Prospettive

Advanced analytics e AI: i progetti per il futuro delle imprese

Da una tavola rotonda dell’evento “Data Science: time to grow up” per presentare i dati dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano uno scorcio su progetti innovativi che traggono vantaggio sull’uso della big data analytics e dell’intelligenza artificiale

Pubblicato il 22 Gen 2020

Osservatorio Big Data foto

Tecnologie analitiche, AI e machine learning promettono oggi di dare alle aziende la spinta per sfruttare i dati in modo proficuo, migliorare la produttività, individuare nuove aree di business dare risposte rapide e proattive alle esigenze dei clienti. Una promessa che può essere mantenuta quando l’impiego delle tecnologie si accompagna con l’adozione di modelli organizzativi, strategie e pratiche aziendali coerenti con le esigenze della trasformazione digitale.

In molte grandi aziende il lavoro è già cominciato con progetti che riguardano non solo le necessità contingenti, ma quelle previste per il futuro. Progetti di cui si è parlato in occasione della tavola rotonda tenuta nel corso dell’evento Data Science: time to grow up organizzato dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano (ex Big Data Analytics & Business Intelligence) per presentare i dati della ricerca 2019, a cui hanno partecipato gli esperti di note aziende italiane.

Preparare la data analytics alle esigenze del futuro

Le tecnologie analitiche e AI sono alla base delle nuove modalità di fare business e di competere sui mercati. Secondo le rilevazioni dell’Osservatorio curate da Carlo Vercellis, responsabile scientifico e da Alessandro Piva, responsabile della ricerca (entrambi moderatori della tavola rotonda), il 93% delle grandi imprese e il 62% delle PMI hanno in corso progetti di data analytics. Il 47% delle aziende ha investito nei software per visualizzazione, analisi e ingestion dei dati (47%).

Le grandi imprese hanno aggiunto ai team IT figure professionali specializzate: data analyst (76%, solo 23% nelle PMI), data engineer (51%) e data scientist (49%). Per non farsi trovare impreparati rispetto alle esigenze future del business, i reparti IT delle aziende più dinamiche hanno giocato d’anticipo, rendendo i supporti informativi più flessibili, dotandosi di capacità d’analisi in tempo reale, preparando servizi a misura di organizzazioni data-driven.

Gettare le basi per l’impiego delle tecnologie analitiche

Per Matteo Nati, software engineer FS Technology (Gruppo Ferrovie dello Stato Italiane) l’innovazione analitica deve partire da obiettivi chiari: “Come migliorare l’efficienza e la qualità dei servizi attraverso un modello organizzativo adeguato. Questo, nel nostro caso, richiede il raggruppamento delle strutture ICT [oggi un centinaio di società a livello nazionale e internazionale, ndr] per avere una visione più unitaria su tutte le componenti d’innovazione”. Oltre alle tecnologie analitiche Nati cita le tecnologie IoT e blockchain: “tool utili per la diagnostica predittiva, per aumentare puntualità ed efficienza dei servizi, rendere fruibili i dati internamente e ai clienti”.

foto Matteo Nati
Matteo Nati, software engineer FS Technology

Per Roberto Carrozzo, head of data tech & analytics di Minsait Italia, società di consulenza attiva nell’area del Mediterraneo e Sud America, i passaggi chiave da affrontare riguardano la digital transformation e la centralità del cliente. “Servono strumenti per elaborare dati in tempo reale, conoscere le preferenze dei clienti e fornire proposte più personalizzate”. Per Carrozzo è importante dotarsi degli strumenti utili ad una visione olistica del cliente: “Creare una customer data platform superando gli ostacoli creati dalle divisioni di reparto e tra i canali di contatto”.

foto Carrozzo
Roberto Carrozzo, head of data tech & analytics di Minsait Italia

Massimo Rosso, responsabile ICT di RAI sottolinea come sia importante per l’IT anticipare e accompagnare le trasformazioni aziendali. “RAI è già cambiata nel passato da broadcaster a media company – spiega – oggi sta diventando una data driven company, cosa che richiede un maggiore livello di conoscenza e di attenzione ai gusti dei telespettatori”. Non avendo box che raccolgono i dati di ascolto come nel caso delle pay TV, RAI fa sentiment analysis studiando le conversazioni degli italiani sui social network. “Per questo serve affinare le capacità della nostra rete neurale (AI) di correlare tweet, post Instagram e altro in tempo reale con ciò che passa in tv, analizzando e classificando le espressioni emozionali più diverse (e difficili da comprendere ndr) come l’ironia e il sarcasmo”.

foto Massimo Rosso RAI
Massimo Rosso, responsabile ICT di RAI

I progetti innovativi in corso e previsto per il prossimo rilascio

Advanced analytics, AI e machine learning aiutano le aziende a cambiare il rapporto con i clienti. Carrozzo di Minisait Italia cita la recente realizzazione di un sistema di pedaggio automatico per un concessionario autostradale: “L’applicazione dei sistemi di visione computerizzata permette al gestore di riconoscere cose come il tipo di veicolo e il numero di occupanti, offrire il servizio offrendo una user experience molto diversa da quella tradizionale”.

Minisait ha realizzato per un gruppo editoriale spagnolo un sistema di sentiment analisys collegato con la lettura degli articoli: “Il sistema consente alla società di creare nuovi modelli di remunerazione basati sulla pubblicità, migliorando i clickrate”. Carrozzo cita inoltre il coinvolgimento in un progetto europeo per valutare l’impiego dell’analisi big data nei trasporti: “Presso l’aeroporto di Atene misuriamo le capacità dei servizi in funzione dei flussi di persone in arrivo e partenza”.

Matteo Nati di FS Technology cita un progetto in fase di proof of concept per l’analisi dei messaggi social inviati dai viaggiatori. “Il nostro piano industriale c’impone maggiore attenzione ai clienti – spiega il manager -. Questo sistema permette di classificare i messaggi in automatico per ottenerne indicazioni utili”. Per il futuro sono previste altre applicazioni. “Siamo attivi anche nel trasporto merci e abbiamo carri già dotati di sensori IoT per scopi quali l’ottimizzazione del carico. Ebbene, prevediamo di poterli sfruttare per altre applicazioni, a cominciare da quelle di anomaly detection”.

Per Massimo Rosso di RAI, c’è nel futuro la prospettiva di riuscire a migliorare ulteriormente la qualità degli algoritmi analitici e di metterli al servizio di un maggior numero di persone, “guadagnando la fiducia del nostro cliente e del cittadino, aumentando la trasparenza e il coinvolgimento delle persone”, spiega il manager.

“Se fino a ieri il nostro lavoro sulla sentiment analysis è andato a beneficio esclusivo del marketing, da quest’anno i dati saranno resi disponibili anche ai responsabili dei contenuti televisivi. Un passo ulteriore verso l’azienda data driven al quale ci siamo preparati sottoponendo il sistema a lunghi test per essere certi di non sbagliare”, conclude Rosso.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4