I veicoli autonomi, cioè auto, camion e autobus che si guidano da soli, hanno catturato l’immaginazione del pubblico. Dalla fantascienza ai progetti pilota su strada, i veicoli autonomi sono diventati una realtà nell’arco di pochi anni. I costruttori di automobili di tutto il mondo sono all’opera e pianificano l’uscita di modelli con autonomia significativa entro il 2020. Le implicazioni per guidatori, produttori di automobili, pianificatori stradali e la società in generale sono di ampio respiro, come vedremo tra poco. Ma c’è un’angolazione ancora più interessante che si applica a tutti i settori: la loro stessa comparsa e gli impatti dei veicoli autonomi offrono una metafora per il business digitale. Dalla raccolta dei dati al processo decisionale, colpisce il parallelismo tra auto a guida autonoma e business di ogni tipo. La tua azienda ha bisogno di un’architettura modello Fiat o Ferrari? Ne parlerò nella seconda parte di questo articolo.

Veicoli autonomi: utopia o distopia?

Il percorso verso l’autonomia dei veicoli è iniziato circa vent’anni fa, quando le auto dovevano essere dotate di sensori di base e di diagnostica di bordo standard. Le auto hanno iniziato a raccogliere dati rudimentali, come la temperatura del motore e la pressione dell’olio. Con un numero maggiore di sensori e controller di bordo più sofisticati, le automobili hanno ottenuto il primo barlume verso l’essere senzienti. Per esempio, potrebbero monitorare l’aderenza alla strada per evitare lo slittamento o il bloccaggio delle ruote, oppure potrebbero spegnersi prima di essere danneggiate da problemi meccanici. Negli ultimi anni, le informazioni raccolte e utilizzate dai veicoli, come posizione e velocità, svolta e frenata, consumo di carburante, condizioni meteorologiche e di traffico esterne, utilizzo delle cinture di sicurezza e altro, sono cresciute in termini di varietà e volume. Con una combinazione di dati provenienti dall’interno e dall’esterno, processori più veloci e algoritmi migliorati, sono emersi nuovi usi. L’attenzione si è spostata dal monitoraggio delle prestazioni e dalla manutenzione preventiva del veicolo per inferire il comportamento del guidatore e supportarne il miglioramento. Dalla gestione automatizzata del traffico all’assicurazione automobilistica pay-as-you-drive, i dati raccolti dalle auto di oggi costituiscono il fondamento di nuove applicazioni e nuovi business. Con il passaggio verso i veicoli autonomi, i volumi e i tipi di dati raccolti aumenteranno ulteriormente e gli usi cambieranno notevolmente: sia nell’industria sia nell’ambito pubblico, i vecchi processi scompariranno e ne emergeranno di nuovi. L’assicurazione di guida personale non sarà più necessaria, la polizia stradale diventerà ridondante e le patenti di guida diventeranno oggetti d’antiquariato man mano che camion, auto e autisti di autobus perderanno il proprio lavoro. Guidare per il solo piacere di farlo potrebbe addirittura essere considerata un’abitudine più antisociale del fumo! D’altra parte, la produzione automobilistica diventerà più rispettosa dell’ambiente in quanto i volumi caleranno vertiginosamente. I parcheggi coperti e quelli in strada spariranno. L’urbanistica passerà dalla gestione del traffico alla valorizzazione della vita umana. Però, una completa cronologia di viaggio personale potrà essere tracciabile da mega-corporazioni ed enti pubblici simili a Uber. L’auto che era il posto più privato per il primo appuntamento più galante del solito potrebbe diventare il dispositivo di sorveglianza più all’avanguardia. Questo elenco suggerisce che l’impatto dei veicoli autonomi sulla società potrebbe superare qualsiasi cosa possiamo immaginare attualmente. Lo stesso si può dire se si guarda al business digitale, ovvero all’uso diffuso dei dati dei sensori, cioè l’Internet of Things (IoT), e all’intelligenza artificiale (AI) in tutti i settori.

#IoT e #AI per creare l’ecosistema biz-tech del futuro. Dalla raccolta dei dati al processo decisionale, l’auto a guida autonoma come modello per il business della tua azienda @BarryDevlin
Click To Tweet

Business digitale: successo o fallimento?

Dalla finanza alla produzione, dalla vendita al dettaglio alle utilities, dagli enti governativi a quelli di beneficenza, la combinazione di IoT e AI (in proporzioni diverse) interromperà potenzialmente ogni processo aziendale e IT da cui dipende la vostra organizzazione. (Per semplificare, includo il settore pubblico e quello del volontariato nel termine “business”). Vendite e marketing basati sulla localizzazione in tempo reale e sui dati dei social media. Distribuzione tramite droni, gestita in tempo reale. Manutenzione proattiva, guidata da un monitoraggio continuo e analisi avanzate. Vendita al dettaglio senza casse o negozi con soli oggetti campione. Decisioni di tipo middle management prese da algoritmi. Fake news che disturbano la politica e la democrazia. L’elenco continua, sollevando domande vitali per l’IT. Siamo pronti a raccogliere e gestire lo tsunami di dati? Come i veicoli autonomi, le aziende dovranno gestire i dati di latenze molto diverse. L’elaborazione istantanea di enormi set di dati è necessaria per evitare incidenti stradali. Reagire a potenziali frodi nel commercio al dettaglio o nell’ambito finanziario, oppure affrontare in tempo reale problemi alla supply chain, presentano problemi analoghi sia di dati sia di elaborazione. D’altro canto, si dovrà sempre consegnare rapporti di fine mese legalmente vincolanti e difficili da riconciliare. Nel caso di decisioni tattiche automatiche, un’auto a guida autonoma seleziona automaticamente il percorso migliore in base a una combinazione di molteplici fonti di informazione. Se si sbaglia strada, si potrebbe arrivare in ritardo a un appuntamento. Tuttavia, in azienda, i sistemi decisionali algoritmici prenderanno in carico le analisi tattiche e le decisioni prese attualmente da analisti e manager aziendali. Gli errori nel giudizio possono avere un impatto sostanziale, finanziario o legale, sul business. Quale governance bisogna dunque adottare verso questi nuovi processi decisionali di AI? E, come nel caso dei veicoli autonomi, questo enorme insieme di dati interconnessi e processi innovativi si estende oltre i confini dell’attività tradizionale dell’azienda. I grandi dello shopping online si espandono verso i negozi fisici, le utilities possono oggi proporre articoli per la casa, e i politici diventano marketer. Quali tecnologie possono gestire tale diversità?

Progettare un business digitale

Il successo o il fallimento nel business digitale dipendono dall’architettura IT, dalle informazioni, dai processi e dalle persone. La vecchia idea di avere sistemi operativi e informativi separati e distinti non funzionerà più. Scegliere una singola tecnologia di elaborazione dati, sia di tipo relazionale sia Hadoop, limita la flessibilità e aumenta il rischio di errori. Bisognerà invece gestire i dati in più posizioni e sistemi, statici o in movimento, accedendovi e utilizzandoli attraverso molteplici strumenti, molti dei quali basati sull’intelligenza artificiale. Tutto questo andrà fatto mantenendo operativi i vecchi sistemi. In breve, serviranno sia la Fiat sia la Ferrari. Quello che serve è una nuova architettura che comprenda tutti i dati e le informazioni utilizzate dall’azienda, tutti i processi – business e IT – che utilizzano le informazioni per guidare le azioni, oltre ai ruoli e ai driver delle persone – tutti gli stakeholder, interni ed esterni – per le quali esiste l’azienda. Questa architettura è “Business unIntelligence” (come definito nella mia opera Barry Devlin, “Business unIntelligence: Insight and Innovation beyond Analytics and Big Data” – Technics Publications, 2013). Nonostante il concetto si sia evoluto dalla sua pubblicazione nel 2013, per tenere conto dei progressi negli ambiti IoT e AI, rimane l’architettura concettuale e logica più completa per il business digitale. In termini tecnologici, si passa dal data warehouse al data lake, per creare l’ecosistema biz-tech del futuro.

#DaNonPerdere @BarryDevlin presenterà per @techtran il seminario “Dalla Business Intelligence al Digital Business: Architettura e Tecnologie” che si terrà a Roma il 3-4 maggio 2018
Click To Tweet

Barry Devlin

Tra i più autorevoli esperti mondiali di Business Insight e Data Warehousing, oltre a essere consulente, speaker, è autore del famoso libro “Data Warehouse – from Architecture to Implementation”. Gli interessi di Barry Devlin spaziano verso un business completamente integrato, coprendo ambienti informativi, operativi e collaborativi per offrire una esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, società di consulenza specializzata nel progettare soluzioni di Business Insight, che opera con i principali analisti e vendor in ambito BI e oltre.

Barry Devlin presenterà per Technology Transfer il seminario “Dalla Business Intelligence al Digital Business: Architettura e Tecnologie” che si terrà a Roma il 3-4 maggio 2018.

