Un fisico nel mare di dati

Michael Prim è a capo di un team di data science e analisti che si occupa di «machine learning», «high-performance computing», «data mining» e, soprattutto, con l’algoritmo che riesce a estrarre in frazioni di secondo i dati rilevanti da oltre 10 miliardi di record al giorno. Secondo Prim, l’effetto finale della pubblicità programmatica è che, in condizioni ideali, gli utenti vedono meno pubblicità e gli inserzionisti acquisiscono più clienti a parità di budget pubblicitario. In Svizzera, l’entusiasmo nei confronti della pubblicità programmatica è ancora piuttosto contenuto, come lui stesso sa bene. Tuttavia, la pubblicità programmatica ha qui ancora un potenziale enorme.

Dalla fisica alla pubblicità

Dall’inizio dell’anno Michael Prim è responsabile del team di Data Science presso Adello. In precedenza ha lavorato per un anno come data scientist presso Adello. La pubblicità, le vendite e l’immagine in sé non sono, in linea di principio, settori in grado di suscitare il principale interesse di Prim. Ma non è nemmeno necessario, come spiega lui stesso: «La statistica, le procedure e i metodi utilizzati anche nella fisica delle particelle sono universalmente applicabili. Questa forma di elaborazione dei dati può essere applicata a tutti i settori industriali. In qualità di data scientist presso Adello, mi occupo di pubblicità solo nella misura in cui devo definire gli algoritmi e preparare le conoscenze evidenti per le macchine.»

Per dedicarsi a tematiche industriali, Prim ha iniziato a lavorare già cinque anni fa presso l’azienda di software Blue Yonder. I Big Data nel contesto della pubblicità programmatica sono da tempo il suo campo di specializzazione. Inoltre, i due ambiti sono molto vicini tra loro. C’è tuttavia una grande differenza tra la fisica e l’elaborazione dei dati. Ed è proprio questa differenza che ha spinto Prim ad abbandonare la fisica per dedicarsi alla pubblicità. In fisica ci si pone tipicamente la domanda: «La teoria data ha ancora senso, alla luce dei dati analizzati, oppure posso confutarla?» Si seguono quindi le stesse fasi di ricerca e analisi, in quanto l’analisi dei dati si basa sulla valutazione degli eventi di interesse in base alla probabilità che l’evento desiderato si verifichi. «In altre parole, una previsione delle singole probabilità», riassume Prim. Nella pubblicità, la misurazione permette di verificare se, ad esempio, le impressioni pubblicitarie corrispondano effettivamente al risultato desiderato, se la pubblicità venga effettivamente visualizzata e se, al termine della campagna, le cifre di vendita o l’immagine del marchio migliorino effettivamente nella misura desiderata. In breve: l’effetto è immediatamente visibile. È questo che affascina Prim della pubblicità programmatica: «L’apprendimento continuo derivante dall’analisi dei dati determina un cambiamento costante. In fisica, le leggi della natura non cambiano. Ciò significa che con i dati posso solo verificare la teoria e, se necessario, restringere ulteriormente il campo. Non si tratta di un cambiamento molto grande.»

Michael Prim ha sempre avuto questa curiosità e questa voglia di sfide. Da bambino voleva diventare astronauta – «ma è quello che vogliono tutti i ragazzi», racconta. Allo stesso tempo, Prim è entrato in contatto con i computer molto presto. Già all’età di circa sei anni si sedeva regolarmente davanti al PC. Suo padre, infatti, era entrato nel mondo dell’informatica sin da giovane. «L’ho sempre trovato interessante. Dopotutto, l’informatica non è solo elaborazione meccanica dei dati, ma offre anche, in una certa misura, un processo creativo. Si costruiscono sistemi e si sviluppano algoritmi: c’è anche un processo creativo dietro a tutto questo». Durante gli studi di fisica, però, Prim si è reso conto di non voler rimanere nel mondo della ricerca. «Nella ricerca, per i miei gusti, c’era troppo poco cambiamento», spiega. Una situazione completamente diversa rispetto alla pubblicità programmatica. «Gli utenti oggi mostrano interessi completamente diversi rispetto a ieri, per esempio. Le teorie possono quindi cambiare molto rapidamente e gli effetti si possono misurare immediatamente. Questo mi piace.» Ed è così che, alcuni anni fa, l’annuncio di lavoro per un data scientist lo ha immediatamente affascinato: poter calcolare, con l’aiuto di algoritmi, la probabilità che un evento si verifichi e poterla poi misurare in tempo reale. «Ovviamente non posso prevedere cosa cercherà un determinato gruppo target tra sei mesi. Ma posso calcolare con estrema precisione quanto sia probabile che un determinato utente, con il suo background e la campagna che gli mostro, compia una determinata azione in un determinato momento. Da ciò posso formulare una cosiddetta previsione »fedele alle aspettative«, che mi permette di fare calcoli molto precisi e prendere la decisione giusta». Ovviamente i modelli devono essere continuamente adattati se gli eventi non si verificano come previsto. «Ma è proprio questo che rende il mio lavoro così entusiasmante», afferma Prim con entusiasmo, «c’è un cambiamento continuo.»

