Business Intelligence e Big Data Analytics

Si parla di Business Intelligence in relazione a quell’insieme di risorse necessarie alla raccolta regolare e strutturata del patrimonio informativo aziendale e per la successiva analisi delle informazioni rilevanti per la direzione aziendale. Ove per risorse si intende tutto ciò che concorre alla raccolta/analisi dei dati, ovvero modelli, processi, metodi, persone e strumenti.

La locuzione Business Intelligence venne coniata nel 1958 da Hans Peter Luhn, che definì la BI come la capacità di comprendere le interrelazioni dei fatti presentati in modo tale da orientare le azioni verso un obiettivo desiderato; nel 1989 il termine venne utilizzato da Howard Dresner, analista di Gartner Group, per descrivere gli strumenti informatici in grado di soddisfare le esigenze dei manager aziendali. La BI rappresenta, dunque, il mezzo attraverso il quale parte l’evoluzione aziendale per una gestione efficace, efficiente e strategica delle informazioni raccolte. Tale termine, sin dalle origini, ha ricompreso sia i più tradizionali sistemi di raccolta dei dati finalizzati ad analizzare i trend passati e presenti, comprendere i fenomeni, le cause dei problemi o le determinanti delle performance raggiunte, sia i sistemi rivolti a stimare e/o predire il futuro, a simulare e creare scenari con probabilità di manifestazione differenti.

Generalmente le operazioni svolte dal sistema informativo possono essere classificate in base alle esigenze che scaturiscono dalle attività dei diversi stakeholders aziendali, secondo uno schema che è noto come “Piramide di Anthony”, illustrata nella figura a seguire, che individua tre categorie di attività aziendali (strategiche, tattiche e operative) e i rispettivi attori che si collocano all’interno di ognuno di suddetti livelli (Alta Direzione, Direzioni Funzionali, Personale Esecutivo).

DIGITAL TRANSFORMATION: ANALISI DEL FENOMENO E

PERCORSI EVOLUTIVI AZIENDALI 57

Figura 5 - Piramide di Anthony (Fonte: Cloud4Business)

In un sistema di Business Intelligence i dati vengono raccolti e successivamente elaborati in modo tale da poter essere presentati in un layout tale da renderli intuitivamente comprensibili e dunque facilmente fruibili, con l’intento di supportare ciascun livello organizzativo nel processo decisionale. È, pertanto, fondamentale che il sistema informativo di BI sia in grado di effettuare operazioni di eliminazione della ridondanza dei dati e di integrazione dei dati, “pulizia” dei dati, ed infine attività di elaborazione, aggregazione, analisi dei dati al fine di trasformarli in informazioni utili per prendere decisioni aziendali.

Figura 6 - Funzionalità di un Sistema di BI

L’implementazione di un sistema di Business Intelligence ha, in definitiva, l’obiettivo di valorizzare la mole di dati a disposizione dell’azienda. Ovviamente, la BI senza soggetti che siano formati per interpretare correttamente le informazioni perde la sua essenza stessa. Sarà dunque fondamentale attivare azioni di formazione sul corretto utilizzo del sistema ma anche sulle modalità di interpretazione ed analisi dei dati elaborati dalla BI.

DIGITAL TRANSFORMATION: ANALISI DEL FENOMENO E

PERCORSI EVOLUTIVI AZIENDALI 58

Generalmente una tipica infrastruttura per un sistema di BI presenta diversi livelli: - Sistemi alimentanti, contenenti dati semplici e non strutturati;

- Software per archivio di dati integrati, quali i Data Warehouse; - Software che consentono elaborazione di informazioni finite.

Il primo livello consta di dati elementari raccolti da fonti diverse (dai database ai fogli elettronici). I dati di questa tipologia vengono estratti, analizzati e successivamente depurati da eventuali errori o valori non validi. Successivamente, provenendo da fonti differenti, vengono convertiti utilizzando un unico standard condiviso. Questa prima fase viene chiamata di staging. La seconda fase riguarda invece il caricamento di dati, i quali solitamente vengono inseriti all’interno di archivi informatici, dove sono raggruppati tutti i dati a disposizione dell’azienda; questi archivi sono noti come Data Warehouse (DWH). I dati invece già presenti all’interno del DWH vengono solo aggiornati tramite refresh, ossia la riscrittura integrale dei dati, o tramite l’update, ossia l’aggiornamento dei dati che effettivamente vengono modificati. Questa fase viene comunemente chiamata Back End; ad essa segue la parte di Front End, che permette di analizzare i dati mediante una serie di sistemi di analisi, tra cui:

- Sistemi di Reporting che permettono di rilevare delle informazioni di carattere statico di una determinata situazione aziendale, tramite grafici o diagrammi di vario tipo;

- Sistemi OLAP (Online Analytical Processing) che permettono di studiare una grande quantità di dati in tempi brevi, dando un'ampia possibilità di personalizzazione all'utente finale (come operazioni di drill-up e drill- down);

- Sistemi di Data Mining che permettono di estrarre conoscenza (dati trasformati in informazioni sensibili) dalle banche dati aziendali al fine di svolgere analisi previsionali sul futuro, analizzando le relazioni e le tendenze tra i dati a disposizione;

- Tool di Simulazioni “What If” permettono di elaborare scenari diversi in tempo reale e a difficoltà crescente per offrire differenti esiti;

DIGITAL TRANSFORMATION: ANALISI DEL FENOMENO E

PERCORSI EVOLUTIVI AZIENDALI 59

- Dashboard (ovvero cruscotti gestionali), applicativi grafici e semaforici che permettono di visualizzare i parametri delle prestazioni critiche, comprendendo i livelli di performance delle diverse prospettive.

