C'È UN TESORO (DI DATI) ANCORA DA SCOPRIRE

La Data Science combina matematica, data analytics, informatica e AI per prevenire rischi e cogliere opportunità. Come? Ce lo spiega Emma Marcandalli, managing director di Protiviti di Marina Marinetti

Se i dati sono il nuovo oro, non basta entrare in miniera: occorre trovare il filone ed estrarre filamenti, pagliuzze e laminette. E poi processarli. «Invece di levigazione, amalgamazione o cianurazione, per i dati parliamo di descriptive analytics (per capire cos'è successo), predictive modeling (per capire perché è succeso e se succederà ancora), prescriptive analytics (per capire come ottimizzare)», spiega a Economy Emma Marcandalli, managing director di Protiviti, società di consulenza che offre alle imprese soluzioni per integrare i modelli di data science con i processi decisionali. In pratica? «Proponiamo soluzioni intelligenti di decision making a supporto del business basandoci sui dati. Il problema da risolvere è al centro delle analisi, mentre i dati e la tecnologia sono gli abilitatori per la produzione delle informazioni a supporto del processo decisionale e il loro utilizzo nel continuo. Disegniamo il modello di calcolo ideale per il cliente utilizzando metodologie matematiche (statistiche, stocastiche, AI, machine learning), poi sviluppiamo il prototipo in grado di interagire con dati e supportare il business fin dal primo utilizzo e supportiamo l’ingegnerizzazione della soluzione tecnologica connessa ai sistemi aziendali, automatizzata ed efficiente». Dai database esterni, fruibili gratuitamente o a pagamento, all’Internet of Things che collega oggetti alla rete, dall’Intelligenza Artificiale che intercetta immagini e riconosce i linguaggi vocali ai siti web, dagli help desk digitali ai social network che raccolgono le opinioni degli utenti, con l’avanzare della digital transformation, la disponibilità di dati è cresciuta a una velocità esponenziale. Ma la maggior par-

CON L'AVANZARE DELLA DIGITAL TRANSFORMATION LA DISPONIBILITÀ DI DATI È CRESCIUTA A UNA VELOCITÀ ESPONENZIALE te di essi non viene neppure presa in considerazione dalle aziende. Anzi: spesso vengono cestinati. «Molti dati, strutturati - ossia archiviati in un formato predefinito e organizzati in database consultabili, ndr - e non, raccolti dalle aziende rimangono di fatto non sfruttati, inutilizzati, anche inconsapevolmente», conferma la managing director di Protiviti. «Pensiamo ai Log di sistema, ormai tracciati da tutti gli applicativi moderni di mercato: si tratta delle impronte digitali che gli utenti lasciano nei sistemi informativi aziendali quando svolgono delle operazioni. Se correttamente raccolti ed elaborati con tool di process mining, i Log possono restituire ai responsabili di processo una rappresentazione trasparente e completa di come i processi sono realmente agiti dall’organizzazione, senza necessità di svolgere faticose e dispendiose interviste o analisi documentali che, negli approcci tradizionali, si fanno per mappare i processi aziendali, trovare i colli di bottiglia, intervenire per l’ottimizzazione dei processi». Eppure la maggior parte delle imprese li butta via perché occupano spazio nei sistemi.

Questione Di Approccio

È un po' come scovare il classico tesoro dimenticato in solaio, fatte le dovute distinzioni: «Ovviamente alcuni settori di business sono più avanti di altri: i principali player dei settori Big Tech, intermediari finanziari ed Energy si sono, ad esempio, già da tempo attrezzati con risorse, competenze e processi per governare i dati e a sfruttarli in modo intelligente a supporto del business. Altri settori industriali sono rimasti indietro e hanno quindi un gap importante da colmare». Solo di recente le aziende stanno davvero prendendo coscienza del valore potenziale del patrimonio di dati a loro disposizione e, quindi, stanno iniziando a domandarsi come sfruttarlo per estrarne valore e vantaggio competitivo, ma ancora oggi, secondo l’Osservatorio del Politecnico di Milano, le aziende che hanno avviato sperimentazione negli ambiti di analisi avanzata dei dati sono poco più di 1 su 2. «Alcune delle lacune più frequenti che osserviamo sono la scarsa diffusione della cultura della valorizzazione dei dati nel management di business: i dati sono un asset strategico per l’azienda, non un costo. Poi c’è ancora poca maturità e consapevolezza sull’importanza del governo del dato, cioè l’insieme dei processi e delle regole procedurali e organizzative per garantire la disponibilità organizzata, l’integrità, la qualità, la sicurezza e la fruibilità e accessibilità del dato. Non solo: manca spesso una chiara individua-

