Big Data e Digitalizzazione Aziendale

Secondo alcuni report pare che ogni persona sul pianeta produca 1,7 megabyte di dati al secondo e il numero è in costante crescita. Pensiamo ad esempio a tutti i post che vengono pubblicati ogni giorno su Facebook, un numero incredibile di dati generati dagli utenti, che probabilmente verranno un giorno analizzati.

I grandi dati o Big Data corrispondono ad un flusso in continua crescita che il business digitale sta facendo girare per favorire le aziende e sviluppare opportunità nuove e innovative. I Big Data integrati alle tecniche di Intelligenza Artificiale (AI) sono lo strumento ideale per il Marketing. Si parla di un incremento del mercato che cresce a due cifre e può raggiungere a breve termine gli 80 miliardi di dollari. Mai come al giorno d’oggi l’unione fa la forza: i Social Media, i Big Data Analitycs (BDA), i Mobile e l’AI si integrano per dare vita a una combinazione di business interessanti poiché prese singolarmente possono raggiungere il cliente in modo mirato e più celere ma unite diventano strategicamente intelligenti.

Il primo aspetto che emerge dai processi digitali è la quantità dei dati che produce, un enorme bacino che necessita di essere estratto e raffinato. I Big Data diventano così protagonisti delle scelte e delle decisioni dell’azienda moderna, che ha la necessità di analizzare in maniera istantanea la grande quantità di dati generati ma che ancora non ha le tecnologie adatte. Uno dei grandi vantaggi è dato dall’in-memory computing che permette una grande riduzione dei tempi nell’elaborazione dei dati. Le decisioni si possono prendere in un lampo rispetto a qualche anno fa, avendo una dashboard che elabora informazioni in tempo reale e fornendo soluzioni alternative senza la necessità di attendere i nuovi dati. Il secondo aspetto riguarda il sistema di machine learning che serve a estrapolare i dati necessari delle mail in arrivo, un risparmio in termini di tempo che alleggerisce l’uomo da un lavoro oneroso che in genere viene svolto da più persone. I Big Data quindi non servono solo agli aspetti decisionali ma anche ad automatizzare azioni che comportano un risparmio in termini di denaro. Si può così ottimizzare le risorse impiegando l’intelligenza artificiale in maniera trasparente e pragmatica.

Il ricorso ad un mercato unico digitale consente alle industrie di soddisfare esigenze sempre più pressanti in termini di personalizzazione del servizio, efficienza e comodità, riducendo i consumi di materia prima anche in termini energetici. La competitività consolida la Quarta Rivoluzione Industriale che si serve di tecnologie tra cui l’IoT, i Big Data, il cloud computing, la robotica e la stampa in 3D.

Definizione di Big Data

I big data corrispondono, quindi, ad un flusso di dati, strutturati e non che circolano all’interno ed all’esterno delle aziende. Dando corpo alla citazione che l’informazione è potere, ciò che conta è l’uso che si riesce a fare di questi dati. Servono tecnologie e metodi per ottenere e gestire una raccolta di dati estesa senza violare le norme della privacy. Il New York Times l’ha definita una delle più grandi rivoluzioni sociali di tutti i tempi per l’intera umanità.

Storia dei big data

Lo slancio maggiore nella storia dei Big Data risale all’inizio del XXI secolo e l’analista di mercato Doug Laney identifica i big data con le 3 V: volume, velocità e varietà. Il volume ha a che fare con l’archiviazione dei dati raccolti da diverse fonti, cosa che oggi avviene tramite piattaforme come Hadoop o i data lakes. La velocità riguarda la necessità di gestire questa mole di dati hic et nunc. La varietà esamina i diversi tipi di formati in cui i dati sono strutturati (video, audio, e mail…). Certo, emerge quindi l’importanza della variabilità dei flussi dei dati che crescono in termini di velocità e cambiano di continuo. È altresì importante saper valutare la veridicità dei dati, che avendo origini così diverse occorre saper relazionare e abbinare in modo sistematico.

Si sente parlare di Big Data già negli anni sessanta del secolo scorso. L’archiviazione dei dati avvenne in un computer dalle dimensioni ragguardevoli, che si chiamava Main Frame Computer. Dieci anni più tardi si potè gestire l’archiviazione digitale dei dati su sistemi differenti, con la generazione di network indipendenti. Con l’avvio dei Personal Computer avvenuta nel successivo decennio, chiunque ebbe la possibilità di accedere autonomamente ai Big Data. Fu la nascita del Web a dare nuovo vigore allo sviluppo della mole di informazioni disponibili, siamo giunti agli anni ’90 e appaiono le prime regolamentazioni del marketing digitale. Negli anni 2000 si è vista la necessità di creare intere reti di edifici collegati tra loro, con il solo scopo di archiviare la mole di flussi informativi.

Big Data Analytics

Il business digitale per essere sempre più performante ha la necessità di svelare il futuro, anzi ci si può spingere oltre, individuando fino a quattro diverse categorie di analytics: predictive, descriptive, prescriptive, automated analytics, una raccolta ed elaborazione dati al fine di ricavare un’utilità nel business. Ispezione, trasformazione e pulizia dei dati stessi in modo da supportare la linea strategica dell’azienda.

L’utilizzo dei Big Data nelle piccole e medie imprese

Oggi è diffusa la convinzione che le piccole e medie imprese (PMI) non possano sfruttare le tecnologie quali i Big Data e l’AI, e che queste siano appannaggio esclusivo delle grandi aziende e dei grandi gruppi. C’è poi un’ulteriore opinione diffusa che riguarderebbe il costo d’investimento, considerato erroneamente elevato, nonché le difficoltà nella gestione infrastrutturale. In realtà questi dubbi sono stati superati dall’impiego del modello Cloud, che mette in condizione anche le PMI all’uso dei Big Data e all’AI di standard elevati, senza la necessità di grossi sforzi economici in risorse aggiuntive di calcolo e di storage.

Occorre impiegare database che sappiano gestire, archiviare e classificare i dati non strutturati, poiché quelli in dotazione in genere alle PMI sono relazionali, pensati per gestire dati strutturati. Nel 2018 l’Osservatorio Big Data Analytics del Politecnico di Milano, ha rilevato che il peso delle piccole e medie imprese sul Mercato Italiano degli Analytics non supera il 12%, anche se, in termini numerici le PMI costituiscono l’ossatura del panorama aziendale del nostro paese.