Predictive Analytics, Machine Learning, Risk Management: il futuro degli Analytics secondo Sas

Funzionalità predittive sempre più spinte abilitate da motori di Machine Learning ed intelligenza software specialistica, per esempio per la gestione delle frodi o per il Risk Management in ambito bancario o finanziario. Ecco come si stanno evolvendo i Big Data Analytics e come si sta posizionando Sas in questo scenario

Pubblicato il 30 Nov 2016

“È finita l’era dei bisogni indotti, oggi bisogna ‘conoscere’ le persone per poterle ‘incontrare’. Siamo entrati nella WeGeneration dove il potere di acquisto è in mano ad una generazione che vuole attenzione e desidera condividere la propria esperienza. Conoscere il proprio target di interlocutori è già metà del lavoro necessario per poterlo ingaggiare”.

David Shing, Digital Prophet di Aol

Foto di Jarle Naustvik

È solamente uno dei passaggi chiave espressi dall’eclettico David Shing, Digital Prophet di Aol, durante il Sas Analytics Experience 2016 (convegno internazionale tenutosi di recente a Roma), che ben esprime il senso di urgenza con il quale molte realtà aziendali stanno oggi affrontando complessi percorsi di trasformazione digitale che vedono negli Analytics una forte spinta di accelerazione al cambiamento ed un motore di innovazione e competitività. “La tecnologia cambia i comportamenti, non i bisogni”, prosegue Shing, invitando il pubblico a riflettere anche sui nuovi trend come l’IoE dove la E non sta per Everything in sostituzione di Things (dal termine IoT, Internet of Things) ma per Emotion: “il 75% delle decisioni di acquisto viene fatta dall’emozione, questo significa che la user experience diventa l’elemento competitivo primario”.

Va certamente detto che Shing riporta l’esperienza di un’azienda come Aol che propone servizi e contenuti mediatici ad un ampio pubblico, realtà la quale deve anch’essa ‘fare i conti’ con nuove forme di intrattenimento che passano dalla produzione di contenuti gestita e veicolata direttamente dai singoli utenti ‘prosumer’ (cioè che diventano produttori e consumatori allo stesso tempo); ma è proprio da questa trasformazione che Shing prende spunto per evidenziare l’importanza dei dati e della loro analisi: “Senza dati non c’è creatività e senza creatività non ci sono dati – proclama il profeta digitale -; servono capacità predittive (dove Machine Learning e robotica assumeranno un ruolo sempre più rilevante) per seguire e capire i comportamenti umani e soddisfarne i bisogni senza imporli, pratica quest’ultima dell’imposizione, ormai fallimentare”.

Machine Learning via cloud per i nuovi Analytics

Randy Guard, Executive Vice President and Chief Marketing Officer di Sas

La capacità di capire cosa sta per accadere, vista da una prospettiva più ampia, è la nuova frontiera degli Analytics e dell’utilizzo dei Big Data, partendo dall’assunto espresso all’apertura della convention da Randy Guard, Executive Vice President and Chief Marketing Officer di Sas, ossia che “i Big Data non risolvono i problemi ma aiutano chi deve affrontarli mediante un nuovo approccio all’analisi dei dati, piattaforme tecnologiche più avanzate e competenze sempre più specialistiche”.

Il come ce lo spiega Oliver Schabenberger, Executive Vice President & Chief Technology Officer di Sas che ZeroUno ha intervistato a margine della conferenza: “Non bisogna re-inventare ma far evolvere gli strumenti di analisi attraverso modelli abilitanti come cloud ed open source”, guarda caso pilastri della piattaforma Sas Viya (sviluppata per ospitare, attraverso ambienti cloud, software di Analytics resi disponibili mediante interfacce ed Api open) sopra la quale la stessa Sas costruisce strumenti ad hoc quali software di Predictive Analytics, tool di Machine Learning e Risk Management, solo per fare alcuni esempi.

Oliver Schabenberger, Executive Vice President & Chief Technology Officer di Sas

“La strada per rendere realmente efficaci gli Analytics è quella che noi chiamiamo Knowledge Augmentation, ossia un percorso di ottimizzazione degli strumenti di analisi mediante moderni motori di Machine Learning non pre-impostati e programmati ma liberi: Viya nasce come bilanciamento tra la potenza del motore di Machine Learning e la facilità d’uso degli strumenti di Analytics (la data visualization e la facilità d’uso mediante interfacce utente intuitive sono quindi indispensabili)”, spiega Schabenberger. “Per avere un reale Deep Learning servono diversi strati di software ed enormi quantità di dati, ecco perché il cloud e l’open source diventano abilitanti, atti a costruire e accelerare progetti basati su differenti livelli tecnologici senza doverseli ‘portare in casa’”.


Anche al Risk Management serve nuova intelligenza

Troy Haines, Senior Vice President Head of Risk Research & Quantitative Solutions di Sas

Tra le aree di ricerca ed investimento ritenute strategiche da Sas figura di recente anche quella del Financial Risk Management, divisione guidata da Troy Haines, Senior Vice President Head of Risk Research & Quantitative Solutions, oggi alle prese con le direttive imposte dall’IFRS9 (International Financial Reporting Standard 9), ‘strumento normativo regolatorio’ sviluppato nel 2014 per fronteggiare la crisi economica che definisce i requisiti standard per lo sviluppo e la gestione degli strumenti finanziari (tenendo conto di tutte e tre le fasi di tali strumenti: classificazione-misurazione, svalutazione per perdite, rilevazione delle operazioni di copertura). “Le banche, in particolare, a seguito di tale normativa dovranno ridefinire i propri modelli di gestione del rischio per evitare rischi di insolvenza”, spiega Haines; “La normativa IFRS9 incorpora la misura del rischio all’interno di un sistema regolatorio più ampio con il chiaro obiettivo di sviluppare un nuova ‘cultura della misura’ guardandola dalla prospettiva del business, per esempio prevedendo modelli e analisi di dati per prevenire le perdite sui crediti”.

In contesti simili la piattaforma tecnologica di Analytics (con funzionalità predittive e motori di Machine Learning) diventa il primo dei tasselli strategici, “ma sopra ad essa vanno costruite soluzioni ad hoc specifiche”, precisa Haines. “Uno degli obiettivi del mio team è separare la tecnologia di base (in questo caso la stessa piattaforma Sas Viya di cui abbiamo accennato) dal ‘contenuto’, inteso come logica applicativa ossia come soluzione software sovrastante la piattaforma”.

Vanno per esempio in questa direzione le soluzioni Sas Expected Credit Loss (soluzione modulare che permette di coprire tutte le aree oggetto di regolamentazione dell’IFRS9 oltre a diventare una soluzione efficace anche per gli stress test bancari) e Sas Visual Investigator, software specifico per la detenzione delle frodi e la gestione dei rischi creditizi che sfrutta i motori analitici della piattaforma Viya.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 3