L'articolo Una Fiat o una Ferrari? Qual è la più adatta per il business digitale? proviene da Data Manager Online.

Per chi pensava di essere già a bordo di un treno veloce dalla BI verso analytics e big data, c’è una notizia: a più di 300 km/h sta arrivando un “Frecciarossa” di algoritmi, Internet of Things (IoT) e decision making cognitivo. È il caso di salire a bordo. E in fretta. Ma la sfida, nella migliore tradizione di James Bond, è che bisogna saltare da un treno in corsa all’altro. Sono passati solo cinque anni da quando Apache Hadoop ha rilasciato la sua versione 1.0.0 e ha aperto le cataratte ai big data. I pionieri avevano tracciato il sentiero pochi anni prima, ma l’idea che forse – e sottolineo forse – i database relazionali non erano più l’unico modo per supportare le esigenze decisionali di business, avrebbe in realtà iniziato a dare i suoi frutti solo nel 2011. Da allora, la release 2.2.0 (ottobre 2013) ha iniziato a convertire Hadoop in un “sistema operativo dati”, mentre nel settembre 2016 ha visto l’uscita di 3.0.0 versione alpha. Ma perché dovremmo occuparci di questa storia? Semplicemente perché sta diventando storia. Spinto dalle quantità allora inimmaginabili di dati dei social media e dell’e-commerce, l’ecosistema software Hadoop su hardware commodity ha offerto l’unica piattaforma conveniente per memorizzare ed esplorare questi dati. Si potrebbe definire analytics in modalità tradizionale, solo un po’ più grande. In realtà, è stato solo nella versione 2.2 che l’elaborazione in batch ha potuto essere sostituita dall’elaborazione dei dati in linea o in tempo reale. Il Big Data Mining va bene in batch, ma applicare i modelli in produzione richiede un’elaborazione moderna con una latenza molto più bassa.

#TechnologyTransfer @BarryDevlin La tua azienda viaggia in #business o in #economy?
Click To Tweet

La tua azienda viaggia in business o in economy?

Nell’ultimo anno, i brontolii minacciosi di vari analisti sono riecheggiati. Spark, Storm, Kafka e altri sono stati indicati come i nuovi re. Gli algoritmi iterativi e gli analytics interattivi ed esplorativi regnano, mentre il mantello del potere si sposta dai dati a riposo a quelli in movimento. Sopraffatti dalla velocità e dalla dimensione dei dati dal fiorente IoT, non si riesce a trovare il momento per farli atterrare su disco o addirittura di spostarli dall’edge verso il centro, prima di deciderne il valore o esplorarne il significato. L’architettura tradizionale del data warehouse non basta più: c’è bisogno di una piattaforma multi-colonna, multi-tecnologia, completamente distribuita ma profondamente integrata, come descritto nel mio libro del 2013 “Business unIntelligence”. Tutto quanto appena visto accade però solo nella carrozza IT, classe economy del “Frecciarossa”. È nelle carrozze business che alberga il pensiero veramente rivoluzionario. Gartner lo ha battezzato business digitale nel lontano 2014, definendolo come “la creazione di nuovi modelli di business sfumando il mondo digitale e quello fisico”. La denominazione è fuorviante, dato che comprende solo la metà di questa idea, e pone l’enfasi sui bit invece che sui progetti di business. La base di fondazione è di nuovo nella carrozza IT: i big data analytics e l’IoT stanno rispettivamente al posto del mondo digitale e fisico. Ma il modo in cui le strategie e i comportamenti delle aziende devono cambiare è la vera novità delle carrozze business. Il business, in un certo senso, è un processo molto semplice: capire le esigenze della gente, decidere come soddisfarle e agire di conseguenza. Questi tre passaggi – capire, decidere e agire – formano un ciclo strettamente interconnesso e chiuso nel business digitale. Le informazioni e i dati dal mondo fisico dei processi di business, dai social media e, sempre più, dall’IoT, costituiscono l’alimentazione base di questo processo. I suoi output sono i beni e servizi di business. E la sua base è l’intelligence, cioè la capacità di ragionare, intuire e identificarsi sul rapporto tra input e output.

Un passo da gigante per l’umanità

Il modo in cui il business naviga in questo ciclo (capire, decidere e agire) sta per cambiare radicalmente e irrevocabilmente. Stiamo attraversando la soglia tra il supporto decisionale e il software reale di processo decisionale/assunzione di azioni. L’intelligenza artificiale (AI), il machine learning (ML) e il cognitive computing stanno per fare “un passo da gigante per l’umanità” e spostare quel ciclo dall’umano al software. Algoritmi semplici e basati su regole gestiscono da molto tempo ormai il processo decisionale di base. Le applicazioni di BI operativa e di gestione delle decisioni vengono utilizzate da anni per automatizzare alcuni tipi di decisioni. Se i tempi della decisione sono più brevi di quanto sia umanamente fattibile, oppure il suo valore è inferiore a quello dell’attenzione umana, e se input e output sono legati da una logica semplice, vengono già ampiamente utilizzati gli algoritmi. Originariamente basati su regole o tavole, tali algoritmi sono stati più recentemente estesi o sostituiti da quelli basati su modelli più sofisticati, che emergono dal lavoro di statistica e di analisi correlata dei data scientist. Anche se è senza dubbio prezioso in molti casi, il vero senso e la vera destinazione di questo treno si vedranno con il prossimo avanzamento nella tecnologia AI: l’applicazione di tecniche avanzate di apprendimento automatico per problemi e decisioni di business più complessi. L’evoluzione di queste applicazioni è ancora in una fase iniziale, ma appena iniziano a trovare terreno, l’adozione potrebbe essere rapida e la diffusione ampia, in ragione dei loro benefici anche a livello economico. L’intelligenza artificiale è già applicata nella rilevazione delle frodi, nella gestione dei portafogli e nelle sottoscrizioni per il settore dei servizi finanziari. Grandi passi avanti si stanno verificando nel settore sanitario: nella diagnosi dalle tecnologie di imaging, così come nella diagnosi e nella prognosi delle malattie. Negli ambiti manufacturing e utility, la previsione e l’anticipazione dei problemi sono stati migliorati con il machine learning. Questi esempi dimostrano l’inizio di una tendenza dall’automazione delle decisioni deterministiche verso l’aumento dell’intelligenza umana in situazioni ambigue. L’intelligenza artificiale e il machine learning si stanno diffondendo nella BI operativa, si stanno espandendo in quella tattica, e stanno mostrando qualche promessa iniziale in quella strategica. Salendo lungo la piramide del processo decisionale, il ruolo dell’intelligenza artificiale diventa più ampio e più ambizioso. Anche le opportunità di business aumentano. L’automazione accelera la risposta e riduce i costi del lavoro. Tra un fantomatico sistema “OmegaS”, discendente di AlphaGo (quello che ha battuto Google DeepMind campione del mondo) e un CEO del 2020, chi sarà in grado di fare la scelta più giusta? L’opzione del CEO è in fondo alla lista dei probabili successi. L’opzione generata dall’intelligenza artificiale è l’ovvio vincitore. Dopotutto, come avrebbe potuto perdere? Ma a questo punto, il CEO cosa deve fare? Sfidare OmegaS o semplicemente dimettersi? Ma la domanda per noi più immediata è: come saltare dal treno in cui siamo, e che ora appare lento e poco attraente, al “Frecciarossa”? Di certo, il treno del cambiamento non ha intenzione di fermarsi ad aspettarci.

#AI e #IoT trasformano il #DecisionMaking @BarryDevlin a Roma, 30-31 maggio @techtran
Click To Tweet

Barry Devlin

Autore del famoso libro “Data Warehouse, from Architecture to Implementation”, è uno dei più autorevoli esperti mondiali di Business Insight e Data Warehousing. Gli interessi di Barry Devlin oggi spaziano verso un business completamente integrato, coprendo ambienti informativi, operativi e collaborativi per offrire una esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, società di consulenza specializzata nel progettare soluzioni di Business Insight, che opera con i principali analisti e vendor in ambito BI e non solo.

Barry Devlin presenterà per Technology Transfer i seminari “Come l’Intelligenza Artificiale e IoT trasformeranno il Decision Making” il 29 maggio 2017 e “Come costruire il Digital Business usando Intelligent Information e Adaptive Technology” il 30-31 maggio 2017.

L'articolo Tutti a bordo del business digitale. Prossime fermate IoT e intelligenza artificiale proviene da Data Manager Online.

Tornando indietro al 1986, con alcuni colleghi in IBM avevamo definito la prima architettura di data warehouse per gestire le vendite e le consegne in Europa dei mainframe System/370 e dei minicomputer System/38 (chi è in grado di riconoscere questi nomi è probabilmente un po’ oltre il trentesimo compleanno!), per poi descriverne l’architettura nel 1988 sull’IBM Systems Journal.

