(Italiano) Art. 131 FN 90 Febbraio 2017 – Tavola Rotonda “L’analisi tanto attesa”

Sorry, this entry is only available in Italiano.

VEDIAMO QUI I VANTAGGI CHE SI POSSONO OTTENERE CON LA BIG DATA ANALYSIS, NONCHÉ GLI STRUMENTI A DISPOSIZIONE E LE MODALITÀ CON CUI TRASFORMARE I DATI IN DECISIONI UTILI AL BUSINESS

Abbiamo chiesto ad alcuni dei principali attori del mondo dell’automazione industriale di fare luce sull’ampio tema della big data analysis, partendo dal suo significato per conoscere poi quali applicazioni siano state messe in campo dalle aziende da loro rappresentate.

______

Con Letizia De Maestri, area marketing di Automata, Guido Porro, managing director per l’Italia ed Euromed di Dassault Systèmes, Massimo Bartolotta, machinery OEM segment manager per l’Italia di Eaton, Cristian Randieri, presidente e CEO di Intellisystem Technologies, Claudio Cupini, technical marketing engineer di National Instruments Italy, Giuseppe Magro, CEO di QCumber, Francesco Tieghi, digital marketing manager di ServiTecno, Roberto Motta, sales initiative Leader ‘The Connected Enterprise’ di Rockwell Automation e Alberto Olivini, portfolio consultant professional Siemens Digital Factory di Siemens Italia.

______

Di seguito si riporta l’estratto dell’Intervista riguardante le risposte date da parte del Presidente e CEO Cristian Randieri.

Fieldbus&Networks: Potete spiegare che cosa è realmente la big data analysis?

Per Cristian Randieri, presidente e CEO di Intellisystem Technologies (www.intellisystem.it), quando si parla di big data si fa riferimento a una collezione eterogenea di dati grezzi che di per sé non hanno alcun valore se non analizzati e quindi rielaborati mediante le più moderne tecniche, meglio definite col termine ‘data mining’. “Questa tecnica può essere definita come l’attività di estrazione dell’informazione da una miniera di dati grezzi. Per capire meglio questo concetto occorre approfondire il significato di alcune parole. Il dato è l’elemento base potenzialmente informativo, le cui caratteristiche sono note ma non ancora organizzate o classificate, in quanto costituito da simboli che devono essere elaborati prima di poter essere compresi. L’informazione è il risultato dell’elaborazione di più dati che restituisce una serie di dati aggregati e organizzati in modo significativo. La conoscenza è una serie di informazioni che, aggregate tra loro, consentono di diffondere sapere, comprensione, cultura o esperienza. Di conseguenza, qualsiasi operazione di big data analysis consiste in tutte le attività che hanno come obiettivo l’estrazione di informazioni da una quantità di dati indefinita, ovvero tutto ciò che attraverso ricerca, analisi e organizzazione genera sapere o conoscenza a partire da dati non strutturati. Si tratta di una serie di tecniche e metodologie molto simili alla statistica ma con una grande differenza: la prima è usata per fotografare lo stato temporale dei dati, mentre il data mining è più usato per cercare correlazioni tra variabili a scopi predittivi”.

I vantaggi derivanti dall’analisi dei big data

F&N: Quali sono le aree di business interessate dall’analisi dei big data e quali vantaggi si possono ottenere da queste analisi?

Randieri: “I processi di analisi dei big data hanno subito nel tempo numerose trasformazioni, che evidenziano un processo ancora oggi in continua evoluzione sia in termini di tecniche sia di metodologie impiegate. Per capire meglio quali sono le aree di business interessate dall’analisi dei big data e quali vantaggi si possono ottenere occorre seguire il percorso evolutivo che negli anni ha caratterizzato l’analisi dei dati condotta tipicamente in azienda, per capire come si sia passati dall’analisi di semplici query su tabelle relazionali, all’adozione dei sistemi di BI e come i più avanzati strumenti di predictive analytics rappresentino oggi l’arma più sofisticata a disposizione di quest’ultima. L’approccio all’analisi dei big data permette di superare tutte le limitazioni dei classici software ERP. La BI, facendo leva sul moderno concetto di big data, è un sistema di modelli, metodi, processi, persone e strumenti che rendono possibile la raccolta regolare e organizzata del patrimonio dati generato da un’azienda. Inoltre, attraverso elaborazioni, analisi o aggregazioni, ne permette la trasformazione in informazioni, la loro conservazione, reperibilità e presentazione in una forma semplice, flessibile ed efficace, tale da costituire un supporto alle decisioni strategiche, tattiche e operative”.

