Un data lake tradizionale non è sempre una soluzione migliore per tutti i dati, e spesso si presentano limiti che finiscono per erodere i vantaggi derivanti da un data lake. Optare per un data lake multifunzione, con un’architettura più pratica, può aumentare la flessibilità, migliorare la governance e la gestione dei metadati per evitare un’infinità di dati, ridurre problemi legati all’archiviazione centralizzata, nonché soddisfare le necessità di un’ampia gamma di utenti business.

#free #whitepaper sviluppare un #datalake multifunzione grazie alla #virtualizzazione #CIOs #Virtualization
Click To Tweet

Scarica gratuitamente il white paper di Rick van der Lans per scoprire come far sì che il data lake sia il sistema di trasmissione di dati universale e come massimizzare i profitti di tutta l’azienda.

E’ richiesto un indirizzo email valido aziendale (al quale riceverai il documento)

Per la privacy relativa al white paper vedi questa pagina

L'articolo WhitePaper gratuito: sviluppare un data lake multifunzione grazie alla virtualizzazione dei dati proviene da Data Manager Online.

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.

Nel prossimo futuro le banche non saranno più come le conosciamo oggi, e il mercato dei servizi bancari è destinato a cambiare rapidamente. Si stanno, infatti, affacciando sulla scena le cosiddette “società piattaforma” non bancarie che prenderanno di mira gli anelli più redditizi della catena del valore. McKinsey nella sua recente ricerca sull’industria bancaria globale evidenzia che, per il settimo anno consecutivo, il ROE (Return on Equity) medio è bloccato in un intervallo ristretto tra l’otto e il dieci per cento. Il settore sembra impantanato in un solco a performance piatte e con prospettive poco entusiasmanti. I nuovi operatori digitali, gli OTT (Over The Top company), che si stanno trasformando anche in “società piattaforma” nel senso definito da McKinsey, stanno portando una notevole minaccia alle prestazioni e alla redditività delle banche, con inevitabile erosione dei margini.

In particolare, il fulcro delle ostilità risiede nella relazione con il cliente e, quindi, nella customer experience (CX) come elemento strategico. Secondo lo studio, se i clienti retail e le imprese sposteranno le loro attività bancarie verso le società piattaforma con la stessa velocità con cui hanno adottato le nuove tecnologie in questi ultimi anni, il ROE, in assenza di azioni di mitigazione e correzione, potrebbe ancora diminuire, fino a raggiungere nel 2025 il 5,2 per cento, che rappresenta la soglia ragionevole di sostenibilità. La strategia che adottano i “new entrants”, tra cui Alibaba, Amazon, Apple e altri, è la creazione di una proposta di valore unificata con un ecosistema che riduce i costi, aumenta la convenienza e fornisce esperienze stimolanti al cliente. I nuovi attori non solo hanno i big data analytics (BDA), che sfruttano con notevole efficacia, ma possono essere anche più centrali nelle decisioni creditizie e finanziarie. Alibaba, per esempio, oltre a essere un operatore globale di e-commerce, è anche un grande gestore patrimoniale, un prestatore, e una società di pagamenti e servizi B2B. Apple, dal canto suo, contestualmente al lancio dell’iPhone X, ha annunciato platealmente l’ingresso deciso nel mercato della finanza e dei pagamenti. Vi sono poi le cosiddette fintech che, a loro volta, stanno estendendo il core business verso attività bancarie e commerciali, facendo passi avanti anche nei mercati dei capitali e nell’investment banking, in particolare in materia di advisory.

#DX Le #banche nel mirino della Digital Transformation. Strategia di ecosistema, partnership e monetizzazione dei dati. La vera sfida è l’ #OpenBanking
Click To Tweet

In effetti, siamo ancora agli inizi del fenomeno ma, in prospettiva, gran parte dell’economia globale potrebbe essere rimodellata da tali fattori di cambiamento. Questi non saranno tutti dello stesso tenore, o della stessa misura, in ogni mercato ma, laddove ciò accadrà, le banche saranno nel mirino della trasformazione. Al management si porrà, quindi, il classico dilemma: batterli o unirsi a loro? Le probabilità sono chiaramente a favore delle società tecnologiche più avanzate. Ma le banche hanno alcuni punti di forza a loro favore. Quando si tratta di decidere dove collocare soldi, sempre la ricerca McKinsey dimostra che le banche godono ancora di maggiore fiducia. Inoltre, hanno accesso esclusivo a montagne di big data incredibilmente preziose ma, al momento, poco valorizzate.

A tutto ciò, si aggiunge un altro fattore di cambiamento rilevante costituito dalla nuova regolamentazione europea che favorisce l’avvento dell’open banking globale. Con le nuove norme e regolamenti, la banca si dovrà porre al centro del nuovo modello di innovazione e apertura, perché tale orientamento è espressamente fissato dalle nuove regole. L’entrata in vigore della direttiva sui servizi di pagamento nel mercato interno PSD2 (Payment Services Directive 2 – 2015/2366/UE), unitamente alla nuova direttiva MiFID II (Markets in Financial Instruments Directive – 2014/65/UE) e al regolamento GDPR (General Data Protection Regulation – Regolamento UE 2016/679) obbligano gli attori finanziari ad aprire l’accesso alle proprie informazioni per la creazione di nuovi servizi da parte di terzi. In questo scenario si collocano anche i cosiddetti “trust services” regolamentati da eIDAS (electronic IDentification Authentication and Signature – Regolamento UE 2014/910), tra cui la firma digitale, la marca temporale e la posta elettronica certificata che rivestono un ruolo fondamentale.

DX E INNOVAZIONE

In questo scenario, le banche non possono permettersi di aspettare oltre per scaricare a terra il potenziale del digitale e del BDA e per industrializzare le loro operazioni. Come primo passo essenziale, devono adottare subito i nuovi strumenti e sviluppare le competenze nel marketing digitale e nell’analisi dei dati di cui hanno bisogno per competere in modo efficace. La digital transformation (DX) su vasta scala è essenziale, non solo per i benefici economici, ma perché farà guadagnare il diritto di partecipare alla prossima fase del digital banking. Connected banking, dematerializzazione e automazione dei processi operativi, intercanalità, mobile banking e digital payment, modernizzazione delle infrastrutture e progetti che puntano all’identificazione del cliente da remoto: sono queste le priorità nei programmi d’investimento in IT delle banche impegnate nella DX. La natura digitale della banca è l’obiettivo da raggiungere: automatizzare i processi, cambiare la propria cultura aziendale e sviluppare quei modelli di business in grado di coinvolgere efficientemente il cliente. Citando ancora la ricerca McKinsey, le banche che orchestreranno con successo una strategia di ecosistema, creando partnership e monetizzando i dati, potrebbero aumentare il ROE a circa il 9-10 per cento e contemporaneamente potranno catturare una parte di alcuni mercati non bancari, il che porterebbe il ROE a circa il 14 per cento, molto al di sopra dell’attuale media del settore. L’innovazione nei servizi bancari applicata a canali, prodotti e servizi, coniugando tecnologia e sviluppo con sostenibilità e fiducia è la leva di business per la prossima evoluzione verso il digital banking.

Per fare ciò, occorre implementare completamente il vasto kit di strumenti digitali che è ora disponibile, qualcosa che la maggior parte degli operatori non è riuscita a fare finora. Si tratta di avviare un fenomeno “disruptive” abilitato dall’IT e, in particolare, dalle tecnologie che il Massachusetts Institute of Technology – MIT chiama SMACi (Social, Mobile, Analytics, Cloud e IoT) o della Terza Piattaforma secondo la terminologia IDC, che ormai grazie all’integrazione tra intelligenza artificiale e robotica viaggia a vele spiegate verso la Quarta Piattaforma. Accenture, da par suo, con la recente ricerca “Global Banking Distribution & Marketing Consumer Study”, ha misurato i trend nelle richieste e nei gusti dei clienti, sondando ben 33mila persone di 18 paesi al mondo. Ebbene, dall’analisi è risultato in modo chiaro che le banche devono focalizzarsi prioritariamente sulla CX e, quindi, offrire al cliente la scelta e il controllo, in qualsiasi momento, del canale preferito e della interazione personalizzata, mantenendo la stessa esperienza, con lo stesso set informativo, su ogni canale.

#DX #Banche e #assicurazioni, primi investitori in soluzioni di #BigDataAnalytics nel 2017. Tale primato rimarrà invariato almeno fino al 2020 (dati @IDCItaly)
Click To Tweet

«L’industria bancaria italiana, in particolare, sta lavorando da anni per rendere i servizi digitali più accessibili e agevolare il cliente nel ricorso ai pagamenti elettronici anche per i servizi della pubblica amministrazione» – afferma Liliana Fratini Passi, direttore generale del Consorzio CBI (www.cbi-org.eu). «Ciò grazie alle infrastrutture condivise create per rispondere alle evoluzioni in atto nel mercato dei pagamenti». La principale è sicuramente l’infrastruttura gestita dal Consorzio CBI, creato nel 2008 sotto l’egida dell’ABI come “think tank” di innovazione precompetitiva per le banche italiane nel mercato dei servizi transazionali. In questo contesto, è nato CBILL per la visualizzazione e il pagamento online, in modalità multicanale e multibanca, di utenze domestiche, ticket sanitari, multe, tributi, tasse, cartelle esattoriali, quote associative, assicurazioni, abbonamenti a teatro e altro ancora. CBILL è offerto in modalità competitiva da oltre 440 banche consorziate ed è anche l’attuazione del modello 3 di pagoPA (pagamento attivato da PSP). È fruibile dall’utente mediante tutte le tipologie di canale. Il cittadino con CBILL ha un unico “cruscotto” per consultare e pagare online i propri debiti e gli avvisi di pagamento della PA. In questo periodo, circa 170 aziende private hanno scelto CBILL per offrire ai propri clienti una modalità digitale semplice e sicura di pagamento, che consente la riconciliazione automatica del medesimo. A queste, si aggiungono le oltre 10mila pubbliche amministrazioni, che attraverso l’adesione al nodo pagoPA emettono avvisi di pagamento per servizi e tributi ai cittadini indicando CBILL tra le modalità di pagamento. «A fine dicembre 2017 – continua Liliana Fratini Passi – erano già state effettuate oltre otto milioni di operazioni di pagamento, per un controvalore complessivo di oltre due miliardi di euro. In particolare, nel mese di settembre 2017, sono stati rilevanti i pagamenti verso il Comune di Milano, che ha emesso avvisi pagoPA per la TARI. Il CBILL è stato usato per il 75 per cento dei pagamenti».

