Business intelligenceCloudData storageIaasPaasSaas

Oracle sulla via dell’intelligenza adattiva, come cambia il mondo degli analytics

Nel 1998 inizia la sua esperienza nel mondo IT in Mondadori e partecipa alla nascita di Web Marketing Tools di cui coordina la redazione. Redattore esperto di software per PC Magazine, e caporedattore di ComputerIdea, segue da circa 20 anni l'evoluzione del mondo hardware, software e dei servizi IT in un confronto continuo con le aziende leader del settore

La valorizzazione del dato attraverso Oracle Adaptive Intelligence Platform, secondo Rich Clayton, VP Business Analytics. Le nostre aziende muovono i primi passi, ma il ritardo è palpabile

Dati sempre più vicini all’uomo, alla possibilità di essere ‘consumati’, con macchine e IT sempre più complementari all’uomo. Se ne parla, a Milano, in occasione dell’evento Oracle Road to Big Data: From Analytics Bing Bang to Cloud Revolution, frequentato da clienti e partner che il percorso di trasformazione del dato in informazione utile l’hanno, in qualche modo, già iniziato.

E se ne parla con Rich Clayton, VP, Business Analytics Product Group  di Oracle Corporation e Stefano Maio – Country Leader Business Analytics di Oracle Italia che esordisce così: “Il problema è quello di sempre: si tratta di prendere decisioni efficaci con tutti i supporti possibili”.
Inevitabile è sconfinare anche su temi come l’Intelligenza Artificiale (AI) e il Machine Learning, ambiti in cui – in verità – Oracle non si è mossa certo per prima (e le nostre aziende sembrano quasi non si siano mosse del tutto) e che pensiamo invece siano temi in rotta di collisione programmata proprio con quello che è il core business di Oracle e con quello di altri attori che vediamo sempre più estendere gli ambiti delle proprie sfide (Amazon, per esempio). Ma procediamo per gradi.

Rich Clayton
Rich Clayton – VP, Business Analytics Product Group di Oracle Corporation

Tre sono i fattori chiave per sostenere il futuro e riuscire a trasformare il business: (a) disporre di infrastrutture tecnologiche, (b) sapere mettere a terra (realizzare) programmi evoluti, e (c)riuscire a sfruttare le corrette competenze. Con il cloud come grande acceleratore e restando agili, in uno scenario che viene prospettato da Rich Clayton come ‘dietro l’angolo’  (con un certo ottimismo se pensiamo alle nostre realtà): “I sistemi intelligenti, le comunità di data scientist e tutti i nuovi algoritmi, rappresentano un ecosistema operativo oramai vicino, ma questo non vuole dire che la capacità di giudizio umano vada in pensione, anzi, la produttività nel business sarà effettivamente incrementata dalle ‘narrazioni’ (sulla base dei dati, il cosiddetto story telling) generate dalle macchine, ma interpretate dagli uomini”. 

Proprio in occasione dell’ultimo Oracle Open World 2016, l’azienda ha presentato la sua strategia di proposte Cloud Saas che combinano dati di terze parti, funzioni analitiche in real-time, input comportamentali, per generare applicazioni cloud in grado di adattarsi e apprendere, e offrire poi ai clienti suggerimenti personalizzati e la razionalizzazione delle attività soprattutto in ambito finance e risorse umane (almeno come primo step). Oracle le ha denominate Adaptive Intelligent Applications. Clayton estende questo concetto all’ambito Paas, convergendo sotto un unico cappello Dati, Processi di Interazione, Execution, Insights e Intelligence. Nulla di meglio che riproporre l’idea ai lettori con la medesima slide.

Oracle Road To Big Data
Oracle Road To Big Data – Adaptive Intelligence Platform

A questa immagine si aggiunge una sorta di piano di azione universale che prevede la valutazione di una strategia dedicata al dato, la codifica dei processi nella roadmap per la Data Innovation, gli investimenti, anche umani, per acquisire le competenze necessarie in ambito analytics, un piano di approccio al cloud e in ultimo – proprio perché in casa Oracle – il connubio con le proposte nell’ambito delle soluzioni di Adaptive Intelligence.

Significa mettere in campo il meglio delle possibilità del giudizio umano abilitate dalla semplificazione nell’esecuzione, senza il fardello dei processi computazionali ripetitivi demandati a macchine, software e cloud, secondo l’assunto di base per cui i vantaggi del Machine Learning sono proprio dati da algoritmi che possono imparare dai dati stessi senza il vincolo di ricondursi in rapporto diretto con logiche di semplice programmazione (in piena aderenza con la definizione di Machine Learning che fornisce McKinsey).

Stefano Maio
Stefano Maio – Country Leader Business Analytics di Oracle Italia

Non sono pochi i casi di applicazione dei modelli di intelligenza adattiva proposti da Oracle in ambito financial e nel terziario o nelle utilities. Invece è un po’ più difficile traslare questa visione strategica sul dato e sui processi, a Industry 4.0, alle realtà manifatturiere, avvicinando quindi le proposte anche al nostro tessuto produttivo. Così come è difficile assistere ancora oggi a casi in cui effettivamente Business Intelligence e Analytics vivono realmente integrati in tutte le fasi del processo di creazione del valore. 
Le tre case history del giorno – Assicurazioni Generali, BPER Services e Enel – sembrano dare conferma di un percorso possibile che in Italia parte con molto ritardo.

