Grandi dati? Dati intelligenti!

I processi aziendali sono cambiati radicalmente a causa della globalizzazione e della digitalizzazione. Le barriere all'ingresso per i nuovi operatori di mercato sono diminuite. Le piattaforme digitali, di cui beneficiano milioni di persone come rete, stanno spingendo i fornitori analogici fuori dal mercato o stanno sconvolgendo interi settori. Oggi le aziende devono adattarsi e svilupparsi in modo agile per sopravvivere alla concorrenza. I dati sono la materia prima per guidare l'agilità e i cicli di apprendimento organizzativo delle aziende.

Immaginate la terra come un enorme campo di neve: Bambini, uomini e donne lasciano impronte con i loro stivali invernali. Compaiono tracce di animali. In un lasso di tempo molto breve, si crea una rete di tracce stratificata e ampiamente ramificata. A un certo punto, la superficie liscia e bianca si trasforma in un groviglio di tracce densamente intrecciate. Non è più riconoscibile quale traccia conduce dove e quale figlio appartiene a quale genitore. 

Per identificare le tracce in questo apparente caos e poter attribuire delle relazioni, è necessario restringere la varietà delle tracce con domande precise e rimuovere molte delle impronte. Solo così è possibile riconoscere eventuali schemi e trovare risposte alle domande. Il supercomputer della Guida galattica per gli autostoppisti ha impiegato diversi milioni di anni per dare la risposta "42" alla domanda "sulla vita, l'universo e tutto il resto". Nessuno poteva fare nulla con la risposta "42". La domanda era stata posta in modo vago. 

Esiliato dal data warehouse alla palude dei dati

Molte aziende fanno l'esatto contrario. Raccolgono dati indiscriminatamente e riempiono data warehouse e data lake. Molti dei dati sono generati in tempo reale. Provengono da sensori, dispositivi, video/audio, reti, file di log, applicazioni transazionali, web e social media. Molti dati finiscono in una palude di dati. Si tratta di dati che non possono più essere utilizzati per analisi aziendali significative con una quantità ragionevole di risorse.

Il labirinto di tracce non solo è diventato troppo grande, ma è anche obsoleto. I dati sono particolarmente preziosi quando vengono elaborati in tempo reale. I dati obsoleti sono di scarsa utilità per le aziende in un momento in cui vengono portati avanti sviluppi altamente dinamici. Le loro risorse vengono utilizzate meglio se si concentrano sulla raccolta di dati rilevanti. 

In vista del campo di neve: le aziende dovrebbero registrare solo i brani che sono specificamente adattati alle esigenze dell'azienda e che sono rilevanti per il loro settore.

Cosa sono i big data?

Nella terminologia odierna, le grandi quantità di dati raccolti sono i big data. Sono caratterizzati da un grande volume, da una grande varietà (dati non strutturati), da un'elevata velocità (frequenza di elaborazione dei dati) e da un alto grado di veridicità (attendibilità/potere rappresentativo dei dati). 

Ne consegue un certo valore dei dati: Non tutti i dati raccolti sono preziosi. Una buona qualità dei dati, l'accuratezza e la completezza dei dati sono tutti fattori importanti per le analisi successive e corrette. I big data da soli non forniscono approfondimenti. Sono necessari dati intelligenti per ricavarne informazioni significative.

Riduzione e strutturazione dei dati

Il primo passo per utilizzare i big data è ridurre il volume. Vengono conservate solo le informazioni utili per la risoluzione dei problemi. Se necessario, anche la varietà dei dati deve essere limitata mediante un processo di screening. Il valore e la veridicità dei dati aumentano con questa pulizia iniziale (vedi infografica). 

I dati non strutturati esistenti vengono ora strutturati e ulteriormente ripuliti. A tal fine vengono utilizzati processi come il riconoscimento del testo e del parlato (elaborazione del linguaggio naturale). I dati sono ora a disposizione dell'azienda come smart data. Una piattaforma di analisi a valle utilizza i dati per creare conoscenze immediatamente comprensibili. I responsabili delle decisioni aziendali sono in grado di trarre spunti da questi dati per realizzare il proprio potenziale. 

Un esempio:

Customer Experience Analytics (Customer Insights): In questo caso, i big data sono generati da tutte le transazioni e i punti di contatto tra i clienti e l'azienda. I dati intelligenti sono quelli che permettono di analizzare quali clienti si trovano in una determinata fase del ciclo di vita del cliente o quanto sono soddisfatti. I risultati ottenuti consentono all'azienda di realizzare il proprio potenziale. 

Superare le sfide, utilizzando dati intelligenti 

Per trarre vantaggio dai dati raccolti, le aziende devono formulare domande relative alle sfide attuali e future. I dati devono essere raccolti, organizzati e resi disponibili ai responsabili delle decisioni come dati intelligenti. La pressione temporale per offrire ai clienti soluzioni vantaggiose e agire in modo proattivo sul mercato continua a crescere. Per raggiungere questo obiettivo, le informazioni sui dati devono essere integrate in modo continuo e automatico nei processi aziendali e gestionali quotidiani. Solo così le aziende potranno ottimizzarli o avviare nuovi sviluppi.

Un esempio:

Analisi dell'esperienza dei dipendenti (Employee Insights): Dai punti di contatto con i dipendenti vengono raccolti solo dati (smart data) altamente rilevanti in termini di soddisfazione, impegno e motivazione dei dipendenti. Con le relative analisi, un'azienda è in grado di rispondere in modo proattivo alle tendenze. 

Vantaggi dei dati intelligenti

• Ridurre le incertezze nel processo decisionale
• La gestione e il processo decisionale basati sui dati aumentano l'accettazione delle decisioni (piena trasparenza)
• Gli scenari predittivi aiutano a riconoscere il futuro. 
• Riduzione dei costi grazie alla maggiore efficienza nell'elaborazione e nell'analisi dei dati 
• Accelerazione dei cicli di apprendimento dell'organizzazione grazie a decisioni più rapide.