LO STATO DELL'ARTE DEI BIG DATA, POSIZIONAMENTO NELL'HYPE CYCLE

Gartner attraverso l'hype cycle32 fornisce una rappresentazione grafica del grado di maturità ed adozione delle tecnologie ed applicazioni e si propone di descrivere in che modo esse risultino potenzialmente rilevanti per la risoluzione dei possibili reali problemi di business e permettano di sfruttare nuove opportunità. Nello specifico fornisce una panoramica di come una determinata tecnologia o applicazione evolverà nel tempo.

Ogni Hype Cycle esamina in profondità le cinque fasi chiave del ciclo di vita di una tecnologia. Le fasi:

- Technology Trigger: Una potenziale svolta tecnologica inizia a smuovere la situazione, si tratta del momento di slancio che porta verso la grande visibilità; in questa prima fase l'elemento di innovazione tecnologica spinge all'adozione

.

Iniziano ad arrivare le prime testimonianze che fanno emergere il concetto tecnologico derivante dall'innovazione, l'interesse dimostrato da parte dei media svolge una significante azione pubblicitaria. Solitamente in questa fase none sistono ancora prodotti funzionanti disponibili e la realizzabilità commerciale non è comprovata; - Esagerato picco di aspettative: Le prime pubblicità producono un gran numero di

casi di successo, spesso accompagnate da segnali di fallimento, alcune imprese iniziano a muoversi verso l'innovazione tecnologica, mentre altre no, questa fase è caratterizzata da un forte apporto di entusiasmo, che in molti casi si verifica anche eccessivo, può accadere inoltre che vengano riposte delle aspettative poco realistiche nei confronti della nuova tecnologia;

- Trough of Disillusionment: L'interesse declina mano a mano che gli esperimenti e le implementazioni dell'innovazione tecnologica falliscono nel loro compimento. I produttori delle tecnologie ristrutturano oppure falliscono. Gli investimenti continuano solamente se i fornitori che sopravvivono sono in grado di migliorare i loro prodotti in modo tale da soddisfare gli “utenti precoci” (“early adopter”);

- Slope of Enlightenment: “calo dell'illuminazione”, maggiori richieste su come la tecnologia possa beneficiare l'impresa incominciano a concretizzarsi e a divenire

83

largamente comprese. Dai fornitori della tecnologia cominciano ad arrivare i prodotti di seconda e terza generazione. Più imprese destinano fondi all'innovazione tecnologica, mentre le aziende più conservative rimangono ancora caute;

- Plateau of Productivity: “stabilizzarsi” della produttività, l'adozione mainstream comincia a decollare. I criteri per valutare l'attuabilità dei fornitori sono definiti più chiaramente. Mainstream adoption starts to take off. Criteria for assessing provider viability are more clearly defined. L'applicabilità e la rilevanza del mercato della tecnologia stanno pagando in maniera chiara. In questa fase, infatti, i benefici della tecnologia risultano ampliamente dimostrati ed accettati. La tecnologia risulta piuttosto stabile e si presta ad evolvere negli stadi successivi;

FIGURA 8.FASI GARTNER HYPE CYCLE33

- La situazione fotografata da Gartner per il 2012 evidenzia l'entrata dei Big Data nella fase che porta al picco di aspettative, attualmente i Big Data stanno sollevando l'interesse di molti, soprattutto imprese e altre figure provenienti dal business, quello che è evidente è che ancora non si è ancora diffusa né consolidata un' effettiva cultura di business legata ai Big Data, sono ancora poche le imprese che ne stanno comprendendo e sfruttando appieno le potenzialità, tuttavia se ne sta parlando molto e le aziende di conseguenza stanno iniziando a recepire che i big Data possono rappresentare una risorsa strategica a supporto del business, la strada verso la maturità sembra ancora piuttosto lunga, le imprese devono compiere dei passi

84

importanti, l'adozione dei Big Data infatti comporta una serie di interventi a livello tecnico ed organizzativo per le imprese e richiede una dedicata pianificazione strategica.

FIGURA 9.HYPE CYCLE 2012,TECNOLOGIE EMERGENTI34

2.4.1. Cosa cambia con i Big Data e quali sono le loro potenzialità

Le imprese che sapranno imparare a trarre vantaggio dai big data potranno fare affidamento sull'utilizzo delle informazioni provenienti in real-time dai sensori, dagli identificatori di radiofrequenze e da altri dispositivi identificatori per comprendere al meglio l'ambiente in cui opera il loro business ad un livello sempre più granulare, sfrutteranno queste informazioni per creare nuovi prodotti e servizi adatti ad un mercato che grazie a questi meccanismi riusciranno a conoscere sempre meglio.

Davenport et al. (2012a) hanno riscontrato tre aspetti caratteristici che differenziano le imprese che capitalizzano i big data dai tradizionali ambienti di data analisi:

- fanno attenzione ad un flusso continuo di dati anziché a stock di dati: oggi, anziché osservare i dati per attestare cosa sia successo nel passato, le organizzazioni hanno bisogno di pensare in termini di flussi continui e di processi;

- “Streaming analytics allows you to process data during an event to improve the

85 outcome”35;

- fanno affidamento sui data scientist e sugli sviluppatori di prodotti e processi piuttosto che sui data analyst: successivamente verrà messa in evidenza l'importanza rivestita dal data scientist, figura strategica chiave. Il data scientist oltre a possedere competenze creative a livello IT dovrà allo stesso tempo essere vicino ai prodotti e ai processi che vengono svolti nell'azienda, il che implica che dovranno essere coordinati in maniera diversa rispetto a come accadeva allo staff di analisti in passato;

- stanno spostando le analitiche dalla divisione IT verso il core business e le funzioni operative e produttive: i big data stanno cambiando la tecnologia, le competenze e i processi della funzione IT.

I Big Data non sono una questione solo ed esclusivamente tecnologica, ma diventano a tutti gli effetti una questione di business, pertanto si deve spostare la prospettiva della loro gestione da operativa a strategica a livello di business.

86

2.5 OLTRE LA BUSINESS INTELLIGENCE TRADIZIONALE: BUSINESS

Nel documento "big data:organizzazione e metodi" (pagine 82-86)