I big data sono da tempo uno degli argomenti più caldi del mercato IT, e non solo. Si tratta di insiemi di dati così grandi come volume, e di una tale complessità, da non poter essere gestiti utilizzando gli strumenti software tradizionali. Un classico database, infatti, gestisce i dati in righe e colonne, ma i dati dei big data non possono essere così facilmente incasellabili, perché non sono disponibili in forma strutturata: possono essere presenti come documenti, valori rilevati da sensori IoT, meta dati, posizioni geografiche, e così via.  I big data non sono dati “big” solo per la dimensione e la varietà, ma anche per quanto possono essere importanti per le aziende e gli enti che li analizzano. Grazie all’utilizzo di strumenti sempre più sofisticati, le aziende riescono a scovare gemme nascoste al loro interno, e ottenere così le informazioni necessarie a prendere decisioni più consapevoli.

Secondo IDC, i dati rappresentano la nuova base del vantaggio competitivo, siano essi strutturati o non strutturati, generati dall’uomo o dalle macchine, archiviati nei datacenter o nel cloud. Sfruttando grandi quantità e diversità di dati per scoprire schemi e perseguire idee rivoluzionarie, un’impresa può vincere la guerra nel crescente panorama competitivo delle imprese. Lo storage è parte integrante della strategia di dati di un’organizzazione in quanto contribuisce attivamente al processo di archiviazione e analisi delle informazioni. Per IDC, la sfida è costruire sistemi di archiviazione in grado di gestire volumi di dati così grandi, ma mantenere bassi i costi, senza compromettere le prestazioni. Inoltre, nell’era del diluvio di dati e della loro proliferazione, le aziende che non dispongono di set di competenze aggiornati e in continua evoluzione sono in ritardo. IDC ritiene che per supportare le esigenze di business agility e gestire il gap di competenze, sempre più infrastrutture aziendali utilizzeranno algoritmi di intelligenza artificiale e machine learning. Poiché le organizzazioni leader a livello mondiale cercano di creare e offrire esperienze digitali, per IDC non c’è dubbio che i dati – e la capacità di estrarre informazioni e azioni significative da questi dati – saranno al centro di questi sforzi.

#dataeconomy #bigdata #analytics I dati alla base del vantaggio competitivo
Click To Tweet

DATI IN CRESCITA CONTINUA

Il volume e la varietà di dati continua a pervadere le organizzazioni a tutti i livelli a un ritmo sempre crescente, convincendo i manager a ricavarne valore e a determinarne l’impatto sul business. Tutte le nostre attività quotidiane producono dati: i post degli utenti su Facebook, una ricerca su Google, l’utilizzo di una app, l’acquisto su un sito online, ma anche nei negozi fisici, con carte di credito e tessere fedeltà. E ancora: una foto, un video, un messaggio vocale, un tweet, gli itinerari, i commenti, i “like”. Per non parlare dei dati creati dagli oggetti interconnessi alla rete: si pensi solo alle infrastrutture intelligenti delle città, ai sensori montati sugli edifici e sui mezzi di trasporto, agli elettrodomestici intelligenti. Ognuno di noi contribuisce costantemente alla produzione di dati. Per dare l’idea di cosa significhi il termine “noi”, dobbiamo tener conto del numero di persone che lo compongono: vi sono inclusi gli utilizzatori di Internet, che nel mondo sono quasi quattro miliardi, chi è attivo sui social media, quasi tre miliardi, e i possessori di smartphone, secondo diverse stime oltre 4 miliardi, numeri questi in continuo aggiornamento perché in continua crescita. È chiaro, quindi, che con questi numeri la quantità di informazioni raccolte in tempo reale sia in espansione esponenziale.

IDC prevede che entro il 2025 la sfera dati globale aumenterà fino a 163 miliardi di zettabyte, (uno ZB equivale a un trilione di gigabyte), e questo vuol dire dieci volte più dei 16.1 ZB dei dati che esistevano soltanto due anni fa. Più di un quarto di questi dati sarà real-time e, di questi ultimi, i dati IoT in tempo reale saranno più del 95%. Numeri impensabili nel 1986, quando (secondo Gartner) il volume dei dati in circolazione ammontava a solo 281 petabyte (un petabyte è un milionesimo di uno zettabyte), ma anche nel 1993, quando era diventato 471 petabyte (+68%). Nei sette anni successivi, però, la crescita è stata molto più elevata: nel 2000 il volume era quasi quintuplicato, raggiungendo 2,2 exabyte (un exabyte equivale a mille petabyte, e a un millesimo di uno zettabyte). Sette anni dopo, nel 2007, si parlava di 65 exabyte, con un aumento di trenta volte. Da allora al 2016, però, la crescita è stata di oltre 247 volte! Secondo alcune stime, il volume dei dati si incrementa così tanto anno su anno che il 90% di quanto esiste oggi è stato creato negli ultimi due anni. Secondo IDC, entro il 2019, le tecnologie e i servizi della Terza Piattaforma (cloud, social, mobile e big data) guideranno circa il 75% delle spese IT, con una crescita pari al doppio del tasso del mercato IT totale. Nel corso dei prossimi tre anni, la trasformazione digitale ridisegnerà l’intera macroeconomia come la maggior parte dei centri di reddito delle imprese globali in termini di prodotti e servizi digitali o digitalmente migliorati.

LO SCENARIO DI MERCATO

L’interesse per i big data è notevole, e non si misura solo a parole, ma anche con gli ingenti investimenti delle aziende in computer sempre più potenti, storage sempre più capienti e algoritmi sempre più sofisticati: grazie a essi, i big data diventano una grossa opportunità per estrarre informazioni utili, rivelando connessioni, per creare profili dettagliati su di noi, esperienze utente uniche e opportunità commerciali personalizzate. Nella classificazione IDC, il mercato del software big data and analytics (BDA) comprende in realtà diversi ambiti che risolvono funzionalmente tutte le fasi del ciclo di vita dei processi decisionali e di automazione decisionale. Si fa spesso riferimento a questi processi chiamandoli business intelligence, business analytics, analytics, big data, e così via. Il mercato del software BDA è costituito da tre segmenti principali: applicazioni di analytics e performance management (app APM), tool per la business intelligence e analytics (strumenti BIA), piattaforma di gestione e integrazione dei dati analitici (piattaforma ADMI).

IDC stima che il mercato mondiale del software BDA nel 2016 abbia raggiunto 49,1 miliardi di dollari, cifra che rappresenta circa l’11,8% del mercato software complessivo. IDC prevede che il software BDA crescerà nel quinquennio dal 2016 al 2021 con un CAGR (Compound annual growth rate, o tasso annuo di crescita composto) del 10,6%, quindi 2 punti percentuali più velocemente rispetto al resto del mercato mondiale del software. All’interno del mercato BDA, il segmento maggiore è quello degli strumenti BIA, con l’importo di 20 miliardi di dollari. Secondo le previsioni IDC, è anche quello che crescerà di più nel quinquennio, con un tasso annuo del 12%. Il segmento delle applicazioni APM si è attestato, nel 2016, a 14,3 miliardi di dollari, e dovrebbe crescere con un CAGR annuo dell’8,3% nel quinquennio, il segmento della piattaforma ADMI vale 14,9 miliardi di dollari e dovrebbe crescere a un tasso annuo nel quinquennio del 10,9%.

Secondo Diego Pandolfi, research e consulting manager di IDC Italia, ci sono tre cambiamenti significativi che si verificano nel mercato BDA che si riflettono in questa previsione: «In primo luogo, la rapida crescita del software di gestione dei dati basato su database non relazionali. In secondo luogo, il passaggio in corso al cloud pubblico. Infine, la crescita dell’automazione che si riflette nell’elevato tasso di crescita del software cognitivo / AI». IDC prevede che, nel mondo, la regione delle Americhe avrà la crescita più alta, con un tasso annuo del 12,3% nel quinquennio, mentre le regioni Asia Pacific ed EMEA dovrebbero crescere rispettivamente con tassi annui del 10,2% e del 7,1%.

QUALCHE DATO SUL NOSTRO PAESE

Secondo la ricerca dell’Osservatorio Big Data Analytics & Business Intelligence del Politecnico di Milano, presentata nel novembre scorso, il mercato degli analytics in Italia continua a espandersi raggiungendo 1,103 miliardi di euro con una crescita del 22% rispetto all’anno precedente: le percentuali di crescita anno su anno sono in aumento, perché si è passati dal 14% di incremento tra il 2014 e il 2015 al 15% tra il 2016 e il 2015, al 22% tra il 2017 e il 2016. Gli investimenti maggiori sono stati fatti nel software (42%), suddivisi in database (12%), piattaforme di analytics e di data science (12%), strumenti di ingestion, processing, integration e quality (6%), tool di data visualization e reporting (7%), il restante 5% in software con logiche di analytics avanzate per supportare specifici processi come marketing, vendite, finanza, controllo, e così via. Il 33% viene investito nei servizi, e in particolare il 17% in system integration, il 10% in personalizzazione del software, il 6% in consulenza sui processi, e in altri servizi. Il 25% degli investimenti si indirizza alle infrastrutture: in dettaglio, il 13% è destinato a server e macchine virtuali, il 10% a storage e il restante 2% ad altre infrastrutture. Secondo l’Osservatorio, poco più del 20% delle risorse di calcolo e storage è attualmente fruito in cloud. L’interesse crescente per i big data in Italia è confermato anche dai ricercatori di IDC. Secondo la survey IDC condotta in Europa nel 2017, per il 79% delle aziende italiane la tematica dei big data è importante nel guidare il business, l’innovazione e la digital transformation. Per i prossimi due anni – spiega Pandolfi di IDC Italia – l’importanza è destinata ad aumentare: «La tematica sarà infatti rilevante per il 95% delle aziende, con una crescita della percentuale di aziende per le quali la tematica sarà estremamente rilevante».

