Webcast ZeroUno – Big Data Analytics per una "High performance organization"
La business analytics applicata alla crescente mole di dati strutturati e non, può consentire di disporre delle informazioni utili a supportare lo sviluppo di business d'impresa, articolando una nuova proposta di prodotti e servizi. Ma non solo. La diffusione di una "intelligence" in impresa può contribuire alla messa a punto di una "high performance organization", oggi indispensabile per muoversi in un'elevata variabilità dei mercati. Servono però tecnologie, architetture e sistemi performanti nonchè un'organizzazione e dei processi pensati per creare "valore di business" dai dati. Nel corso del Webcast organizzato da ZeroUno in collaborazione con Sas, Stefano Uberti Foppa, direttore di ZeroUno, Annamaria di Ruscio, Partner e Direttore Generale di NetConsulting, e Angelo Tenconi, Analytics & Technology Director di Sas, hanno affrontato il tema nelle sue varie sfaccettature e implicazioni: come scegliere gli strumenti di big data analytics, quali competenze occorre sviluppare in azienda per trarre reale vantaggio dalle analisi, la figura del data-scientist e le sue caratteristiche, l'integrazione dei tool di analytics con Hadoop, i sistemi Erp e le soluzioni Plm. La discussione è stata animata dall'intervento degli utenti online che hanno potuto interagire direttamente con i relatori, dando un prezioso contributo al dibattito e portando l'attenzione sulle questioni di carattere pratico e applicativo.
Le risposte di Sas ad alcuni commenti pervenuti durante il Webcast ZeroUno
Utente: Isculco
Nel panorama della Pubblica Amministrazione l'interazione tra archivi diversi (e diversamente aggiornati) è un problema di Big Data, paradossalmente, derivante da dati strutturati. Affrontare il tema darebbe slancio e ossigeno all'economia…
Misurare, valutare, analizzare. Il presupposto di queste attività è la disponibilità da un lato di basi dati integrate e certificate e dall'altro di strumenti analitici capaci di ricavare dal patrimonio informativo esistente gli elementi di conoscenza utili per il processo decisionale. Le componenti di spend analysis ad esempio, abilitano la creazione di basi dati aggregate e condivise, a partire dall'acquisizione dei dati da sistemi eterogenei fino alle attività di standardizzazione, integrazione e certificazione. Su queste basi dati si innestano tecniche analitiche che consentono di ottenere una visibilità di dettaglio sulle singole voci di spesa e sull'allocazione delle risorse disponibili, oltre che di effettuare simulazioni per individuare il dimensionamento ottimale delle risorse in rapporto ai singoli servizi erogati.
Utente: Serman
Quali sono le differenze di implementazione in un’ impresa della business intelligence e della business analytics?
Le soluzioni di business intelligence forniscono funzionalità di reporting per gli utenti finali. Esse consentono l’accesso alle informazioni aziendali, la sommarizzazione dei dati e il drill down a diversi livelli di dettaglio.
In sintesi, forniscono uno sguardo su prestazioni ed indicatori relativi al passato. Soluzioni di BI devono essere in grado di:
- Collezionare e integrare fonti dati diversi
- Abilitare funzioni di reporting diverse a seconda della tipologia di utenti
La business analytics include le funzionalità tipiche delle soluzioni di BI, ma in più permette una visione proattiva e non solo reattiva dei fenomeni che coinvolgono l’azienda. Questo significa applicare ai dati modelli analitici evoluti che aiutino le funzioni aziendali a prendere la migliore decisione business. Più i dati aumentano di volume e di complessità e più diventa necessario interpretarli con funzioni analitiche sofisticate ed innovative.
Laddove i “Descriptive Analytics”, tipici delle soluzioni di Business Intelligence, supportano nel fornire “insight” su ciò che è accaduto, le soluzioni di BA consentono anche di prevedere cosa succederà nel futuro (“predictive analytics”) e di determinare la migliore soluzione tra le molteplici scelte che si possono fare, in base a vincoli e requisiti di business (“Prescriptive Analytics”).
Utente: GiovPul
Mi piacerebbe avere un chiaro statement che differenzi i Big Data dal Data Analytics tradizionale
Il 90% dei dati in circolazione oggi, non esistevano due anni fa.
In questo contesto, i Big Analytics sono fondamentali per poter interpretare correttamente i fenomeni che si nascondono nei dati. Rispetto al passato, i Big Analytics devono:
- Saper interpretare anche dati non strutturati e testuali (text analytics)
- Abilitare lo sviluppo di modelli analitici sofisticati su dati di dimensione e complessità crescente, ma nello stesso tempo molto più rapidamente che in passato
- Accorciare drasticamente il processo di “supply chain” delle informazioni.
- Applicare le funzioni analitiche anche in ambienti produttivi e in real time (avvicinare gli analytics al dato, e non solo viceversa)
- Aiutare la diffusione della cultura analitica nelle aziende, semplificando agli occhi degli utenti di business la complessità del mondo sottostante (“democratizzare” gli analycs)
Per proporre le tue domande e spunti di riflessione sul tema, scrivi un commento nello spazio qui sotto (per farlo devi essere iscritto allo ZeroUnoClub)
Partecipa alla community