Assicurazioni Generali con Oracle

L’esperienza di Generali, per esempio, è partita prima di tutto dalla necessità di disporre effettivamente di una base dati uniforme per tutte le sedi, poi di offrire accesso alle informazioni HR, da qui il progetto Orion, quindi si è individuata la necessità di implementare visualizzazioni di livello, anche tramite consolle, per comprendere eventi e cause sempre in ambito HR, con una parte predittiva legata alle proiezioni sui movimenti del personale, strategico per la pianificazione delle risorse sul campo negli anni a venire. Almeno all’evento milanese di Big Data, di Machine learning e di AI non ce ne è però traccia – non nella storia raccontata da Alessandro Protasoni, Head of Group Strategic Workforce Planning and HRIS per Assicurazioni Generali. Oracle assicura che anche Generali stia lavorando in quella direzione. 

BPER, progettualità, metodo e… Oracle

Decisamente più in linea con le aspettative di riuscire a traghettare le nostre realtà nel nuovo millennio è il caso di BPER Services, raccontato da Stefano Ferrari, responsabile dei sistemi di Data management. BPER ha costruito un modello di riferimento basato su competenze, tecnologie, e data governance, alla base, per sorreggere il patrimonio informativo aziendale, la qualità dei dati e le iniziative Data Lake, queste ultime abilitanti effettivamente i Business Analytics.

Lo ha fatto con l’attenzione stretta a tutti i vincoli regolamentari in vigore in ambito financial – secondo Ferrari vero e unico benchmark per poter procedere in qualsiasi iniziativa analitica – muovendosi all’interno di quattro coordinate cardine: i Regolamenti, gli Utenti, la dotazione IT e le logiche di Business. Riportiamo nella slide qui di seguito il rigore di esecuzione, che riteniamo di valido aiuto anche per altre realtà.

Oracle Road To Big Data - La strategia di BPER Services
Oracle Road To Big Data – La strategia di BPER Services. Dai Dati ai Business Analytics

Tutto questo con alcuni riferimenti tecnologici, per cui BPER ha preferito i sistemi Exadata e le tecnologie di BI Exalitics, in pratica in un modello mono partner (con Oracle) che è servito a ridurre al minimo i costi di integrazione e ha garantito processi lineari anche se non privi di difficoltà, in buona parte, secondo Ferrari, riferibili all’instabilità delle soluzioni software (quando in versione 1.0) e agli upgrade non sempre agili. Dal 2015 BPER ha messo a terra ambienti di analisi strategica e ora è decisamente prossima ad abilitare progetti in ambito Big Data sull’utilizzo delle carte di credito, con risposte a tutte le relative complessità.

Enel e le scelte in cloud

Il caso di Enel è particolarmente interessante proprio perché l’azienda si muove trasversalmente anche nella valutazione dei partner (per esempio in ambito Smart Metering ha scelto Amazon) e Maurizio Pontini Head of P& , M& A, Investor Relation and Portfolio Strategy and Planning Processes, al di là dei progetti, riesce a trasmettere le difficoltà di un percorso anche a livello di processi. All’evento Clayton e management sono concordi nel ritenere come proprio le intelligenze degli analytics stiano contribuendo in un certo senso anche a ridisegnare i ruoli in azienda, con un deciso ribilanciamento di poteri e competenze tra i CEO e i CFO.

Il viaggio di Enel è partito dalla necessità di riuscire a mettere insieme informazioni eterogenee relativi ai sistemi produttivi e distributivi sia di energia elettrica, sia nella fornitura del gas, con fonti dati sparse sul territorio a livello mondiale. Proprio per fornire informazioni molto più fluide, veloci e consumabili – anche a CEO e CFO -, rispetto a un sistema di aggregazione che in precedenza arrivava a fornire dati con un ritardo di circa 60 giorni.

Enel lo ha fatto tenendo come cardine la possibilità di fruire dei dati anche in modalità offline, anche tramite PDF e creando un’app specifica di facile consumo, per la visualizzazione immediata degli andamenti macro e in profondità con la possibilità di disaggregare le singole voci e navigare ‘per eccezioni’, in pratica estraendo le evidenze di variazione da diversi report per capire meglio gli eventi.

Anche in questo ultimo caso non si è arrivati ad evidenziare l’utilizzo di tecnologie legate ai Big Data, nella descrizione del progetto, ma si è invece affrontato il tema della scelta di soluzioni cloud sia in ambito Iaas sia Paas e Saas. Anche per Enel la scelta è ricaduta su Oracle BI, con la migrazione due anni fa delle soluzioni applicative in cloud abbracciando l’Analytics Cloud di Oracle e preferendo soluzioni Oracle che colloquiano con il dato anche su cloud Oracle, in un certo senso abbandonando la strategia di un fornitore misto.