Secondo IDC, i benefici che le aziende italiane stanno raggiungendo grazie a progetti in ambito big data & analytics, sono legati al miglioramento e all’ottimizzazione di processi di business e operations; all’innovazione di prodotto e servizi; al miglioramento della conoscenza dei comportamenti dei clienti e delle loro aspettative; al potenziamento dei processi di fraud & risk management; all’ottimizzazione in termini di compliance e financial control. Dalla stessa ricerca, si comprende che le principali iniziative sui big data interessano l’area IT e data operation (89,5%), il customer service & support (55,2%), il finance (54,3%), il marketing e la ricerca e sviluppo (entrambe al 33,3%). Non solo, secondo la survey “Big Data e le professioni del futuro” di The Adecco Group, pubblicata ad aprile, i settori aziendali percepiti come più avvantaggiati dall’impatto dei big data in azienda sono il commerciale (24%), seguito dal marketing (23%), dalla comunicazione (15%), dall’IT (13%), dalla produzione (12%), dal finance (8%), e dalle altre aree (5%). Secondo la stessa ricerca, su una scala da 1 a 10, il livello di beneficio delle attività di un’azienda grazie ai big data è maggiore per le campagne di comunicazione (7,37%), per il CRM (7,22%) e per la definizione del pricing (7,11%). Più staccati, lo sviluppo di prodotto (6,49%) e di engagement marketing (6,43%).

#dataeconomy #bigdata #analytics Business agility e gap di competenze
Click To Tweet

LA DATA MONETIZATION

Come si diceva, le aziende hanno compreso come i dati rappresentino una vera ricchezza, ancora poco utilizzata, o addirittura, in qualche caso, mal gestita. Operazioni di analisi approfondite sui dati, però, possono contribuire a migliorare le principali funzioni aziendali, e possono anche far nascere nuove opportunità di business. In ogni settore di mercato, la BDA può creare benefici: l’attenzione al dato è trasversale a tutti i comparti, nel pubblico e nel privato, nelle imprese produttive e nei fornitori di servizi e di utility: ovunque, i big data rappresentano un potenziale enorme, perché all’interno della quantità di dati sono contenute informazioni importantissime, dove l’importanza, ovviamente, è legata a quali analisi vengono fatte. La capacità di trasformare i dati in valore, non solo teorico, ma proprio in termini di fatturato, viene chiamata data monetization: si tratta di un processo attraverso il quale le organizzazioni aziendali prendono i dati in loro possesso e quelli generati dalle interazioni con i loro partner commerciali, clienti e fornitori, all’interno della supply chain, eventualmente integrandoli con altri dati provenienti da fonti esterne. L’obiettivo è riuscire a creare dall’analisi dei dati nuove fonti di reddito, che possono venire dalla definizione e commercializzazione di nuovi prodotti o di nuovi servizi da aggiungere o integrare a quelli esistenti, dallo sviluppo di nuovi modelli di business o di nuove offerte, dal risparmio legato al miglioramento dei processi aziendali, con recuperi in termini di efficienza e di controllo dei costi, e perfino dalla vendita delle informazioni derivanti dai dati ad altri mercati. La data monetization può essere diretta, quando deriva dalla vendita di dati senza alcun trattamento, o di dati trattati, trasformati in informazioni e conoscenza, ma può essere anche indiretta, quando si traduce in sfruttamento economico dei dati per le proprie attività.

BIG DATA NEL FINANCE E NEL RETAIL

Secondo l’ultimo report dell’Osservatorio del Politecnico sui big data, in Italia il settore bancario continua a rappresentare quello dove vi è il maggior utilizzo di queste tecnologie (28%), seguito dal manifatturiero (24%) e, a distanza, da telco & media (14%), altri servizi (8%), PA e sanità (7%), grande distribuzione organizzata e retail (7%), utility (6%) e assicurazioni (6%). I settori che crescono di più sono le assicurazioni, il manifatturiero e i servizi. Il settore bancario è particolarmente data-intensive: qui devono essere gestiti enormi volumi di informazioni, che si rivelano spesso un vero tesoro di dati da cui si possono estrarre preziosi insight sui comportamenti dei clienti. Tra i diversi obiettivi, i principali sono capire e soddisfare il cliente, nelle diverse attività, e controllare la conformità rispetto alle normative. Particolare attenzione viene data alla prevenzione delle frodi: ogni anno si registrano perdite causate da frodi e vari crimini, che vanno dai cyberattacchi al riciclaggio di denaro. Con gli analytics, si possono trovare soluzioni che permettono di adottare approcci proattivi e completi per contrastare le frodi.

Un’altra funzionalità peculiare del settore è l’analisi del rischio: per una banca, avere a disposizione dati aggiornati sul rischio del portafoglio permette ai risk manager di monitorare gli indicatori e di allineare costantemente le attività del front office alla policy di propensione al rischio della banca. Nel settore della GDO e del retail, la relazione con i clienti è fondamentale, e il miglior modo per gestirla e ottimizzarla è proprio attraverso i big data: si può forse dire che probabilmente questo è il settore dove per primo si è capito quale ricchezza fosse nascosta nei dati raccolti ogni giorno dalle transazioni dei clienti nei negozi fisici e online e, negli ultimi anni, anche nei forum, nei blog, nei magazine online e nei social network. I retailer con gli analytics sui big data riescono a gestire al meglio la propria clientela, a rendere più efficaci le transazioni e a capire quali azioni intraprendere per mantenere a un livello adeguato il volume degli affari. Grazie alle analisi sui big data, è possibile ottimizzare e personalizzare la propria offerta sulle abitudini e le preferenze di ogni singolo cliente, definendo per ognuno una precisa profilazione, individuando quali nuovi prodotti o servizi fornire, e monitorando le opinioni e il livello di gradimento dei clienti per migliorare l’esperienza di acquisto, sviluppare il cross-selling e l’up-selling, ridurre il rischio di abbandono e attrarre nuovi prospect. Gli analytics servono anche per aumentare l’efficienza in ciascuna fase della filiera, dagli acquisti al posizionamento della merce sullo scaffale. I dati, opportunamente lavorati per renderli anonimi, possono essere venduti ai fornitori: in questo caso, potrebbero essere utili per capire quanto sono graditi i loro prodotti, così da facilitare strategie promozionali mirate.

BIG DATA NELLE TELCO E UTILITY

Nel settore delle telco, le aziende operano in un ambiente spietato, con una forte e continua pressione sui prezzi, con consumatori volubili e pronti ad approfittare delle diverse offerte che quasi ogni giorno appaiono sul mercato. Da sempre, gli operatori telefonici raccolgono grandi quantità di dati su base quotidiana, spesso utilizzati solo per la tariffazione o per attività di manutenzione di rete. Questa miniera d’oro, solo da pochi anni, è utilizzata per sfruttarne i contenuti, incrociando dati di traffico a dati relativi ai disturbi di rete può essere utile per migliorare i livelli di servizio. Probabilmente, la massima priorità per i manager del settore, grazie all’analisi dei big data, è poter creare un’esperienza unica per accrescere il coinvolgimento dei consumatori: dalle preferenze e dai comportamenti dei clienti, dall’uso dei dispositivi, dai dati demografici, dai sentimenti e dalle loro opinioni, possono produrre e fornire contenuti personalizzati ovunque, in qualsiasi momento e su qualsiasi dispositivo. L’aggregazione e l’analisi dei dati provenienti da varie fonti, tra cui fatturazione, ascolto sociale e utilizzo dei piani, possono essere utilizzati per prevedere i clienti a rischio, e offrire in modo proattivo un’offerta di fidelizzazione interessante. I simulatori e i modelli previsionali possono stimare l’acquisizione e la fidelizzazione dei clienti, e possono essere utilizzati per allocare la spesa pubblicitaria.

Inoltre, in base alle informazioni raccolte, il posizionamento degli annunci, i contenuti e i messaggi possono essere ottimizzati e mirati. Per mantenere alti livelli di servizio e soddisfazione del cliente, gli investimenti in BDA possono essere utilizzati anche per determinare o prevedere quando e dove c’è un utilizzo maggiore della rete: questo consente alle aziende di investire nelle aree geografiche di maggiore richiesta per aumentare la larghezza di banda e spingere l’utilizzo di funzionalità aggiuntive. Nelle utility, l’analisi dei big data può avere un impatto su quasi tutti gli aspetti del business di un’azienda, dalla generazione dell’energia alla gestione del cliente finale, e spesso comportano la fusione di dati da fonti convenzionali esistenti con nuove informazioni ricevute dai contatori intelligenti e da altri dispositivi connessi. Esempi di applicazioni BDA includono l’analisi dei disservizi per prepararsi al meglio e ridurre i tempi di risposta in caso di interruzioni, l’analisi del comportamento dei consumatori per capire come viene utilizzata l’energia in casa in base ai diversi piani tariffari, l’adeguamento della produzione in base alle informazioni di domanda e offerta, integrate con i dati metereologici. In entrambi i settori, gli stessi dati, opportunamente lavorati per renderli anonimi, aggregati in base a età, sesso, posizione, possono essere rivenduti ad altri operatori, per lo sviluppo di nuovi servizi.

#dataeconomy #bigdata #analytics In Italia Finance in cima alla classifica degli investimenti
Click To Tweet

MANIFATTURIERO E INDUSTRIA 4.0

Nel settore manifatturiero, le aziende analizzano i dati per ottimizzare il proprio processo produttivo. L’obiettivo è migliorare i tempi di produzione e i cicli di lavorazione, ridurre gli scarti, i tempi morti, gli sprechi, gli errori in produzione e tagliare i costi. Il tutto con un occhio sulla qualità. Importante anche la BDA per ottimizzare la propria supply chain, in termini di tempi, costi e modalità di approvvigionamento. Per un’azienda manifatturiera, spesso i costi di manutenzione delle macchine produttive e degli impianti correlati sono molto alti: è importante quindi conoscere il ciclo di vita delle attrezzature per poter programmare la manutenzione e gli interventi di sostituzione dei componenti. Determinante, anche analizzare i dati delle macchine per individuare rapidamente le cause dei guasti, non solo per la fase di riparazione, ma anche per modificare la progettazione, nel caso questo serva a ridurre i guasti stessi.

