Perché confondiamo spesso i Big Data col marketing o peggio ancora con l’IT?

Pubblicato il Pubblicato in Big Data, Methodology
big data proxima

Miti e idee sbagliate su un fenomeno dirompente

Big Data – non è marketing
Il termine Big Data ultimamente è diventato molto di moda – è usato in milioni di casi ed ha tante interpretazioni, a volte anche molto lontane dal suo vero significato. Per molti il fenomeno Big Data viene visto come fosse un prodotto di marketing ed in effetti, in alcune aziende, fa riferimento proprio all’area marketing. Il risultato dell’analisi dei Big Data può effettivamente essere una fonte per attività di marketing. Vediamo un esempio: se definiamo una lista di clienti che hanno acquistato dei prodotti per un valore maggiore di 100 euro due mesi fa, non abbiamo altro che un modello da cui poter potenzialmente fare un’offerta. Tale modello è definito sulla base di dati strutturati, ed è un tipico esempio di utilizzo in campo marketing.
Supponiamo ora, di ripetere l’esercizio di cui sopra, ovvero di definire un modello, basandoci però su un insieme di dati che non sia strutturato come ad esempio dati provenienti dai social come Twitter, Facebook o Instagram. Se combiniamo tali dati con i dati provenienti da un CRM possiamo dunque trovare un altro modello, per esempio, un gruppo di persone che hanno ridotto la loro attività il Mercoledì sera e la cui ultima immagine mostra cuccioli di cane. Il modello ci consente per tanto, di poter fare un’offerta a quel determinato gruppo di persone. Questo è proprio il risultato di lavoro di Big Data. Abbiamo trovato il trigger, lo abbiamo consegnato a società di marketing, e loro lo hanno usato per raggiungere i propri scopi.
Da ciò ne consegue che la tecnica generalmente funziona con dati non strutturati, e se i dati sono strutturati, il sistema comunque continua a cercare modelli e schemi nascosti che potrebbero essere presenti in loro, quello che non fa il marketing.

Big Data – non è IT
Soffermiamoci ora a vedere un aspetto del fenomeno Big Data che vada al di là del marketing: il concetto è spesso confuso con IT. Ciò è dovuto al fatto che nelle società generalmente è compito dei professionisti IT occuparsi di tecnologie, Big Data compresa. Pertanto, se l’elaborazione di dati, notoriamente, è sempre stata un compito del reparto IT, per l’azienda si crea l’impressione, che sia una sorta di attività relativa all’IT.
In realtà c’è una differenza fondamentale: Big Data è un’attività finalizzata all’ottenimento di un risultato specifico, e questo non fa parte necessariamente dell’IT, anche se senza la tecnologia non può esistere.

Big Data – non è sempre raccolta e analisi delle informazioni
Esiste un altro equivoco sul termine Big Data. Tutti comprendiamo che questa tecnologia è legata alla grandissima quantità di dati, ma a che tipo di dati facciamo riferimento, non è sempre chiaro. Raccogliere e utilizzare le informazioni è oggi alla portata di tutti, anche delle piccole imprese. Le domande che dovremmo porci sono dunque che cosa raccogliere e come poterlo utilizzare per i nostri obiettivi.
Perciò e importante capire che Big Data non è solamente raccogliere e analizzare qualsiasi tipo di informazione. Supponiamo ad esempio di raccogliere i dati dai social network relativi ad una persona particolare, in questo contesto ci troveremmo assai lontani dal concetto di Big Data.