Per quanto riguarda il tema BDA, «il Consorzio CBI – visto l’enorme patrimonio informativo a disposizione (sulla sola sua rete sono veicolati circa 10 terabyte di dati all’anno, tra 460 istituti bancari e oltre un milione di imprese contrattualizzate) – ha avviato un percorso di analisi, con l’obiettivo di definire un nuovo servizio per le banche, basato sull’analisi quantitativa dei dati con modelli di analisi costruiti sui paradigmi BDA. Tutto ciò – conclude Liliana Fratini Passi – all’interno di una visione cooperativa che garantisce ai consorziati un supporto aggregato nella definizione delle proprie scelte commerciali, preservando allo stesso tempo la propria area competitiva». Il Servizio BDA CBI prevede l’impiego di un data lake centralizzato all’interno del quale archiviare, anonimizzare e arricchire – anche mediante l’accesso a database esterni – i dati transazionali CBI delle banche che aderiscono all’iniziativa. Sui differenti output di un’apposita dashboard, la singola banca aderente può poi sviluppare i modelli di predictive analytics che ritiene più opportuni secondo le proprie competenze e i propri interessi di business. Attraverso l’ampliamento della base dati, ogni banca può incrementare l’efficacia e la robustezza dei propri modelli predittivi: studi pilot hanno infatti stimato che l’ampliamento della base dati potrà incrementare di circa il 60 per cento le prestazioni dei modelli previsionali in uso dagli istituti finanziari. L’avvio ufficiale dell’iniziativa è previsto per i primi mesi di quest’anno, dopo aver completato la fase di test con un primo gruppo di banche che hanno aderito fin da subito al progetto.

«Nonostante i significativi cambiamenti, già osservati nel settore dei servizi finanziari negli ultimi 10 anni, le evoluzioni che si prospettano dal 2018 al 2021 saranno senza precedenti» – sostiene Fabio Rizzotto, head of local research and consulting di IDC Italia. «Concordo sul fatto che l’impatto di un’economia di scala conseguente alla Digital Transformation (DX) in questo settore sarà innanzitutto nell’aumento dell’importanza della Customer Experience (CX). Assisteremo, inoltre, alla proliferazione di soluzioni innovative e di ulteriore generazione di cyber security, di intelligenza artificiale (AI) e sistemi cognitivi, oltre alla modernizzazione della infrastruttura di back-office con l’utilizzo massiccio di open API framework, il tutto finalizzato a migliorare l’efficienza e la redditività complessiva. Ma la trasformazione verso il nuovo modello di business si rivelerà più complessa di quanto sembra» – sottolinea Rizzotto. «Far evolvere verso la DX la grande quantità di tecnologie e processi legacy accumulati negli anni e ancora operativi non è un compito facile». L’inevitabile inerzia del cambiamento organizzativo rende poi la sfida ancora più onerosa.

#DX Le #banche in grado di scaricare a terra la loro #capacità di #piattaforma potranno aumentare il ROE al di sopra della media del settore ( #McKinsey )
Click To Tweet

Secondo IDC, mentre tutte le banche a livello mondiale riconoscono l’importanza della DX nel loro business per competere nella economia digitale, quasi il 40 per cento non ha ancora messo in campo una strategia sostenibile per affrontarla. Meno del 10 per cento può essere ritenuto leader nell’innovazione e di potersi agevolmente adattare al nuovo corso, o di creare una disruption significativa nel mercato di riferimento. «Le banche che stanno riuscendo nella DX – prosegue Rizzotto – sono quelle che riconoscono la necessità di intraprenderla a partire dai più alti livelli dell’organizzazione e di seguirla con una valutazione chiara e accurata degli obiettivi di business rispetto alle loro capacità tecnologiche e operative». Innovare verso il digitale significa confrontarsi con un nuovo ulteriore rischio, in un contesto operativo in cui è necessaria l’innovazione per difendersi dai nuovi attori di mercato, come le società piattaforma citate, e conformarsi alla compliance normativa. «La PSD2, per esempio, – continua Rizzotto – sta stimolando nuovi processi e aree di business senza precedenti per le organizzazioni europee, purtroppo, la maggior parte di queste si sta concentrando solo sulla questione della conformità, invece che sulla vera novità rappresentata dall’open banking». Per sfruttare l’enorme potenzialità dei dati posseduti dalle organizzazioni e applicare a questi tecniche di advanced analytics, «la stragrande maggioranza delle banche – conclude Rizzotto – sta investendo in strumenti BDA e data services per automatizzare ed affinare le funzionalità interne di risk management». I BDA sono i fattori abilitanti del supporto e dell’automazione decisionale e sono finalmente al centro dell’attenzione dei top executive. Questa categoria di soluzioni è anche uno dei pilastri fondamentali per abilitare gli sforzi di DX nei processi di business. La stima IDC per il 2017 a livello mondiale individuava il settore finance (assicurazioni, titoli e servizi di investimento ecc.) come primo investitore nelle soluzioni di BDA. Tale primato rimarrà invariato almeno fino al 2020, con una crescita CAGR (Compound Annual Growth Rate) nella spesa, valutata al 13,3 per cento. Le principali aree di utilizzo andranno dal rilevamento delle frodi alla gestione del rischio e alla ottimizzazione della CX.

BANCA 4.0

Insomma, anche nel settore Finance, così come nell’Industry 4.0, si va verso l’emergere di un mercato nuovo, il “Finance 4.0” o “Banca 4.0”: espressioni con cui possiamo definire tutte le nuove forme di accesso al credito e alla finanza che si basano su modelli innovativi incentrati sulla DX e la CX. Con il digital banking sarà sempre più facile per il cliente ricevere da remoto assistenza e consulenza sull’operatività di tutti i giorni, sia su canali digitali che dal contact center, ma anche consulenza sugli investimenti e offerte di prestiti in tempo reale. Il digital banking quindi diventerà il canale operativo principale, dove potrà confluire anche tutta la parte contrattualistica. La filiale tradizionale continuerà però a essere strategica, ma dovrà essere molto più orientata alla consulenza finanziaria, creditizia e di tesoreria, piuttosto che alle operazioni rutinarie. Queste saranno esplicate, anche in filiale, con l’uso di “software bot” in grado di rispondere alle richieste del cliente. Il vantaggio, in tal caso, è che i software bot sono disponibili 24 ore su 24. Sebbene il digital banking rappresenti il futuro, il vero fattore di successo sta nella totale integrazione di tutti i canali digitali con quelli fisici. Questo richiederà un enorme sforzo di trasformazione in cui l’operatore di filiale sarà sempre più consulente del cliente, utilizzerà strumenti di CRM 2.0. e si trasformerà in “brand ambassador” offrendo servizi ad alto valore aggiunto. Siamo, quindi, di fronte a una evoluzione verso la cosiddetta “filiale ibrida” o “phygital”, che supera la separazione tra fisico e digitale. La banca diventa, in tal modo, sempre più “liquida” alla Bauman, con i servizi che seguono il cliente in ogni canale.

#DX #Banche Automatizzare i processi, innovare la cultura aziendale e sviluppare modelli di business per migliorare i servizi e la customer relation
Click To Tweet

Dalla “vecchia banca”, però, dobbiamo recuperare il prezioso patrimonio di fiducia guadagnato nel tempo. Su questa fiducia, e grazie alla potenza della DX, è possibile costruire relazioni e servizi nuovi per l’avvio di una nuova fase di sviluppo. Ciò non significa solo investimenti in IT, ma soprattutto innovazione con l’IT del modello di business, intraprendendo urgentemente un doveroso percorso di revisione dei processi, dell’organizzazione e dell’intera cultura aziendale. Già oggi, si riscontrano le prime storie di successo di banche che iniziano a sviluppare a loro volta “capacità di piattaforma”. Non è, quindi, troppo inverosimile immaginare un giorno in cui offriranno una notevole gamma di servizi e raggiungeranno una base di clienti molto più ampia riuscendo vittoriosi nel gioco della concorrenza digitale. È chiaro però che tutto ciò richiede uno sforzo notevole e coraggio nelle scelte strategiche, oltre a una visione lungimirante sui processi di business e sui partner con cui costituire alleanze.

L'articolo L’IT per la banca proviene da Data Manager Online.

Siamo quasi a metà del 2017 e mai titolo di libro fu più appropriato, anche se pubblicato dieci anni fa. Si tratta di “Competing on Analytics, the New Science of Winning”, di Jeanne G. Harris e Thomas H. Davenport. Senza dubbio competere sugli analytics è un tema al centro della strategia di business di quasi tutte le aziende che cercano di sopravvivere nel medio-lungo termine. Dalla mia personale esperienza, direi che avere una vista unica sul cliente e rispettare la privacy dei dati sono le due priorità in quasi tutti i settori in Europa. La privacy è dominata dal regolamento GDPR, General Data Privacy Regulation, che sarà applicabile in ogni paese membro a partire dal maggio 2018, cioè tra poco più di un anno. Non sorprenderà quindi sapere che molte aziende stanno rivedendo le loro priorità per arrivare a essere in regola in tempo. La governance dei dati nell’area dell’Unione europea sarà dominata dal GDPR da qui a maggio 2018, principalmente per quanto riguarda le informazioni di identificazione personale (PII, Personal Identifiable Information), che concernono in primo luogo i clienti e i dipendenti.

L’esigenza di capire veramente ogni cliente è diventata fondamentale per la sopravvivenza delle aziende per una ragione molto semplice: ora comandano i clienti. I device mobili, Internet, i motori di ricerca, i social e i siti web di recensioni hanno reso onnipotenti i clienti, anche quelli potenziali, che possono facilmente trovare prodotti e servizi concorrenti a quello che offre una determinata azienda, e possono anche confrontare facilmente offerte alternative e verificarne la qualità. E possono farlo anche quando sono in giro: oggi, è facilissimo per i clienti guardarsi attorno ed essere ben informati prima di acquistare. E davvero non fa differenza se è B2C o B2B. Il potere che i clienti hanno a portata di mano è enorme.

Il mondo digitale non ha pietà

Quindi, se ci si sta basando unicamente sulla “buona fede” per mantenere i clienti, semplicemente perché hanno comprato da noi in passato, allora probabilmente ci si prospetta un brusco risveglio. Il mondo digitale non ha pietà: ha fornito la reperibilità, la convenienza, la rapidità e l’automazione. Ma la fedeltà è diventata a buon mercato, e i clienti se ne andranno se trovano un prodotto o un servizio migliore altrove: la lotta per la sopravvivenza non è mai stata così serrata.