In questo settore, l’analisi dei dati serve anche a sviluppare prodotti nuovi e più rispondenti alle aspettative dei clienti, riducendo il più possibile il time-to-market, e a trovare il giusto quantitativo di merce da tenere a magazzino, per ogni articolo, per riuscire a rispondere alle esigenze di mercato, gestendo le eventuali stagionalità, senza per questo avere scorte eccessive, che oltre a essere un inutile spreco di risorse e denaro per lo stoccaggio delle merci, rischia di generare perdite per scorte obsolete o meno desiderabili. Non da ultimo, i big data sono utilizzati come perno del percorso di trasformazione digitale verso l’Industria 4.0: nuove strategie possono essere sviluppate grazie all’analisi dei dati raccolti dai diversi dispositivi IoT presenti nei reparti produttivi e lungo l’intera supply chain, integrati con tutti gli altri dati normalmente presenti in ogni azienda. In questo settore, di norma, la data monetization diretta non esiste, ma la BDA serve a incrementare il risultato operativo migliorando le efficienze di reparti e uffici.

PROGETTI DI SUCCESSO

Vediamo di seguito alcuni progetti di successo, sviluppati in diversi settori, per la maggior parte in aziende di grandi dimensioni. Ringraziamo per la collaborazione SAS, IDC (www.idc.com/italy) e i ricercatori dell’Università di Pisa Paolo Cintia e Luca Pappalardo.

Enel Green Power – Nel settore delle utility e in particolare delle energie rinnovabili, l’utilizzo di modelli analitici per identificare le aree di malfunzionamento all’interno di impianti geograficamente molto estesi offre significativi ritorni di business. L’utilizzo dei big data in questo settore ha permesso di evidenziare e risolvere i malfunzionamenti in maniera mirata, migliorando l’efficienza produttiva degli impianti e riducendo i costi di ripristino in caso di failure. Oltre a identificare e risolvere i malfunzionamenti in maniera immediata e puntuale, con gli analytics, Enel Green ha potuto aumentare l’efficienza produttiva e garantire la continuità operativa degli impianti; ridurre i costi di ripristino degli impianti produttivi in caso di failure; comprendere e risolvere problematiche aperte da lungo tempo.

Sky Italia – Grazie agli analytics e alla customer intelligence, Sky Italia è riuscita a raggiungere il singolo cliente con l’offerta più adeguata, attraverso il canale di contatto preferito, senza mai perdere di vista budget e vincoli di contact policy. Associare i benefici per il consumatore con gli obiettivi dell’azienda significa permettere ai consumatori di scegliere sulla base di una proposta qualità-prezzo soddisfacente e in linea con le sue preferenze. Il progetto si compone di due anime: una componente analitica per costruire le misure predittive volte a stimare i comportamenti futuri dei clienti; una componente operativa che, mediante l’ottimizzatore, associa singole offerte a ogni cliente per il periodo di ottimizzazione scelto. In questo modo, Sky è riuscita a ottenere redemption incrementali, comprese tra il 10 e il 20 per cento.

Vodafone Italia – Grazie alla omnichannel analysis, Vodafone Italia ha definito le tappe del customer journey per ottimizzare l’esperienza del cliente su tutti i touch point. L’utilizzo più frequente che viene fatto dei big data da parte di Vodafone Italia è finalizzato ad acquisire maggiore conoscenza delle esigenze dei clienti per migliorarne la customer experience, rendere più efficace la strategia commerciale e ottimizzare le performance delle reti al fine di fornire un servizio eccellente. I big data vengono utilizzati anche per il real time marketing, offrendo ai clienti ciò di cui hanno più bisogno, aumentando la loro fiducia verso il brand, e quindi ottimizzando il valore per l’azienda. Un’altra area di applicazione è quella volta al miglioramento della rete: grazie a dati e segnalazioni dirette dei clienti si possono intercettare più velocemente i disservizi temporanei, intervenendo così per migliorare le reti.

Octo Telematics – Octo Telematics ha al centro della propria strategia la valorizzazione dei dati. L’intento principale è quello di creare nuove conoscenze sfruttando una molteplicità di dati per ricavare informazioni capaci di generare valore per le compagnie e per gli assicurati. Octo Telematics dispone di una piattaforma analitica che sfrutta un insieme di dati per ricostruire il profilo dei clienti, aprendo nuovi orizzonti in termini di confezionamento dell’offerta. Il caso di successo di Octo Telematics è un esempio di implementazione di tecnologia IoT e analytics. Un dispositivo installato sulle auto trasmette in tempo reale i dati rilevati dai sensori, consentendo il riconoscimento reciproco tra compagnia e cliente, con vantaggi per entrambi. Octo Telematics ha più di 4,9 milioni di utenti connessi e il più grande database mondiale di dati telematici, con oltre 155 miliardi di miglia di dati di guida raccolti e 379mila incidenti analizzati. È quindi evidente l’apporto fondamentale degli analytics, che permettono di padroneggiare queste moli di dati e di estrarre il valore che essi racchiudono.

Leroy Merlin – La necessità di business di Leroy Merlin è di reinventare il percorso di acquisto in un’ottica cross channel per ottimizzare l’interazione con i clienti. Di fronte alla necessità di avere a disposizione un sistema in grado di automatizzare le attività di previsione e di ordine per singolo operatore, Leroy Merlin ha modulato i parametri in base al risultato. In questo modo, tra i principali risultati raggiunti grazie agli analytics  figurano: riduzione dei ritardi e ottimizzazione di tutta la filiera dell’inventory; miglioramento delle performance di business e del livello di soddisfazione dei clienti; miglioramento della gestione del ciclo di vita del prodotto; diminuzione dell’impatto negativo della scontistica; aumento della produttività; abbassamento significativo dei giorni di copertura di stock; riduzione della liquidità bloccata sotto forma di prodotti a magazzino; margine di sicurezza garantito.

CNH Industrial – CNH Industrial, tra i maggiori produttori mondiali di capital goods, ha costruito un sistema di data management per raccogliere e analizzare i dati di garanzia e le informazioni sull’utilizzo dei prodotti. L’obiettivo è misurare i KPI di qualità per migliorare continuamente la dependability (affidabilità, robustezza, durata) dei beni. Grazie agli analytics, CNH riesce a ottenere informazioni cruciali per determinare la qualità dei beni e per individuare eventuali difettosità dei componenti: è possibile capire rapidamente come, quando e soprattutto perché si verificano determinati malfunzionamenti, potendo inoltre migliorare la qualità dei prodotti e ottenere saving immediati sul fronte della garanzia. Senza gli advanced analytics, sarebbe impossibile sfruttare le enormi quantità di dati generati, se si pensa che in un’applicazione di media complessità le variabili da prendere in esame possono essere oltre diecimila.

Disney – Le società di servizi sono fortemente focalizzate sull’integrazione dell’analisi in ogni fase dei viaggi dei loro clienti, massimizzando al contempo profitti ed entrate. Gli sforzi della Disney in quest’area mostrano l’impatto che la big data analysis può avere su praticamente tutte le aree di un’organizzazione di servizi. Nell’ambito dell’esperienza del cliente, Disney è focalizzata sulla creazione di un’esperienza coinvolgente, perfetta e personalizzata per i suoi ospiti. Per esempio, FastPass+ consente agli ospiti di prenotare in anticipo orari di viaggio, ristoranti e spettacoli tramite un sito web. Per la comprensione e il targeting dei clienti, attraverso MagicBands, la Disney sta monitorando il comportamento e gli acquisti dei consumatori, il che consente al parco di identificare giostre ad alta richiesta e creare interessanti pacchetti vacanze. Per quanto riguarda l’allocazione di risorse, Disney ha operazioni ampie e complesse con uno staff massiccio e utilizza la BDA per gestire e allocare le risorse di lavoro. Nell’ottimizzazione delle operazioni, il gigante dell’intrattenimento ha portato l’analisi fino alle operazioni di back-house, utilizzando l’analisi, per fare un esempio, per prevedere e gestire costumi e vestiario, e quasi 150 tonnellate di bucato.

UPS – Essendo una compagnia costantemente in movimento, UPS immagazzina grandi volumi di dati, la maggior parte dei quali derivano dai sensori posizionati sui propri veicoli. Questi dati, non solo monitorano le performance quotidiane, ma hanno anche causato un’importante metamorfosi nella struttura dei percorsi dei conducenti UPS. L’iniziativa è stata chiamata ORION (On-Road Integration Optimization and Navigation), ed è probabilmente il maggior progetto di ricerca cooperativa al mondo. Fa affidamento sui dati forniti dalle mappe online per riconfigurare in tempo reale i ritiri e le consegne di un conducente. Il progetto aspira a risparmiare 32 milioni di litri di carburante tagliando 137 milioni di chilometri dalle rotte quotidiane. UPS stima che se ogni conducente risparmiasse anche solo un miglio al giorno, la compagnia risparmierebbe 30 milioni di dollari. È importante ricordare che il vero valore dei big data non deriva dai dati nella loro forma grezza, ma dalle informazioni che risultano dalla loro elaborazione e analisi. Le innovazioni legate alle tecnologie per i big data e negli approcci gestionali devono essere accompagnate da cambiamenti, altrettanto significativi, nel modo in cui i dati vengono utilizzati per le decisioni aziendali e nella creazione di innovazione in prodotti e servizi.