Nel frattempo, il mondo è cambiato molto: basterebbe ricordare solo i costi e le dimensioni dei computer appena menzionati, oppure pensare a come un PC con sistema operativo DOS 3.3 su Intel 80286 e con dischi da 20 Mb era considerato all’epoca lo stato dell’arte, mentre gli smartphone di oggi sono più potenti rispetto ai mainframe di cui sopra. Eppure, l’architettura del data warehouse è cambiata davvero poco nello stesso periodo di tempo. Più che dei cambiamenti nelle tecnologie, forse può essere più interessante il nuovo scenario emergente dei dati: il data warehouse era stato progettato per un ambiente in cui tutte le informazioni nascevano dai processi di gestione del business, che erano progettati all’interno dell’azienda per offrire la visione più accurata e affidabile possibile della base giuridica delle operazioni e delle transazioni di business. Questi dati, mediati dai processi, forniti dai sistemi operazionali e integrati nel data warehouse continuano a essere basilari per la gestione del business e delle operazioni. Per tali dati, i principi e le pratiche di data warehousing rimangono valide oggi come lo erano trent’anni fa.

#TechnologyTransfer @BarryDevlin sarà a Roma il 14-15 nov. per @techtran
Click To Tweet

L’emergere di nuovi tipi di dati in questi ultimi anni ha però minato la fede nel data warehousing e portato molti a concentrarsi su nuove tecnologie, come Hadoop, e a tentare di definire nuove architetture, come i bacini di dati o i data lake. Questi nuovi tipi di dati si dividono in due grandi categorie, cioè le informazioni di origine umana, human-sourced, che si riferiscono a una serie di materiali generati e utilizzati dai social, tra cui i tweet, i documenti di testo, le immagini e i video che provengono per lo più dall’esterno dell’azienda, mentre i dati generati dalle macchine, machine-generated, provengono da tutti i tipi di sensori e macchine, sia di provenienza interna sia, sempre più, dall’Internet of Things. Questi due tipi di informazioni, spesso chiamati big data, differiscono notevolmente dai dati mediati dai processi, e differiscono tra di loro in termini di struttura, volumi, affidabilità e altre caratteristiche. Questi nuovi tipi di dati offrono anche nuove o migliorate opportunità per digitalizzare molti aspetti del business, con approcci algoritmici che sono sempre più visti come essenziali per la redditività e il successo in una vasta gamma di settori. Tali algoritmi sono o saranno basati sui recenti progressi nel campo dell’intelligenza artificiale e del deep learning, resi possibili dalla crescita esplosiva dei big data. Questa transizione in atto oggi ha implicazioni ad ampio livello sia per le aziende sia per l’IT, oltre che in materia delle architetture dei dati.

Un po’ di storia delle architetture

La novità dei big data, così come le loro caratteristiche spesso citate di volume, velocità e varietà, ha portato consulenti e vendor a concentrarvi i loro sforzi di sviluppo e di vendita. Questa attenzione è stata così intensa che molti clienti sono arrivati a credere che il data warehouse sia obsoleto e anche ridondante, quando niente potrebbe essere più lontano dalla realtà. Il ruolo dei dati mediati dai processi è distinto da questi nuovi tipi di dati. I big data forniscono il contesto e la ricchezza predittiva attorno alle transazioni formali di business dei dati mediati dai processi, che continuano a rappresentare la realtà del business. Anche se è meno comune, un’altra convinzione è che alcuni o tutti questi nuovi dati dovrebbero essere fusi nell’ambiente warehouse esistente. Questo è errato perché i volumi sono troppo grandi nella maggior parte dei casi e la velocità di variazione dei dati e dei loro significati è troppo rapida e frequente per trovare posto nelle tecnologie tradizionali. Inoltre, questi nuovi tipi di dati non possono richiedere lo stesso tipo di riconciliazione e di gestione della qualità richiesta dei dati core mediati dai processi. Tuttavia, l’esperienza mostra già che i benefici di business sono maggiori quando entrambi i tipi di dati, vecchi e nuovi, sono utilizzati insieme. I dati human-sourced provenienti dai social media offrono più valore quando sono correlati con i dati dei clienti di provenienza interna derivanti dai dati mediati dai processi. I dati machine-generated derivanti dal click-stream permettono un’analisi più profonda e significativa di come e perché le vendite sono diminuite nell’ultimo trimestre nel data warehouse mediato dai processi. Questo ci porta a un tipo ibrido di architettura, composta da più colonne, ciascuna ottimizzata per le caratteristiche di una particolare classe di dati o informazioni e interconnesse da informazioni condivise di impostazione del contesto e dalla funzione di assimilazione. L’architettura originale di data warehouse vive, anche se in forma più aggiornata nella colonna dei dati mediati dai processi. Questa nuova architettura è descritta in dettaglio nella mia opera “Business unintelligence”.

In contrasto con il data warehouse, in cui tutti i dati provengono dalle transazioni di business e operazioni commerciali, questa nuova architettura riconosce che i dati e le informazioni hanno in realtà origine al di fuori dei sistemi aziendali che gestiscono e fanno funzionare il business. Quest’ultimo è infatti guidato da informazioni provenienti dal mondo reale sotto forma di eventi, misurazioni e messaggi di origine umana o da parte di macchine: tutte le decisioni e le azioni di business poggiano sulla base di tali informazioni. Il processo decisionale, come previsto dal data warehousing, è solo una delle componenti del moderno business digitalizzato e guidato dai dati.

#TechnologyTransfer @BarryDevlin Il data warehouse compie trent’anni
Click To Tweet

Il processo decisionale oltre il data warehouse

L’obiettivo originale del data warehousing e della business intelligence era quello di supportare il processo decisionale da parte di manager e analisti per le questioni tattiche e strategiche. Con l’evoluzione della business intelligence, l’attenzione si è spostata alle decisioni più operative e con orizzonti temporali più brevi. E mentre entrambe queste esigenze continueranno a esistere, ora sono considerate solo un aspetto del supporto al processo decisionale.

Dato che il mondo è sempre più tecnologico, con enormi volumi di messaggi, eventi e misurazioni che scorrono dentro e fuori l’azienda, molte decisioni tattiche e operative si spostano dal centro verso la periferia dell’organizzazione, dal management e dal personale verso gli algoritmi e le macchine. Questi ultimi, guidati dall’intelligenza artificiale e dal deep learning, potranno prendere le decisioni dettagliate che un tempo erano appannaggio degli esseri umani. Le loro abilità sono già impressionanti, come dimostrano per esempio AlphaGo, che ha battuto il campione del mondo di Go, oppure i veicoli autonomi che circolano sulle strade, con miglioramenti esponenziali, anche se è importante riconoscere che tutti gli algoritmi sono buoni nella misura in cui lo sono i dati su cui si basano le loro interpretazioni e decisioni.

Come abbiamo già imparato in trent’anni di data warehousing, avere dati coerenti e di elevata qualità è fondamentale per il processo decisionale. In questi trenta anni, abbiamo lavorato duramente per garantire l’integrità dei nostri dati. Però, se vogliamo essere onesti, non abbiamo fatto un lavoro strabiliante. E mentre il nuovo mondo dei business digitalizzati prende forma, la nostra capacità di gestire la qualità e l’integrità di tutti e tre i tipi di dati sarà di vitale importanza per garantire che il processo decisionale algoritmico funzioni effettivamente come previsto, e nell’intero arco di attività.

Barry Devlin

Tra gli esperti più autorevoli di Business Insight e Data Warehousing. Consulente, speaker e autore del famoso libro “Data Warehouse, from Architecture to Implementation”. Gli interessi di Barry Devlin spaziano verso un business completamente integrato, coprendo ambienti informativi, operativi e collaborativi per offrire una esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, società di consulenza specializzata nel progettare soluzioni di Business Insight, che opera con i principali analisti e vendor in ambito BI e oltre.

Barry Devlin presenterà a Roma per Technology Transfer il seminario “Riprogettare il Vostro ambiente IT per il business del futuro” il 14-15 novembre 2016.

L'articolo Il business algoritmico del futuro? È sempre più guidato dai dati proviene da Data Manager Online.

Gli analytics sono utilizzati all’interno dei dipartimenti IT, come negli altri settori aziendali, per misurare le proprie performance e il contributo del dipartimento al business aziendale. Il monitoraggio che può dare l’intelligence applicata all’IT è indispensabile per analizzare gli andamenti dei service level, controllare che gli indicatori di performance e consumo relativi all’infrastruttura informatica siano allineati ai valori previsti, verificare i costi e ricavi dell’erogazione dei servizi IT. L’utilizzo di strumenti di IT governance consente di controllare gli eventi che possono inficiare le aspettative dei dipartimenti e far lievitare i costi di gestione, certificare il valore che le iniziative IT portano allo sviluppo e al mantenimento dei processi interni, aiutare a definire la migliore organizzazione dell’IT per massimizzare gli standard qualitativi. Le analisi degli scostamenti, per fare un esempio, non riguardano solamente valutazioni economiche ma anche operative come può essere l’analisi dei ritardi per una spiegazione “qualitativa” del mancato rispetto dei livelli del servizio.