Le aziende devono quindi fare quanto in loro potere per competere, tramite una conoscenza più approfondita dei loro clienti: hanno bisogno di una vista unica su ogni singolo cliente. L’aspettativa dei clienti è che l’azienda abbia una conoscenza comune su di loro sempre aggiornata in tempo reale e su tutti i canali, e che sia in grado di offrire a ciascuno di loro prodotti e servizi personalizzati. Per inciso, sembra strano che sto scrivendo qui circa la necessità di una vista unica del cliente, quando posso ricordare di aver usato la stessa identica espressione vent’anni fa, quando parlavo di realizzare un data warehouse.

Ma allora, cosa è cambiato?

La prima cosa da capire è che la creazione di una vista unica del cliente significa andare ben oltre lo storico delle transazioni dei clienti che potrebbero essere disponibili in un tipico data warehouse. Oggi, c’è bisogno di molto più di quello, perché del cliente occorre conoscere esigenze, desideri, intenzioni, opinioni, e anche i rapporti con le altre persone, i luoghi e le cose. Non solo: bisogna anche capire con chi interagiscono nei social network, chi sono gli influencer in ciascuno dei social network in cui sono, qual è il loro comportamento online e come si differenzia dagli altri clienti. Di più: bisogna comprendere come il cliente utilizza il prodotto, e come tutto questo cambia nel tempo, e bisogna creare profili arricchiti molto più completi, acquisendo e analizzando nuovi dati per ricavare insight diversi, e integrare ciò che si trova con quello che già si conosce. Inoltre, ogni profilo cliente “arricchito” ha bisogno di essere collegato a tutte le attività di marketing associate a tale cliente, in modo che sia possibile determinare se le campagne sono riuscite a mantenere e aumentare il valore, e a sviluppare la base clienti.

Come Costruire un #DataLake con @mikeferguson Roma, 2-3 maggio 2017 @techtran
Click To Tweet

La business intelligence non basta

Ma tutto questo non si può fare solo con la BI: query e reporting non bastano. Servono gli analytics, per essere in grado di segmentare la base di clienti in maniera sensata, per prevedere il tasso di abbandono (il churn rate) e per tenere traccia delle modifiche nei livelli di tale tasso nel corso del tempo. È necessario essere in grado di prevedere gli acquisti al fine di promuovere marche specifiche e per fare le raccomandazioni giuste in tempo reale e in modalità batch, e per migliorare il valore per il cliente attraverso il cross-selling e l’up-selling. È necessario tenere traccia di ogni interazione con il cliente in tutti i canali nel corso del tempo, in modo che il cliente sia tenuto a conoscenza di tutti e tutto su base continuativa. È anche necessaria l’analytics dei testi per capire le opinioni, oltre all’analisi dei grafi per comprendere le relazioni e trovare influencer nei social network.

Se le aziende intendono seriamente far questo, allora i dati interni ed esterni devono essere acquisiti, puliti e integrati. I dati dei clienti non possono essere incoerenti. Se sono incoerenti in tutti i canali, allora come ci si può aspettare di fare cross-selling o up-selling con successo? La vista unica del cliente consiste nell’acquisire tutti i tipi di dati e sfruttare le analisi più adatte a ricavare i necessari insight: servono il machine learning, l’analisi dei testi, quella dei grafi e quella dei clickstream. Servono un rapido streaming dei dati su base continuativa e un’analisi in tempo reale per monitorare, prevedere e rispondere in modo agile. E c’è bisogno di fare questo in un mondo self-service dove le questioni di governance sono importanti e dove le regole sulla privacy e l’utilizzo dei dati sono rispettate.

Ma c’è anche bisogno di agilità

Con tutto questo lavoro da fare, bisogna liberare le persone che lavorano nel data warehousing tradizionale per spostarle a nuovi tipi di lavoro analitici. Sono passati quasi trent’anni dal primo paper sul data warehousing di Devlin e Murphy, del 1988. Sappiamo come realizzare i data warehouse e abbiamo introdotto maggiore agilità in loro, oltre ad averne automatizzato lo sviluppo. La progettazione di data vault e di data mart virtuali al posto di quelli fisici, e l’automazione del data warehouse sono tutti ormai necessari per migliorare l’agilità. Servono dati coerenti e affidabili di alta qualità in un mondo self-service. Non si tratta di un self-service gratuito per tutti. Dati coerenti su prodotti e servizi, preferenze di privacy dei clienti, preferenze di canale dei clienti, informazioni di contatto con i clienti, le relazioni sociali, i rapporti personali e aziendali: sono tutti necessari se vogliamo migliorare l’efficacia. Abbiamo anche bisogno di arricchire i dati dei clienti ricavando attributi aggiuntivi dai loro social media e dai siti web di tipo open government.

Oltre il data warehousing

C’è molto da fare per creare una singola vista del cliente. E va ben oltre il data warehousing. Non deve sorprendere che la sete di nuovi dati da analizzare sia aumentata moltissimo. Una crescita dei ricavi, che sia anche redditizia, dipende sempre più da nuovi dati e da nuove analisi per ottimizzare l’efficacia di marketing, vendite e attività di canale. Non ci resta che canalizzare questa energia ed entusiasmo in più progetti di analisi orientate al cliente, ma sempre con un occhio alla governance dei dati e alla conformità al GDPR. Bisogna infine aumentare gli investimenti negli analytics per fornire insight fruibili sui clienti a tutti i canali contemporaneamente, e integrare gli analytics negli strumenti e nelle applicazioni di business intelligence.

Mike Ferguson

Managing director di Intelligent Business Strategies Ltd. Analista e consulente, specializzato in Business Intelligence ed Enterprise Business Integration. Con oltre trenta anni di esperienza in ambito IT, ha collaborato per importanti aziende in materia di BI, Enterprise Architecture, Business Process Integration, Application Integration e Data Integration. Speaker in numerosi eventi e seminari in tutto il mondo, è anche autore di molti articoli tecnici. Mike Ferguson sarà il chairman della Conferenza di Technology Transfer “International Data, Business Intelligence e Analytics Conference: Costruire la Data Driven Smart Enterprise” il 22-23 giugno 2017. Presenterà inoltre i seminari “Costruire un Enterprise Data Lake” il 2-3 maggio 2017, “Predictive e Advanced Analytics” il 4-5 maggio 2017, “Big Data e Analytics: dalla strategia all’implementazione” il 5-6 giugno 2017 e “Enterprise Data Governance e Master Data Management” il 7-8 giugno 2017.

L'articolo Dati, business intelligence e analytics. La vera linfa vitale per la sopravvivenza nel mercato proviene da Data Manager Online.

Le piante pensano, reagiscono, ricordano, risolvono problemi complessi e hanno elaborato strategie sorprendenti di adattamento. «Le piante hanno molto da insegnarci, sono simbolo della modernità» – spiega Stefano Mancuso, direttore del LINV, il Laboratorio Internazionale di Neurobiologia Vegetale dell’Università di Firenze. «Possiamo costruire un futuro completamente nuovo imparando dalle piante a progettare computer, robot e reti migliori». Mentre il genere umano muove ancora i primi passi in un mondo dove ogni cosa è connessa, le piante hanno sviluppato un’intelligenza di rete, distribuita e senza un centro di comando per interagire con l’ambiente che le circonda. E lo fanno da qualche miliardo di anni, da quando cioè i primi organismi unicellulari cominciarono attraverso la fotosintesi a trasformare la luce del Sole in energia chimica. L’idea che le piante siano esseri passivi, completamente privi di capacità di comunicazione, calcolo e comportamento, è un pregiudizio ancora molto radicato anche all’interno della comunità scientifica. Tuttavia, lo stesso Charles Darwin dimostrò che le piante erano all’apice della loro catena evolutiva. Le piante possiedono migliaia di apici radicali, ciascuno dei quali è dotato di un proprio centro di calcolo autonomo, se così lo possiamo chiamare. La natura invisibile, silenziosa e apparentemente immobile delle piante se osservata al microscopio elettronico ci svela un universo di fantastica perfezione.

[amazon_link asins=’8809831365,1501187856,8893190443,8809790693,8809815467,8898881452,B00G2DBUYO,1610916034,8817097055′ template=’ProductCarousel’ store=’dmo0e-21′ marketplace=’IT’ link_id=’33b1423a-18a7-11e8-ae43-1dff79d0328d’]

«Le piante hanno capacità sensoriali molto più complesse di quanto si possa immaginare» – racconta Stefano Mancuso. Le piante ascoltano, si muovono, sentono odori, memorizzano, e anche se non sono dotate di un sistema nervoso centrale sono in grado di lanciare segnali di pericolo e comunicare tra di loro. Stefano Mancuso è un pioniere della ricerca sulla neurobiologia vegetale e i suoi primi esperimenti hanno visto come protagonista una pianta di fagiolo. L’obiettivo era quello di capire come, variando le condizioni ambientali, la piantina riuscisse sempre a intercettare nell’ambiente circostante il supporto più adatto per la sua crescita. L’esperimento è stato condotto in centinaia di modi diversi, ma la pianta è sempre riuscita a trovare un sostegno. La logica conseguenza era l’ipotesi che le piante percepissero il loro habitat in un modo completamente sconosciuto agli esseri umani. Per i più scettici si trattava solo di riflessi meccanici frutto del caso, ma Stefano Mancuso ha dimostrato che le piante sono dotate di un’intelligenza molto sofisticata.

Si può parlare di cervello delle piante?

Per Mancuso, la scienza è fatta dagli animali per gli animali. E anche le definizioni di intelligenza tradiscono quindi questo punto di partenza. «Le piante sono a tutti gli effetti organismi intelligenti e sensibili. L’intelligenza e la sensibilità non sono direttamente collegate con il cervello. Il cervello è un insieme di cellule particolari chiamate neuroni. Ma il compito di trasmettere un segnale e di portare un’informazione da una parte all’altra può essere svolto anche da altri tipi di cellule». Infatti, il complicato apparato radicale di una pianta può far pensare all’intreccio di circuiti del cervello umano. Le radici sono in grado di analizzare il terreno con straordinaria precisione, e sanno regolare tutto il ciclo di vita della pianta. Il primo ad accorgersi di questa somiglianza fu proprio Darwin. Oggi, la ricerca sugli apici radicali ha spiegato che l’attività di crescita delle piante è governata da un sistema simile a quello di uno stormo di uccelli. «Ancora però non sappiamo come questo tipo di comunicazione funzioni veramente» – avverte Mancuso.

