A cura dell’Osservatorio Big Data Analytics & Business Intelligence della School Management – POLITECNICO MILANO
Irisultati ottenuti riguardanti i progetti di Analytics intrapresi dalle grandi aziende italiane, testimoniavano la coesistenza di due fenomeni: la totalità delle grandi organizzazioni adotta Analytics di tipo descrittivo e molte di queste stanno sperimentando una second wave di adozione in alcuni ambiti progettuali, ovvero un’evoluzione di progettualità già implementate verso logiche di predictive, prescriptive e, in alcuni casi, automated Analytics. Il cammino verso un’adozione diffusa delle tre tipologie di Analytics menzionate passa attraverso due direzioni d’innovazione: da un lato le tecniche di Machine Learning e Deep Learning, che abilitano nuove tipologie di analisi; dall’altro i Real-Time Analytics. In merito all’utilizzo di Machine Learning e Deep Learning nello sviluppo di progetti di Analytics poco più di un terzo le ha già internalizzate e un ulteriore 30% prevede di farlo entro i prossimi due anni. Riguardo l’analisi Real-Time, ciò significa predisporre un’infrastruttura tecnologica in grado di processare e rendere disponibili i dati tempestivamente e utilizzare strumenti di analisi e visualizzazione delle informazioni che riescano ad interfacciarsi con un ambiente dinamico. L’11% delle organizzazioni sfrutta oggi modalità d’analisi in Real-Time, dove i dati sono raccolti in tempo reale e possono essere interrogati quando se ne ha l’esigenza. Il percorso di adozione dei Real-Time Analytics è agli inizi e richiederà ancora diversi anni per essere completato, ma è già possibile identificare le principali finalità che spingono le aziende ad avviare progetti in questa direzione: •Monitoraggio e Alerting: progettualità dimonitoraggio dei dati disponibili in tempo reale, che possono comprendere attività di alerting automatizzati al verificarsi di determinati eventi, più o meno complessi; • Automated Decision Making: progettualità che a partire dal monitoraggio dei dati in streaming automatizzano determinate azioni al verificarsi di uno specifico evento; • Nuovi prodotti e servizi: grazie alla capacità di analizzare i dati in Streaming, l’azienda è in grado dimettere sulmercato nuovi prodotti o servizi (ad esempio le automobili a guida autonoma) o di sfruttare al meglio le potenzialità di prodotti già esistenti. Nonostante dai risultati ottenuti in questi anni si evinca quanto sia diminuita la complessità e l’incertezza nell’intraprendere un percorso di adozione di Analytics, tanto da poter raccontare di una second wave legata ad alcuni ambiti progettuali, per le aziende che avviano progettualità di Analytics persistono alcuni ostacoli da affrontare: mancanza di competenze e figure organizzative interne, l’integrazione dei dati, stima ex-ante dei benefici dell’investimento, ecc… A fronte di queste difficoltà, gli ambiti progettuali in cui si possono applicare gli Analytics sono però numerosi e all’interno di ciascuno i Real-Time Analytics porteranno maggior valore alle aziende che vi investiranno.