BDA applicata al mondo del calcio – Tutto o quasi è riconducibile ai numeri: l’analisi dei big data permette di scoprire legami anche tra i fenomeni che accadono durante una partita. Davide Nicola, ex allenatore del Crotone, sta collaborando con due ricercatori dell’Università di Pisa, Paolo Cintia e Luca Pappalardo, in modo che l’esattezza della matematica venga applicata al calcio. Le applicazioni pratiche dei progetti che si stanno mettendo a punto sono rivolte a tutte le figure dello staff tecnico di una squadra, dal preparatore atletico al direttore sportivo, includendo anche il tattico/match analyst. Si stanno sviluppando metodi di supporto a queste figure, per esempio, partendo dall’analisi dei dati GPS degli allenamenti per prevenire l’insorgere degli infortuni. Oltre a questo è stato recentemente sviluppato un algoritmo per la valutazione della performance di un calciatore, validandolo insieme all’azienda leader nello scouting di calciatori (Wyscout). Sul fronte tattico, si stanno applicando tecniche di sequencing ai dati raccolti durante le partite, in modo da poter rappresentare il “codice genetico” di una squadra, ovvero i modi tipici con cui si sviluppa l’azione o si affronta l’azione avversaria. Quest’ultima applicazione è stata già presentata al primo hackathon organizzato dalla FIGC, risultando come l’idea vincitrice.

#dataeconomy #bigdata #analytics La trasformazione digitale non è a costo zero
Click To Tweet

FORMAZIONE E COMPETENZE

Come si vede, dunque, già oggi vengono sviluppati numerosi progetti di BDA, eppure, secondo la survey dell’Osservatorio del Politecnico, tra gli ostacoli principali allo sviluppo dei progetti in questo ambito spicca la mancanza di competenze e figure organizzative interne come chief data officer e data scientist. Nel 2017, quasi la metà delle grandi organizzazioni intervistate dichiara di avere, nel proprio organico, almeno un data scientist: un numero in crescita, passato al 45% dal 31% dell’anno precedente. Di queste, quasi un terzo ne ha definito formalmente sia il ruolo sia la collocazione all’interno dell’organizzazione. Quasi la metà delle aziende che hanno inserito data scientist dichiara di volerne incrementare il numero nell’anno in corso, a conferma dell’impatto positivo di queste figure nelle aziende. Tra le organizzazioni che ne sono ancora sprovviste, il 29% ne prevede l’introduzione nei prossimi anni e, di queste, quasi la metà nel 2018. Sarà possibile farlo facilmente? Secondo i dati di The Adecco Group, il 52% degli intervistati ritiene che ci sia sul mercato del lavoro una presenza di profili in ambito big data, ma al tempo stesso dichiara che sia faticoso reperirli. Per il 43%, il mercato non è adeguato, mentre solo il 5% ha risposto che i profili interessanti sono presenti sul mercato, e sono facili da reperire. In caso di difficoltà, la stessa ricerca suggerisce che è possibile ricorrere al potenziale interno all’azienda (57%), mentre è necessario trovare figure professionali esterne per il 43%. Secondo gli intervistati, per sviluppare le competenze necessarie occorre della formazione esterna (46%). Il 37% pensa che si debba ricorrere alla formazione con consulenti in azienda, e il restante il 17% dichiara che è sufficiente l’autoformazione. La formazione richiesta dai big data deve essere fatta in diversi ambiti: analisi dei dati (35%); interpretazione e comunicazione dei dati (31%); trasformazione dei dati (17%); raccolta dei dati (16%).

Il mercato del lavoro sta vivendo un periodo di enormi cambiamenti. Secondo l’Osservatorio sul Digital Mismatch, indagine condotta da InTribe in collaborazione con Nexi, in Italia, prendendo come base il 2015, circa il 34% del totale dei posti di lavoro saranno “sostituiti” entro il 2025, a fronte di pensionamenti e altre uscite dal lavoro. Nello stesso periodo, ci sarà anche un’espansione della domanda del 4,4%, di cui quasi un quarto sarà costituita da nuove professioni. La crescita in Italia sarà addirittura superiore a quanto previsto per l’Unione europea, dove l’incremento nello stesso periodo sarà pari al 2,9%. Nel decennio 2015-2025 nel nostro Paese si creeranno quindi quasi 9,3 milioni di opportunità occupazionali per chi entrerà nel mondo del lavoro, includendo sia le sostituzioni sia l’espansione della domanda. Quest’ultima, sarà quasi totalmente concentrata nella fascia rappresentata da persone con qualifiche di alto livello, che vedranno una crescita di oltre 2.3 milioni di posti di lavoro, mentre nella fascia con qualifiche di basso livello si stima una perdita complessiva di oltre 2 milioni di posti di lavoro. Il 37,5% delle opportunità occupazionali in Italia riguarderà il macro-settore dei servizi. Quasi il 40% di tutte le opportunità occupazionali saranno in ambito tecnico, scientifico e di elevata specializzazione (scienze, ingegneria, sanità, impresa e istruzione). Entro dieci anni, il 70% delle professioni evolverà in ambito tecnologico e digitale. Questa rivoluzione sta dando origine al fenomeno noto come Digital Mismatch. Ci dice in proposito Mirna Pacchetti, CEO e co-founder di InTribe: «Le aziende ricercano profili in ambito tecnologico e digitale che nessuno riesce a occupare per mancanza di competenze specifiche. Questo significa che il tasso di disoccupazione potrebbe essere più basso, se neet e disoccupati avessero le giuste competenze. Il Digital Mismatch non è un problema relegabile unicamente alle professionalità dell’ICT, ma riguarda ognuno di noi». Secondo stime InTribe su dati CEDEFOP (Centro Europeo per lo sviluppo della formazione professionale – www.cedefop.europa.eu/it), se non si investe da subito sulla formazione l’impatto complessivo potrebbe essere di circa due milioni di posti vacanti entro tre anni.

I MANAGER DEI DATI DEL FUTURO

Anche secondo la maggioranza degli intervistati dell’indagine “Jobs of the Future 2018” del gruppo Hays, pubblicata lo scorso mese di febbraio, la digitalizzazione non farà scomparire le professioni tradizionali, ma i lavoratori di ogni settore dovranno acquisire competenze informatiche per potersi mantenere competitivi sul mercato. Tra i professionisti intervistati, uno su tre dichiara di aggiornarsi già ogni sei mesi, un altro terzo addirittura ogni tre mesi.L’Industria 4.0 porterà alla riqualificazione delle professionalità, e le aziende dovranno investire massivamente in formazione, vista come asset strategico aziendale per non rischiare di perdere competitività. Le tre professioni con la più elevata crescita di opportunità lavorative nei prossimi 12/24 mesi saranno il cybersecurity specialist, responsabile della sicurezza digitale, il data analyst, e il growth hacker, professionista che si occupa di crescita attraverso l’utilizzo di tecniche avanzate di lean marketing e software. Mirna Pacchetti di InTribe dettaglia i compiti del data analyst: «Il data analyst è l’operativo, molto spesso con laurea in statistica, in grado di analizzare grandi moli di dati con l’ausilio di software, trasformandoli in informazioni ad alto valore aggiunto per l’azienda. Il suo obiettivo principale è quello di agevolare la presa di decisioni e la soluzione di problemi. Esistono diverse declinazioni di questa professionalità: l’esperto di analisi predittive, colui che è in grado di analizzare i dati al fine di prevenire guasti a macchine impianti; il business data analyst, figura esperta di analisi finanziarie, capace d’incrociare i dati aziendali con i dati di mercato e i big data presenti nel web, con l’obiettivo di aiutare il top management a prendere decisioni strategiche; il qualitative data analyst, colui che è in grado di trovare gli smart data all’interno di una mole enorme e destrutturata di dati per realizzare analisi qualitative e individuare i nuovi trend emergenti».

Secondo la già citata ricerca di The Adecco Group, restringendo l’interesse alla sola area dei big data, i profili professionali più interessanti nell’immediato futuro saranno i big data analytics specialist (30%), i data scientist (20%), i data content & communication specialist (17%), i big data architect (16%) e i social mining specialist (12%). L’indagine di Hays conferma un futuro interessante per chi opererà nell’ambito dei big data: tra i cinque profili IT più ricercati dai recruiter entro il 2025, al primo posto ci saranno i big data expert, seguiti dagli IT security specialist, dagli app developer, dai multichannel architect e dagli interactive developer. Secondo le previsioni, il settore dei big data continuerà a svilupparsi in modo costante nei prossimi anni e offrirà sempre maggiori opportunità di occupazione: tra le figure professionali in questo ambito, Hays elenca tra i più richiesti i data scientist e i data architect, i big data engineer e i chief data officer (CDO).

E LA PRIVACY?