World wide roots

Le piante non hanno un sistema nervoso centrale e non hanno un centro unico di comando. In questo modo, riescono a sopravvivere anche in situazioni critiche di adattamento, regolandosi in modo automatico. La rete di informazioni è simile a quella di Internet, una specie di “grande rete delle radici” dove ogni parte funziona in modo autonomo ma coordinandosi con tutte le altre per cercare nutrienti nel terreno e scambiarsi informazioni utili. Ci sono piante che sono in grado di assorbire più acqua dal terreno, di crescere più velocemente, o di produrre sostanze tossiche se nelle immediate vicinanze ci sono piante che non sono della loro stessa famiglia. Le piante “sentono” quello che accade intorno a loro e collaborano attivamente per vincere la competizione con le altre piante. Ma il contatto attraverso le radici non è la sola forma di comunicazione. Isolando tre piante di mais, Stefano Mancuso ha svelato che la pianta privata di ossigeno trasmetteva un segnale biochimico di pericolo alle altre due piante vicine.

Stefano Mancuso @LinvFlorence Costruire un futuro nuovo imparando dalle #piante
Click To Tweet

Come comunicano le piante?

Le piante parlano veramente tra di loro, anche se non si tratta di un linguaggio fatto di parole. La chimica è l’alfabeto e l’interazione tra le molecole è la grammatica. Ogni molecola ha un significato. E possono svolgere anche una funzione di difesa. L’ortica rilascia un cocktail tossico. Il pomodoro una resina repulsiva che segnala l’attacco da parte degli insetti. Ma la cosa più straordinaria, è che le piante sono capaci di lanciare segnali che attirano i predatori dei loro nemici, come nel caso del mais quando viene attaccato dai bruchi che si nutrono delle sue foglie. Il mais può inviare un segnale olfattivo specifico per la vespa parassita, che in pratica funziona come un sistema di posizionamento globale. Questo dimostra che le piante comunicano non solo tra di loro ma anche con specie diverse. E lo fanno per ottenere un risultato. La lezione sta nello sviluppo delle capacità di recepire non tutte le informazioni dell’ambiente, ma solo quelle che servono per avere un beneficio. Un po’ quello che le imprese dopo aver costruito un data lake, sperano di potere fare con i loro sistemi avanzati di business intelligence.

L’intelligenza nelle radici

Non possiamo sapere se nel futuro le piante metteranno in atto meccanismi di difesa anche nei confronti dell’uomo. Quello che sappiamo è che le piante sono in grado di sentirci e hanno gusti raffinati in fatto di musica. Nel cuore della campagna toscana, dal qualche anno, Stefano Mancuso alleva le viti di Brunello, diffondendo la musica di Mozart tra i filari. In questo modo, ha potuto osservare una crescita più veloce delle piante, un aumento della resistenza agli attacchi fitopatogeni e anche una maturazione più precoce dell’uva. «Le piante non hanno orecchie – spiega Mancuso – ma sono dotate di sensori che sono attivati dalle vibrazioni, e che permettono alle piante di mappare con precisione l’ambiente. Le piante hanno sviluppato tra i quindici e i venti sensi diversi, compresi i cinque simili ai nostri. «L’intelligenza è la capacità di risolvere problemi» – afferma Mancuso. «E forse, diamo troppa importanza ai neuroni». Così gli algoritmi di machine learning alla base delle future applicazioni robotiche e di intelligenza artificiale, invece di ispirarsi alle reti neurali, dovranno andare alla ricerca del segreto dell’intelligenza che si nasconde nelle radici delle piante.

[amazon_link asins=’8809831365,1501187856,8893190443,8809790693,8809815467,8898881452,B00G2DBUYO,1610916034,8817097055′ template=’ProductCarousel’ store=’dmo0e-21′ marketplace=’IT’ link_id=’33b1423a-18a7-11e8-ae43-1dff79d0328d’]

L'articolo Stefano Mancuso, anche le piante hanno un cervello proviene da Data Manager Online.

Un argomento di cui si discute tantissimo ma che ancora sfugge a una definizione precisa. Come sintentizza Alessandro Canzian, corporate marketing director di Vodafone Italy, intervenendo alla tavola rotonda che Data Manager e banca UniCredit hanno dedicato, a dicembre, al tema dei Big Data: «Se Big Data vuol dire “tanti dati”, noi di Vodafone ne abbiamo tanti, da tanto tempo». Il fenomeno della nuova generazione di strumenti e approcci alla business analytics, però, non vuol dire semplicemente “tanti dati”. Lo hanno fatto capire, con dovizia di esempi e ragionamenti, tutti i partecipanti a una discussione molto tecnica, ma appassionante come solo il racconto della buona informatica sa essere.

#DMbigdata fenomeno e risoluzione dei problemi, ecco la guida ai vantaggi del business data driven
Click To Tweet

Uno dei pilastri della cosiddetta Terza Piattaforma, Big Data non riguarda i volumi dei dati, ma la loro natura real time, la loro origine composita e “federativa”. Le informazioni estratte dal trattamento di questi dati impattano non solo sulle singole decisioni, ma su interi processi e modelli di business. Sono dati, come ha ricordato Francesco Maselli, direttore Tecnico di Software AG Italia, che trasformano le aziende, la loro infrastruttura, la loro intelligenza di processo, «in qualcosa di veramente liquido, che può far compiere anche salti di settore». E Giancarlo Vercellino, research & consulting manager di IDC Italia, nella sua puntuale introduzione cita tra gli obiettivi dei progetti più ambiziosi proprio la capacità di generare valore, di aprire la strada verso nuovi prodotti e servizi. Anche costruendo innovativi modelli di partecipazione, federazione con l’esterno. Per Felice Vitulano, Big Data director di Exprivia, tutti «siamo in una fase in cui bisogna fare, sbagliare e imparare dai propri errori». Ma se l’obiettivo è formare competenze fresche, creative anche dal punto di vista dell’approccio ai problemi, allora è auspicabile «la creazione di piccoli ambiti in cui sperimentare qualcosa di particolarmente visionario e innovativo».

Integrare per ottimizzare

Ma alla tavola di Data Manager vengono portate anche molte istanze di progettualità e cambiamento che – senza smettere di essere innovative e orientate ai nuovi paradigmi analitici – svelano ampi margini di miglioramento anche sul piano dell’ottimizzazione, della riduzione dei costi. Se ben governate, le nuove tecnologie «permettono di fare ottimizzazioni “semplici”, che tuttavia non eravamo in grado di cogliere in precedenza, anche con vent’anni di esperienza» – ha osservato per esempio Carmine Artone, responsabile sviluppo sistemi operations staff e tecnologie, della direzione sistemi informativi di Gruppo Hera.

Accanto ai nomi già citati, alla tavola rotonda hanno preso parte Roberto Monachino, chief data officer di UniCredit e il suo collega Tommaso Pellizzari, head of data & analytics di UniCredit Business Integrated Solutions. Enrico Albertelli in veste di responsabile marketing engagement di CartaSi; Filippo Costa, ICT corporate advisor di Costa Edutainment; Roberto Catto, process manager business analytics ICT EMEA di FCA Group; e Piero Demetrio Falorsi, CIO dell’Istituto statistico nazionale Istat.

Nel mondo professionale, come spiega Giancarlo Vercellino di IDC Italia, chiamata come sempre a tracciare uno scenario introduttivo propedeutico alla discussione, possono cambiare stili decisionali e modelli organizzativi. Ma da un’indagine effettuata, a livello italiano ed europeo, tra le aziende con più di 50 addetti, emerge un trend molto preciso. «Quando si tratta di business analytics, circa due decision maker su tre hanno la necessità di migliorare sotto diversi aspetti i sistemi informativi aziendali e le informazioni che servono per prendere le decisioni. Tuttavia, a differenza degli approcci analitici più tradizionali, che favoriscono specifici approcci e strumenti, l’ambito Big Data sembra più orientato a esplorare e navigare quel mare di dati oggi disponibili nei contesti disparati».

Il dato scatena l’innovazione

Lo sforzo teso a padroneggiare questo tipo di navigazione per così dire “aperta”, aggiunge Vercellino, non è mai una impresa solitaria. «Su cento iniziative progettuali, 90 mirano a introdurre servizi legati al public cloud, 87 a migliorare le business application in azienda, 79 portano avanti progetti di private cloud. Un secondo tassello che ci fa capire che Big Data rappresenta solo uno degli elementi di una trasformazione molto più complessa». E questa correlazione tra Big Data e innovazione più generale traspare anche quando andiamo a studiare i budget assegnati. Le aziende che spendono di più – in quella che può a suo modo essere considerata una Business Intelligence 2.0, fortemente innervata di elementi che arrivano dalla cultura del cloud, della mobilità e della socialità digitale – sono anche quelle che affrontano progetti di trasformazione più ampi.

#DMbigdata fenomeno e risoluzione dei problemi, ecco la guida ai vantaggi del business data driven
Click To Tweet

Con quali motivazioni, si è chiesto l’analista IDC? Questo forse è meno chiaro, almeno in questa fase ancora molto esplorativa, ma risulta già abbastanza evidente, conclude Vercellino, «che accanto a modelli che legano tra loro in modo ancora tradizionale capitale e lavoro, si sta imponendo anche un trend che vede il dato come strumento per abilitare la creazione di nuovi prodotti e servizi». Una vera e propria economia dell’informazione e della conoscenza brandita come vantaggio competitivo e basata sui dati. Economia che acquisisce e trasforma le informazioni in una autentica materia prima, un carburante che alimenta un nuovo tipo di “fabbriche” capaci non solo di sfornare prodotti nuovi, ma soprattutto di sovvertire, con la loro forza disintermediatrice, modelli e dinamiche competitive già consolidati. Ma anche creando autentici paradossi, sottolinea Vercellino: «Incluso quello della più grande compagnia di taxi al mondo che non possiede un singolo taxi».

