Una ricerca su Google, un nostro acquisto al supermercato, una foto, un messaggio vocale, un tweet. Tutti questi sono dati. La maggior parte delle nostre attività quotidiane, oggi, crea dei dati, che possono essere raccolti, analizzati e monetizzati.

 
Letteralmente quindi con il termine Big Data si vuole descrivere la capacità di sviluppare attività di calcolo e di intelligenza su grandissimi volumi di dati e di sviluppare più forme di lettura, di interpretazione e di conoscenza che possono essere finalizzate sia a un utilizzo specifico che all’analisi di tutti i fenomeni che si possono individuare, leggere e schematizzare attraverso una lettura più “alta”. Tutte le aziende e tutte le Pubbliche Amministrazioni stanno diventando grandi “fabbriche di dati”. Noi stessi contribuiamo costantemente, consapevolmente e spesso anche inconsapevolmente, alla “produzione di dati”.
I big data sono quindi un fenomeno associato a un’evoluzione massiva degli usi e delle abitudini della gente.

 
La funzione dei Big Data

 
Più cresce l’orientamento delle aziende a sviluppare e attuare forme di Data Driven Innovation più acquistano importanza le due parole chiave che accompagnano questo processo: Conoscenza e Precisione.
Parole chiavi che insieme adempiono alla funzione centrale dei Big Data, ovvero  fornire la miglior rappresentazione possibile della realtà attraverso i dati. Con questo approccio si va a collocare l’impresa all’interno di uno scenario di tipo Data Driven costituito da 4 grandi tipologie di Data Analysis.

 
1 – Descriptive Analytics
Ovvero l’Analisi Descrittiva che è costituita da tutti i tool che permettono di rappresentare e descrivere anche in modo grafico la realtà di determinate situazioni, processi e performance.
2 – Predictive Analytics
Si passa poi all’Analisi Predittiva basata su soluzioni che permettono di effettuare l’analisi dei dati al fine di disegnare scenari di sviluppo nel futuro.
3 – Prescriptive Analytics
Con le Analisi Prescrittive si entra nell’ambito di strumenti che associano l’analisi dei dati alla capacità di assumere e gestire processi decisionali.
4 – Automated Analytics
A fronte dei risultati delle analisi descrittive e predittive le Automated Analytics sono nella condizione di attivare delle azioni definite sulla base di regole. Regole che possono essere a loro volta il frutto di un processo di analisi, come ad esempio lo studio dei comportamenti di una determinata macchina a fronte di determinate condizioni oggetto di analisi.

 
L’analisi di una mole così elevata di dati richiede competenze specifiche, e tecnologie avanzate in grado di supportare l’elaborazione di file di dimensioni molto grandi, per poterne estrarre informazioni utili ma nascoste. Infatti il vero valore di queste preziose informazioni si può esprimere nel momento in cui si mette in atto un processo di valorizzazione di tutti i dati aziendali partendo da una visione di insieme di tutte le fonti.
In questo scenario il tema dei dati non deve più essere visto o letto come un tema solo tecnologico, ma come un vettore di business e materia prima di qualsiasi attività!

 
Soluzioni di Business Analytics

 
Ma come sfruttare al massimo l’oro nascosto dei Big data in relazione agli obiettivi e alle esigenze di un’azienda? Un sistema di soluzioni di Business Analytics in grado di comunicare tra di loro è ciò che serve per adempiere ai concetti di Conoscenza e Precisione del dato.
IBM Analytics offre una vasto portafoglio di soluzioni big data e analytics in grado di far interagire un’azienda con i suoi dati, strutturati e non, per rispondere alle esigenze di mercato e ad i suoi obiettivi  in termini di modelli decisionali, idee innovative e vantaggio competitivo. Soluzioni in grado di completare il ciclo di gestione dei big data che va dall’analisi descrittiva dei dati alla pianificazione delle attività future basate su un’analisi predittiva e prescrittiva degli stessi.
 