Quando i giornali parlano dell’argomento big data, in genere lo fanno a seguito di casi clamorosi, come lo scandalo Cambridge Analytica dei mesi scorsi. Il rapporto tra big data e trattamento dei dati personali non è semplice, perché è difficile cercare di bilanciare il valore delle tecnologie e il valore della privacy. Il problema più grosso è legato al trattamento dei dati perché, una volta inseriti nei diversi sistemi, non è sempre facile capire da chi e come siano utilizzati, e con quali dati possano essere integrati. Il General data protection regulation, più noto come GDPR, in applicazione dallo scorso 25 maggio, sta modificando lo scenario a livello europeo, ma è ancora presto per una valutazione di cosa effettivamente potrà cambiare. Purtroppo, ogni tentativo di fissare normative rigide in tema di privacy ha un problema di fondo: le regole valgono su aree geografiche ben definite, ogni singola nazione in genere ha regole diverse, mentre il business digitale è globale, perché la Rete è un ambiente assolutamente transazionale. Fino a ora, se una app conservava i dati negli Stati Uniti, nazione per molti versi permissiva perché dotata di una legislazione più orientata al business, era complesso dirimere legalmente i conflitti. Il GDPR stabilisce che sui dati valgano le leggi del paese dove sono prodotti, non più del paese dove vengono elaborati: staremo a vedere nei prossimi mesi cosa questo cambiamento di visione comporterà, e quali conseguenze o sviluppi porterà al business. Un altro aspetto di cui bisogna tener conto è che, attualmente, la competizione mondiale è legata allo sfruttamento dei dati: chi ne limita l’uso, di fatto, rischia di ridurre la competitività delle proprie aziende a vantaggio dei competitor stranieri, che potrebbero beneficiare di minori restrizioni. Per garantire una competizione ad armi pari, servirebbe un regolamento mondiale condiviso, rigido per proteggere i diritti di ogni singolo individuo, e nello stesso tempo flessibile per non frenare investimenti e sviluppo economico. Gli interessi economici sono enormi: nell’economia moderna, l’analisi dei dati è preziosa come il petrolio, con una differenza: il petrolio è una risorsa in (lento) esaurimento, i dati invece in costante, forte, espansione. Ad oggi, quindi, appare difficile, se non impossibile, pensare di trovare regole comuni tra mondi con culture così diverse sul business e sulla privacy.

L'articolo Quanto sono grandi i big data? proviene da Data Manager Online.

Lo studio, che è parte di uno sforzo più ampio finanziato dall’European Research Council con il progetto ERC Advanced Grant “Cavitation Across Scales: Following Bubbles from Inception to Collapse”, si propone di superare i limiti dovuti alla “fragilità” della superidrofobia, introducendo una nuova morfologia di superfici. I risultati sono pubblicati sulla rivista ACS Nano. I materiali con superfici corrugate sono materiali che presentano corrugazioni nanoscopiche (delle dimensioni di poche decine di miliardesimi di metro) in grado di intrappolare un cuscino di aria o vapore, riducendo così l’area di contatto tra liquido e solido.

#nanotech Alla @SapienzaRoma si progettano i materiali del futuro
Click To Tweet

Queste caratteristiche donano al materiale eccezionali proprietà superidrofobiche, interessanti per molte applicazioni tecnologiche, come quella di impedire la formazione di ghiaccio sulle ali degli aerei, sui cavi elettrici, sulle pale eoliche. I ricercatori, attraverso simulazioni al computer, hanno sviluppato una nuova tipologia di cavità: una struttura composita costituita da scanalature longitudinali con pori a sezione quadrata di 10-20 nanometri alla loro base è in grado di ripristinare il cuscino d’aria/vapore senza bisogno di alcuna forza esterna. «Ingegnerizzare la geometria attraverso l’uso delle nanotecnologie – spiega Casciola – permette di creare nuovi materiali funzionali, strumenti e sistemi con proprietà uniche derivanti dalla combinazione delle loro proprietà chimiche e morfologiche. Nel nostro caso, ha permesso di realizzare il recupero della superidrofobicità».

[amazon_link asins=’889697366X,8808160297,8851800995′ template=’ProductCarousel’ store=’dmo0e-21′ marketplace=’IT’ link_id=’45480a8b-3366-11e8-a1fe-918d8506d64d’]

L'articolo Tecnologia dei materiali, la Sapienza progetta nuove trame al computer proviene da Data Manager Online.

Il prossimo 5 febbraio partirà all’Università degli Studi di Roma “Tor Vergata” a Roma, in collaborazione con SAS, la quinta edizione del Master di II livello in Customer Experience & Social Media Analytics. E’ il primo master in Italia che ha l’obiettivo di formare Data Scientist, scienziati dei dati capaci di trasformare in conoscenza i Big Data, ed esperti altamente qualificati che operino nel settore Sales & Marketing. Da quest’anno anche Soft Strategy fa parte delle aziende che promuovono questo Master, fornendo ai candidati più meritevoli due borse di studio a copertura parziale dei costi di iscrizione, in aggiunta alle 5 borse di studio offerte da INPS.

Il 4 dicembre avrà luogo l’Open Day presso l’Università degli studi di Roma “Tor Vergata” nell’Aula Magna della Facoltà di Economia e sempre nei primi giorni di Dicembre verrà pubblicato il bando sul sito del Master che darà il via alle procedure di ammissione.

La didattica full time del Master alterna momenti di lezione frontale, esercitazioni pratiche e testimonianze aziendali. L’approccio pratico consente agli studenti di provare in laboratorio le conoscenze teoriche acquisite anche grazie alla presenza di esperti di SAS e di Soft Strategy che trasferiranno agli studenti le loro competenze maturate presso i clienti. I corsi sono contenuti in quattro macro moduli:

• Generale, dove si acquisiscono le conoscenze di Management, Programming Tools, SAS Data Management, Advanced Statistical Reasoning;
• Analytics, con i corsi di Data Mining & Web Mining e Big Data Exploration & Visualization
• Social Media Analytics, con il Text Mining, la Sentiment Analysis e la Social Network Analysis
• Customer Experience, dove si vedranno le tecniche legate all’ottimizzazione delle Campagne di Marketing e al Real Time Decision Management

Tutti gli iscritti parteciperanno alla certificazione SAS.

Al termine delle lezioni tutti i discenti svolgeranno uno stage retribuito di 5/6 mesi presso aziende nazionali o internazionali.

Simone Borra, direttore del Master: “Questo Master specializza i nostri giovani laureati in una delle professioni più promettenti del XXI secolo, il data scientist. Il Master del Dipartimento di Economia e Finanza coniuga sapere economico, aziendale, statistico e informatico, in una prospettiva interdisciplinare che offre ai nostri giovani le chiavi di accesso per interpretare una realtà sempre più complessa. La stretta collaborazione con SAS testimonia l’interesse dell’università verso una formazione orientata non solo a sviluppare le conoscenze ma anche le abilità e le competenze dello studente. Noi scommettiamo su una generazione che sappia con la sua preparazione, creatività e intuizione cogliere quei weak signals che diventeranno nel futuro le vere novità.”

Da sempre crediamo nei giovani, nella loro voglia di scoprire, sperimentare e imparare cose nuove per migliorare se stessi e il mondo che li circonda. Per noi i giovani sono i veri protagonisti di domani, per questo è importante investire in progetti per creare e diffondere le competenze necessarie per la digital transformation. Siamo entrati nell’era dell’economia basata sui dati, dove gli analytics sono ovunque, in ogni aspetto della nostra vita privata e lavorativa e il Master Cesma è un percorso accademico in grado di costruire una professionalità concretamente spendibile sul mercato del lavoro. Siamo orgogliosi di collaborare con l’Università degli Studi di Roma “Tor Vergata” per formare i Data Scientist di domani, supportando i giovani interessati a cogliere le affascinanti opportunità offerte dai dati e dalla loro analisi” afferma Marco Icardi, Regional Vice President SAS e CEO SAS Italia.

“Da quest’anno Soft Strategy, attraverso la partnership strategica con SAS e la collaborazione con l’Università degli Studi di Roma “Tor Vergata”, intende investire sensibilmente su uno degli ambiti fondamentali del cosiddetto Future of Everything – afferma Antonio Marchese, executive partner di Soft Strategy. – Sin dalla nascita della nostra Line of Business Digital ci siamo dedicati a progetti innovativi in grado di comprendere e sfruttare il valore contenuto nei dati, strutturati e non, a vantaggio dei nostri clienti. Gli Analytics rappresentano per le grandi organizzazioni in cui operiamo lo strumento fondamentale per il recupero di efficienza produttiva e la riduzione dei rischi, il fattore moltiplicativo e di accelerazione del ritorno sugli investimenti, la soluzione per una migliore conoscenza ed ingaggio delle proprie customer base. Crediamo fortemente in questo Master, che ci permette di continuare nella strategia di crescita attraverso l’assunzione di giovani talenti, che non devono essere “cervelli in fuga”, in cerca di prospettive migliori all’estero, bensì la principale garanzia di successo delle aziende sul mercato.”

Per i requisiti di ammissione e il bando di partecipazione consultare il sito www.master-cesma.it.

L'articolo I nuovi scienziati dei dati: investire sui giovani talenti proviene da Data Manager Online.

Automazione industriale, robotica collaborativa, building automation, sensoristica per localizzazione e tracking in relazione alle smart cities, precision farming e agrifood, smart health, sicurezza e sorveglianza.

La manifattura e il mondo dei servizi alle prese con l’evoluzione al 4.0 trainano la richiesta di professionisti ICT ai quali, oltre a un bagaglio tecnico sempre aggiornato, si richiedono, però, sempre più soft skills di collaboration, flessibilità e capacità di adattamento per gestire progetti trasversali in contesti mutevoli.

Parola di Wyser, società internazionale di Gi Group che si occupa di ricerca e selezione di profili manageriali e che segnala una crescita significativa della domanda trasversalmente ai diversi ambiti della programmazione, delle infrastrutture, della gestione, sicurezza e analisi dati, anche da parte di società di consulenza e piccole-medie software house che operano in ambito bancario/assicurativo.

“Cloud computing, soluzioni Open Source, evoluzione verso tecnologie real time e al contempo di Cybercrime prevention&prediction sono le 4 macro-tendenze di mercato che sostengono una forte richiesta di profili Middle con una caratteristica comune; anche ai ruoli molto verticali si richiede oggi un buon balance tra hard e soft skills ricercando il potenziale, la capacità e l’apertura mentale per gestire agilmente cambiamenti tecnologici e mutamenti di scenari – commenta Carlo Caporale, Amministratore Delegato Italia di Wyser –. Elementi che potrebbero favorire a tendere anche una maggior presenza e valorizzazione della componente femminile in funzioni ancora attualmente più maschili. L’apprezzamento per background ed esperienze internazionali, poi, nonché l’interesse a internalizzare competenze sta, inoltre, portando molte realtà a offrire compensi davvero interessanti, capaci anche di attrarre professionisti italiani finora all’estero”.