Cultura più che tecnologia

Chiamati a discutere su temi come le strategie aziendali, le figure manageriali e professionali schierate, il legame tra le nuove modalità di governo e analisi delle informazioni con l’innovazione di prodotto e processo e naturalmente sui contesti tecnologici, economici e normativi – gli ospiti della tavola rotonda di Data Manager hanno provato a tracciare – sulla questione Big Data – un quadro scevro di semplificazioni o esagerato ottimismo. Il primo intervento è quello di Roberto Monachino, che in UniCredit è recentemente andato a coprire l’incarico di chief data officer. Monachino riconosce che dalla presentazione di Idc emergono i segnali, solo apparentemente contraddittori, di una tecnologia dal forte potenziale innovativo ma anche circondata da un alone di incertezza. «Dipende da due ragioni» – afferma Monachino. «La tecnologia procede troppo velocemente rispetto ai processi aziendali. La seconda ragione è strettamente legata a questo gap. Secondo me, non dobbiamo parlare di Big Data, che suona più come uno specifico prodotto, ma di Big Info, un concetto che dobbiamo imparare a governare». Il vantaggio competitivo, precisa Monachino, non è determinato dalla quantità di dati e dalla loro gestione sul piano tecnologico, ma deriva solo dalla capacità di governare, traendone valore vero, una molteplicità di flussi informativi. Portare questo all’interno di una organizzazione, tanto più se su vasta scala, richiede un grande sforzo soprattutto culturale, afferma anche Monachino: «Per UniCredit, due fattori determinanti sono la centralità del cliente e quindi la user experience e poi tutto l’aspetto della regolamentazione cui è sottoposto il nostro settore, in cui la privacy non è l’unico elemento». Governare tutto questo significa per Monachino «ritornare ai fondamentali», ripartire dai principi del data management e della data quality, ma l’ostacolo principale rimane l’integrazione di piattaforme diverse, un problema che la tecnologia non ha ancora risolto.

Caccia alle competenze

Alle sue considerazioni ecco aggiungersi quelle del collega Tommaso Pelizzari, che ricopre l’incarico di head of data & analytics in UniCredit Business Integrated Solutions. Il suo ufficio, spiega Pelizzari, opera come una vera e propria “factory” dei dati e gli strumenti analitici, occupandosi non solo della parte infrastrutturale ma dando pieno supporto al Cdo per la scelte delle piattaforme di data management, l’enforcement delle procedure, l’integrità e la qualità dei dati, l’abilitazione di nuovi processi di business. L’interrogativo di fondo è: «Siamo nelle condizioni di rivisitare o di rivedere i dati di cui disponiamo, o di reintegrarli, o di stabilire partnership con chi ha dati diversi al fine di servire il cliente finale in un modo più completo»? Dalla risposta a queste domande dipende una reale capacità di trasformazione dei dati in valore e cambiamento e se questo è sempre stato il principio fondamentale di ogni approccio alla business intelligence, oggi – sottolinea Pelizzari – «certe cose si possono fare, con tecnologie diverse, su una scala molto maggiore e un costo inferiore». Certo, conclude il responsabile dell’infrastruttura dati del gruppo bancario, dipende anche dalle competenze che le aziende sono in grado di mettere in campo e dall’ulteriore difficoltà di una tecnologia molto liquida, più in fretta di quanto le normali strategie di change management infrastrutturale riescano ad assicurare. Diversi tra i nostri interlocutori accennano al problema delle competenze, senza necessariamente riferirsi all’aspetto strettamente collegato alla natura statistica, matematica dei problemi. Big Data porta con sé un diverso atteggiamento, un approccio alla scoperta di informazioni nuove che deriva dalla natura real-time, o continuamente aggiornata dei dati utilizzati. Come osserva acutamente Artone di Hera: «Il real-time è forse la novità del mondo Big Data rispetto alla business intelligence, che restituiva le sue indicazioni due giorni dopo, anche a causa del lungo lavoro di riallineamento che veniva effettuato in batch». La tempestività con cui si ottiene una conoscenza potenzialmente disruptive è una novità non solo per i data scientist, ma per tutti i decisori in azienda.

#DMbigdata Learning-by-doing. Bundling e unbundling. L’analisi dei dati cambia il modo di decidere
Click To Tweet

Imparare facendo

Enrico Albertelli, responsabile marketing engagement di CartaSi, sottolinea che anche in una organizzazione che può contare su un patrimonio di dati-cliente vasto e molto più dettagliato rispetto a “disintermediatori” come Google o Amazon che nel mondo dei pagamenti stanno entrando in diretta competizione con i circuiti di carte di credito, il valore non sta nel semplice possesso del dato, bensì nella capacità di utilizzarlo. «Un principio che ho elaborato in questi anni è che operare da subito facendo del learning-by-doing, anche con tecnologie esistenti è sicuramente un modo efficace di affrontare il problema» – dice Albertelli. A volte, aggiunge l’esperto, si diventa vittima dei processi aziendali o decisionali, si fanno grossi investimenti per cambiare le architetture o adottare piattaforme di integrazione che finiscono per rallentare l’azione di una azienda. «Poter lavorare su informazioni esclusive, che altri non hanno, rappresenta comunque un differenziale notevole». Albertelli pone il recente esempio di un nuovo sistema di generazione automatica di offerte di acquisto a prezzi scontati che CartaSi ha realizzato, integrando le informazioni sul comportamento degli acquirenti che utilizzano le sue carte. Un caso in cui l’operatore è riuscito a massimizzare il valore del suo asset informativo. «Se in chiave Big Data, avessimo la possibilità di abbinare gli scontrini dei singoli merchant, entrando nel dettaglio dei singoli prodotti, avremmo una ulteriore capacità di profiling» – riconosce Albertelli. Ma oggi, conclude il rappresentante di CartaSi, valorizzare un dato interno significa porsi anche il problema di come fare sharing con altri partner a fronte di un trend normativo che come evidenzia lo studio Idc, impone di rendere ancora più democratico il dato, esternalizzando sempre più alcune informazioni in una sorta di “unbundling” delle relazioni tra banche, circuiti di pagamento, merchant e clienti.

Uscire dai silos

Se la motivazione di CartaSi nell’implementare nuovi prodotti analitici, secondo Albertelli, è di stimolare un uso più intenso delle carte di pagamento, ancora attestato su quote abbastanza marginali rispetto ad altre nazioni, a proposito degli obiettivi delle strategie Big Data nel settore finanziario, Vercellino cita tematiche come «il supporto all’automazione di parte degli algoritmi di trading, la misurazione dei rischi di capitale, la ottimizzazione dei call center, la valutazione delle iniziative a portafoglio, la detection di attività legate alle frodi e altre applicazioni in ambito di security intelligence. Meno sentita, la personalizzazione dell’offerta basata sulle esigenze del cliente». A questo proposito, Pellizzari di UniCredit, osserva giustamente che alcune di queste priorità, per esempio l’automazione degli algoritmi di trading, denunciano la struttura di un business ancora abituato a compartimentalizzare i suoi processi. «Se stai pensando all’algoritmo di trading, vuol dire che operi in un silos che ha ancora ampi margini di ottimizzazione. Fare invece il punto sugli aspetti di una proposition più mirata, basandosi su nuove modalità, richiede l’attivazione di una serie di canali, processi, soggetti che sono trasversali alla banca o alla azienda e questo è ancora lontano da certe culture».

Nella sua veste di responsabile cross industry dei progetti Big Data per il system integrator Exprivia, Felice Vitulano è convinto che la situazione attuale sia già una conseguenza delle cose già sperimentate all’inizio del fenomeno Big Data. «Oggi – spiega Vitulano – vedo un approccio più “creativo”. A proposito di modelli federativi, per esempio, mi vengono in mente tutte le startup che hanno già cominciato a raccogliere il dato, a disintermediare, a creare quelle sottostrutture che le aziende più mature possono utilizzare per forgiare, per esempio, una profilazione più fine». Ciò che manca ai system integrator, per riuscire a costruire un mercato Big Data, è una collaborazione più stretta con le aziende che devono condividere i loro problemi e partecipare allo sviluppo di soluzioni. Vitulano esorta anche a uscire dalla “gabbia” della business intelligence tradizionale, troppo legata alle logiche transazionali interne, e a non farsi vincolare troppo dai limiti della compliance, rinunciando per paura ad approcci troppo “rivoluzionari”: «Chiediamoci fin da subito se certe idee possono già avere ricadute serie sul mercato e poi capiamo come gestire la parte normativa. Diverso è se parliamo di governance dell’informazione, del dato, che non è un ostacolo ma un’opportunità per generare nuovo insight».

Exprivia, un ecosistema virtuoso per i Big Data

Videointervista a Felice Vitulano, Exprivia
Click To Tweet

Anche il meteo fa vendere

Con la mission di gestire siti di interesse turistico, naturalistico e culturale come gli acquari e i parchi acquatici e tematici a Genova, Cattolica, Malta e altre località, Costa Edutainment ha il suo asset informativo principale in un imponente numero di visitatori. «Se da un lato si lavora per dare un prodotto di qualità – ricorda Filippo Costa, consulente informatico della società, «nel momento in cui stabilisci partnership e accordi di sponsorship, la profilazione dettagliata delle famiglie diventa un valore molto appetibile per determinati settori». Ma ancora una volta, l’asset fisico non basta, bisogna tradurlo nel suo corrispettivo digitale. Compito non banale per Costa Edutainment, in presenza di dati molto strutturati, in cui entrano fattori come le previsioni meteo: «Riuscire a prevedere le condizioni del tempo consente di fare azioni di marketing mirate e di operare in maniera molto più fluida». Anch’essa fedele al principio della sperimentazione, Costa Edutainment sta già abbinando a Big Data i concetti della Internet of Things, con un ambizioso progetto che sfrutta la sensoristica per ottimizzare il funzionamento dei sistemi di trattamento delle acque, vitali per una rete di acquari. Secondo Costa, si può immaginare di ridurre i costi energetici del trattamento di almeno il 10%, con significativi risparmi sul regime di spesa annuale.

#DMbigdata Un ecosistema virtuoso di co-innovazione per aprire le porte a nuovi business
Click To Tweet

Roberto Catto, process manager business analytics ICT EMEA di FCA Group, come rappresentante di un’azienda primaria nel settore manifatturiero, sottolinea la difficoltà – soprattutto organizzativa e culturale – di un passaggio che vede una generazione di analisti business – abituata ad affrontare il dato in modo tradizionale identificando problemi, misurando i fenomeni, proponendo specifiche soluzioni – impegnata nel passaggio da un approccio che Catto definisce di «data driven discovery». Secondo il manager di FCA, «la relazione tra business e IT deve essere molto più interattiva e collaborativa». Il gruppo automobilistico globale vede molte opportunità di crescita nel digital marketing e nella comprensione profonda dei vari “touch point” con i clienti.