1.    IBM Cognos: Fornisce una serie di strumenti per la reportistica, l’analisi e il monitoraggio di eventi e metriche. Integra reporting, analisi, dashboard, storie e gestione degli eventi in modo da poter comprendere i dati dell’organizzazione e prendere decisioni aziendali efficaci.
2.    IBM Watson Analytics: Watson Analytics è un servizio intelligente di analisi e visualizzazione dei dati che consente di scoprire rapidamente modelli e significato dei dati in totale autonomia. Con il rilevamento guidato dei dati  e le funzionalità cognitive come il dialogo in linguaggio naturale, si può interagire con i dati in modo facile per ottenere risposte comprensibili.
3.    IBM SPSS: la soluzione di data mining e di analisi dei dati che aiuta a scoprire correlazioni tra i dati, ottenere accuratezza predittiva ed implementare gli insight per migliorare il business.
4.    IBM Data Science Experience: La Data Science è un settore interdisciplinare in cui si combinano Machine Learning, statistica, funzioni analitiche avanzate e programmazione. Si tratta di una nuova disciplina che consente di ricavare insight altrimenti non evidenti, per utilizzare i dati, strutturati e non, nell’era cognitiva.
5.    IBM ILOG CPLEX: consente di ottimizzare le decisioni di business, di sviluppare e distribuire rapidamente i modelli di ottimizzazione e di creare applicazioni che consentono di migliorare significativamente i risultati di business.
6.    IBM Planning: automatizza i processi essenziali di pianificazione, determinazione del budget e previsione. Partendo da un’area di lavoro di pianificazione personalizzabile, IBM Planning Analytics scopre automaticamente informazioni approfondite – direttamente dai dati – e fornisce agli utenti la rapidità, l’agilità e la capacità previsionale necessarie per produrre risultati di business migliori.

 
Esempio di analisi predittiva

 
Fare previsioni precise sul futuro è sicuramente la funzionalità più attraente delle soluzioni innovative di Analytics. L’inclusione della Predictive Analytics si è già affermata in svariati campi. Oltre alle aziende high tech operanti nell’ambito scientifico, anche il sistema sanitario ha già adottato questo metodo per la predizione del decorso delle malattie. Spesso però non si comprende fino in fondo il vero potenziale dell’analisi predittiva, ovvero quello di essere perfettamente applicabile in qualsiasi settore di business!

 
Un´importante azienda produttrice di primi piatti freschi e di tipiche specialità alimentari si è trovata, grazie all’alta qualità dei prodotti e agli investimenti continui in ricerca e tecnologia a doversi confrontare non solo con il mercato nazionale ma anche internazionale fino in Canada. L’esportazione dei propri prodotti ha generato però l’esigenza di gestire al meglio la produzione, resa ancora più difficoltosa data la grande varietà di prodotti della casa. Var Group ha colto tale difficoltà affiancando all’azienda la soluzione di Predictive Forecasting: IBM SPSS Modeler.

 
Grazie a questa soluzione l’azienda è in grado di scoprire e adottare nuovi schemi produttivi volti a migliorare le performance. Analizzando i dati strutturati e non strutturati, usando gli algoritmi di apprendimento automatico e le funzionalità di manipolazione dei dati con opzioni automatizzate, IBM SPSS Modeler è in grado di predire il futuro delle vendite e delle quantità richieste dei vari prodotti. In questo modo l’azienda potrà far fronte alla domanda sia nazionale che internazionale senza sprechi di produzione, tempo e quindi denaro. Inoltre l’azienda sta implementando, insieme a Var Group, dei sistemi IOT nei propri macchinari per estrapolare importanti dati di produzione; dati che andranno anche a popolare le analisi di IBM SPSS Modeler rendendole ancora più dettagliate e calate nel sistema azienda specifico.

 
I benefici delle analisi dei Big data quindi, sono numerosi. I più importanti, in termini di fatturato e di business, potrebbero essere:
•    Aumentare il fatturato. I soli dati, se sono quelli giusti, sintetizzati in una semplice analisi quantitativa possono far crescere una vendita, valutare la dimensione di un mercato, arricchire un profilo-cliente, calibrare la gestione di un account.
•    Rendere prevedibile lo sviluppo della domanda. Basarsi sul comportamento dei clienti come specchio della propensione all’acquisto e rivelare quindi intenti e interessi dei potenziali clienti non altrimenti evidenti.
•    Prevedere ciò che è meglio fare per un qualsiasi cliente. segmentando la popolazione per personalizzare quanto più possibile le strategie d’azione e analizzando lo storico delle informazioni.
•    Aprire nuove opportunità di business.