I sistemi di BI, sono diventati essenziali e sono tipicamente usati in contesti di media complessità. Tuttavia spesso i tipici strumenti di Business Intelligence non riescono a gestire dati dal dimensionamento troppo elevato. Per la gestione infatti dei Big Data, ove con tale termine si intende una raccolta di dati di grande dimensione (dell’ordine degli Zettabyte, vale a dire miliardi di Terabyte), si utilizzano invece sistemi con una potenza di calcolo più elevata eseguita su migliaia di server. Tali sistemi sono noti col nome di Big Data Analytics, e consentono di raccogliere, organizzare e analizzare grandi moli di dati, allo scopo di ottenere informazioni sensibili utili al Top Management.

Se i sistemi di Business Intelligence elaborano dati puliti, ad elevato valore aggiunto, tramite modelli non complessi basati sulla statistica descrittiva, i sistemi di Big Data elaborano correlazioni, relazioni, dipendenze tramite modelli non lineari basati sulla statistica inferenziale, con il plus di poter generare dati previsionali grazie a modelli predittivi complessi.

Secondo quanto riportato da Forrester, è possibile identificare tre cluster di use case dei Big Data Analysis:

 Operational risk ed efficienza, ad esempio contenimento del rischio nell’ambito di: analisi finanziarie, supply chain, asset management (in particolare fraud investigation), gestione del personale;

 Performance applicative e security, nell’ambito dei quali si ricorre a predictive analytics e big data analysis al fine del monitoraggio degli eventi per prevenire criticità o porvi rimedio in tempo reale. Tramite dei data-log (che si originano da server e dispositivi di rete) i modelli d’analisi permettono una valutazione delle performance di erogazione dei servizi piuttosto che l’identificazione di inefficienze;

 Customer care e cunsomer analysis, ove i tool sono utilizzati in progetti marketing & sales, piuttosto che in ambito sviluppo prodotto, o efficientamento della digital experience.

DIGITAL TRANSFORMATION: ANALISI DEL FENOMENO E

PERCORSI EVOLUTIVI AZIENDALI 60

Un sondaggio svolto dal Business Application Research Center mostra come l’implementazione di sistemi di Big Data Analytics all’interno dell’azienda comporti benefici in termini di business. Più precisamente, oltre la metà degli intervistati (53%) dichiarano di aver ottenuto benefici elevati, il 41% parla di benefici moderati, mentre solo una piccolissima percentuale del campione analizzati (6%) sostiene di aver ottenuto pochi benefici. Il sondaggio rivela anche un altro dato interessante: l’adozione di Big Data Analytics è tuttora relativamente bassa, ad esclusione delle aziende mature; di queste, infatti, il 68% dichiara di aver già implementato nella propria azienda tecnologie di Big Data Analytics per la sicurezza.

I benefici che l’analisi Big Data può dare sono parecchi. Tra questi i più significativi ((in ordine di profittabilità per il business) sono:

 Incremento del fatturato: mediante l’analisi di una grande mole di dati si possono ottenere informazioni sensibili per comprendere molte delle dinamiche di settore o relative ai bisogni del consumatore che permettono all’azienda di muoversi in una direzione che le permetterebbe di aumentare i propri introiti;

 Sviluppo della domanda: analizzando Big Data esterni al contesto aziendale si possono ottenere informazioni relative ai bisogni e agli interessi di potenziali clienti che non sarebbero state evidenti se fossero stati analizzati solo i dati intern, piuttosto che svolgere analisi di mercato e dei competitor;

 Nuove opportunità di business: l’utilizzo di Big Data Analytics permette di avere informazioni sensibili riguardanti nuovi mercati, nuovi clienti o nuovi prodotti. Questo, ovviamente, permette all’azienda di differenziarsi e sviluppare nuove opportunità di mercato, con un conseguente aumento del fatturato.

Il nuovo trend per il futuro dei Big Data è il Big Data Management, attraverso cui si possono ottenere informazioni sempre più rilevanti tramite l’accesso a database di qualità, al fine di comprendere e rendere comprensibili i dati che si posseggono e che provengono da una pluralità di fonti al fine di trasformarli in azioni strategiche a supporto del business. Implementare una strategia di Data

DIGITAL TRANSFORMATION: ANALISI DEL FENOMENO E

PERCORSI EVOLUTIVI AZIENDALI 61

Management in azienda è fondamentale per scoprire nuove opportunità e aumentare il vantaggio competitivo.