Di dati e particelle elementari

Il team di data science di Prim è responsabile dello sviluppo e del perfezionamento di algoritmi che analizzano ogni giorno miliardi di impressioni pubblicitarie e le visualizzano su una piattaforma di analisi in tempo reale brevettata. Per ogni impressione, gli algoritmi esaminano migliaia di attributi per prevedere in tempo reale dove avverrà la conversione migliore. Ogni fase del percorso del cliente viene misurata e reimmessa nel sistema. Ne risulta un sistema auto-ottimizzante che apprende da ogni visualizzazione di un annuncio, da ogni interazione, da ogni visita al sito web e da ogni acquisto. Da questi sistemi sono ormai scaturiti diversi brevetti e prodotti di pubblicità mobile di Adello premiati con riconoscimenti, gestiti da cinquanta collaboratori in tutto il mondo. Solo poche settimane fa, il «Silicon Valley Technology Innovation & Entrepreneurship Forum» (SVIEF) ha conferito all’azienda svizzera di tecnologia mobile con sede a Santa Clara il Top 30 Innovation Award 2015. Il premio è stato assegnato ad Adello per la sua tecnologia proprietaria, che aumenta l’efficienza degli annunci mobili identificando, tramite l’apprendimento automatico, i clienti più adatti per ottenere il massimo ROI. Di conseguenza, gli utenti vedono meno pubblicità e gli inserzionisti acquisiscono più clienti a parità di budget pubblicitario.