Ecosistema biz-tech

Analizza la situazione attuale Barry Devlin, fondatore di 9sight Consulting e relatore per Technology Transfer: «Le aziende di oggi sbocciano o appassiscono, in relazione alla loro capacità di integrare e utilizzare pienamente la tecnologia nei loro processi. In questo ecosistema biz-tech, le nuove tecnologie ispirano processi di business innovativi, mentre le nuove possibilità di business guidano gli sviluppi tecnologici. Questa innovazione è possibile solo nelle organizzazioni, dove il CIO è visto come gli altri dirigenti C-level: i responsabili di marketing e finance hanno monitorato e misurato le loro performance di business per diversi anni, utilizzando i sistemi di BI spesso forniti, ironia della sorte, dall’IT. Ironia, perché la maggior parte dei reparti IT ha tardato ad applicare la BI ai propri sistemi, con la conseguenza che i CIO in molti casi non erano in grado di misurare e migliorare le prestazioni, giustificare i bilanci e guadagnare un ruolo sempre più strategico nel business. Dalla gestione del progetto alla service delivery, dall’help desk al monitoraggio dell’hardware, i manager IT continuano a utilizzare strumenti diversi e scollegati per misurare le performance: predominano i fogli di calcolo oppure strumenti stand-alone, sviluppati per la supervisione operativa che, in modo artigianale, forniscono anche un quadro delle performance IT. La situazione sta diventando insostenibile, dal momento che l’ambiente IT si evolve rapidamente.

La soluzione è tanto ovvia quanto impegnativa: applicare i principi dei data warehouse e gli strumenti di BI per l’ambiente IT. Ciò significa: 1) combinare i dati provenienti dai sistemi di monitoraggio separati in dashboard per fornire la supervisione di tutti gli aspetti di rete, hardware e prestazioni del software; 2) utilizzare approcci Balanced Scorecard per definire e monitorare misure chiave e realizzare l’allineamento strategico, applicare strumenti di text analytics sui log degli help desk, per ottimizzare il supporto agli utenti; 3) monitorare i social media per capire il sentiment degli utenti verso l’IT; 4) raccogliere i dati dagli smartphone e, in futuro, da altri dispositivi mobili, per monitorarne l’uso e l’abuso. In tutti i casi, la buona notizia per il CIO è che l’IT diventa strategico: la sfida è dotare l’IT di sistemi di BI per il monitoraggio e la gestione ancora più potenti di quelli già ampiamente utilizzati nel business. Senza tale investimento, la cattiva notizia è che l’intera azienda non sarà in grado di rispondere alla competizione del mercato.

Manola Rossetti,amministratore delegato di SESA Business Solutions analizza la situazione calandola nella realtà italiana del momento. «L’analisi e il controllo delle risorse economiche dell’IT è un aspetto strategico per tutte le aziende che operano su un mercato sempre più informatizzato, digitalizzato e in alcuni casi cloud oriented, ma con capitoli di bilancio per la spesa IT sempre meno ricchi» – spiega Manola Rossetti. «Nella situazione di forte regressione degli investimenti, ogni azienda ha necessità di effettuare le stime di spesa sulla base dei livelli di servizio per ottimizzare il rapporto tra costi e servizi erogati. È fondamentale disegnare e aggiornare un modello di costo dei servizi IT, per determinare il valore dei livelli di servizio. Molte realtà, anche nel settore pubblico, dovranno aggiornare la politica di pricing e addebitare i servizi secondo criteri di efficienza, profittabilità e trasparenza. Per Manola Rossetti, ogni dipartimento IT è obbligato a sviluppare servizi e agreement “business-oriented” invece che “technology-oriented”, basati sulla completa consapevolezza dei requisiti dei clienti e delle attività di business a essi legate; aumentare la “customer satisfaction”, misurando e analizzando la qualità del servizio, non solo le prestazioni delle componenti tecnologiche; definire specifici service level agreement (SLA) per ogni servizio di business e con ogni fornitore, in modo da controllare e garantire i livelli di servizio stabiliti con il cliente; monitorare l’adeguatezza degli SLA erogati al fine di fornire gli input alle eventuali azioni correttive; definire una tecnologia abilitante per soddisfare i suddetti punti.

Il valore delle soluzioni

Cosa si può fare con questi strumenti? Secondo Angelo Cian, responsabile soluzioni di business intelligence di Zucchetti per un’azienda come Zucchetti, che dispone di un’offerta cloud di software applicativo erogata attraverso il proprio datacenter, è fondamentale monitorare costantemente i costi e i ricavi dei servizi IT per ciascun cliente, sia per verificare la redditività del progetto, sia per garantire il rispetto degli SLA siglati con il cliente stesso. «A questo scopo – spiega Angelo Cian – sono state introdotte le Infinity analytics, funzionalità avanzate di BI che consentono di visualizzare le informazioni strategiche relative al singolo servizio IT, che può essere una soluzione paghe erogata in outsourcing o un gestionale in modalità SaaS, per ottimizzare le performance e prevedere eventuali interventi correttivi rispetto ai budget predefiniti». In sostanza, si tratta di impostare un processo dinamico per una gestione ottimale dell’infrastruttura IT, che tenga conto di tutti i fattori interessati: risorse IT dedicate, consumi energetici, disponibilità di banda, volume dei dati gestiti e così di seguito. «Per quanto riguarda il monitoraggio della qualità dei servizi di assistenza –  dice Cian – è di notevole importanza l’integrazione degli analytics con avanzati sistemi di gestione della relazione con il cliente, come Infinity CRM di Zucchetti, per effettuare analisi statistiche relative alla frequenza di determinati problemi, ai tempi di risposta, nonché ai carichi di lavoro per ciascuna risorsa. In questo modo, si può fornire agli utenti un servizio sempre più rispondente alle loro esigenze». L’evoluzione verso sistemi IT caratterizzati da un accesso mobile ad alta velocità, dal cloud, dai big data e dai social media – quella che IDC definisce “Terza Piattaforma” – sottopone anche il settore finance a cambiamenti di modelli di erogazione dei servizi. Per Mauro Tuvo, principal consultant information management di System Evolution, il settore bancario deve affrontare pressioni eccezionali, che hanno un forte impatto sull’IT. «All’IT – spiega Tuvo – il business chiede di innovare, contribuendo a trasformare le opportunità aperte da nuovi canali e dispositivi in valore concreto. La normativa affida un ruolo importante nell’ottemperare a requisiti regolamentari ad esempio in merito alla gestione dei rischi. Il top management chiede di partecipare al raggiungimento degli obiettivi strategici attraverso un attento impiego delle risorse. E tutto il contesto esige qualità dei servizi e dei dati gestiti. La necessità di rispondere a queste sollecitazioni – continua Tuvo – spinge molte banche a consolidare i propri sistemi di governo IT. System Evolution sta sostenendo alcune importanti organizzazioni in questo sforzo di cambiamento, attraverso l’implementazione e l’attivazione di una Finance IT Scorecard. Una applicazione di questo tipo di modello si articola lungo due prospettive di governo. Una sezione consente il controllo sulle attività e l’andamento dei principali fenomeni che caratterizzano la gestione corrente: disponibilità dei sistemi e delle applicazioni, controllo dei progetti, gestione del budget. Un’altra sezione si occupa di monitorare l’allineamento dell’IT alle strategie della banca. System Evolution accompagna i responsabili delle funzioni IT nella identificazione delle prospettive di controllo e nella selezione degli indicatori, impiegando acceleratori e semilavorati software per la realizzazione dei cruscotti e dei report. Una scorecard ben congegnata produce vantaggi per l’IT, consentendo di tenere sotto costante controllo fenomeni ed eventi critici e di reagire tempestivamente e rappresenta anche un valore per l’intera organizzazione, favorendo una condivisione sullo stato e sull’evoluzione delle prestazioni IT basata su un sistema codificato di indicatori».