A proposito delle figure più ricercate tra Lombardia, Emilia Romagna, Veneto e Piemonte Wyser segnala anche la RAL (Retribuzione Annua Lorda) media offerta:

Middle Management:

• Mobile Developer                                35.000 – 45.000 euro
• IoT (Internet of Things) Developer         35.000 – 45.000 euro
• Penetration Tester                                 35.000 – 50.000 euro
• Blockchain Developer                          40.000 – 50.000 euro
• Full-stack Developer                            40.000 – 50.000 euro
• Data Scientist                                      40.000 – 55.000 euro
• Big Data Engineer                                40.000 – 55.000 euro
• DevOps Engineer                                40.000 – 55.000 euro
• Solution Architect                                55.000 – 75.000euro
• Cloud Architect                                    65.000 – 70.000 euro

Senior Management :

• Chief Technical Officer                          80.000 -100.000 euro

Accanto a sviluppatori e progettisti Hardware, Firmware e Software operanti sulle tecnologie innovative legate all’Industria 4.0 – IoT, Blockchain Developer e Penetration Tester in ambito sicurezza delle transazioni, esperti di Big Data orientati al machine learning, data mining e all’analisi predittiva sono da evidenziare di particolare interesse per le società di consulenza che operano in ambito finanziario, anche i Programmatori Full-Stack e Mobile per lo sviluppo di nuove applicazioni utente.

“Sul doppio binario sicurezza/dati, da segnalare, infine, che si vanno delineando le caratteristiche della figura professionale legata al nuovo Regolamento Europeo sulla Privacy pienamente operativo da maggio 2018, il Data Protection Officer – continua Caporale -; per rispondere al meglio alla compliance il profilo ideale sarebbe quello di un esperto esterno all’azienda, con competenze giuridiche per la corretta interpretazione della norma e informatiche per potersi rapportare adeguatamente con i responsabili dei sistemi informativi, capace di realizzare una completa analisi dei rischi connessi al trattamento dei dati e di valutare le interazioni con le altre discipline che riguardano, anche indirettamente, la sicurezza e la gestione delle informazioni. Anche in questo caso, quindi, un profilo tecnico, ma non troppo, sicuramente molto agile e collaborativo”.

Lauree in Informatica, Ingegneria Informatica, Gestionale o Elettronica, ma anche in Fisica, Matematica e Scienze Statistiche sono pre-requisito essenziale per i ruoli top, insieme alla conoscenza dell’inglese sia per la gestione della documentazione tecnica che del rapporto con clienti e colleghi stranieri.

Viene richiesta, inoltre, un’esperienza di almeno 3/4 anni per posizione, autonomia a livello tecnico e buona flessibilità trasversale in relazione ai diversi progetti e clienti di ogni singola realtà.

L'articolo Wyser (Gi Group): professionisti ICT sempre più “agili” e collaborativi proviene da Data Manager Online.

La Sapienza è stata la prima università italiana ad aver incluso nell’offerta formativa il corso di laurea magistrale in Data Science. I primi laureati in Data Science si chiamano Cristina Menghini, Michele Gentile, Elena Troccoli e Paolo Tamagnini (nella foto). La cerimonia si è svolta nell’ambito del simposio “DataScience@Sapienza” a cui hanno partecipato anche la direttrice di ricerca di Google per il machine learning, Corinna Cortes e il responsabile per i servizi IT di Eurostat, Emanuele Baldacci.

Al di là dei primati, come testata professionale dell’ICT, ci piace segnalare che il gap di competenze lamentato da molte imprese in Italia si va via via colmando. La laurea magistrale in Data Science va incontro alla grande richiesta a livello nazionale e internazionale di profili professionali capaci di integrare i big data all’interno delle industrie digitali, le attività avanzate di business e i servizi innovativi per i cittadini. «I nostri studenti – come ci spiega Stefano Leonardi, presidente del corso di studi – hanno avuto la possibilità di svolgere durante il corso di studi stage e internship in numerose realtà sia in Italia che all’estero. Alcune delle principali industrie del settore come Google, IBM, Microsoft e SAS hanno appositamente organizzato corsi per i nostri studenti».

#Datascience alla @SapienzaRoma i primi laureati
Click To Tweet

L’obiettivo comune al quale molte università e politecnici stanno lavorando è di formare professionisti in grado di analizzare, interpretare e gestire una quantità sempre maggiore di dati soprattutto digitali, con particolare attenzione agli aspetti riguardanti le pratiche innovative di business, l’industria di Internet, la privacy e la sicurezza. Preparare figure professionali come il data scientist, l’open data manager, il big data infrastructure professional, il business data analyst, che oggi sono tra i profili più ricercati sul mercato, significa dare ai giovani talenti non solo una dote di preparazione specialistica ma anche un’opportunità per affermarsi nel mondo del lavoro.

L'articolo Data science in Italia, alla Sapienza i primi laureati proviene da Data Manager Online.

Cloudera annuncia la disponibilità generale di Cloudera Data Science Workbench, lo strumento self-service dedicato ai data scientist. La soluzione, annunciata in versione beta nel corso di Strata + Hadoop World San Jose 2017, mette a disposizione delle imprese una data science veloce, facile e sicura in modalità self-service.

“Stiamo entrando nell’era d’oro dell’apprendimento automatico e tutto è incentrato sui dati. Tuttavia, i data scientist continuano a faticare per creare e testare nuovi progetti analitici alla velocità desiderata, soprattutto in ambienti di grandi dimensioni”, ha affermato Charles Zedlewski, vice president senior Products di Cloudera. “Data Science Workbench è uno strumento self-service che accelera la capacità di creare, scalare e implementare soluzioni di apprendimento automatico utilizzando le tecnologie più potenti. Ciò significa che i data scientist oggi hanno la libertà di collaborare, condividere e gestire i propri dati nella modalità che meglio si adatta alla loro attività e alla loro azienda, agevolando un percorso più semplice e veloce per la produzione”.

Grazie a Python, R e Scala direttamente nel browser web, Cloudera Data Science Workbench offre un’esperienza di data science self-service, assicurando agli utenti la possibilità di scaricare e sperimentare le librerie e i framework più recenti in ambienti di progetto personalizzabili. Cloudera Data Science Workbench è sicuro e compatibile, con supporto per l’autenticazione, l’autorizzazione, la crittografia e la governance in Hadoop.

L’ufficio delle statistiche nazionali (ONS), il più grande produttore indipendente di statistiche ufficiali del Regno Unito, mira a utilizzare Cloudera Data Science Workbench per creare ricerche statistiche ripetibili, precise e trasferibili. “Abbiamo accertato un tempo inferiore nello sviluppo di modelli e una maggiore visibilità nel monitoraggio dei progressi e dei risultati”, afferma Simon Sandford-Taylor, Chief Technology Officer. “Riteniamo che Cloudera Data Science Workbench abbia il potenziale per accelerare il nostro calendario di rilascio e per condividere meglio le best practice”.

Data Science Workbench di Cloudera si integra facilmente con molti framework di deep learning, tra cui BigDL, una libreria di deep learning per Apache Spark, in open source da Intel. Creato per essere eseguito su infrastrutture distribuite Spark/Hadoop e con prestazioni ottimizzate per l’esecuzione su processori Intel Xeon (sfruttando la libreria Intel Math Kernel), BigDL opera direttamente all’interno di Cloudera Data Science Workbench.

“I clienti enterprise richiedono una piattaforma logica per scalare le proprie soluzioni di analisi e massimizzare gli investimenti. L’integrazione nativa di BigDL con Apache Spark porta il mondo del deep learning nell’ecosistema di Apache Spark e un valore più elevato per i clienti aziendali”, ha dichiarato Michael Greene, vice president e general manager System Technologies and Optimization del gruppo Software and Services, Intel Corporation. “Il framework BigDL aiuterà i clienti aziendali a utilizzare meglio gli investimenti esistenti per creare le proprie competenze analitiche con prestazioni ottimizzate sull’architettura Intel”.

I vantaggi dell’integrazione di BigDL in Data Science Workbench includono la capacità di sfruttare le librerie e le tattiche di deep learning sull’architettura della CPU senza ulteriori necessità hardware o ambienti separati. La combinazione, infatti, fornisce un modo conveniente per creare pipeline data science Spark in modo nativo e integrarle con la libreria di deep learning (BigDL) e altri componenti Spark/Hadoop sulla soluzione Cloudera Data Science Workbench.

L'articolo Cloudera annuncia la disponibilità generale di Data Science Workbench proviene da Data Manager Online.

Considerati uno strumento indispensabile per orientare le strategie di business, i Big Data occupano ormai un posto di rilievo nell’agenda di molte aziende. Una grande opportunità dal punto di vista occupazionale che, secondo i consulenti di Hays, una delle società leader nel recruiting specializzato, nei prossimi mesi si concretizzerà in un incremento della richiesta di professionisti capaci di analizzare e gestire grandi quantità di dati. Tra i più ricercati spiccano il Data Scientist, il Data Architect e l’Insight Analyst, tutti con specifiche ultra specializzate.

——————————————————-#WeChangeIT Forum———————————————————–

Marketing 4.0, Social, Mobile, Analytics, Cloud, Intelligenza Artificiale, saranno le tematiche analizzate quest’anno al #WeChangeIT Forum di Data Manager. L’evento riunirà C-Levels delle più importanti realtà industriali italiane

Brembo, RAI, Comau, Vimar, Octo Telematics, ENEL, UniCredit, Unilever e molti altri.

