La crescente importanza dei dati nella gestione di processi complessi e con tempi di esecuzione ridotti ha spostato gli strumenti di analisi verso il centro delle infrastrutture IT. Il passaggio della analisi consuntive a quelle predittive aumenta inoltre l’esigenza di contare su grandi quantità di dati e sulla loro qualità. Un’esigenza alla quale IoT offre una risposta perfetta. A volte, anche troppo. L’enorme mole di informazioni prodotta da Internet of Things rischia di essere dispersa senza adeguati strumenti di raccolta e selezione prima di usarli. Le opportunità sono tante, quanto però le difficoltà di coglierle. È utile allora ascoltare direttamente dai protagonisti del settore, quale sia lo stato dell’arte della data analytics , quale sia l’apporto di IoT e soprattutto come sfruttare questa opportunità.
Paolo Susani, direttore commerciale di Zucchetti, indica una delle possibili strade da seguire per ottenere il massimo valore dagli investimenti in questo nuovo modello di analisi. Sottolineando anche l’importanza di andare alla ricerca di competenze adeguate. Dentro, e fuori dall’azienda.
Quali innovazioni può portare IoT nella data analytics?
Sicuramente l’evoluzione e la miniaturizzazione dei dispositivi e dei sensori IoT hanno pervaso nell’ultimo decennio la tecnologia, aumentando in maniera impressionante la mole di dati a disposizione di aziende e centri di ricerca. Tali quantità diventano però un boomerang pericoloso e un elemento di possibile confusione per i processi decisionali, qualora non si disponga di modelli adeguati di interpretazione degli stessi. Perciò, l’evoluzione rapidissima del mondo IoT ha portato a una conseguente evoluzione dei modelli di Intelligenza Artificiale e data analytics, rendendoli i pilastri della transizione digitale delle aziende. Noi non abbiamo esitato a investire molto su queste tecnologie sia con la creazione di un Digital Innovation Lab interno per l’introduzione di funzionalità di IA nei nostri applicativi sia con acquisizioni di società come Moxoff, specializzata in soluzioni matematiche avanzate, nonché KFT e Guardone per l’IoT e la localizzazione satellitare.
Le aziende italiane hanno la giusta percezione?
Il mondo nuovo generato dalla enorme disponibilità di dati sta entrando nella percezione delle aziende e dei manager, ma la strada verso un’impresa caratterizzata da un modello di business Data Driven è ancora lunga. Sfide importanti come quelle della privacy, dell’integrazione tra piattaforme e protocolli eterogenei e del big data mining sono ancora in divenire, anche se il percorso di standardizzazione è sicuramente avviato.
Come si può raccogliere, selezionare e analizzare questi dati in ottica di business?
Il mondo più prolifico dal punto di vista dei big data è sicuramente l’online: ogni giorno milioni di utenti esprimono attraverso il Web miliardi di informazioni che opportunamente analizzate possono dare supporto alle scelte commerciali delle aziende.
Esistono poi i dispositivi appositamente dedicati alla raccolta di dati su settori verticali più specializzati. Si pensi alle black box per le assicurazioni dei mezzi mobili oppure ai sensori per la gestione degli asset e il monitoraggio energetico. Fondamentale per la raccolta e lo stoccaggio di questi dati è l’utilizzo di data center strutturati per garantire i livelli di privacy e di cybersecurity necessari.
I dati IOT prendono poi significato in funzione dei software di data analytics con cui vengono elaborati, che sono in sostanza di tre tipologie. Prima di tutto, software che tracciano i dati stoccandoli, siano essi prodotti da utenti in rete o da mezzi e asset in movimento. Poi, software dedicati all’analisi dei dati raccolti, realizzata utilizzando sistemi d’intelligenza artificiale. Infine, software di visualizzazione, che rendono fruibili le informazioni e di conseguenza la loro interpretazione a chi non possiede competenze tecniche.
Come aggiornare infrastruttura IT e competenze?
Fatto salvo che le nuove professioni generate dal mondo IoT e dai data analytics sono ad altissima specializzazione, per le piccole e medie imprese si tratta più di affidarsi a fornitori professionali sia per i data center sia per i data analytics, innestando contemporaneamente al loro interno un cambiamento di mentalità.
A livello di competenze tecnologiche, si vanno affermando le figure dei data scientist, che sono in grado di sviluppare strategie per l’analisi dei dati una volta adeguatamente preparati, visualizzarli attraverso modelli che utilizzino opportuni linguaggi di programmazione e adattare i modelli creati nelle applicazioni richieste.
