i big data analytics, si vogliono sviluppare nuovi prodotti / servizi?
Se si struttura un sistema di big data analytics in maniera corretta, quindi analizzando il fabbisogno informativo interno dell’azienda e determinando conseguentemente le informazioni di cui è necessario disporre, allora l’azienda potrà ampliare la conoscenza del proprio business, nel senso che utilizzerà dei dati di cui dispone, che altrimenti non tratterebbe per mancanza di conoscenza o ignoranza delle possibilità che offrono, per permettere ai manager di disporre di migliori, tempestive e aggiuntive informazioni sulla base delle quali prendere decisioni e compiere scelte.