Big Data e Advanced Analytics, i dati e alcuni consigli per approcciare i progetti

Big DataData storage

Big data e Advanced Analytics sono due dei temi più ricorrenti in azienda, ma la percentuale di fallimento dei progetti pilota è ancora alta. Servono competenze e metodo. I dati di Gartner e i consigli

Lo dice una ricerca Gartner condotta su un campione di 437 realtà tra le varie tipologie di industries e conclusasi a giugno 2015: più del 75 percento delle aziende sta investendo nei Big Data, o pensa di farlo da qui ai prossimi due anni, anche se gli investimenti nel 2015 non sono cresciuti tanto rapidamente quanto era accaduto negli anni precedenti, fermandosi a un +3 percento rispetto al 2014.

Le criticità non mancano: servono competenze specifiche – da formare – governance, fondi e certezze sui ritorni degli investimenti. Il segno positivo invece è dato dal fatto che il tema Big Data non è più un argomento a se stante, ma si collega sempre di più a realtà di fatto, i Big Data sono diventati familiari, tanto che oltre il 64 percento delle aziende che investirà, per esempio, sta già lavorando o pianifica di lavorare sui dati non strutturati, per esempio nell’analisi di form con testo libero.

Gli obiettivi sono per tutti molteplici: lavorare meglio con i propri clienti, ottimizzare i processi, ridurre i costi e raggiungere gli obiettivi di marketing con meno risorse. La customer experience resta il primo obiettivo nei progetti riguardanti i Big Data.

bigdata2
Un’interessante infografica sulla differenza tra analytics tradizionali e Big Data

Inevitabile la dialettica con gli analytics, anche nella loro concezione tradizionale. Dai secondi si è imparato a estrarre valore, con i primi la sfida è ancora aperta. Tra le aziende il 43 percento di quelle che hanno già investito denaro e il 38 percento di quelle che pensano di farlo non ha nessun dato in grado di assicurare un ritorno degli investimenti di segno positivo.

E c’è un’ulteriore interessante evidenza, nel report di Gartner: l’anno scorso il 37 percento dei progetti Big Data erano iniziati dai CIO, mentre solo il 25 percento facevano capo ai capi divisione. Nel 2015 invece la percentuale per i primi è scesa al 32 percento e per i secondi è salita al 31 percento. Significa davvero che lavorare con i Big Data sta diventando metodico e pervasivo.

Gli advanced analytics

Nel regno dei dati non strutturati tuttavia è e sarà facilissimo perdersi: da qui al 2017 infatti oltre il 60 percento dei progetti con i Big Data sarà destinato al fallimento, perché è vero che si è ancora in fase sperimentale, questa è la fase dello studio sui cosiddetti advanced analytics. Si tratta dell’esame di dati e contenuti utilizzando tecniche molto sofisticate, strumenti di ricerca in grado di scoprire rilievi importanti, note predittive, strumenti che sono anche molto rischiosi per la facilità di ‘perdersi’.

Social_Network_Analysis_Visualization
Un esempio di visualizzazione di analisi della rete di un social network

Ne fanno parte i sistemi di machine learning, il text mining, l’analisi semantica, l’analisi del sentimento, le simulazioni, le reti neurali e anche la semplice analisi delle reti. Il succo delle ricerche in ambito Big Data e il ROI passano, prima di tutto, dalla capacità di padroneggiare questi strumenti, cosa per nulla scontata, come anche da un cambiamento deciso di mentalità a vantaggio di un appoccio che gli analisti di Gartner, senza mezzi termini, definiscono ‘ più creativo’.  

La ricetta, per imparare a padroneggiare gli advanced analytics è in quattro step: scegliere un problema di business da risolvere con gli advanced  che possa offrire un successo iniziale, tenendo comunque conto che dove ci sono tanti dati, incertezza e complessità, là c’è comunque anche di sicuro un’opportunità, un ritorno veloce, o qualcosa di migliorabile anche di grande impatto (1). Il secondo consiglio è quello di ricorrere a risorse in outsourcing o ad app ‘preconfezionate’ quando si manca internamente di una specifica competenza in Advanced Analytics (2). Individuare, nei progetti, gli anelli della catena della propria organizzazione da convincere sul reale valore degli Advanced Analytics: spesso sono proprio coloro che prendono le decisioni, tendenzialmente più scettici o conservativi (3).

Serve un business case convincente, almeno per partire, ma è certo che il cambiamento di mentalità è indispensabile. Inoltre bisogna valutare in che tempi e in che modi sarà necessario formare internamente competenze e sviluppare internamente i tool necessari (4). I consigli al punto uno non valgono infatti per sempre.

Chi guida questi progetti infine deve avere confidenza infinita con gli analytics tradizionali, sapere porre le giuste domande e conoscere come cavare ai dati strutturati le giuste risposte (vale sempre), avere competenze IT di accesso ai dati e agli insights, ma soprattutto saper approcciare qualsiasi tipologia di dato. Difficile che tutte e tre le competenze siano nella stessa persona, ma devono esserci almeno nello stesso team.

Read also :
Clicca per leggere la biografia dell'autore  Clicca per nascondere la biografia dell'autore