Scopri il programma completo e i relatori su www.WeChangeIT.it dove potrai anche registrarti per assistere gratuitamente

——————————————————-#WeChangeIT Forum———————————————————–

“Sono sempre di più le aziende in Italia che investono in tecnologie avanzate e personale qualificato per sfruttare al massimo il potenziale dei Big Data – spiegano gli esperti di Hays Italia-. Le professioni digitali saranno sempre più valorizzate e ricercate dalle imprese e, già nel 2017, la domanda di talenti digitali aumenterà notevolmente, crescendo esponenzialmente entro il 2020”.

Per coloro che desiderano intraprendere la carriera in ambito digital, gli esperti di Hays hanno stilato una classifica delle 10 figure professionali sui cui si concentreranno le attenzioni dei recruiter nel 2017.

1.Data Scientist

In America è già considerato il lavoro numero 1 e ci sono varie scuole di pensiero su quale sia la vera definizione di Data Scientist. Sicuramente è un professionista con un background accademico molto forte (Master o Dottorato di Ricerca) in discipline quali Statistica, Matematica, Fisica o Economia e profonde conoscenze di Data Mining e Machine Learning. Un bravo Data Scientist è in grado di indentificare e risolvere problemi altamente complessi legati al business, utilizzando tool di analisi avanzati tra cui programmi di statistica come Python, R o Spark. Quest’analisi gioca infatti un ruolo centrale nel processo decisionale fornendo alle aziende gli strumenti necessari per affrontare con successo sfide sempre più complesse.

2.Data Architect

Lavorare all’interno dello scenario dei Big Data è una cosa, costruire una struttura dati complessa è un’altra! Dalla definizione dello storage alla progettazione di un’infrastruttura per la gestione di dati non strutturati, un bravo Data Architect è capace di dare vita a soluzioni di successo per affrontare al meglio lo scenario dei Big Data.

3.Insight Analyst

Benché la loro denominazione cambi da azienda a azienda, è innegabile che la domanda di analisti tecnicamente competenti, capaci di creare insight dettagliati, sia cresciuta in modo esponenziale. Lavorando fianco a fianco alle divisioni marketing e prodotto, gli insight analyst utilizzano strumenti di analisi statistica per ricavare, da grandi quantità di dati, informazioni a supporto delle strategie di acquisizione e fidelizzazione dei clienti. Dal punto di vista tecnico, gli insight analyst hanno competenze su uno o più strumenti di analisi statistica come SQL, SAS e SPSS. Tuttavia molte aziende sono sempre più interessate al contributo che i linguaggi di programmazione Phyton e R possono fornire in tema di profondità dell’analisi.

4.Big Data Engineer

Come detto precedentemente, il data engineer possiede le competenze per raccogliere, archiviare e lavorare i dati di un’azienda per facilitarne l’analisi. Inizialmente questo prevedeva l’utilizzo di database relazionali per gestire dati archiviabili sotto forma di tabelle ma, con l’avvento dei Big Data, le strutture tradizionali per la gestione dei dati non sono più sufficienti. Per questo la figura del Big Data Engineer è chiamata a realizzare e amministrare strutture in grado di gestire quantità di dati ampie e complesse attraverso database NoSQL come MongoDB. Molte aziende utilizzano il framework Hadoop insieme a strumenti avanzati come Hive, Pig e Spark, ma le infrastrutture per la gestione dei Big Data sono davvero numerose.

5.Sviluppatori Software

Non nasce propriamente come professione digital, ma il boom dei Big Data ha portato a un considerevole aumento delle aziende che realizzano applicazioni web-based. Ormai infatti è prassi combinare i tradizionali tool per lo sviluppo di software come Javascript, C# e PHP con framework basati sul linguaggio Python come Django, Pyramid o Flask.

6.Esperti in visualizzazione

Con il boom delle dashboard e degli strumenti di visualizzazione dei dati, sono sempre più richiesti sviluppatori che abbiano competenze anche nell’utilizzo di piattaforme di analisi dati come Tableau, Qlikview/QlikSense, SiSense and Looker. Stanno ottenendo inoltre grande riconoscimento professionisti con esperienza nell’uso di tool quali d3.js per la creazione di visualizzazioni interattive e di browser web.

7.Sviluppatore BI

Lo sviluppatore Business Intelligence, nella sua forma più semplice, costruisce strutture di dati complesse, partendo dal data storage e arrivando a produrre report e dashboard. Un tempo prerogativa delle divisioni finance e commerciale, la business intelligence costituisce oggi un comparto a sé con sviluppatori che hanno come obiettivo principale proprio la realizzazione di dashboard pronte all’uso per facilitare il compito dei manager che, in questo modo, possono ottenere informazioni chiave sulle performance aziendali al fine di rivederle e migliorarle.

8.Data Engineer

Nel mondo dei Big Data, per poter procedere con l’analisi, la priorità è sicuramente l’organizzazione del flusso di dati. La Business Intelligence e la Data Science non possono prescindere dall’avere a disposizione strutture di dati ben organizzate e pronte all’uso ottenute anche attraverso l’impiego di tool di gestione come SQL Server, Oracle e database SAP. Un professionista esperto nella gestione di dati e processi ETL (Estrazione, Trasformazione e Caricamento) rappresenta un must per molte aziende.

9.Campaign Analyst/CRM Analyst

Programmi fedeltà, strumenti di web analytics, Internet of Things (IOT) hanno portato ad un consistente flusso di dati sui comportamenti dei consumatori online che le aziende utilizzano sempre di più a sostegno delle loro strategie di crescita. Le divisioni marketing, in particolare, sono chiamate ad eleborare campagne sempre più mirate che tengano conto di questi dati. I campaign analysts sfruttano le loro competenze nell’utilizzo di Excel e di strumenti per l’analisi di dati come SQL per fornire una fotografia dettagliata dei consumatori, permettendo così alle campagne di digital marketing di raggiungere il corretto target audience. Se a ciò si aggiunge poi l’utilizzo di software per la gestione delle campagne come Adobe Campaigns, le aziende possono assicurarsi che le loro strategie marketing colpiscano nel segno andando a soddisfare i bisogni reali del mercato di riferimento.

10.Chief Data officer (CDO)

Per tutte le società che mirano a ottenere il massimo rendimento dal potenziale dei Big Data, nominare un Chief Data Officer è fondamentale. Il numero di questi professionisti è passato da soli 400 nel 2014 a oltre 1000 nel 2015 e si stima che per il 2019 il 90% delle grandi aziende avrà un Chief Data Officer. Il ruolo del CDO è variegato e complesso e comprende un ventaglio di competenze tra cui data infrastructure, data governance, data security, business intelligence, analisi degli insight e analisi avanzata. Questa figura professionale non solo deve essere tecnicamente competente, ma deve anche essere in grado di capire e guidare gli obiettivi aziendali e i processi di cambiamento a livello manageriale per allinearsi al business plan della compagnia.

——————————————————-#WeChangeIT Forum———————————————————–

Marketing 4.0, Social, Mobile, Analytics, Cloud, Intelligenza Artificiale, saranno le tematiche analizzate quest’anno al #WeChangeIT Forum di Data Manager. L’evento riunirà C-Levels delle più importanti realtà industriali italiane

Brembo, RAI, Comau, Vimar, Octo Telematics, ENEL, UniCredit, Unilever e molti altri.

Scopri il programma completo e i relatori su www.WeChangeIT.it dove potrai anche registrarti per assistere gratuitamente

——————————————————-#WeChangeIT Forum———————————————————–

L'articolo La Top 10 dei profili digital più richiesti in Italia proviene da Data Manager Online.

Su questo tema – e sulle eventuali conseguenze dell’automazione spinta sul piano della redistribuzione di risorse e profitti economici – il mondo sarà impegnato a discutere nei prossimi anni, a tutti i livelli. Nel frattempo però, l’intelligenza artificiale sta diventando un fenomeno sempre più concreto e accanto al solito universo di geniali startup, capaci di muoversi in modo tattico su diversi mercati, ci sono aziende di enorme reputazione che esortano a fare scelte più strategiche e per questo mettono a punto portafogli di offerta, iniziative di marketing e comunicazione, contenuti che promuovono il cognitive computing in chiave ancora più culturale che tecnologica.

C’è un dominio di importanza fondamentale in questa fase di trasformazione digitale del business, dove gli strumenti dell’informatica cognitiva, in particolare il machine learning, l’apprendimento automatico, possono già oggi fare la differenza, senza dare spazio a troppi dubbi su chi continuerà ad avere il controllo della decisione. Questo dominio si chiama Big Data, una vera e propria visione filosofica del dato come ingrediente della vitalità dell’azienda, della sua capacità di accelerare il go-to-market e incrementare la qualità di prodotti e servizi, di competere sul mercato, di generare margini nuovi attraverso l’invenzione di cose e approcci del tutto nuovi.

#cognitivecomputing L’intelligenza artificiale che non fa paura
Click To Tweet

E c’è una figura sempre più trasversale e “al di sopra delle parti” chiamata data scientist, che sempre più spesso troveremo nelle aziende là dove dai dati si cerca di estrarre valore, passando dal mero numero alla reale conoscenza. Per quanto possa essere bravo, il data scientist ha a che fare con un universo di dati molto intricato, che – secondo gli esperti – richiede una lunghissima fase preparatoria per permettere a questi “minatori” della conoscenza di esercitare il loro intuito analitico. Per l’azienda “knowledge driven”, inoltre, sarà importante riuscire a estendere le capacità analitiche anche a coloro che senza aver studiato da data scientist potrebbero prendere decisioni migliori grazie agli analytics.

Il cognitive computing può diventare un partner estremamente interessante in entrambi i casi. Può velocizzare il lavoro preparatorio del data scientist e affiancare il decisore meno esperto rendendo in parte automatica l’analisi, suggerendo possibili collegamenti, rendendo visibili certe correlazioni. Una intelligenza artificiale che non fa paura perché lavora con l’uomo senza prendere il suo posto.

