La disponibilità di sistemi sempre più complessi ha notevolmente incrementato il valore ricoperto dai dati, fino ad attribuirli un connotato strategico. Tuttavia, quest’importante mole di informazioni, deve essere adeguatamente gestita e interpretata per ottenere quei benefici attesi dall’impresa.
I big data hanno assunto rilevanza strategica e permettono all’azienda di essere compe- titiva nel mercato.
Quotidianamente nel web sono prodotti impressionanti quantitativi di dati che saranno poi raccolti e condivisi. La rete tuttavia, non è l’unica fonte dalla quale derivano questi elementi, infatti, questi possono derivare direttamente dalle singole persone, dall’azienda (dati contabili, gestionali, gps, ecc.), dai beni (come le automobili) o dagli avvenimenti (come possono essere le transazioni finanziarie).
Le nuove tecnologie disponibili e le importanti evoluzioni in termini di raccolta, archi- viazione ed elaborazione creano numerosissime informazioni che devono essere ade- guatamente archiviate.
L’importante mole di dati generata si definisce Big Data se il settore è quello privato (pagamenti, ricerche, ecc.), mentre è definita Open Data se il settore di riferimento è quello pubblico (censimenti, dati amministrativi, statistiche, ecc.).
47 Per usufruire delle informazioni intrinseche ai dati sarà fondamentale una loro organiz- zazione e una successiva analisi che permetta alle aziende di trarne beneficio.
Le informazioni racchiuse in essi possono essere strutturate (organizzate in archivi) o non strutturate (email, testi, immagini, ecc.) e sono trasmesse secondo le seguenti moda- lità:
Persona verso persona: consiste nel semplice scambio di messaggi fra due per-
sone;
Macchina verso macchina: consiste nei messaggi che provengono da una mac-
china verso un’altra quando è in corso un processo;
Persona verso macchina: inerente alla comunicazione che un utente genera a
seguito dell’utilizzo di strumenti telematici;
Dati aziendali: riguardano quelle informazioni memorizzate all’interno degli ar-
chivi di un’azienda;
Settore pubblico: sono quelle informazioni inerenti al settore pubblico, che sa-
ranno utili per offrire servizi o organizzare una PA.
Le informazioni contenute all’interno dell’imponente mole di dati sono spesso ridondan- ti o addirittura superflue, non permettendo di sfruttare pienamente il potenziale infor- mativo in essi contenuto. Per porre rimedio a una problematica di questo tipo sono ne- cessarie capacità di analisi e di interpretazione.
Fissare l’attenzione solamente sul Volume dei dati non è sufficiente per parlare di Big
Data. Se oltre ad essere numerosa, l’informazione presenta elementi di Varietà, Velocità,
Variabilità e Viralità, si potrà parlare di Big Data. Descrivendole brevemente:
Volume: in questo caso si fa riferimento allo spazio occupato nei database azien-
dali. Tuttavia non è presente una misura limite oltre la quale dei semplici dati so- no considerati Big Data;
Varietà: riferita alla diversa origine e ai diversi formati con i quali i dati si pre-
sentano. Saranno quindi necessari strumenti in grado di apportare coerenza e in- tegrità nei dati;
Velocità: intesa come velocità di generazione, raccolta ed elaborazione dei dati. È
di fondamentale importanza ridurre al minimo la gestione e l’analisi dei dati, poi- chè questi diventano presto obsoleti e quindi non più utili. Una migliore efficien-
48 za nella gestione sarà possibile grazie agli importanti strumenti software che la tecnologia offre;
Variabilità: il significato delle informazioni varia a seconda del contesto di origi-
ne. Sarà quindi necessaria un’operazione di contestualizzazione;
Viralità: la rete Internet è la fonte principale dei Big Data. All’interno della rete è
possibile reperire enormi quantità di dati e questo si sta espandendo sempre più in molti “luoghi virtuali” della rete Internet.
Oggi, enormi quantità di dati sono prodotti all’interno dei social networks e le aziende, adottando strumenti di analisi innovativi, cercano di ricavare quelle informazioni che te- stimoniano come l’azienda sia vista dai propri consumatori.
Una volta ricavati, i Big Data devono essere memorizzati. I database tradizionali non of- frono garanzie di analisi e quindi saranno necessari investimenti in grado di migliorare i
datawarehouse interni. Saranno sempre più utilizzati i cosiddetti Data Warehouse Ap- pliance, che vedono una più potente integrazione di componenti tecnologiche in grado di
supportare le attività aziendali.
1.10.1 Big Data Analytics
L’analisi multidimensionale, il data mining e l’intelligenza artificiale sono elementi che appartengono alla business intelligence e consentono di estrarre informazioni utili dai dati disponibili. L’estensione della business intelligence al mondo Big Data viene definita
Big Data Analytics, che permette l’estrazione e l’analisi di informazioni provenienti da
grandi quantitativi di dati.
Per ottenere gli obiettivi di analisi sono necessari modelli e strumenti sofisticati in grado di restituire dati di qualità e allo stesso tempo eliminando i dati non utili all’azienda. Gli strumenti dovranno permettere una gestione veloce e in grado di organizzare dati aventi natura differente. Con riguardo all’aspetto della velocità è importante sottolineare la sua importanza nell’attuale contesto economico. Intraprendere decisioni nel più breve tem- po possibile permette talvolta di anticipare le mosse dei concorrenti o consente di gesti- re più efficacemente delle problematiche. Operare con dati non più validi, poichè obsole- ti, porterà l’azienda a intraprendere decisioni che non sono le migliori.