Che cos’è Big Data nel concreto
Big Data , dal punto di vista concreto, consta di tre fondamentali elementi:
• volume dei dati;
• analisi degli stessi;
• tecnologie che ne consentono il trattamento.
Big Data non è uno di questi componenti, bensì è l’insieme di tutti e tre questi elementi assieme. Spesso tuttavia confondiamo il fenomeno dei Big Data con uno soltanto di questi. In realtà non importa la quantità di dati raccolti se poi non abbiamo la tecnologia necessaria per condurre le opportune analisi. Allo stesso modo, un’ottima base analitica non è sufficiente in assenza di dati per poter parlare di Big Data.
Quando parliamo di dati, non parliamo solo di numeri o di testi, ma anche di immagini o tutto ciò che può essere analizzato e utilizzato per diversi scopi ed obiettivi. In altre parole, il termine Big Data comprende enormi volumi di dati interni ed esterni di diverse strutture.
Inoltre abbiamo bisogno di un analista, perché il compito di Big Data è di scoprire modelli di comportamento nascosti e correlazioni sconosciute, trovare un certo pattern, le tendenze del mercato, le preferenze dei clienti e altre informazioni di business utili. Quindi lo scopo dell’analitica è cercare nuove domande e risposte basate sull’analisi dei dati eterogenei. Big Data ci permette di fare le domande per arrivare alle conclusioni alle quali non saremmo mai potuti arrivare direttamente partendo soltanto dai dati. Quindi i dati senza analitica, dati grezzi senza individuazione dei legami nascosti tra di loro e modelli di comportamento, non sono Big Data.
Supponiamo di avere una grande quantità di base dati ed un analista che può elaborarli. Come possiamo arrivare dai dati grezzi ad una decisione specifica? Per fare questo abbiamo bisogno delle tecnologie che ci permettono non solo di poter conservare i nostri dati (ed in passato anche questo era un problema), ma anche di analizzarli.
In poche parole, se si dispone di una grandissima quantità di dati, avremo bisogno delle tecnologie che permettono di conservare tutte le informazioni nella loro forma originale per poter condurre ulteriori analisi. Oltre agli strumenti ottimizzati, sicuri ed a basso costo per l’archiviazione dei dati, sono necessari ulteriori strumenti di analisi. In conclusione avremo potenzialmente bisogno di un intero ecosistema di progetti e tecnologie correlate per la nostra piattaforma.
Inoltre, bisogna avere degli specialisti: sviluppatori, analisti (i cosiddetti Data Scientists) ed un manager, capace di capire come applicare la parte analitica per risolvere un compito specifico. Questo perché l’analitica, di per sé, è un concetto del tutto privo di significato se non incorporato adeguatamente nei processi aziendali.
Tutte e tre le figure devono lavorare in una squadra. Il manager, che assegna al Data Scientists il compito di trovare un certo pattern, dovrebbe capire che non è sempre possibile trovare esattamente quello che ci si aspetta. In questo caso bisogna essere molto attenti ai risultati del lavoro dei Data Scientists, anche perché i risultati inaspettati dall’analisi potrebbero paradossalmente essere ancora più interessanti. Il fine ultimo delle attività portate avanti dai vari manager e Data Scientists deve poi poter essere applicato al business dell’impresa per poterlo rendere un prodotto specifico.
Nonostante il fatto ci siano diversi tipi di macchine e tecnologie di analisi, la decisione finale spetta sempre e comunque all’uomo. Non conta solo quanto siano stati bravi i Data Scientists ad estrarre le informazioni rilevanti dai nostri dati, in quanto non saremo in grado di lavorare con questi risultati di analisi senza buoni strumenti di visualizzazione e capacità di interpretazione degli stessi.
In conclusione dunque oggi abbiamo la possibilità di sviluppare un gran numero di prodotti e servizi costruiti attorno al fenomeno dei Big Data, che possono impattare in maniera sostanziale il business delle imprese. Occorre però un approccio rigoroso e sistematico per poterne sfruttare appieno le potenzialità, aprendo opportunità rilevanti di crescita, che non possono più essere ignorate.


Se vuoi conoscere le nostre attività formative, visita la pagina dedicata ai corsi di Centauri,  l’Academy di Proxima Informatica.

Se vuoi sapere quali sono le nostre ultime offerte di lavoro visita la sezione Jobs del nostro sito

CondividiShare on FacebookEmail this to someoneShare on LinkedIn
 

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *