I migliori strumenti di business intelligence e analytics secondo Gartner | ZeroUno

I migliori strumenti di business intelligence e analytics secondo Gartner

pittogramma Zerouno

Attualità

I migliori strumenti di business intelligence e analytics secondo Gartner

Il Magic Quadrant di settore evidenzia gli ultimi trend tecnologici, dalle augmented capabilities alle funzionalità self-service. Ecco le caratteristiche che deve avere una moderna soluzione analitica

25 Giu 2020

di Arianna Leonardi

La capacità di gestire ed elaborare le informazioni è il motore competitivo dell’azienda digitale. Ecco perché gli strumenti di business intelligence e analytics stanno assumendo un’importanza crescente e sono oggetto di continua innovazione da parte dei vendor.

Come evidenzia Gartner nell’ultimo Magic Quadrant for Analytics and Business Intelligence Platforms dedicato alle piattaforme ABI (analytics and business intelligence), la tendenza (nonché il differenziale su cui i player di settore giocano la partita) consiste nell’offerta di “augmented capabilities”.

Gartner quadrante magico 2020
Magic Quadrant for Analytics and Business Intelligence Platforms – Gartner, febbraio 2020

Il termine indica sostanzialmente il ricorso a tecnologie di Artificial Intelligence, Machine Learning e Natural Language Processing per automatizzare le operazioni dell’intero flusso analitico: preparazione dei dati; estrazione e spiegazione degli insights; sviluppo, implementazione e ottimizzazione dei modelli analitici. Tali funzionalità permetterebbero quindi a data analyst e data scientist più e meno esperti di accelerare il processo di ricerca e interpretazione dei risultati, grazie ai suggerimenti dell’intelligenza artificiale.

Il mercato degli strumenti di business intelligence e analytics

Nei capitoli preliminari del report, Gartner fornisce una prima definizione degli strumenti di business intelligence e analytics più all’avanguardia: sono piattaforme in grado di gestire l’intero flusso di lavoro, dalla pulizia dei dati all’esplorazione visuale fino alla generazione degli insights, attraverso una serie completa di funzionalità che mettono al centro le sopraccitate capacità Ai, nonché la facilità di utilizzo e la possibilità di svolgere le attività analitiche in modalità self-service (senza cioè ricorrere a figure specializzate).

Il panorama dell’offerta è estremamente variegato ed è composto sia da grandi società con una presenza consolidata nel settore sia da startup innovative sostenute dai finanziamenti dei venture capitalist.

La proposta dei maggiori fornitori abbraccia funzionalità più estese, andando a coprire anche le esigenze di data management.

Gli investimenti si concentrano particolarmente sulle implementazioni degli strumenti di business intelligence e analytics nel cloud. Oltre a offrire i benefici di flessibilità, scalabilità e convenienza, la nuvola garantisce anche l’infrastruttura necessaria a supportare le nuove esigenze di storage e computing determinate dalle applicazioni di artificial intelligence.

Le principali direttrici di sviluppo per le piattaforme ABI

Ma quali sono le caratteristiche che contraddistinguono i migliori strumenti di business intelligence e analytics oggi presenti sul mercato?

Gartner precisa subito che la mera data visualization, cavallo di battaglia negli anni passati, oggi è considerata una commodity, mentre la competizione tra gli attori dell’offerta si consuma su altri elementi differenzianti, andando a coprire i bisogni attuali del mercato.

Due sono le aree di maggiore interesse: le capacità aumentate per massimizzare le attività di esplorazione e analisi dei dati da parte sia delle figure specializzate sia degli utenti di business; le proprietà di enterprise reportig, che le aziende si aspettano di modernizzare grazie al supporto degli strumenti di data visualization inclusi nelle piattaforme ABI.

Con queste direttrici in mente, lo sviluppo degli strumenti di business intelligence e analytics si sta focalizzando attorno ad alcune aree critiche.

Le funzionalità critiche su cui prestare attenzione

Innanzitutto, bisogna annoverare le funzionalità di sicurezza per la gestione dei dati e degli accessi, nonché la semplicità di amministrazione della piattaforma con la possibilità di tracciare gli usi delle informazioni.

Molta importanza è dedicata alla capacità delle soluzioni ABI di essere implementate nel cloud e potere gestire i dati provenienti da ambienti ibridi eterogenei. L’interoperabilità con fonti dati di diverso tipo (strutturati e non) è una caratteristica irrinunciabile, così come la capacità di interfacciarsi con altre applicazioni per integrare le funzioni analitiche in qualsiasi processo di business (le piattaforme ABI dovrebbero essere costruite su open-standard e essere accompagnate da un Software Development Kit con relative Api).

Un nodo focale è la possibilità di preparare, combinare e classificare le informazioni con semplici funzioni drag-and-drop, consentendo anche agli utenti meno esperti di gestire in autonomia il processo analitico. I moderni strumenti di business intelligence e analytics ovviamente devono supportare anche i più complicati modelli di calcolo, offrendo inoltre la possibilità di generare automaticamente cataloghi ricercabili degli artefatti.

Tra le caratteristiche standard, le soluzioni ABI moderne devono offrire sia funzionalità di advanced analytics facilmente accessibili (perché incluse nella piattaforma stessa o come frutto dell’integrazione con tecnologie esterne) sia strumenti di data visualization con grafiche intuitive e ricchezza di opzioni (diagrammi a torta, istogrammi, mappe geografiche e così via). La capacità di creare e distribuire agli utenti reportistica periodica, in una forma che garantisce immediatezza di lettura e interpretazione, è un fattore decisivo per prendere le distanze dalla concorrenza.

Riguardo alle augmented capabilities, l’utilizzo delle tecniche di machine learning deve essere impiegato per fornire automaticamente i risultati di interesse per gli end-user. L’integrazione con le tecnologie NLP è fondamentale per consentire agli utenti di formulare interrogazioni utilizzando termini di business, attraverso buche di ricerca o direttamente tramite la voce. Grazie alle funzionalità di Natural language generation (Nlg), le piattaforme ABI possono corredare gli insights con descrizioni che forniscono un approfondimento o una spiegazione dei risultati e dei grafici. Tali proprietà offrono un supporto anche alle attività di data storytelling, che permettono di sottoporre ai decision maker presentazioni efficaci basate su rappresentazioni grafiche dinamiche e tecniche di narrazione.

Le caratteristiche vincenti per gli strumenti di business intelligence e analytics

Alla luce di quanto affermato da Gartner, come identificare il vendor e le soluzioni più interessanti nel variegato settore della business intelligence e degli analytics?

La prima caratteristica da tenere in considerazione è la capacità di rispondere alle reali esigenze delle organizzazioni, tenendo in considerazione tutte le nuove tendenze del mercato e declinandole secondo un approccio customer-centrico, focalizzato sui bisogni del settore e sulle peculiarità aziendali.

Le attività di ricerca e sviluppo quindi devono essere portate avanti restando in continuo ascolto dei clienti, con l’obiettivo di offrire strumenti di business intelligence e analytics innovativi ma comprensibili, alla portata di tutti. Le funzionalità analitiche devono essere estese anche agli utenti di business che non hanno competenze specifiche o approfondite in materia di data science e relative tecnologie. L’introduzione delle funzionalità per l’elaborazione del linguaggio naturale e la visualizzazione grafica delle informazioni rappresenta un passo significativo per la “democratizzazione” degli strumenti analitici e l’istituzione di una data-driven enterprise.

Da qui l’importanza di semplificare al massimo e accelerare le operazioni di preparazione dei dati, identificazione degli insights e creazione dei modelli analitici sia grazie all’automazione permessa dagli algoritmi di artificial intelligence e machine learning sia attraverso strumenti drag-and-drop e funzionalità self-service.

Per venire incontro alle nuove esigenze aziendali, il vendor dovrebbe avere un’offerta differenziata per gli strumenti di business intelligence e analytics, in base ai destinatari. Inutile e controproducente infatti sarebbe mettere a disposizione degli utenti di business tutte le funzionalità che occorrono invece agli specialisti della data science. Meglio quindi ricorrere ad applicazioni che permettono di personalizzare le licenze in base agli skill degli utilizzatori, con la possibilità di crescere man mano che vengono acquisite nuove competenze. Insomma, la padronanza degli analytics va costruita gradualmente e affidarsi a un vendor che supporta questi percorsi di maturazione è fondamentale.

Un altro aspetto importante da considerare è la capacità del fornitore di generare una community attorno alle proprie soluzioni, stimolando il confronto e la collaborazione tra utenti, stakeholders, esperti accademici e così via. Il dialogo e la capacità di fare rete sono leve indispensabili per stimolare l’innovazione degli strumenti di business intelligence e analytics, ma anche per portare avanti iniziative benefiche, con risvolti sociali o educativi, grazie alla tecnologia.

New call-to-action

A

Arianna Leonardi

I migliori strumenti di business intelligence e analytics secondo Gartner

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

    LinkedIn

    Twitter

    Whatsapp

    Facebook

    Link

    Articolo 1 di 3