49 Un’azienda, affinché possa investire sui Big Data, deve possedere capacità e caratteristi- che quali:
la presenza di forti motivazioni verso un investimento di questo tipo;
la predisposizione ai cambiamenti organizzativi. Sarà introdotta un’area apposita in grado di governare le informazioni e trasmetterle alle altre aree funzionali dell’azienda;
la presenza di figure dotate di capacità analitiche e non necessariamente di eleva- te competenze specialistiche;
la condivisione delle informazioni analizzate deve avvenire in tutte le aree azien- dali, agevolando quindi l’intera azienda nello svolgimento delle sue attività;
la presenza di una forte cultura orientata al dato, che attraverso l’utilizzo di sofi- sticati strumenti, consente di prendere le decisioni migliori per l’azienda.
1.10.2 Nuove frontiere legate ai Big Data
Questi dati possono influenzare notevolmente l’operatività aziendale, andando a incide- re direttamente sulla modalità di produzione delle informazioni. Un’azienda in grado di gestire i Big Data, vedrà un’enorme quantità di dati eterogenei che offre opportunità no- tevolmente superiori rispetto a prima.
Per raggiungere questi obiettivi, però, le aziende devono investire su una cultura mana- geriale volta all’utilizzo di una business intelligence e business analytics sempre più effi- cacemente orientate verso il modo Big Data. Tutto ciò gioverà all’azienda, che in questo modo riuscirà a intraprendere le migliori soluzioni.
Piano strategico
La pianificazione consente di affrontare al meglio i punti critici collegati all’orientamento verso i Big Data. I tre pilastri su cui poggiano questi piani sono:
assemblaggio e integrazione di grandi volumi di dati;
utilizzo di strumenti in grado di effettuare analisi complesse;
50 Una pianificazione efficace prevede l’attenzione verso aspetti quali: la scelta dei dati, la scelta degli strumenti più adeguati alla situazione e la previsione delle capacità necessa- rie all’ottenimento dello scopo.
Un piano strategico, condiviso a livello dirigenziale, solitamente presenta i seguenti ele- menti:
Dati: come indicato sopra, uno dei punti fondamentali è ricoperto
dall’organizzazione dei dati. Essi sono ricavati da numerose fonti, sia interne che esterne e inoltre molte volte questi si presentano in forma non strutturata. Sarà, quindi, opportuna un’analisi approfondita sulle capacità e sulle modalità necessa- rie alla riorganizzazione e all’integrazione dei dati e talvolta saranno necessarie modifiche radicali alla struttura esistente;
Modelli: una volta organizzati i dati è necessaria l’analisi. Questa avviene attra-
verso l’utilizzo di modelli avanzati che permettono l’ottimizzazione del processo. Una pianificazione efficace evita le inefficienze che riducono il valore generato. Malgrado la notevole capacità analitica di questi modelli, è preferibile che riman- gano piuttosto semplici e non eccessivamente complessi; tutto ciò per evitare una gestione difficoltosa della complessità del modello (come la presenza di eccessive variabili da considerare);
Strumenti: riprendendo quanto appena detto, se un modello risulta essere ec-
cessivamente complesso, non porterà i benefici attesi, anzi cagionerà delle ineffi- cienze. È necessario che gli utenti comprendano pienamente l’utilizzo di tali mo- delli e per ottenere questo traguardo saranno necessari strumenti intuitivi e di facile utilizzo, in grado di consentire una corretta scelta delle azioni da eseguire. Un fattore di fondamentale importanza, che consente agli elementi appena citati di ope- rare efficacemente è la capacità dell’organizzazione. È opportuno pianificare in base alle proprie possibilità e capacità, infatti, se si effettua una pianificazione troppo ambiziosa, il rischio di insuccesso è elevato. Al contrario, se nella pianificazione si conduce un’analisi approfondita sulle proprie capacità interne, la probabilità di successo sarà maggiore e questo costituirà un circolo virtuoso in grado migliorare le conoscenze e competenze interne al fine di ottimizzare i processi di business.
51
Panoramica futura
Le aziende, allo stato attuale, ricevono notevolissimi quantitativi di dati, che però difet- tano di un’adeguata gestione e analisi. Queste problematiche sono causate dalla man- canza di competenze interne che le spingono a rivolgersi all’esterno, dove sono offerti servizi professionali.
Tuttavia, una situazione di questo tipo subirà importanti cambiamenti futuri dovuti all’acquisizione di maggiori competenze interne nella gestione dei dati e nella disponibi- lità di strumenti e modelli di analisi avanzata.
Si stima che la spesa in investimenti nell’ambito Big Data sia destinata a crescere fino a raggiungere i 114 miliardi di dollari nel 2018 (stima fornita da Abi Research). Gli inve- stimenti riguarderanno principalmente la ricerca di personale qualificato, gli investi- menti nell’infrastruttura hardware e software dell’azienda e investimenti nelle più avan- zate tecnologie [57].