F&N: Quali sono gli strumenti oggi a nostra disposizione?

Randieri: “Le tecniche di analisi, facendo leva sul concetto di data mining, consentono di scavare nei dati ed estrarre informazioni, pattern e relazioni difficilmente identificabili. L’utilizzo di queste tecniche a fini previsionali fa leva sul concetto di ‘predictive analytics’, tipicamente utilizzato in molteplici settori economici. Il data mining può essere impiegato per l’identificazione di comportamenti anomali dei dati atti a indentificare situazioni rischio o di pericolo per l’azienda. La ‘churn analysis’ consiste invece nell’analisi del comportamento della clientela per determinare la probabilità e quindi la tendenza che hanno i clienti di passare alla concorrenza. Infine, le analisi predittive dell’andamento delle vendite o genericamente dell’andamento di serie temporali sono un altro degli ambiti di impiego del data mining, che di norma utilizzano le più moderne tecniche di intelligenza artificiale, come reti neurali artificiali, logica fuzzy ecc.”.

Big data e realtà: i limiti della modellazione

F&N: Come possono essere tecnicamente condotte le analisi dei big data e come risolvere il vincolo relativo all’impossibilità di modellare la realtà?

Randieri: “Ma come si fa a modellare la realtà? È una domanda semplice, ma che racchiude in sé forse tutta la complessità della scienza, perché probabilmente è anche una domanda senza una risposta ben definita se non la si focalizza a porzioni di essa nettamente definite. La soluzione analitica al problema è la parte minore, soprattutto oggi che abbiamo a disposizione tecniche matematiche e informatiche molto potenti e sofisticate. Spesso, la mancata soluzione non dipende dalla tecnica, ma dal fatto che si imposta male il problema da risolvere. La risposta quindi alla domanda iniziale non può essere che il consiglio di imparare ad analizzare i dati integrando i propri studi tecnici con le più moderne tecniche di analisi. Nel caso della business intelligence le tecniche di predictive analytics ne rappresentano la naturale evoluzione. È ormai ben noto che le aziende che hanno già adottato un sistema di BI riescano meglio a comprendere le potenzialità offerte dall’implementazione di tali tecniche. In aggiunta, vi è la consapevolezza di essere a metà dall’opera, avendo a disposizione una base dati sicuramente aggiornata, pulita e certificata”. Magro cita una frase del professor P.E. Box: “‘All models are wrong but some are usefull’, ovvero è evidente come, anche di fronte a sistemi molto complessi, non sia possibile fare altro che tentare di modellarne il comportamento se si vogliono assumere decisioni efficaci. Le analisi di big data seguono protocolli classici di data mining, opportunamente adeguati per gestire flussi eterogenei e fortemente dinamici. La costruzione del modello concettuale di analisi segue i paradigmi classici della scienza e della tecnica, con una differenza sostanziale data dalla possibilità di far apprendere alle macchine dalle analisi che esse stesse svolgono sui dati, una nuova era per l’intelligenza artificiale che, grazie al machine learning, sta conoscendo una seconda giovinezza e aprirà scenari assolutamente inesplorati di opportunità e rischi che dovremo imparare a gestire”.

Dai dati alle decisioni: un passo decisivo

F&N: La trasformazione dei dati in decisioni è probabilmente l’azione più importante e delicata di tutto il processo di big data analysis. Cosa ne pensate?

Randieri: “Trasformare i dati grezzi in informazione, così da poter orientare meglio le decisioni, modificando e migliorando la visione che abbiamo del mondo che ci circonda o quella parte del mondo che abbiamo scelto come contesto di ragionamento è più facile dirsi che a farsi. Il rischio più grande dei big data è di cominciare una raccolta infinita di dati inutili poiché totalmente scorrelati tra loro da essere non classificati e quindi impresentabili. Occorre dunque orientarsi seguendo logiche ferree in grado di stabilire fonti e regole, a valle di una strategia caratterizzata da driver ben definiti, quali: cosa è necessario scoprire e dove si sta cercando per scoprire correlazioni e informazioni di cui non si ha coscienza. Superata la prima fase di raccolta dei dati segue quella della presentazione quale strumento base per l’analisi e per le attività di disseminazione”.

Qualche consiglio per introdurre la Business Intelligence

F&N: Che effetto sta producendo a livello organizzativo la BI estesa e che passi dovrebbe intraprendere un’organizzazione che volesse investire in questa disciplina?