Potenza e controllo

Secondo Manola Rossetti di Sesa Business Solutions, è possibile ad esempio monitorare e rendere più efficienti gli accessi e le attività attraverso il suggerimento delle best practices dei percorsi. «Con le soluzioni IT analytics è possibile risparmiare tempo nella ricerca e limitare la ridondanza di navigazione e dei download, guidando e supportando l’utente al corretto utilizzo della piattaforma. I suggerimenti possono essere individuati sia in base all’utilizzo puntuale storico (per esempio, studiando i percorsi che un utente compie storicamente in fase di navigazione) sia attraverso l’utilizzo equivalente di profili simili (per esempio, per dipendenti appartenenti a una stessa BU). In questo modo, il patrimonio informativo di un monitoraggio intelligente dell’uso dell’infrastruttura tecnologica si traduce in decisioni aziendali che anticipano gli eventi condizionanti e la modulazione dei servizi di supporto IT acquisisce valore per la prevenzione di picchi o di variazioni anomale (in prossimità di scadenze programmate piuttosto che di interruzioni improvvise di fornitura sulla rete), senza intaccare la normale operatività di tutti gli utenti che hanno accesso all’infrastruttura». Le attività proattive possono riguardare anche la gestione delle dimensioni di valutazione, ad esempio i KPI di performance sintetizzati per la valutazione dell’andamento di una struttura. In particolare, il processo può essere utile nelle definizioni degli SLA interni ed esterni, supportando l’identificazione delle effettive dimensioni di valutazione. «Le nostre soluzioni IT analytics – continua Manola Rossetti – offrono anche strumenti avanzati per la valutazione e il monitoraggio analitico dei KPI di un’azienda. In fase di erogazione del servizio IT, la valutazione economica può integrare quella di efficienza attraverso l’analisi degli scostamenti dai costi sostenuti. Le valutazioni di forecasting offrono un primo strumento di prevenzione al quale si possono abbinare analisi avanzate quali le analisi di serie storiche e l’analisi what-if».

L’efficienza dell’IT

Alberto Firpo, business developer di ATS-Advanced Technology Solutions dà qualche ulteriore consiglio sulle tecnologie da utilizzare. L’efficienza dell’IT è ormai fondamentale e parte integrante del business. «Per garantirla – dice Alberto Firpo – sono essenziali il continuo monitoraggio, al fine di rilevare informazioni qualitative utili al business, e la tempestività di intervento sulle eventuali problematiche. Per i team operations, l’attività di log analytics diventa, quindi, di vitale importanza. Ma può risultare particolarmente onerosa in contesti complessi con un installato considerevole, costituito da sistemi di middleware (weblogic, jboss application server…), molte istanze, sistemi custom o eterogenei. Ogni fonte traccia gli eventi in maniera configurabile, ma con formati differenti e, spesso, in modo descrittivo e dunque destrutturato. Il risultato – spiega Firpo – è una grande quantità di file di testo che, se analizzati con tecnologie tradizionali, creano inefficienze che possono compromettere le prestazioni delle applicazioni e la qualità dei servizi erogati. Ancora una volta, la giusta scelta tecnologica è fondamentale per garantire alte performance e ottimizzare i costi». Sul mercato esistono molti prodotti leader che richiedono però investimenti importanti. Rappresentano invece un buon compromesso le tecnologie nosql ad elevata scalabilità (Hadoop o Cassandra, insieme all’engine Spark o Mongo DB), utilizzabili a seconda del contesto, delle esigenze e delle eventuali competenze interne che sono comunque da tenere in considerazione e valorizzare in logica DevOps. «Un approccio vincente – dichiara Firpo – per accelerare l’attività di diagnosi, migliorare la disponibilità dei servizi e costruire, al tempo stesso, piattaforme che possono essere utili per fini più diretti allo sviluppo del business».

I benefici per gli utenti

Ma quali benefici possono essere ottenuti dall’utilizzo di questi strumenti e quali sono le possibili aree di applicazione?Risponde così Luca Rodolfi, responsabile progetti di business intelligence di Bicon3, Gruppo SB Italia: «Per l’esperienza che abbiamo avuto con tanti clienti e progetti, possiamo sicuramente affermare che i benefici che i dipartimenti IT possono trarre dal monitoraggio delle proprie performance attraverso l’utilizzo di strumenti di BI sono davvero numerosi e con ambiti di applicazione diversi ed estesi, che spaziano da valutazioni puramente quantitative fino a quelle qualitative. La tecnologia e le soluzioni di BI consentono agevolmente di progettare e implementare sistemi di supporto al controllo e sistemi di verifica delle performance in ambito IT. I sistemi di valutazione (e autovalutazione) dei servizi erogati diventano tool indispensabili del processo di “miglioramento continuo”, ormai considerato best practice dalla maggior parte delle organizzazioni». Un primo esempio concreto: «L’analisi quantitativa delle performance dei sistemi IT che, partendo dal monitoraggio dei log dei sistemi e della infrastruttura, consente di individuare situazioni a rischio: dal pericolo di intrusione malevola nei propri sistemi fino all’individuazione preventiva di dispositivi candidati a incorrere in qualche tipologia di guasto». Un secondo esempio è «l’analisi qualitativa sulla tipologia di interventi di manutenzione che il dipartimento IT eroga sulla propria infrastruttura o il tipo di supporto ai propri clienti interni che consente di categorizzare e valutare il livello di incidenza di specifiche richieste e di conseguenza ottimizzare la struttura di supporto e incidere sui costi».

Secondo Pier Luigi Montanaro, presidente di Keen Consulting, quando si parla di BI, la nostra mente corre subito ai processi di controllo di gestione e di analisi delle vendite, eppure sempre più le aziende adottano tali soluzioni per il monitoraggio dei processi interni, soprattutto di quelli legati all’IT governance. «E i benefici ottenuti sono vari – afferma Montanaro – si va dalla misurazione dei livelli di servizio erogati a veri e propri sistemi di business process monitoring nell’ambito dell’enterprise application integration. E oggi, con i nuovi strumenti analytics, le aree di applicazione sono sempre più numerose. Keen Consulting è impegnata da anni a supportare i CIO e le loro strutture nella definizione e misurazione di KPI legati alla gestione della loro area. Tali sistemi permettono loro di utilizzare le risorse a loro disposizione in modo più efficiente supportandoli nel difficile compito di elevare il numero e la qualità dei servizi erogati, evitando di aumentare nello stesso tempo la spesa globale IT. Con l’introduzione dei sistemi analytics, i classici sistemi di BI, che analizzavano ex-post quanto accaduto nel passato, sono stati affiancati da applicazioni che riescono a proiettarsi nel futuro e a prevenire l’insorgere di possibili problemi, garantendo così un aumento della soddisfazione degli utenti a tutti i livelli».

Anche per Cristina Sarnacchiaro, direttore generale di ORSYP, l’analisi dei dati e la BI sono sempre più importanti all’interno delle aziende, anche per il cliente interno. «La business automation – spiega Sarnacchiaro – svolge un ruolo fondamentale in questo senso: permette di monitorare i processi IT attraverso un unico pannello di controllo, ottenendo le informazioni rilevanti per guidare il business e trasforma la complessità in semplicità di gestione. Inoltre, l’automazione dei processi tra i differenti applicativi presenti e all’interno delle stesse applicazioni consente di ottenere preziosi insight, migliorando la comprensione delle correlazioni tra job. Non solo. Offre visibilità end-to-end dei flussi di processo e viste in tempo reale dei workflow IT, permettendo di ottimizzare il throughput e risparmiare risorse, da dedicare a progetti di innovazione, dove l’IT può trarre vantaggio proprio dai dati raccolti. Le soluzioni più avanzate includono dashboard in stile motore di ricerca per individuare workflow correlati, l’esportazione dei flussi di processo con la creazione di report in PDF, e l’accesso mobile. L’azienda dispone in questo modo di una documentazione completa delle pianificazioni dei job, potendo analizzare anche efficienza e costi dei propri processi e presentare dati utili al business per prendere decisioni importanti per la competitività dell’azienda stessa».

Direttamente dall’esperienza sul campo della process automation evoluta e funzionale, registriamo anche il caso di Fratelli Carli, l’azienda alimentare italiana specializzata nel settore dell’olio di oliva, che ha installato la soluzione Dollar Universe nel mainframe aziendale.

«Un vantaggio notevole del software di Orsyp – dichiara Marco Gardini, IT operations manager di Fratelli Carli – è la console di controllo che elenca tutte le procedure eseguite, in esecuzione o da eseguire su base giornaliera. Gli operatori possono interagire meglio con il sistema di produzione, gestendo i singoli processi grazie a una soluzione moderna e dotata di un’interfaccia grafica intuitiva e funzionale».

L'articolo Governance dell’IT. Analytics per i CIO proviene da Data Manager Online.

l modo in cui funziona il business sta subendo una trasformazione radicale e rapida. Le moderne tecnologie permettono – o meglio esigono – nuovi modi di operare. Retailers e supply chain reagiscono in tempo reale ai cambiamenti del mercato, occupandosi del livello della domanda, che in specifici store, può essere influenzata perfino da eventi locali e anche dai capricci del tempo. Le telco prevedono invece le probabilità che alcuni clienti possano cambiare operatore, in base ai loro tweet, e intervenire con i loro call center, decidendo quali clienti vale la pena tenere. Le aziende di logistica monitorano i loro camion in tempo quasi reale, ricalcolando i tempi di consegna in base alla deperibilità della merce e le condizioni del traffico locale, e poi pianificano la manutenzione dei camion e l’addestramento dei conducenti sulla base delle stesse informazioni. Le compagnie di assicurazione calcolano i premi in base al comportamento di guida, riportato da sensori nel motore dell’auto oppure altrove.