L'articolo L’intelligenza artificiale che non fa paura proviene da Data Manager Online.

Nel corso degli ultimi dodici mesi abbiamo assistito a diversi cambiamenti molto importanti che Qlik ha identificato nell’esplosione dei dati, nel miglioramento della loro analisi e nell’arrivo del cosiddetto “attivismo delle informazioni”. Questo significa che il numero di persone all’interno dell’azienda in grado attivamente di lavorare con l’enorme quantità di informazioni disponibili – come data scientist, sviluppatori di applicazioni e analisti di business –  ricoprono un ruolo davvero cruciale.

Purtroppo, però, non ci sono ancora abbastanza professionisti con le competenze necessarie per gestire le crescenti quantità di dati. Questa esplosione di informazioni può far presumere l’inizio di una nuova era digitale, ma se non ci sono specialisti a sufficienza per analizzarli, il gap tra le due risorse diventa inevitabile. I dati infatti crescono molto più velocemente rispetto alla nostra capacità di utilizzarli. Questo comporta che molti dirigenti d’azienda si affidino anche per le decisioni più importanti ancora al proprio istinto.

La situazione deve necessariamente cambiare. Il che significa da un lato aumentare i data scientist a disposizione, ma anche ampliare le conoscenze dei dati ai “non addetti ai lavori”. Percorrendo la strada verso l’attivismo dell’informazione, bisogna dotare un ampio numero di persone di tutti gli strumenti necessari per comprendere i dati. Come accadeva oltre 100 anni fa con la capacità di leggere e scrivere, in questa epoca l’alfabetizzazione dei dati diventerà una delle più importanti competenze di business dei dipendenti aziendali.

Qlik analizza i cambiamenti che devono avvenire affinché la cultura dei dati diventi finalmente realtà.

1. Big Data: riduzione delle dimensioni e aumento delle combinazioni

Con una maggior frammentazione dei dati, creati per la maggior parte nel cloud, ci sarà un notevole impatto sui costi di reperimento dei dati se non si fisseranno degli obiettivi precisi. Ciò significa che ci muoviamo verso un modello in cui le aziende devono avere la capacità di combinare rapidamente i propri dati di grandi dimensioni con quelli di piccole dimensioni, in modo da poter acquisire le giuste intuizioni e ottenere valore dall’analisi il più rapidamente possibile. Combinando i dati nel modo giusto, sarà anche più semplice rilevare le informazioni false o errate.

2. Modo di pensare ibrido

Il 2017 vedrà il cloud ibrido e multi-piattaforma come protagonista tra i modelli per l’analisi dei dati. Ma un solo cloud non è sufficiente, perché i dati e carichi di lavoro non saranno su una sola piattaforma. Inoltre, la gravità dei dati (Data gravity) fa sì che la conservazione in supporti locali on-premise continuerà ancora a lungo. Il carattere ibrido e multi-ambiente emergerà come modello dominante, il che significa che i carichi di lavoro e la pubblicazione avverranno su cloud e on-premise.

3. Self-service per tutti

Il freemium sta ormai diventando la normalità, quindi nel 2017 gli utenti avranno un accesso più facile alle analisi. Il fatto che sempre più strumenti di visualizzazione dati siano disponibili a basso costo, o addirittura gratis, rende le analisi alla portata di tutti. Mano a mano che le persone si avvicineranno alle analisi, il tasso di alfabetizzazione dei dati aumenterà e di conseguenza anche l’attivismo dell’informazione.

4. Scalabilità

Grazie al suo successo, quella che era semplice analisi dei dati da parte dell’utente è diventata oggi un’operazione di Business Intelligence con rilevanza aziendale. Nel 2017, ci sarà un’ulteriore evoluzione con la sostituzione delle piattaforme di reporting del passato. I nuovi modelli apriranno l’analisi self-service dei dati a più persone e saranno in grado di soddisfare diverse esigenze in base a scalabilità, prestazioni, governance e sicurezza.

5. Analisi che avanzano

Nel 2017, l’attenzione si sposterà dalle “analisi avanzate” alle “analisi che avanzano”. Le analisi avanzate sono molto critiche, ma la creazione di modelli, la governance e la gestione sono affidate a esperti altamente qualificati. Tuttavia questi modelli, una volta creati, dovrebbero essere messi a disposizione di un numero sempre più ampio di persone, come veri e propri strumenti self-service. Inoltre, le analisi possono “avanzare” anche grazie alla tecnologia in grado di incorporarle in software, facilitando le intuizioni. Questo non significa però sacrificare l’intervento umano, in grado, rispetto all’intelligenza artificiale, di riuscire a identificare sempre le domande giuste e di fornire le risposte.

6. Visualizzazione: dalla sola analisi all’intera supply chain dell’informazione

La visualizzazione diventerà una componente cruciale soprattutto per le aziende che prediligono un approccio visivo alla gestione delle informazioni. Un ulteriore passo avanti sarà dato dall’utilizzo di strumenti visivi per comunicare i risultati dell’analisi.

7. Il focus passerà dalle app personalizzate di analitycs alle analitiche all’interno delle applicazioni

Non tutti possono essere sviluppatori e utilizzatori di app, ma tutti dovrebbero essere in grado di esplorare i propri dati. L’alfabetizzazione dei dati beneficerà delle analisi ottenute attraverso le applicazioni sviluppate a supporto delle specifiche situazioni e degli strumenti utilizzati per l’analisi dei dati. Ad esempio, strumenti aperti ed estendibili che possono essere facilmente personalizzati e contestualizzati dalle app e dagli sviluppatori web possono permettere alle analytics di fare enormi passi avanti.

“Questi trend gettano le basi per un aumento dei livelli di informazione che non contempla solo l’attivismo, ma anche di alfabetizzazione dei dati”, ha dichiarato Dan Sommer, Senior Director, Qlik. “Dopo tutto, le nuove piattaforme e tecnologie che possono coinvolgere i lavoratori meno qualificati aiuteranno a entrare in una nuova era in cui i dati sono in stretta connessione con le persone e le idee, chiudendo in questo modo il divario tra il livello di dati che abbiamo a disposizione e la capacità di ottenerne da essi informazioni significative. Il che, diciamocelo, è quello che serve per metterci sulla giusta strada verso un’era più illuminata, orientata all’informazione e basata sui fatti”.

L'articolo Nel 2017, i trend della BI porteranno verso l’alfabetizzazione dei dati? proviene da Data Manager Online.

#Competitività Più analytics e risposte rapide per crescre
Click To Tweet

Cresceranno di più gli investimenti nelle componenti più innovative, legate alla trasformazione digitale: in particolare Big Data (+24,7%), Cloud (+23,2%) e Internet of Things (+14,9%). Questo è importante, perché investire in innovazione permette di creare nuovi spazi di domanda, nel fiacco mercato nazionale. C’è un gap da colmare anche nell’impiego: secondo una classifica pubblicata dalla società americana Glassdoor, tra i venticinque Best Jobs negli Stati Uniti, ben dieci sono nell’IT. Al primo posto, la figura del data scientist, all’undicesimo, quella dell’analytics manager. In Italia, invece, secondo un recente studio di Jobrapido, primo motore di ricerca di lavoro al mondo, la ricerca di personale nell’IT è solo al settimo posto, ben distanziato dalle prime tre posizioni: commercio e grande distribuzione, amministrazione e risorse umane, servizi. Su Linkedin troviamo 15.843 ricerche negli Stati Uniti per analytics manager e 9.827 posti vacanti per data scientist, a fronte rispettivamente di 96 e 129 ricerche in Italia.

#ProcessoTelematico, 60 milioni di euro risparmiati in un anno
Click To Tweet

Si avvertono, però, timidi segnali di una possibile inversione di tendenza. Un primo esempio: gli investimenti in ricerca e sviluppo, in Italia sono aumentati del 2,3% rispetto all’anno precedente. L’incidenza sul nostro PIL, l’1,31%, è ancora molto al di sotto della media Ue28, che è intorno al 2%, ma la nostra crescita è maggiore rispetto a quella di molti paesi europei. Un altro esempio: il processo telematico, appena introdotto nei tribunali italiani, ha fatto risparmiare allo Stato 60 milioni di euro in un solo anno, e la durata media di un contenzioso civile si è ridotta dai 590 giorni del 2012 ai 538 dello scorso anno. Siamo ancora molto distanti da nazioni come la Germania, dove la durata media è circa un terzo della nostra, ma i fatti dimostrano che se vogliamo sappiamo migliorarci, applicando l’innovazione dove è necessaria.

Negli USA tra i venticinque #BestJobs dieci sono nell’IT
Click To Tweet

Per ridurre il gap con le nazioni più virtuose, dobbiamo far crescere la scarsa maturità digitale generale delle imprese, e ridurre limiti culturali e organizzativi. Bisogna investire di più e meglio in tecnologie, ma anche e soprattutto nell’innovazione della gestione delle nostre imprese, partendo dalle PMI. C’è molto spazio di miglioramento: serve supporto di vendor, system integrator e società di consulenza. Inoltre, per ridurre lo skill shortage, servono anche maggiori sinergie tra imprese e università. Secondo Gartner, nel settore delle medie imprese chi eccelle nell’analisi dei dati è in grado di sviluppare maggiore business. È auspicabile, quindi, anche una maggiore sensibilità agli analytics, una maggiore cultura sui what-if dalle risposte rapide e chiare. Infatti, nella crescente complessità del contesto odierno non è più sufficiente lavorare duramente per portare sul mercato il prodotto migliore: sopravvive chi è capace di capire in anticipo i nuovi scenari, e chi vi si adatta il più rapidamente possibile.

L'articolo Diminuire il nostro gap, si può? proviene da Data Manager Online.