Ma cosa si nasconde esattamente dietro l’elaborazione dei dati tramite algoritmi derivati dalla fisica delle particelle? Michael Prim rende questa risposta facile da comprendere: il modo in cui vengono gestiti i grandi insiemi di dati, mutuato dalla fisica, è quasi affascinante. «La fisica delle particelle si occupa di capire cosa tiene insieme il mondo nel suo intimo: la questione delle forze fondamentali della natura», esordisce Prim. «Per rispondere alle domande di questi campi di ricerca, si costruiscono rivelatori di dimensioni enormi, come quelli che si trovano ad esempio al CERN di Ginevra. Queste macchine sono grandi come una casa e producono al secondo una mole di dati che, se masterizzati su CD nell’arco di una settimana, formerebbero una pila alta quanto la distanza dalla Terra alla Luna.» Queste quantità di dati si accumulano anche presso Adello, sebbene in misura minore. Per poter comunque elaborare e analizzare tali dati, è necessario selezionarli. E farlo molto rapidamente. Questo per quanto riguarda il contesto delle singole particelle. Questi dati, però, devono anche essere valutati istantaneamente. «Se, ad esempio, ho 1000 eventi al secondo, devo scartarne immediatamente 999; posso salvarne solo uno per l’analisi», spiega Prim. Più precisamente, gli algoritmi salvano circa 1000 eventi su 40 milioni al secondo. «La decisione sta quindi nel decidere quali dati conservare e quali scartare», spiega. Tutto ciò che viene cancellato è irrimediabilmente perso. Ciò presuppone che gli algoritmi valutino i dati molto rapidamente per poi memorizzarli o eliminarli. Ciò è possibile solo se viene specificato con estrema precisione quali dati sono preziosi o sconosciuti. Infatti, solo queste informazioni sono davvero utili per ulteriori ricerche. D’altra parte, gli algoritmi devono acquisire informazioni che sono note da tempo. «Dati che conosciamo, che abbiamo compreso», come spiega Prim. Gli algoritmi sono in grado di prendere questa decisione se sono programmati con i trigger appropriati. Per comprendere l’ordine di grandezza delle quantità di dati nella fisica delle particelle, Prim fornisce un esempio: «Al CERN, una dozzina di centri di calcolo sono collegati tra loro al solo scopo di poter acquisire i dati memorizzati e poi elaborarli. Si tratta comunque di una quantità ben al di là di ciò che si potrebbe elaborare su un singolo computer.» Il vantaggio, tuttavia, è che in questo modo l’intero volume di dati viene archiviato e può essere analizzato da molti computer collegati tra loro alla ricerca dei risultati richiesti, per individuare i 1000 eventi di interesse che riguardano specificamente il processo oggetto di studio. Per il suo dottorato, ad esempio, Prim ha filtrato 1000 di questi eventi, accumulati in oltre 10 anni di misurazioni – mentre sono stati registrati miliardi di eventi. L’analisi viene infine condotta su questa quantità di dati residui relativamente piccola. «Forse in questo modo si potrà scoprire se certe teorie sono davvero importanti: l’analisi permette di confermare una teoria esistente o, in casi molto rari, anche di confutarla», riassume Prim. Per arrivare a questo risultato, l’elaborazione dei dati è fondamentale. L’elaborazione dei dati consiste soprattutto nel definire una scala che non esiste ancora nel settore industriale. Nel settore industriale, tuttavia, la quantità di dati è inferiore di un fattore 1000 rispetto a quella della fisica delle particelle. Ed è qui che entra in gioco il data scientist. Finora è stato il business analyst a setacciare tali quantità di dati, ma la tendenza porta verso la fisica delle particelle.

Lo stesso vale per Adello nel settore della pubblicità mobile. «Abbiamo 10 miliardi di impressioni pubblicitarie al giorno», afferma Prim. Queste si distribuiscono su 8 miliardi di persone, 1 miliardo di smartphone e diverse ore di utilizzo dei dispositivi mobili al giorno. «I metodi classici del settore falliscono in questa fase di analisi», spiega Prim. Gli attuali approcci programmatici non sono in grado di far fronte alla sfida di prevedere in modo rapido e preciso il comportamento degli utenti, vista l’enorme mole di dati. Infatti, tali approcci si concentrerebbero su singoli computer, mentre sarebbe necessaria un’analisi distribuita dei dati per poter infine filtrare, tramite più computer separati, le singole impressioni pubblicitarie che risultano interessanti per il cliente. A suo avviso, il problema della rapida riduzione istantanea dei dati e del processo decisionale trova quindi la soluzione migliore nei metodi scientificamente collaudati della fisica delle particelle. La soddisfazione dei clienti e la crescita dimostrano però quotidianamente a Prim che, grazie all’approccio scelto, Adello è ormai in grado di affermarsi con successo a livello internazionale contro i grandi del settore.

In poche parole:
Michael Prim ricopre il ruolo di responsabile del team di Data Science presso Adello dal gennaio 2015. In precedenza ha lavorato per un anno come Big Data Scientist presso Adello. In precedenza ha lavorato per oltre tre anni come analista di dati presso Blue Yonder, durante i quali ha conseguito il dottorato presso l’Istituto di Tecnologia di Karlsruhe. Ha conseguito la laurea in fisica sempre presso l’Istituto di Tecnologia di Karlsruhe.
– Ottobre 2004 – gennaio 2010: Laurea in Fisica presso l’Istituto di Tecnologia di Karlsruhe (KIT)
– novembre 2009 – dicembre 2012: analista dati. Blue Yonder, Karlsruhe
– febbraio 2010 – dicembre 2013: dottorato in fisica, dottore in scienze naturali. Istituto di Tecnologia di Karlsruhe (KIT)
– Gennaio 2014 – Dicembre 2014: Ricercatore nel campo dei big data. Adello, Karlsruhe.
– Da gennaio 2015 ad oggi: Team Lead Data Science. Adello, Karlsruhe.

Ursina Maurer