L’ecosistema biztech 

Questo nuovo contesto può essere definito come l’ecosistema biz-tech. I segni iniziali della sua nascita risalgono al 1980. Ora, 30 anni dopo, questi semi sono cresciuti in un ecosistema interdipendente e molto differenziato in cui gli utenti e l’IT lavorano insieme senza problemi per creare nuove opportunità di business e soluzioni tecnologiche innovative. Gli smartphone consentono all’IT di rendere possibile il BYOD, che a sua volta permette all’azienda di sfruttare rapidamente i social media per una collaborazione più facile e immediata tra gli utenti aziendali ovunque si trovino, in the field oppure in ufficio. Le nuove tecnologie di data management, dai database in-memory e NewSQL a Hadoop e NoSQL, gestiscono tutti i tipi di dati in modo più efficiente, permettendo al business di comprendere in modo chiaro e prevedere meglio i comportamenti dei clienti, diminuire il tempo di ritorno degli investimenti, ridurre gli sprechi, aumentare il profitto o una combinazione di tutti e tre e anche di più. Non solo. L’Internet of things porterà a equipaggiare tutto, dal packaging degli alimenti alle petroliere, dai telefoni cellulari alle persone reali. I risultati saranno nuove opportunità oltre qualsiasi immaginazione. Quindi, l’emergere delle tecnologie avanzate – di cui quelli appena visti sono solo alcuni esempi – ha completamente cambiato lo scenario della business intelligence e del data warehousing nel corso degli ultimi cinque anni. Ma quello che serve è una nuova visione, cioè una nuova architettura per raccogliere i reali benefici di business promessi.

Evoluzione del processo decisionale 

L’originale architettura di data warehouse degli anni 1980 separava il “supporto decisionale” dalle operazioni di business quotidiane. Questo aveva un senso in quel momento, in quanto agli utenti andavano bene i numeri del giorno prima, oppure quelli ancora meno aggiornati, purché fossero coerenti. L’architettura di data warehouse era ottimizzata più per una “singola versione della verità” che per i big data di ogni tipo immaginabile o per il processo decisionale integrato in attività operative in tempo reale. Ma – oggi – alle imprese servono processi completamente integrati, in grado di legare strettamente le informazioni e le operazioni da tutte le aree aziendali. Il processo decisionale e l’adozione di azioni sono strettamente collegati. I cicli economici sono molto più brevi e vanno ben oltre i confini delle aziende. Quello di cui l’IT ha bisogno è una nuova architettura in grado di reintegrare tutto il processo decisionale e operativo all’interno degli sviluppi globali del business. Questo incorpora tutti i progressi tecnologici, così come le questioni e le possibilità da tempo sul tappeto delle isole di fogli di calcolo, SOA, metadati, accesso distribuito, tecnologie web, gestione dei contenuti e di database e appliance specializzati.

Nuova architettura

 Ma come è fatta questa nuova architettura? In primo luogo, in contrasto con il vecchio approccio, che si concentrava quasi esclusivamente sulle informazioni, la nuova architettura copre le informazioni, i processi e le persone in modo globale e inclusivo. Ciò significa che i sistemi operativi e informativi che prima erano trattati separatamente, devono ora essere considerati come un ambiente combinato, interoperativo e con una visione condivisa sia dei dati sia dell’elaborazione, oltre che con un aspetto comune per gli eventuali utenti. In secondo luogo, l’ambiente ETL (extract-transform-load) deve essere trasformato da un approccio prevalentemente batch-oriented a un ambiente quasi in tempo reale o addirittura di tipo messaggistico, che possa trasferire i dati operativi al sistema analitico appena sia necessario. La riconciliazione e la pulizia, che spesso richiedono un certo livello di elaborazione batch, devono quindi essere ridotte il più possibile. Ciò richiede rinnovata attenzione per l’integrazione all’interno dell’ambiente transazionale e un forte accento sulla convalida dei dati in una fase sempre più anticipata nel processo di acquisizione.

Nuove classi di informazioni 

Al fine di gestire le nuove classi di informazioni contenute nei big data, sono necessari due ulteriori cambiamenti architetturali. Il primo è quello di cominciare a pensare in termini di “colonne di informazioni” anziché di strati di dati. L’approccio tradizionale del warehousing era in parole semplici progettato attorno a una serie di strati attraverso cui tutti i dati passavano verso il business, al fine di raggiungere il massimo livello di coerenza delle informazioni. La nuova architettura utilizza così un approccio a colonne (pillars), trasferendo i diversi tipi di dati in parallelo l’uno all’altro nel percorso agli utenti. I dati molto liberamente strutturati provenienti da fonti di tipo social media – per esempio – sono tenuti separati dai dati transazionali provenienti internamente per una serie di motivi, tra cui l’uso di diverse tecnologie e diversi livelli di fiducia e di tempestività. Come risultato, i dati arrivano più rapidamente al business, ma richiedono anche un forte supporto di visualizzazione per consentire un accesso facile e integrato da parte degli utenti. E la coerenza? E qui siamo di fronte al cambiamento architettonico finale: i metadati. Siamo abituati a pensare ai metadati come qualcosa di separato dalle informazioni di business e a gestirli in diversi strumenti e archivi, ma questo deve cambiare. Concettualmente, i metadati sono assolutamente dati di business. Alcuni metadati possono essere più tecnici rispetto ad altri, ma sono tutti dati di business. Reintegrare i metadati con i dati di business presenta una serie di vantaggi, non ultimo, la rimozione della confusione per gli utenti. Ancora più importante è stabilire i necessari collegamenti tra le diverse colonne per assicurare la coerenza tra loro e permettere l’integrazione in tempo reale a livello di virtualizzazione.

Piena integrazione dell’IT 

Questa nuova architettura offre una struttura completa per la piena integrazione dell’IT aziendale richiesta da parte delle imprese moderne. Naturalmente, affronta in maniera diretta le attuali questioni riguardanti il data warehousing, come la BI operativa, il supporto decisionale a livello executive, la discovery e l’innovazione complete delle informazioni e la gestione delle decisioni a livello di intera azienda. E, anche se è nuovo, questo approccio costituisce una evoluzione delle attuali tecnologie di data warehouse e di quelle operative e di collaborazione per facilitarne l’adozione.

Il prossimo libro, “Business unintelligence – Insight and Innovation beyond Analytics and Big Data”, che descrive questa nuova architettura nel dettaglio, sarà disponibile nel mese di ottobre 2013.

Barry Devlin è uno dei più autorevoli esperti mondiali di business insight e data warehousing. Consulente, speaker e autore del best seller “Data Warehouse – from Architecture to Implementation”. L’interesse di Mr. Devlin si estende al mondo dell’impresa completamente integrato, coprendo ambienti informational, operational e collaborative per offrire un’esperienza olistica del business attraverso l’IT. E’ fondatore di 9sight Consulting, società di consulenza specializzata nella progettazione di soluzioni ampie di business insight. Collabora con i principali analisti e vendor nell’ambito BI e oltre.

Barry Devlin presenterà a Roma per Technology Transfer il seminario: “Ricreare la BI e il DW: nuova architettura e tecnologie avanzate” il 30-31 ottobre 2013.

L'articolo Reinventare la business intelligence proviene da Data Manager Online.

Nell’ultimo quarto di secolo, le imprese di ogni forma e dimensione hanno seguito una politica di gestione delle informazioni che potrebbe essere riassunta in una sola frase: “una versione unica della verità” o SVOT, nell’acronimo inglese di “single version of truth”. Come implicato dall’espressione, questo concetto suggerisce che un’azienda può e deve essere descritta e gestita in base al principio che c’è un unico insieme di informazioni che definisce in maniera completa e accurata il modo in cui l’azienda opera. Questa politica si può vedere in azione nelle operazioni, in sostituzione di molteplici applicazioni transazionali di ERP, CRM e sistemi similari integrati. La si vede nella business intelligence, con l’implementazione di ambienti data warehouse omnicomprensivi – oppure – nelle iniziative di data governance integrata e di razionalizzazione dei processi. La speranza è che – se solo si è in grado di allineare tutte le informazioni e le procedure – il business sarà finalmente sotto controllo e andrà avanti con il processo di massimizzazione del profitto, o di qualsiasi altro venga visto come lo scopo fondamentale del business.