Randieri: “Il mio consiglio per le aziende che vogliano imparare a padroneggiare gli strumenti della big data analysis può essere strutturato nei seguenti passi: scegliere un problema di business da risolvere che possa offrire un successo iniziale, tenendo conto che dove vi sono tanti dati, incertezza e complessità, in realtà si cela sempre un’opportunità, un ritorno veloce, o qualcosa perfezionabile, magari di grande impatto; ricorrere almeno inizialmente a risorse in outsourcing o a software pronti all’uso quando manca internamente la presenza di una specifica competenza; individuare nei progetti gli elementi della catena della propria struttura aziendale da convincere sul reale valore di questi strumenti, poiché spesso sono proprio coloro che prendono le decisioni, a essere tendenzialmente più scettici e conservativi; partire da un business case convincente, valutando in che tempi e in che modi sarà necessario formare internamente competenze e sviluppare internamente i tool necessari”. Secondo Randieri chi guida questi progetti deve avere molta confidenza gli strumenti di analisi, sapere porre le giuste domande e conoscere come ricavare dai dati strutturati le giuste risposte, avere competenze IT di accesso ai dati e agli insight, ma soprattutto sapersi approcciare a qualsiasi tipologia eterogenea di dato. “Tipicamente è molto raro che tutte queste competenze siano presenti nella stessa persona, ma devono esserci almeno nello stesso team di lavoro. È proprio per questo motivo che la maggior parte delle aziende non è ancora capace di definire strategie di business strutturate in grado di sfruttare appieno tutto il valore insito nei dati. Questo perché, nonostante le grandi organizzazioni stiano già introducendo nei loro organigrammi nuove funzioni deputate a gestire l’analisi di dati, quale la figura del Chief Data Officer, in realtà non esistono ancora oggi figure professionali appositamente codificate e formate ad hoc”.

Big data analysis e Internet of Things: due temi correlati

F&N: Spesso si associa il tema della big data analysis a quello dell’Internet of Things. Cosa ne pensate della correlazione fra i due argomenti?

Secondo Randieri l’obiettivo primario dell’IoT consiste non tanto nel dimostrare che gli oggetti possono comunicare tra di loro, quanto che dagli oggetti possiamo apprendere e classificare nuove informazioni. “La grande sfida della nostra era consiste nel permettere alle imprese di trasformare la conoscenza acquisita dagli oggetti in azioni operative che abbiano una ricaduta a effetto immediato sul business che si intende perseguire. Per arricchire la relazione con i clienti, al fine di fornire servizi a minor costo, occorre sempre più frequentemente poter definire nuovi modelli di business da sperimentare, correggere e mandare in produzione. Dalla diffusione massiva dell’Industrial Internet of Things (IIoT) arriverà nei prossimi anni una mole crescente di dati che avrà bisogno di essere elaborata per diventare informazione intelligente per le imprese. Con la crescita e lo sviluppo dell’IoT crescerà parimenti il volume di dati che sensori, videocamere e apparati metteranno a disposizione. La vera rivoluzione dell’IoT sarà intrinseca nella capacità di gestire i big data analizzandoli con le più moderne tecniche di real time analytics. Questa affermazione diventa ancor più concreta quando ci si focalizza al campo d’azione della Industrial Internet of Things, ovvero tutte quelle applicazioni di tipo industriale che sono a loro volta alla base del concetto di Industria 4.0. Proprio in questo contesto si dovrebbe puntare al fine di migliorare i processi di business per far decollare un progetto di IoT industriale sostenibile e concreto, individuando le esigenze dei responsabili aziendali, parlando la loro stessa lingua, cercando di far comprendere il reale valore che l’IoT può portare in termini di business”.

Qualche esempio concreto…

F&N: Potete descrivere un’esperienza significativa e rappresentativa della big data analysis intrapresa dalle vostre aziende?

Randieri evidenzia come la chiave di successo di Intellisystem Technologies negli anni sia sempre stata la motivazione e l’interesse verso l’innovazione, la ricerca e lo sviluppo. “Considerando da una parte l’innovazione tecnologica, dall’altra l’evoluzione della normative e infine le esigenze di business che impongono la necessità di conquistare vantaggi competitivi rispetto alla concorrenza, abbiamo messo a punto diverse soluzioni per gestire l’Industrial IoT. Intellisystem è da anni attiva per aiutare le aziende a estrarre tutto il potenziale di conoscenza intrinseco nei dati, integrandolo nei processi decisionali e di business”.

Tavola Rotonda – Fieldbus & Networks N. 90 (Febbraio 2017), pubblicata da M. Marino.

Per scaricare l’Intervista completa pubblicata sulla rivista, seguire il link riportato di seguito https://www.intellisystem.it/it/portfolio/fn-febbraio-2017