La crisi che stiamo vivendo è stata colta da molte aziende come occasione per ripensare ciò che le rende differenti, mettendo persino in discussione la propria ragion d’essere futura.
Ma immaginare il futuro non è qualcosa che si possa fare seguendo una ricetta. Il punto di vista esterno, come può essere quello di un partner al quale una società affida una consulenza, è da tenere in conto, ma non può prescindere dalla completezza delle informazioni e dalla prospettiva del cliente.
A metà di queste due posizioni esiste poi un percorso che riunisce formalmente le persone chiamate a pensare e ideare: è ciò che si chiama co-creazione.
Il processo, ci spiega Christian Leutner, VP & Head of Product Sales Europe di Fujitsu parte da una valutazione delle opportunità nascoste in quel patrimonio di dati che la maggior parte delle aziende detiene, grazie all’intelligenza artificiale e alla data science, e che possono veramente fare la differenza per il business. In pratica: un approccio data-driven plasmato dalla co-creazione.
Il framework per la trasformazione dei dati
Sono numerosi gli esempi che possono mettere in evidenza questo approccio di collaborazione e le metodologie efficaci per generare idee, implementate grazie a un ecosistema globale di partner tecnologici. Ma questo non è sufficiente. Secondo Leutner occorre creare un framework con il chiaro obiettivo di supportare la trasformazione data-driven. Senza, il processo andrebbe a rilento e probabilmente incontrerebbe numerosi problemi.
Oggi le aziende acquisiscono grandi volumi di dati principalmente non strutturati, come documenti di testo, file audio e video, messaggi di posta elettronica e immagini, molti dei quali vengono generati ad alta velocità da fonti differenti in luoghi diversi e sotto molteplici responsabili.
Gartner prevede che entro il 2022 oltre il 50% dei dati generati dalle aziende sarà creato ed elaborato al di fuori del data center o del cloud: una percentuale che è destinata a salire al 75% entro il 2025.
Senza un framework sistematico i dati sono poco più che un ammasso di informazioni scollegate tra loro. La sfida è di trarre valore da essi, per monetizzarli, innovando e generando nuove opportunità di business e di ricavi.
Prima però è necessario razionalizzare e integrare i dati attraverso l’intera azienda e la relativa value chain. Fondamenta flessibili, agili ed efficienti sono essenziali affinché data science e intelligenza artificiale possano produrre vero valore.
Aziende e connessioni
Tutto questo suona bene in teoria, ma l’esperienza dice che la maggior parte delle aziende, nonostante la consapevolezza del valore intrinseco degli asset informativi, nella fase iniziale fatica.
D’altra parte non è semplice identificare le connessioni, capire come gestire le informazioni ovunque si trovino (on-premise, nel cloud o, più facilmente, in entrambi gli ambienti), proteggere i dati essenziali dal rischio di perdita con misure di sicurezza e protezione adeguate, e applicare intelligenza artificiale e data science per estrarne valore utile al business.
È quanto successo, esemplifica Leutner, in un progetto avviato per un importante provider europeo di sistemi di pre-pagamento. Il cliente, leader negli e-voucher, strumenti di pagamento per i quali non occorrono né una carta di credito, né un conto bancario né alcun altro dato personale, aveva chiesto support nell’intercettare i tentativi di riciclaggio nell’esatto momento in cui venivano perpetrati, anziché bloccare le transazioni sospette col rischio di ritardare anche quelle perfettamente legittime.
Usando la soluzione Fujitsu Primeflex for Sap Hana è stato in grado di ridurre drasticamente i tempi di caricamento dei dati di massa necessari allo scopo. In precedenza, l’attivazione di 145 milioni di dataset richiedeva diversi giorni di tempo. Completato il deployment della nuova piattaforma di analytics, questo tempo è sceso a 15 minuti.
Scoprire autonomamente gli insight nei dati
Con intelligenza artificiale non supervisionata si definisce un campo ancora nuovo e in via di sviluppo che lascia libero un sistema di intelligenza artificiale di interrogare i dati per determinare eventuali elementi differenti e di valore.
Per capire meglio quale possa essere il suo potenziale, Leutner ci fa un altro esempio :il gruppo aerospaziale Airbus SE ha organizzato un concorso mondiale, la Airbus AI gym challenge, per scoprire quale possa essere l’utilizzo più accurato possibile di un sistema di intelligenza artificiale non supervisionato.
L’idea è che gli ingegneri di volo colleghino grandi quantità di sensori ai prototipi di elicottero per acquisire ogni sfumatura del loro comportamento.
Dal momento che tutti i dati dei sensori sono considerati normali, l’obiettivo era quello di creare un meccanismo di intelligenza artificiale in grado di funzionare senza precedenti indicazioni da parte degli ingegneri.
La sfida era migliorare il rilevamento dei segnali di allarme precoce e identificare con precisione potenziali problemi nell’enorme quantità di dati disponibili, in particolare guardando ai dati anomali.
Allo scopo Fujitsu ha sviluppato un modo per sfruttare l’intelligenza artificiale non supervisionata e rilevare le anomalie nei dati degli accelerometri degli elicotteri Airbus non ancora certificati per il volo.
La soluzione di Fujitsu ha raggiunto una precisione del 93% grazie al modello di intelligenza artificiale non supervisionata DeepTAN che preleva sequenze di dati da molteplici sensori e li analizza in un periodo di tempo prefissato, intercettando i comportamenti anomali dei sensori grazie a un algoritmo di deep learning che identifica i sensori che funzionano in modo insolito per fornire allarmi precoci sui guasti in maniera efficiente ed efficace.
Fujitsu prevede di industrializzare questa soluzione per l’analisi non supervisionata delle serie temporali complementando DeepTAN con funzionalità end-to-end, pipeline di dati integrate e algoritmi ancora più evoluti.
“La creazione di un’impresa data driven ne definisce la direzione strategica per anni a venire. Ha quindi senso scegliere un partner in grado di mantenere la rotta. Eppure, considerando la complessità della trasformazione digitale, nessuna singola organizzazione IT o società tecnologica può essere esperta di qualsiasi disciplina – commenta Danilo Rivalta, Ceo di Finix Technology Solutions –. La trasformazione data driven necessita di un ecosistema nel quale molteplici organizzazioni specializzate collaborino in maniera efficace. Accompagniamo le aziende nei loro processi di trasformazione digitale, aggiungendo il valore di un approccio consulenziale di esperienza e visionein conformità con i livelli di servizio e gli indicatori prestazionali”.