Purtroppo, il mondo non funziona così. E stranamente – mentre osserviamo e ammettiamo che il mondo non funziona così – insistiamo invece sul fatto che le imprese dovrebbero farlo. Naturalmente, ci sono parti del business in cui il concetto SVOT è importante. Le comunicazioni sui risultati finanziari per il mercato o sugli utili per il fisco dovrebbero essere accurate, complete e verificabili (la mafia è esclusa, ovviamente). Le attività di ricerca o di marketing, tuttavia, non hanno la stessa esigenza: più versioni della verità sono molto più interessanti. Anche all’interno del finance ci può essere una quantità, anche se limitata, di verità valide nel periodo che precede la chiusura dei libri contabili di un esercizio finanziario. Questo solo concentrandosi su dati numerici. Quando invece si tratta di informazioni meno definite, dalle e-mail alle immagini, la verità è molto più fluida. I primi ad aver adottato le tecniche e gli strumenti relativi ai big data si sono concentrati proprio su tali informazioni meno definite. Che comprendono le informazioni sul sentiment provenienti da Twitter o Facebook, le informazioni sui comportamenti ricavate dai click stream e dai web log, così come il text mining dalle e-mail e dalla trascrizione di conversazioni. Le analisi approfondite creano modelli che predicono i comportamenti futuri: per esempio, se un cliente di telefonia cellulare ha intenzione di passare a un altro operatore, oppure se una certa offerta potrebbe aumentare la propensione all’acquisto, oppure ancora se una determinata operazione può essere fraudolenta. Tali informazioni sono molto lontane dal concetto di SVOT. Tuttavia, l’utilizzo dei big data sta maturando, come abbiamo scoperto in un recente sondaggio (“Big data comes of age”, EMA & 9sight Survey, novembre 2012). Gli utenti stanno combinando tali informazioni con le tradizionali fonti di dati operativi e informativi, dai dettagli sulle chiamate per le telco, agli scontrini per i negozi fino alle informazioni sulle performance finanziarie ricavate dal data warehouse. Per le aziende, questo rappresenta un cambiamento del gioco. E richiede significative trasformazioni tecnologiche da parte dell’IT. Si scopre che i big data sono solo l’anticipazione di quello che verrà. Prendiamo in considerazione solo due aspetti in particolare.

L’operational analytics

 I processi operativi sono stati altamente strutturati e fortemente regolamentati da quando sono stati portati sui mainframe. La flessibilità necessaria per gestire circostanze nuove, caratteristica tipica dell’interazione umana, si notava soprattutto per la sua assenza. E tuttora è così. L’operational analytics, cioè l’analisi approfondita dei dati operativi, cambia tutto radicalmente. Partendo da grandi campioni di dati comportamentali e transazionali, è stato creato un modello predittivo. Fin qui, questo è solo data mining. Ma nell’operational analytics, il modello viene automaticamente applicato nell’ambiente operativo, come per esempio un sito web retail o un call center, per modificare in tempo reale l’offerta fatta al cliente, in base al comportamento effettivo del cliente durante l’interazione in corso. Il risultato viene reimmesso nell’ambiente di modellazione predittiva per ottimizzare ulteriormente il modello stesso.

Questa applicazione spezza la barriera tra i processi operativi e quelli informativi, che è stata una caratteristica tipica del computing fin dai primi giorni. Le procedure operative raggiungono nuovi livelli di flessibilità: anche se forse non si tratta di un servizio personalizzato, è qualcosa di molto più simile all’uomo. L’impatto per l’IT è enorme. Un principio fondamentale dell’architettura è rotto. L’infrastruttura, l’applicazione e il database sono necessari per gestire due tipi molto diversi di elaborazione a braccetto. Ciò richiede l’eliminazione dell’elaborazione in batch e una nuova architettura del database sottostante: caratteristiche implicite nella mossa verso l’in-memory processing, come si è visto per esempio con SAP HANA.

Il mondo mobile

 Quando il commercio al dettaglio si affacciò anche sul web, gli esperti predissero la fine del negozio fatto di mattoni. Ma avevano ragione solo fino a un certo punto. E ora che il web si sposta verso tablet e smartphone, il saldo tra click e i mattoni si è spostato di nuovo. Così come l’operational analytics, l’impatto sul business è dato dall’accelerazione delle attività operative e la loro integrazione più stretta con i processi informativi. Un acquirente dotato di smartphone in negozio può trovare prezzi più bassi dai concorrenti, eventualmente rinviando anche l’acquisto, e questo rende obbligatoria per ogni rivenditore un’analisi in tempo reale sulla concorrenza. D’altra parte, se il rivenditore sa chi è quell’acquirente e in che punto del negozio si trova, può proporre un’offerta speciale personalizzata, il che ci riporta di colpo all’operational analytics. Ma questo non riguarda solo il mondo consumer: anche gli utenti business stanno sperimentando cambiamenti di questo tipo. Per esempio, i manager hanno ora accesso in tempo reale ai cruscotti dei KPI ovunque si trovino, mentre il personale per l’assistenza esterna ha accesso immediato a tutte le applicazioni operative e informative necessarie per svolgere ogni compito. L’operational analytics, il mobile business e la loro estensione, cioè l’Internet of Things, che si ha quando ogni manufatto, ogni animale domestico e – potenzialmente – ogni essere umano è dotato di uno o più sensori ed è permanentemente online, può generare un vero e proprio superstorm di informazioni (come in “The Coming Global Superstorm” del 2000, di A. Bell e W. Strieber, tradotto in italiano nel 2004 col titolo “La tempesta globale”, che ispirò il film apocalittico “The day after tomorrow”). Solo una piccola percentuale di queste informazioni esisterà nel formato altamente strutturato che viene utilizzato oggi nei database relazionali. Gran parte di queste informazioni sarà costituita da molteplici verità transitorie che rappresentano scorci fugaci della realtà che richiedono un’elaborazione parallela massiccia, altamente flessibile e profondamente algoritmica, i cui inizi stiamo vedendo ora con Hadoop. I requisiti necessari in termini di velocità di elaborazione, networking, volumi delle informazioni e flessibilità personale, non possono essere gestiti con le attuali architetture e tecnologie IT. Nuovi strumenti, sia hardware, sia software, sono già disponibili, in molti casi nelle prime versioni. Una nuova architettura IT sta emergendo, evolvendo da data warehousing, service oriented architecture (SOA) e web 2.0, solo per citare alcuni aspetti. Valutare, adattare e applicare queste nuove tecnologie e architetture dovrebbe essere in cima all’agenda di ogni lungimirante reparto IT.  

—————————————————

Barry Devlin è uno dei più autorevoli esperti mondiali di business insight e data warehousing, oltre a essere consulente, speaker e autore del famoso libro “Data warehouse – from architecture to implementation”. Gli interessi di Barry Devlin, oggi, spaziano verso un business completamente integrato, coprendo ambienti informativi, operativi e collaborativi per offrire una esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, società di consulenza specializzata nel progettare soluzioni ampie di business insight, operando con i principali analisti e vendor in ambito BI e oltre.

Barry Devlin presenterà a Roma per Technology Transfer il seminario “Ricreare la BI e il DW: nuova architettura e tecnologie avanzate” dal 17 al 18 giugno 2013

L'articolo Un “superstorm” di informazioni proviene da Data Manager Online.

Nei prossimi anni, i business di successo saranno quelli in grado di creare un alto livello di sinergia tra business e IT, dove la BI diventerà Business Integrated Insight

di Barry Devlin

Secondo alcune teorie, la conclusione del calendario Maya, prevista per il 21 dicembre 2012, corrisponderebbe alla fine del mondo. O quanto meno, nella migliore delle ipotesi, a una profonda trasformazione della coscienza dei singoli individui. Vero, falso? Staremo a vedere. A ogni modo, così come ci hanno insegnato questi ultimi anni, continueremo ad assistere a costanti e rilevanti cambiamenti. Sarà così quest’anno, così come negli anni a venire. Basti pensare a quanto siano profondamente mutate le condizioni di mercato dalla fine degli anni Novanta: la bolla delle dotcom, all’inizio del nuovo millennio, e poi l’affermazione delle mega Internet companies, come Google, Facebook ed eBay; la crisi finanziaria del 2008 e la successiva crisi del debito sovrano dell’Europa; le rivolte sociali nel mondo arabo; la debacle di General Motors, la più grande azienda automobilistica da oltre 70 anni, che nel 2008 è andata in bancarotta. E ancora: nessuna delle tre aziende che nel 2006 dominavano l’emergente mercato degli smartphone – Nokia, Research in Motion e Motorola – è riuscita a conservare una posizione di leadership; gli Stati Uniti rischiano di perdere il rating tripla A… La lista potrebbe andare avanti all’infinito.