Più qualità, e subito

Ma anche negli altri aspetti della produzione, prosegue Catto, c’è molto valore da estrarre dai dati e fenomeni già noti, semplicemente inventando nuove correlazioni. «Nel processo produttivo di una vettura, la qualità e gli elementi che entrano in gioco sono molteplici e riguardano la progettazione, la produzione, la fornitura. Tutto può contribuire ad aumentare la qualità del prodotto. Eppure, la responsabilità dei dati e l’ownership delle informazioni sono fasi ancora molto parcellizzate: ognuno governa bene la parte che gli viene affidata». In prospettiva, lascia capire Catto, nelle aziende manifatturiere deve aumentare la virtuosità di un’analisi autenticamente “cross process” e un altro obiettivo deve essere quello di aumentare la conoscenza predittiva dei problemi, per riuscire ad anticipare le conseguenze di certi difetti, accorciando i tempi di reazione.

In questo ambito, FCA sta sperimentando soluzioni di machine learning applicate all’analisi Big Data. «L’azienda, che ha un suo customer care rivolto alla rete di assistenza, sta cercando di aumentare il valore delle informazioni testuali che i responsabili delle officine trasmettono ai loro referenti di prodotto al nostro interno. Modalità diverse da quelle tradizionali possono colmare molti gap nel processo che va dallo sviluppo del prodotto fino alla messa in servizio del veicolo». La cosiddetta predictive maintenance (PdM), osserva Vercellino, rientra tra le tematiche “calde” rilevate nei survey di Idc. «L’attenzione va verso l’ottimizzazione dei processi e dei rapporti di fornitura per i quali Big Data rientra nelle roadmap di progettualità che, nel giro di un anno o due, coinvolgeranno molte aziende del settore manifatturiero anche se con dinamiche diverse da quelle che abbiamo visto per il finance».

#DMbigdata Economia dei dati e business data driven #Exprivia @UniCredit_PR @SoftwareAG_IT
Click To Tweet

Se lo statistico legge Google Trends

Per un’istituzione ufficiale di alto livello come Istat, ha sottolineato Demetrio Falorsi, CIO dell’Istituto nazionale di statistica, l’attuale evoluzione degli approcci a Big Data rappresenta una formidabile occasione per rivedere, a livello italiano ed europeo, le strategie di misura adottate dai diversi istituti di statistica. Anche qui, ammette Falorsi, tende ancora a dominare una cultura compartimentalizzata. Infatti, in una realtà dalle dinamiche così complesse, una maggiore integrazione gioverebbe molto a una forma di “intelligence” che influisce direttamente sulle decisioni in materia di politica economica, industriale e quant’altro. Certe differenze, precisa Falorsi, hanno sempre contraddistinto la filosofia di Istat, basata su indagini a campione. «Nei paesi nordici, vige da tempo la cultura del “register based statistical system”, che si fonda sulla capacità di integrare tante informazioni di origine amministrativa. Con Big Data, ci siamo resi conto in Italia, e più in generale nel mondo statistico europeo e globale, che bisogna andare verso nuove modalità basate sull’integrazione dei dati e delle fonti» – spiega il Cio di Istat. Questo cambio di rotta implicherà un grande sforzo di adattamento, anche a livello di governance dei dati e dei processi interni. C’è però un altro problema di fondo, che angustia Istat così come molte grandi organizzazioni. Big Data apre la strada ad approcci sui quali, outsider più piccoli e tattici possono far leva per conquistare inattesi spazi di mercato. «Istituzioni come la nostra rischiano già di perdere rilevanza rispetto ad altri produttori di dati» – ammette Falorsi. Occorre anche in questo caso rispondere con la sperimentazione. Istat per alcune sue indagini – oltre duecento quelle attive – comincia per esempio a utilizzare fonti esterne o strumenti come Google Trends e i canali social. In Italia, Istat fa parte di una commissione tecnica Big Data insieme a Cnr, Bankitalia e alcune università, mentre a livello europeo e globale, Falorsi cita due importanti task force istituite in ambito Ocse e Onu.

Quando l’infrastruttura risponde

Mentre la tavola rotonda comincia ad avviarsi alla sua conclusione, Francesco Maselli di Software AG, prova una prima, difficile sintesi di una discussione che ha messo in luce diversi obiettivi, ostacoli e priorità non necessariamente tecnologiche. Maselli trova subito un modo efficace per collegarsi a un tema rimasto finora un po’, sottotraccia: i presupposti infrastrutturali. Il direttore tecnico dello specialista di soluzioni di integrazione dice di apprezzare i diversi gradi di maturità espressi dai settori e la maggiore facilità culturale di chi insegue i vantaggi di business che possono derivare dall’acquisizione e dalla correlazione di grossi volumi di dati destrutturati. «Dall’esperienza con i nostri clienti, conosciamo il valore di una strategia analitica non standard rispetto al passato» – afferma Maselli. Il valore più grande nasce quando è possibile far corrispondere l’acquisizione destrutturata e correlata a informazioni interne, ed esterne, contestualizzandole e mettendo a fattor comune il potenziale di competenze interne che rappresenta il vero vantaggio competitivo. «In questo senso però, le aziende che ottengono risultati migliori e mettono in campo nuovi modelli di business sono quelle che sanno risolvere la complessità architetturale di una IT spesso cresciuta in modo molto rapido e disordinato. È fondamentale poter contare su infrastrutture semplici, snelle, dove far confluire in maniera molto dinamica i dati e attuare nuovi modelli».

Software AG, Big Data e co-innovazione

Videointervista a Francesco Maselli, Software AG
Click To Tweet

Questa elasticità viene evocata anche da Carmine Artone, impegnato a coordinare le nuove strategie analitiche del Gruppo Hera, un’azienda di servizi che – proprio per la sua natura diversificata, tipica delle multiutility che svolgono attività di distribuzione di acqua, energia e servizi ambientali di trattamento rifiuti – può incontrare nella compartimentalizzazione un ostacolo addirittura più consistente. «Considerazioni – riconosce Artone – che ci hanno avvicinato molto al Big Data. Abbiamo capito che senza passare da una architettura integrata di sistemi che si parlano in real o quasi real-time, con meccanismi di messaggistica dati in grado di avvicinarci ai dati dei nostri asset sul campo, non saremmo arrivati a definire modelli di dati davvero trasversali alle aree aziendali». Oggi, Hera è in grado di raggiungere granularità di dettaglio prima impensabili, osserva ancora Artone, che cita i notevoli margini di miglioramento ottenuti anche solo sul piano dell’ottimizzazione di aree come la gestione dei percorsi degli automezzi adibiti alla raccolta dei rifiuti e la manutenzione preventiva di questi veicoli.

#DMbigdata Unbundling delle relazioni tra banche, circuiti di pagamento, merchant e clienti
Click To Tweet

Soddisfazione e personalizzazione

Rispetto ad altri interventi, quello di Alessandro Canzian denuncia un altro genere di dimestichezza con le problematiche legate al valore di una mole di dati di per sé impressionante. Con 30 milioni di “record cliente” attivi, Vodafone Italia genera flussi informativi difficili da quantificare, tra dati di rete, posizionamento dei dispositivi, attività degli utenti, relazioni con il customer center. Secondo Canzian, a tali dati interni si aggiunge la possibilità di accedere, per esempio su canali social, a una seconda categoria di informazioni destrutturate esterne. «Poter correlare queste grandi fonti di dati offre diverse opportunità a un operatore come Vodafone. Due obiettivi fondamentali dell’analisi real-time sono la churn rate prevention e la customer acquisition». Il passaggio successivo è qualcosa che oggi si riesce a fare in modo ancora elementare, ma che vanta un formidabile potenziale. «Penso alla personalizzazione one-to-one della relazione e dell’offerta verso il cliente». Vodafone, conclude Canzian, ha cominciato a farlo su temi specifici, per esempio sul roaming dati internazionale, molto utilizzato ma anche molto temuto per le possibili brutte sorprese che attendono in bolletta gli abbonati che tornano da un viaggio. Dai dati di posizione e consumo, Vodafone può ricavare una serie di segnali da utilizzare per una più puntuale informazione rivolta al singolo utente, ma anche per mettere in atto varie misure correttive. Forte di queste esperienze in ambito Big Data, Vodafone si appresta a cavalcare un fenomeno che la vede in questo momento occupare un ruolo di prominenza tra gli operatori mobili globali: l’Internet degli oggetti.

Big Data, i punti caldi della Tavola Rotonda

L'articolo Big Data, l’informazione preziosa proviene da Data Manager Online.

Benvenuti nell’economia dei dati. Ma si fa presto a dire Big Data. Come è emerso dalla Tavola Rotonda #DMbigdata organizzata da Data Manager e UniCredit insieme a IDC, Exprivia e a Software AG sul tema dell’analisi dei dati e il suo impatto sul modo di prendere decisioni e sviluppare nuovi modelli di business. Grazie agli analisti di mercato, ai CIO, ai CMO e ai responsabili dei dati di UniCredit, CartaSi, Costa Edutainment, FCA Group, Gruppo HERA, Istat e Vodafone il dibattito si è concentrato sulla portata del fenomeno Big Data, comunque destinato, in tutte le sue sfumature tecnologiche a produrre enormi trasformazioni. Per le organizzazioni aziendali, le pubbliche amministrazioni ma anche per i singoli individui, la massa di dati in costante crescita può diventare una formidabile arma competitiva. Uno strumento per rafforzare e ampliare le relazioni con i clienti, per sviluppare le strategie di business, per fornire nuova potenza di fuoco non solo agli esperti di cyber security, ma anche agli specialisti di marketing per l’offerta di servizi innovativi e di eccellenza.

Big Data: come il sesso per gli adolescenti?

