“Rather than focus on the past for insights, leading organizations use data analytics and artificial intelligence to make decisions and define strategies that better anticipate the future"
Accenture-Business-Future-2021
Data Management e Business Intelligence
Si é prima detto che avremo parlato del tema Data Management e Business Intelligence.
Questo è, credo, il tema prevalente oggi e più adottato su una sempre più ampia scala nel campo del data management.
Traendo una possibile definizione sintetica di BI (da Wikipedia), possiamo riferirci a un insieme di processi aziendali per raccogliere dati ed analizzare informazioni strategiche, alla tecnologia utilizzata per realizzare questi processi e alle informazioni ottenute come risultato di questi processi.
La business intelligence si riferisce quindi ad un campo molto ampio di attività: sistemi informativi aziendali e tecnologie informatiche finalizzate a supportare, e in qualche caso ad automatizzare, processi di misurazione, controllo e analisi dei risultati e delle performance aziendali (sistemi di reporting e di visualizzazione grafica di varia natura, cruscotti più o meno dinamici, sistemi di analisi storica, sistemi di "allarme" su fuori norma o eccezioni, ecc.), e processi di decisione aziendale in condizioni variabili di incertezza (sistemi di previsione, di predizione, di simulazione e di costruzione di scenari alternativi, ecc.).
Anche in questo caso, come per le piattaforme integrate di gestione avanzata dei dati, a supporto o abilitazione dei processi citati, a causa delle complessità delle tipologie di BI che devono essere affrontate, si rendono disponibili piattaforme di analisi e business intelligence (ABI) che consentono agli utenti meno tecnici, come quasi sempre i business/social manager, di modellare, analizzare, esplorare, condividere e gestire i dati e di collaborare e condividere i risultati.
Le odierne piattaforme ABI pongono l'accento sul self-service visivo per gli utenti finali, potenziato dall'intelligenza artificiale per fornire insight automatizzati.
Sempre più spesso, il focus si sta spostando dalla persona dell'analista al consumatore o al decisore.
Per raggiungere questo obiettivo, gli insight automatizzati non devono essere solo statisticamente rilevanti, ma devono anche essere rilevanti nel contesto degli obiettivi degli utenti , del loro flusso di lavoro e delle azioni che devono intraprendere in base ai dati, alle informazioni, alla conoscenza.
Le piattaforme ABI stanno iniziando a raccogliere più informazioni sul comportamento e sugli interessi degli utenti al fine di offrire un'esperienza di maggior impatto.
La tendenza continuerà ad aumentare man mano che gli strumenti ABI vengono integrati ulteriormente negli strumenti di produttività personale in cui è possibile tenere traccia dei comportamenti degli utenti aggiuntivi.
Integrando questo con metodi di interazione, come per esempio “query” in linguaggio naturale (NLQ), si “democratizza” l'accesso ai dati funzionalmente orientato alla presa di decisioni.
Molte piattaforme stanno aggiungendo funzionalità per consentire agli utenti di comporre facilmente flussi di lavoro e applicazioni di automazione.
Avevo indicato prima il processo di convergenza delle tecnologie di implementazione e di gestione.
Nel caso che stiamo osservando, continuano a convergere ABI, data science e machine learning (DSML) e cloud data and analytics (D&A), spesso sotto forma di applicazioni componibili intelligenti per i clienti.
I fornitori migliorano le proprie capacità di analisi e allo stesso tempo aiutano i propri clienti a mantenere un equilibrio tra controllo e agilità.
I fornitori nel mercato ABI sono diversi e includono startup, grandi società di applicazioni aziendali, società di analisi indipendenti e tutti i grandi hyperscaler cloud (cloud fortemente scalabili).
La funzionalità di una piattaforma ABI include le seguenti funzionalità critiche:
Sicurezza, Governance, Analisi abilitate al cloud, Connettività, Preparazione dei dati (da drag & drop e da applicazioni analitiche), Catalogo, Approfondimenti automatizzati (applicazione di tecniche di Machine Learning, come ad esempio identificare gli attributi più importanti in un set di dati), Visualizzazione dei dati (supporto per dashboard altamente interattivi e l'esplorazione dei dati attraverso la manipolazione delle immagini dei grafici), Query in linguaggio naturale, Generazione del linguaggio naturale, Reporting, (funzionalità che fornisce report pixel-perfect, parametrizzati e impaginati che possono essere pianificati e inviati a una vasta comunità di utenti).
Può essere considerata parte della BI la “big data analytics” in quanto supporto al processo decisionale aziendale con l’enfatisi su dati, informazioni o conoscenze preziosi, implicando la visualizzazione interattiva per l'esplorazione e la scoperta dei dati (quali ad esempio Tableau, QlikView e Spotfire di Tibco).
Questi strumenti di BI sono anche da considerarsi strumenti di analisi dei big data, ribadendo anche qui la caratteristica generale della convergenza.
A questo punto ho ripercorso solo una parte, benché rilevante, del Data Management inteso nel senso più attuale, ma occorrerà ancora considerare le sue relazioni sia con la Data Scienze e i data scientist che con la Data Protection.
Ma forse a questo punto sarete un po’ affaticati e quindi converrà che questi argomenti rappresentino il contenuto dei prossimi articoli di questa rubrica.
_______
Scopri il servizio di Data Management all'interno di ThinkOpen.
_______
References
https://www.oracle.com/autonomous-database/what-is-cloud-data-platform/
https://www.ibm.com/it-it/it-infrastructure/storage/data-protection
https://www.dell.com/it-it/dt/learn/data-protection/vmware-backup.htm
https://www.sciencedirect.com/science/article/abs/pii/S2214579615000155
https://it.wikipedia.org/wiki/Business_intelligence
https://www.oracle.com/it/what-is-business-intelligence/
https://www.sas.com/it_it/solutions/business-intelligence
https://www.researchgate.net/profile/RogerChiang/publication/262314931