L’ecosistema Biz-Tech

In questo tumultuoso cambiamento vi è un aspetto comune che caratterizza il mercato della tecnologia ed è la sempre più accentuata correlazione di quest’ultima con la dimensione del business e delle persone. Permettetemi, quindi, di introdurvi a una delle evoluzioni più importanti avvenute nel comparto business. Una nuova specie, una nuova categoria di business sta oggi emergendo. Si è manifestata in questi ultimi anni, in modo discreto, ma la sua ora è ormai arrivata. Amo definirla biz-tech ecosystem, un termine che tende a identificare la convergenza di interessi tra business e tecnologia e che sovverte i fondamentali che hanno sorretto la dimensione business e IT del passato, dando impulso a un ambiente del tutto nuovo, sia nell’ambito lavorativo che in quello delle nostra vita quotidiana.

I segnali tecnologici premonitori dell’avvento di questa nuova dimensione risalgono agli anni Ottanta. La differenza è che ora quei semi sono maturati dando vita a una società tecnologica dove il fattore di interdipendenza è aumentato enormemente. Le ultime generazioni sono cresciute confrontandosi con logiche di comunicazione che trent’anni fa erano considerate soltanto come un qualcosa di magico e irraggiungibile.

Le caratteristiche che contraddistinguono il biz-tech ecosystem, così come l’abbiamo conosciuto in questi anni, sono fondamentalmente tre:

interdipendenza: la componente business e la tecnologia sono strettamente interconnesse. Nuove tecnologie aprono a nuove possibilità di business; nuove forme di business innescano nuove opportunità tecnologiche;

reintegrazione: la struttura a silos, a compartimenti stagni, sia sul fronte business che sul fonte tecnologico, è diventata sempre più difficile da mantenere poiché è causa di inefficienza, errori e scarsa comunicazione. È una situazione che non può più essere mascherata da alchimie tecnologiche e che richiede uno sforzo di coerenza;

cross-over: la comunità business deve essere in grado di comprendere quanto la tecnologia possa permettere nuove forme di business. Nello stesso tempo la comunità IT deve riuscire a comprendere come le nuove emergenti esigenze del business possono essere soddisfatte dalle nuove tecnologie.

Per certi aspetti queste tendenze sono diametralmente opposte a quelle che hanno imperato nel passato, dove il business esprimeva i propri requisiti, li sottoponeva alla comunità IT, attendeva che quest’ultima consegnasse un’applicazione, valutava i risultati e suggeriva eventuali correzioni. Quel periodo si avvicina rapidamente a una conclusione e questo mette in discussione l’intero approccio alla Business Intelligence.

Nei prossimi anni, i business di successo saranno quelli in grado di creare un alto livello di sinergia tra business e IT. Saranno in grado di rompere le barriere tra Business Intelligence, sistemi operazionali e ambienti di supporto collaborativo. Saranno in grado di integrare dati esterni direttamente nei sistemi di business. In definitiva la Business Intelligence diventerà Business Integrated Insight o BI², una BI al quadrato.

Business Integrated Insight

Proprio come avvenne negli anni Novanta, quando la BI fu protagonista di molti dei progressi nell’utilizzo delle informazioni, così come negli anni Duemila lo fu per quanto riguarda il trattamento dei dati sul Web, oggi il fenomeno che va sotto il nome di Big Data, sembra destinato a essere la nuova filosofia che caratterizza e caratterizzerà il nuovo decennio.

Certo, il termine Big Data è abusato e dà adito a mille interpretazioni, ma qui mi voglio focalizzare su un aspetto per me fondamentale, ovvero la capacità di trattare dati che vengono trasmessi e generati da sensori elettronici a bordo di un veicolo, e l’utilizzo di questi dati per monitorare in remoto condizioni ed eventi che si verificano all’interno di esso.

L’utilizzo di sensori elettronici sta diventando sempre più diffuso ed economicamente vantaggioso. Si tratta per lo più di sensori che vengono utilizzati per monitorare specifici aspetti di un determinato ambiente o i comportamenti di una macchina o di un eventuale dispositivo. Molti di noi hanno oggi familiarità con sensori quali quelli presenti all’interno di telefoni cellulari, camere digitali o tablet, che consentono localizzazione, orientamento e movimento. Sensori di questo tipo vengono da tempo utilizzati in apparecchiature costose, come motori d’aereo per esempio, volti a registrare caratteristiche operative, come consumo di carburante, velocità di rotazione, accelerazione e così via. Tutte queste misurazioni vengono inviate a un computer di bordo e trasmesse costantemente al centro di servizi del produttore per permettere un monitoraggio di qualità e, successivamente, implementare operazioni di manutenzione preventiva. A mano a mano che la tecnologia è diventata meno costosa e la comunicazione mobile pervasiva, i produttori di automobili hanno iniziato a fare propri questi sistemi, in particolare sui modelli di fascia alta.

A metà degli anni Duemila le assicurazioni hanno iniziato a testare l’uso di questi dati per monitorare il comportamento di guida e associarlo a polizze assicurative di tipo pay-as-you-drive. Tipicamente si tratta di dati relativi al tempo di utilizzo, al chilometraggio sostenuto, alla velocità, agli indici di accelerazione e frenata, insomma, sistemi che raccolgono dati come quelli abitualmente registrati da una scatola nera. E il costo delle polizze può essere così associato ai parametri monitorati, offrendo plus o minus, spesso con effetto immediato, dando così l’opportunità alle assicurazioni automobilistiche di impostare un modello di business del tutto nuovo. Sono soluzioni che possono essere implementate grazie a una tecnologia che non era stata precedentemente utilizzata dall’industria. I dati, raccolti in un primo tempo per ragioni tecnologiche, sono ora utilizzati per dare vita a nuovi modelli di business.

Il futuro della Business Integrated Insight

Dal punto di vista del biz-tech ecosystem si possono ravvisare alcuni chiari messaggi. Innanzitutto il fatto che nell’ultimo decennio vi sia stato un consistente passaggio dalla BI tradizionale alla BI operazionale che rende possibile analisi e decisioni in base a dati trasmessi in modalità near real-time. Nuove sorgenti dati, nella maggior parte Big Data, verranno utilizzate per dare vita a nuovi processi di business. E per far sì che la nuova informazione e le nuove tecnologie possano essere utilizzate per creare nuovi processi di business, e che questi possano essere incorporati all’interno di nuovi sistemi IT, è fondamentale che IT e business interagiscano strettamente tra loro.

La distinzione tra ciò che comunemente definiamo come processo informazionale e processo operazionale sta diventando sempre più labile poiché si richiedono reazioni in tempo reale a fronte di rapidi cambiamenti ambientali. Un fenomeno che, insieme all’esplosione dei volumi di dati, restringe severamente il vecchio approccio di copia e pulizia dei dati in ambienti di data warehouse e data mart. Ovviamente, quest’ultimo è un metodo che rimarrà valido dove è richiesto un altissimo livello di accuratezza e consistenza dei dati. Ma nella grande maggioranza dei casi, l’accesso a dati operazionali diventerà la norma.

I dati sono destinati ad aumentare e molti di questi verranno gestiti in modalità diversa da come normalmente avviene negli ambienti più tradizionali. Le nuove sorgenti dati saranno, infatti, tipicamente esterne e di scarsa qualità; avranno strutture differenti e poco formalizzate. Non solo, ma diverrà ancora più rilevante la questione della privacy. Ho discusso ampiamente di tutti questi aspetti e implicazioni nel libro The Seven Faces of Data, pubblicato nel novembre del 2011.

In conclusione, quali specifiche azioni dovrebbero essere intraprese dai professionisti del data management nel corso del 2012? Molte, ovviamente! Ne possiamo evidenziare alcune tra le più importanti:

–      Valutare i dati emergenti e i content store. I database relazionali non sono più l’unica possibile risposta, se mai lo sono stati.

–      Investigare le tecnologie di virtualizzazione. L’accesso remoto e multi-purpose all’informazione sarà la norma.

–      Siate coinvolti con il business. La comunità IT deve diventare un partner nella visione e implementazione dell’innovazione per massimizzare i benefici che possono scaturire dall’utilizzo delle nuove tecnologie.

E presumendo che il mondo non finirà a dicembre 2012, abbiamo davanti sfide del tutto inedite e più che mai interessanti, sia in termini IT sia in termini di business.

————–

Barry Devlin

Barry Devlin è uno dei più autorevoli esperti mondiali di Business Insight e Data Warehousing. Consulente, speaker e autore del famoso libro “Data Warehouse – from Architecture to Implementation”. L’interesse di Barry Devlin oggi si estende a un business completamente integrato, coprendo ambienti informational, operational e collaborative per offrire un’esperienza olistica del business attraverso l’IT. È fondatore di 9sight Consulting, una società di consulenza specializzata nel progettare soluzioni ampie di Business Insight lavorando con prestigiosi analisti, vendor di BI e molto di più.

Barry Devlin presenterà a Roma per Technology Transfer dall’11-12 giugno 2012
“BI²: dalla Business Intelligence all’Enterprise IT Integration” .

L'articolo BI², la Business Intelligence al quadrato proviene da Data Manager Online.