Le soluzioni Big Data rappresentano una formidabile sfida sotto molti punti di vista. Forse, più culturale che tecnologica. I Big Data sono come il sesso per gli adolescenti: tutti ne parlano, nessuno sa veramente come farlo, ma ciascuno pensa che gli altri lo stiano facendo e così tutti dichiarano di averlo fatto. Le storielle intorno alle Big Info sono tante. Ma non è solo di una questione di Velocità, Dimensioni e Varietà. Si tratta di Valore. La rotta è tracciata, le imprese però sono solo all’inizio. La piena adozione e comprensione richiederanno tempo e soprattutto una graduale evoluzione dei processi e della cultura aziendale. Non solo. Con la crescita dei Big Data avanza anche il concetto di “data lake” che supera l’approccio tradizionale di data mining, permettendo di passare da un ambiente di data warehouse rigido a un repository gestito a livello centrale, una sorta di bacino di informazioni accessibile real-time, scalabile e sostenibile in termini di costo e di gestione, e che permette di pescare i dati utili per essere utilizzati dai motori analitici. Non ci sono più problemi insormontabili di natura tecnologica da affrontare. Al centro del dibattito, ci sono invece il cambiamento e il vantaggio competitivo che il dato può portare. Di fatto, l’analisi dei dati trasforma il business. Ma i dati di per sé non sono un asset. L’asset vero è riuscire a utilizzarli. Il vantaggio competitivo raggiunto dalle organizzazioni che per prime hanno adottato processi decisionali data-driven stanno portando il tema dei Big Data e degli analytics in cima alla lista delle priorità di un numero crescente di decisori aziendali. Ma qual è la checklist per i CEO, i CDO, i CIO, i CFO e i CMO? E chi è lo “sponsor” dei progetti di data intelligence in azienda?

#DMbigdata Big Data? Ecco la checklist delle cose da fare
Click To Tweet

La lista delle cose da fare

1) Alzare la testa, fuori dalle classiche “mura”. 2) Osservare l’ecosistema aziendale nel suo complesso. Definire la strategia. 3) Valutare il fattore umano. 4) Creare ecosistemi virtuosi. 5) Guardare i dati con ottica diversa. 6) Selezionare con attenzione gli strumenti. 7) Meglio fare “Learning by doing” che aspettare l’evoluzione del mercato. 8) Bundling e unbundling dei dati per offrire in modo modulare un livello di granularità delle informazioni proporzionata alla tipologia di utenti e fruitori finali. 9) Enrichment, per assicurare che l’esternalizzazione dei dati sia sempre nel rispetto della normativa privacy e secondo la volontà del cliente. 10) Sfruttare tecnologie che permettano presidiare il data lake di informazioni interne ed esterne, strutturate e non strutturate, progressivamente disponibili. 11) Lavorare a un progetto in tempi brevi e costi contenuti (open source e cloud), verificando l’efficacia del “pilota” con il business. E se positivo – il passo successivo è quello di strutturarsi da un punto di vista della data governance (processi, KPI e competenze), definendo una piattaforma tecnologica robusta e scalabile.

I punti caldi della Tavola Rotonda #DMbigdata

Mobilità, IoT, M2M, smart city, open data, privacy, real-time, sicurezza e cloud declinati su temi dell’energia, del credito, dell’entertainment, del finance, del retail, del marketing, dell’automotive, delle telco e della ricerca statistica. L’analisi dei dati cambia il modo di prendere decisioni vitali per un’azienda, ma è la loro corretta integrazione che concorre a determinare una sintesi in grado di leggere in modo valido certi fenomeni, combinando le correlazioni tra fatti ed eventi, anche lontani tra loro. C’è chi parla di anatomia delle decisioni. E le imprese sono simili agli esseri viventi complessi. Hanno un sistema nervoso, organi, funzioni e strutture specializzate. Per questo è necessario tenere conto della natura dei dati e trattarli nel modo giusto. E occorre anche considerare la “fisiologia” delle organizzazioni.

Per Giancarlo Vercellino, research & consulting manager di IDC Italia i Big Data con differenti approcci tecnologici sono uno dei driver principali della Digital Transformation. La maggioranza delle imprese sono interessate a migliorare le soluzioni di reporting. Ma i progetti introno ai Big Data non vengono mai dai soli e sono spesso accompagnati da investimenti in cloud services e business applications. E la privacy è vista più come un ostacolo che come una opportunità.

#DMbigdata Exprivia, un ecosistema virtuoso per i Big Data
Click To Tweet

UniCredit, i Big Data per aprire le porte a nuovi business

Con gli strumenti idonei, gli obblighi di compliance possono essere tradotti in opportunità a vantaggio delle banche e degli operatori finanziari. Anche per Roberto Monachino, chief data officer di UniCredit, si fa presto a parlare di Big Data e forse si farebbe meglio a parlare di Big Info. In un contesto normativo molto complesso e regolamentato, soprattutto in determinati settori come quello bancario, gli ostacoli di natura tecnologica e analitica, che devono essere superati per trasformare i dati in asset competitivo e strategico al fine di generare valore, non rappresentano l’unica difficoltà. «Dalla conoscenza dell’informazione, le analisi abilitano la creazione di dati di valore, ma questi devono essere corretti e di qualità». E anche per Tommaso Pellizzari, head of data & analytics di UniCredit Business Integrated Solutions, la vera sfida che abbiamo oggi è quella di utilizzare i Big Data per aprire le porte a nuovi business, innovando continuamente.

Exprivia, un ecosistema virtuoso per i Big Data

Il livello di complessità di problemi Big Data è tale da richiedere non solo figure poliedriche come i Data Scientist, ma un vero e proprio ecosistema in cui far crescere idee, soluzioni, testare ipotesi, sbagliare e riprovare (i problemi sono troppo Big per essere affrontati da soli). Come spiega Felice Vitulano, Big Data director di Exprivia esistono due principali approcci alla gestione dei Big Data aziendale. «Da un lato un approccio “Buy” che prevede l’acquisto di soluzioni già pronte sviluppate da vendor che già da tempo si muovono in questo ambito. È ormai semplice trovare sul mercato soluzioni per progetti di manutenzione predittiva, segmentazione della clientela, analisi dei churn. Più interessante è un approccio “Make” in cui la soluzione Big Data è costruita in modo sartoriale partendo da una strategia più ampia che prevede la analisi delle fonti dati necessarie e, laddove non sono disponibili, il loro reperimento (per esempio, creando applicativi ad hoc). Questo approccio apre a nuove applicazioni Big Data mai pensate prima che possono realmente creare un valore aggiunto per le imprese».

Videointervista a Felice Vitulano, Exprivia
Click To Tweet

Software AG, Big Data e co-innovazione

Per Software AG offrire la capacità di estrarre informazioni e pattern da qualsiasi base dati, internet e social, consentendo di costruire previsioni è l’elemento fondamentale dell’innovazione. La sfida è dotarsi di infrastrutture applicative e middleware di mercato (Buy) grazie alle quali sviluppare soluzioni di business “agili” e innovative (Make) attraverso l’integrazione di applicazioni e di patrimoni informativi già presenti in azienda (IT Transformation). «Grazie all’elemento vincente della “co-innovazione” – spiega Francesco Maselli, direttore tecnico di Software AG – siamo in grado di ascoltare clienti e lavorare insieme a loro per ideare e creare un futuro migliore, all’insegna dell’innovazione, della differenziazione e del raggiungimento, il più rapido possibile, degli obiettivi di business. La missione di Software AG è di fornire ai clienti le giuste tecnologie, metodologie e gli strumenti necessari per attivare un percorso rapido di digitalizzazione, unendo le competenze tecnologiche all’avanguardia alle idee innovative e alle approfondite conoscenze dei clienti in merito al proprio business».

Videointervista a Francesco Maselli, Software AG
Click To Tweet

Ma chi sono i padroni dei dati?

In realtà, non ci sono i “padroni” dei dati. Per costruire una strategia “data driven” bisogna abbattere le barriere funzionali. La conoscenza ha valore solo se genera cultura, se è condivisa e se è alimentata da tutti gli stakeholder. Forse, i veri padroni dei dati sono soltanto quelli che sanno utilizzarli meglio degli altri, costruendo modelli innovativi di business, secondo la formula: open data per il pubblico e privacy nel privato. L’evoluzione del mercato, sia in termini di tecnologia sia in termini di normativa, impongono nuovi paradigmi ai tradizionali punti chiave per una strategia legata ai dati. Per Enrico Albertelli, responsabile marketing engagement di CartaSi, un approccio “top down” ai dati ha consentito per anni alle aziende di avviare la strategia dei dati partendo dagli obiettivi dell’azienda, dalla vision di medio-lungo termine e dalle capacity tecnologiche e organizzative per effettuare un percorso efficace. Con l’avvento della economia digitale si è creato un vero e proprio circolo virtuoso tra obiettivi che richiedono dati e “data discovery” che indirizza gli obiettivi. E questo riguarda non solo il mondo del finance e della monetica, ma anche le utility, il manufacturing, le telecomunicazioni, il retail food, Infotainment e il fashion.

#DMbigdata Software AG, Big Data e co-innovazione
Click To Tweet

Molti big player, che nel corso degli anni hanno raccolto grandi quantità di informazioni di valore, non hanno saputo – però – utilizzarli per costruire modelli di business efficaci come invece hanno saputo fare gli over the top (OTT) che hanno dimostrato di utilizzare benissimo le poche informazioni di minor qualità che avevano a disposizione. Il dato non è mai fine a se stesso, come sottolinea Filippo Costa, ICT Corporate Advisor di Costa Edutainment. «Avere dati utili e informazioni di qualità per noi significa migliorare l’esperienza del cliente con un approccio omnicanale. Non solo. Correlando le informazioni dalle varie fonti, i dati dei sensori e i dati storici, possiamo programmare meglio le nostre attività, abbattere i costi energetici e prevedere i picchi funzionali. Per noi anche le previsioni del tempo impattano direttamente sul business».

Governance data driven

La governance guidata dai dati per un’azienda manufacturing è la grande sfida che coinvolge tutta l’organizzazione in termini di efficacia e di trasparenza. L’obiettivo è superare la logica a silos che tiene separata la conoscenza in compartimenti stagni e impedisce la condivisione dei dati a tutti i livelli. Secondo Roberto Catto, process manager business analytics ICT EMEA di FCA per intraprendere un percorso di Advanced Analytics è necessario prima di tutto chiarire le differenze in termini di risultati, approccio, metodologie e strumenti rispetto alle logiche di Business Intelligence tradizionale. Inoltre è necessario gestire i dati di interesse aziendale (interni ed esterni) in modo centralizzato e coordinato, reperendo nuovi skill specifici per la comprensione dei dati e abilitando modalità di interazione peer-to-peer sia lato IT sia lato Business con le soluzioni applicative che gestiscono i processi aziendali.