Emma Marcandalli, managing director di Protiviti

zione e prioritizzazione delle esigenze di utilizzo e valorizzazione dei dati e ci sono ancora barriere all’adozione delle tecnologie abilitanti per la trasformazione del dato in informazione intelligente - AI, Nlp, machine learning...che comunque richiedono degli investimenti da parte delle aziende i cui ritorni non sono sempre facilmente quantificabili», rimarca Marcandalli.

Nuove Strategie

È un problema, oltre che di strategia, anche di competenze: ne servono di nuove, per sopperire a nuove esigenze. Quali? Il data engineer, che acquisisce i dati e li organizza per renderli fruibili; il data scientist, che mette in relazione i dati secondo approcci matematico-statistici; il data analyst, che analizza i dati per trasformarli in informazioni di valore, utili alla risoluzione dei problemi, al miglioramento delle performance, al miglioramento delle capacità previsionali. Non sono figure facili da trovare sul mercato», osserva la managing director di Protiviti. Che aggiunge: «I veri fattori differenzianti saranno la capacità di selezionare i dati giusti, interpretarli e riuscire ad estrarne del valore; questo richiederà di indirizzare gli sforzi partendo dai problemi prioritari da

80 AZIENDE SU 100 hanno intrapreso un percorso di integrazione e analisi dei dati

54 AZIENDE SU 100 hanno avviato almeno un progetto di sperimentazione Data Science

50 AZIENDE SU 100 hanno in organico almeno un Data Science e un Data Engineer, con crescita del 28% sugli anni precedenti

45 AZIENDE SU 100 stanno adottando nuove tecnologie e identificando figure di responsabilità in ambito Data Science

27 AZIENDE SU 100 possono definirsi Data Driven risolvere, identificando il giusto mix di dati, algoritmi e tecnologie utili per risolverli. In fase di avvio di programmi di Data Science e Advanced Analytics sarà quindi fondamentale conciliare le esigenze di business con l’effort richiesto per l’implementazione dei modelli e dei sistemi sottostanti, prioritizzando le attività in considerazione di differenti driver: il beneficio atteso dalla risoluzione della specifica esigenza di business; la robustezza e completezza delle basi dati disponibili; la complessità dei modelli statistico-matematici eventualmente necessari; le tempistiche di sviluppo, test e messa in produzione».

Fonte: Osservatorio Big Data & Business Analytics 2022 della School of Management del Politecnico di Milano risorse alla sperimentazione di differenti tecniche di modellazione e scelte tecnologiche per poter individuare la soluzione migliore».

Un altro aspetto determinante sarà la flessibilità dell’organizzazione all’utilizzo di differenti metodologie matematiche e strumenti tecnologici in funzione dei diversi problemi da affrontare, evitando di fare scelte metodologiche e tecnologiche a priori. «Le metodologie matematiche e gli strumenti tecnologici devono adattarsi al problema, non viceversa», sottolinea Emma Marcandalli. «Le esigenze e i problemi da affrontare dovranno essere messi al primo posto, lasciando adeguato spazio e

I Ritorni

Se i responsabili di business riusciranno a individuare i problemi, i rischi e le opportunità prioritari, se i data engineer faranno una raccolta organizzata dei dati rilevanti, se i data scientist svilupperanno algoritmi e modelli quantitativi, se i data analyst estrarranno il valore dai dati, se l’IT adotterà adeguate tecnologie a supporto, i benefici non si faranno attendere. Quali? «Innanzitutto il vantaggio competitivo rispetto ai propri competitor», conclude la managing director di Protiviti. «Attraverso il monitoraggio near real-time dell’insorgere di eventuali rischi e opportunità, sarà possibile adottare in modo tempestivo le azioni necessarie, migliorare le capacità previsionali con riferimento alle variabili rilevanti per il business, pianificare con maggior precisione e resilienza gli obiettivi aziendali, ottimizzare i processi aziendali e decisionali in base a evidenze oggettive, appunto fact-based e data-driven».