#DMbigdata UniCredit, i Big Data per aprire le porte a nuovi business
Click To Tweet

Non solo ottimizzazione

Le nuove applicazioni Big Data possono realmente creare un valore aggiunto per le imprese. Nel settore delle multiutility, per esempio, i sistemi di customer engagement permettono di intercettare nel mondo social i prospect su cui avviare azioni commerciali ma anche di gestire gli approvvigionamenti e allocare le risorse in modo proattivo, come ci racconta Carmine Artone, responsabile sviluppo sistemi operations staff e tecnologie, direzione sistemi informativi di Gruppo Hera. «I Big Data ci aiutano a lavorare meglio, tagliando costi e rendendo i processi più efficaci. Ma è necessario superare le barriere culturali e abbattere i “feudi” dei dati in azienda. La data analysis però non è solo ottimizzazione. La gestione dei dati che parte dalla data quality rappresenta un’opportunità strategica per il business».

Il rischio di errori e la gestione della rilevanza dei dati sono tra i fattori più critici per i produttori di statistiche ufficiali. Per l’Istituto nazionale di statistica alcune delle fasi in cui è tradizionalmente scomposto il processo di produzione delle informazioni statistiche richiedono l’elaborazione automatica di ingenti moli di dati. Non solo. Le elaborazioni alle quali vengono sottoposti i dati di indagine sono, talvolta, caratterizzate da elevata complessità e velocità computazionale. «I dati sono il nostro asset principale» – commenta Piero Demetrio Falorsi, CIO di ISTAT. Replicazione e non coerenza sono problematiche da affrontare in ogni processo. Nell’elaborazione dell’indice della fiducia la sentiment analysis si è dimostrata uno strumento potente. Resta però il paradosso della conoscenza: il dato è “big” ma per comprenderne il valore bisogna ridurlo e integrarlo in una vera mappa della conoscenza».

#DMbigdata Ma chi sono i padroni dei dati?
Click To Tweet

Come cambia il mestiere delle telco con i Big Data analytics?

«Se Big Data significa “tanti”, noi gestiamo “tantissimi” dati ogni giorno» – racconta Alessandro Canzian, corporate marketing director di Vodafone Italia. Le telco nell’era dell’IoT hanno nuove prospettive di sviluppo in ottica smart city. Raccogliamo da più di 20 anni dati di billing e di CRM. La redemption è funzione proporzionale della profilazione. Oltre le logiche di Business Intelligence tradizionale, l’analisi real-time o near real-time permette di capire se, come, quando e perché il cliente sta andando via e di intervenire nel momento preciso in cui il cliente sta maturando la decisione. Dal fraud management al marketing omnicanale, i progetti su mobile analytics hanno ROI che si ripagano in meno di sei mesi. L’innovazione è spinta dai business case anche per i progetti di Big Data. Machine-to-machine, smart city, security e open data rappresentano l’orizzonte più vicino per le telco. Secondo Canzian, per intraprendere un processo di intelligence data driven dati occorre raccogliere i dati da tutti i punti di contatto, immagazzinarli nei data lake, consentire l’accesso ai dati a tutti i livelli dell’organizzazione, educare gli utenti alla gestione responsabile dei dati, e dare sempre un feedback.

L'articolo Big Data? Ecco la checklist delle cose da fare proviene da Data Manager Online.

In un mercato globale dei servizi in crescente competizione nel campo dell’offerta digitale, le modalità di contatto con il cliente tramite canali alternativi (mobile, Internet, social, POS…) e le possibilità di accesso “always on”, proliferano per tipologia e crescono esponenzialmente in volumi, imponendo la necessità di una trasformazione digitale delle aziende stesse, del modello di servizio, della cultura e delle competenze aziendali. Trattare i big data non significa semplicemente raccolta e lettura in forma aggregata di enormi quantitativi di dati. A questo, si accompagna l’organizzazione di un sistema articolato di tecnologie, competenze e governance, volto da un lato a certificare la validità dell’origine del dato e della sua manipolazione, dall’altro a estrarre in tempo reale valore dall’informazione nascosta nelle migliaia di terabyte di dati aziendali, per creare opportunità commerciali concrete.

Una complessità che trova risposta nella strategia informatica di UniCredit, con la definizione di una piattaforma tecnologica incentrata sui dati – oggi parliamo di data lake – come elemento di sintesi di raccolta del dato, e nella regolamentazione attraverso specifici standard e policy ICT.

#InnovationBank Massimo Millanta CIO di UniCredit: #BigData = #Business @UniCredit_PR
Click To Tweet

Personalizzazione e vision di gruppo

«La digitalizzazione dei servizi non è più solo un tema di efficienza, riduzione dei costi, ma anche una necessità imprescindibile nelle abitudini dei consumatori. La mediazione digitale nella relazione tra banca e cliente porta da sé a una riduzione dei momenti diretti di contatto personale e fisico con il cliente, per questo è importante ricostruire la conoscenza individuale, quotidiana, direi “intima” di ciascun nostro cliente. è proprio qui che entrano in gioco i big data» – afferma Massimo Milanta, Group CIO & chief security officer di UniCredit, soffermandosi sulle modalità in cui il gruppo bancario sta inserendo il tema delle informazioni non strutturate nelle proprie strategie di sviluppo. Una strategia che deve rimanere focalizzata sulle istanze locali senza perdere di vista gli obiettivi globali. Secondo Milanta, davanti alla sfida rappresentata dalla multicanalità e dalla diversificazione dei servizi, le tecnologie e le potenzialità legate ai big data rappresentano un elemento abilitante chiave.

«Siamo partiti con un approccio indirizzato all’elaborazione di dati di log per la gestione e il monitoraggio dei sistemi IT, a progetti regolamentari e a soluzioni per il segmento retail e small business» – ricorda Milanta. Dal 2013, il Gruppo si è focalizzato anche sul mondo corporate. Oggi, questi sforzi si traducono in una soluzione chiamata Babel. «Si tratta di una piattaforma – sviluppata tutta internamente, utilizzando software open source – a disposizione dei gestori corporate e che consente di ottenere il profilo finanziario completo e aggiornato del cliente e lo scenario della sua operatività commerciale cross-border, in termini quantitativi e qualitativi, grazie all’elaborazione di grandi volumi di dati e alla possibilità di archiviare le relative informazioni».

Innovazione aperta

Rifacendosi ancora alla lunga attività progettuale che ha portato a Babel, Milanta cita alcune delle tappe più significative e il loro impatto sugli aspetti organizzativi e sulla ripartizione dei ruoli. «La prima importante iniziativa business basata sui big data è stata promossa centralmente dalla holding, con la firma del dipartimento di Group Research & Open Innovation, il nostro centro di ricerca e sviluppo di Gruppo, che ha portato allo stesso tavolo le funzioni IT e di business secondo l’approccio agile. In particolare Babel è stata la risposta concreta alla domanda proveniente dai nostri mercati dell’Est Europa, dove questa esigenza era più forte e chiara».

Oggi, prosegue Milanta, Babel è in fase di rilascio nella maggior parte dei paesi di presenza del Gruppo nell’Est Europa, tra cui Bulgaria, Repubblica Ceca, Slovacchia, Ungheria e Russia. E i risultati positivi fanno prevedere un ulteriore allargamento. «In Italia, stiamo già lavorando a un progetto parallelo, sempre sul segmento corporate, coerentemente con le diverse caratteristiche del mercato». Sul piano organizzativo è stato creato, per la gestione in produzione e lo sviluppo di nuovi progetti, un centro di competenza dedicato in UniCredit Business Integrated Solutions, la società dei servizi del Gruppo, che gestisce l’intera piattaforma, dall’infrastruttura allo sviluppo.

La definizione dell’architettura target comune per i big data, così come l’emissione di linee guida che ne disciplinano l’introduzione e l’utilizzo nel Gruppo e le policy di data governance, rientrano nelle attività delle funzioni già deputate all’IT governance.

Tra le questioni da affrontare, c’è anche la complessità nella ricerca o nella formazione delle competenze adeguate all’uso e soprattutto alla governance in ambito Big Data. In questo senso, la geografia del Gruppo può essere considerata un vantaggio. «Possiamo sfruttare completamente le potenzialità commerciali offerte dalle nuove tecnologie, solo se siamo capaci di tenere lo stesso passo anche in termini di acquisizione e sviluppo delle competenze IT necessarie».

#InnovationBank Massimo Millanta CIO di UniCredit: Più competenza, non solo marketing
Click To Tweet

Più competenze. Non solo marketing

L’ambito commerciale e le strategie di marketing nei diversi segmenti di clientela restano evidentemente le aree con le più interessanti prospettive di evoluzione, in termini di cross-selling ma anche di generazione di nuove fonti di ricavi, soprattutto se si pensa alle illimitate possibilità di combinazione, integrazione e arricchimento con classi di dati esterne, per esempio quelli disponibili sui social network. «Se a questo aggiungiamo il posizionamento internazionale del Gruppo è evidente come UniCredit goda di una posizione particolarmente favorevole sui big data: un’opportunità che stiamo esplorando, devo dire, con grande entusiasmo e creatività».

Milanta ritiene che alle risorse già disponibili debbano affiancarsi nuove figure professionali capaci di rendere tali opportunità ancora più concrete. «Vedo due tipologie di profili chiave in grado di arricchire il panorama del capitale umano aziendale. Da un lato il data scientist, un esperto con un mix di competenze in informatica, matematico-statistiche e di business, capace di gestire, acquisire, organizzare ed elaborare dati. Dall’altro una figura di collegamento fra il mondo business e l’IT, capace di progettare e costruire, anche tecnicamente, nuovi modelli di servizio a partire dalla combinazione e fusione di servizi disponibili nell’ecosistema B2B e in quello delle startup».

Si parla di due tipologie di figure nuove, dotate di un set di competenze multidisciplinare, formate all’interno di settori industriali disparati. Basta pensare, soprattutto per i data scientist, al mondo della ricerca scientifica, medica e bioinformatica, da cui si possono trarre esperienze interessanti di “cross-fertilization” anche sul piano dello sviluppo di modelli algoritmici. «Proprio per questo motivo come UniCredit apriamo sempre più canali di contatto con le università per sostenere corsi di formazione dedicati a queste nuove figure professionali, con una specializzazione nell’area bancaria e finanziaria, e che in futuro ci permetteranno certamente di arricchire le nostre competenze interne» – conclude Massimo Milanta.

L'articolo Trasformazione in banca. L’opportunità Big Data proviene da Data Manager Online.