La Data Visualization, ossia visualizzazione dei dati (intesa come rappresentazione grafica dei dati), costituisce una delle applicazioni più affascinanti e cross disciplinari nell’ambito della scienza dei dati, in cui convergono moltissimi fattori, determinanti per comprendere ed utilizzare al meglio le informazioni estratte dagli enormi flussi di dati che le moderne applicazioni digitali sono ormai in grado di acquisire ed analizzare in tempo reale. La data visualization è al tempo stesso disciplina e tecnica, scienza e arte, in un continuo narrativo sospeso tra la freddezza algebrica del dato e il calore amico di una comunicazione immediata, capace di trasmetterci le informazioni che ci interessano senza costringerci ad un faticoso sforzo di elaborazione.

Vediamo pertanto in cosa consiste la data visualization, in particolare quella che fa riferimento alla comunicazione nell’ambito di una tecnologia emergente quale i Big Data Analytics e alle applicazioni di Business Intelligence e Business Analytics. In particolare, ci soffermeremo sulle qualità della visualizzazione dei dati che consentono di creare valore grazie alle informazioni estratte dai dati aziendali.

Cos’è la Data Visualization o visualizzazione dei dati

Grafici e modelli per la visualizzazione dei dati esempi
Grafici e modelli per la visualizzazione dei dati. Esempi esplicativi della Data Visualization

La visualizzazione dei dati è definibile in maniera differente in moltissime applicazioni, rientrando nell’ampio spettro della comunicazione visiva. Per quanto concerne nello specifico la scienza dei dati, la data visualization coincide con la rappresentazione grafica di informazioni grazie a strumenti visivi, come grafici, diagrammi, tabelle e mappe, utili a rendere facilmente accessibili e comprensibili le tendenze, le particolarità e le anomalie provenienti dall’analisi dei dati.

Come vedremo nel corso dei successivi paragrafi, è oggi molto complesso parlare di Big Data senza l’adeguato supporto di una sintesi visuale, tali sono le variabili e le informazioni che possono essere richiamate e combinate. Tale affermazione assume una valenza critica se consideriamo come gli attuali strumenti di analisi dei dati, in particolare quelle cloud-native, si avvalgano di tecniche di intelligenza artificiale e machine learning, capaci di andare ben oltre la semplice funzione descrittiva, supportando i processi decisionali anche con indicazioni di carattere predittivo e prescrittivo.

L’analisi dei dati nel moderno contesto aziendale produce continuamente un grande valore, del tutto inedito rispetto all’era che ha preceduto la trasformazione digitale. Questa ricchezza informativa produce al tempo stesso una enorme complessità, che i software chiamati a gestire i dati devono saper comunicare ai decisori, ai fini di agevolare il loro compito. Altrimenti lo sforzo analitico rimarrebbe fine a se stesso e sarebbe, di fatto, del tutto inutile. La data visualization, grazie alla sua esclusiva capacità di sintesi visuale, funge pertanto da facilitatore nel comunicare le informazioni utili in funzione dei processi e delle operazioni che supportano il business delle aziende.

A cosa serve

La data visualization consente di comunicare in modo particolarmente efficiente le relazioni di causa effetto in merito a trend, performance, andamenti e tutti gli aspetti derivanti dall’analisi dei flussi di dati che ad esempio le aziende possono acquisire dalle linee di produzione attraverso i loro sistemi IoT, piuttosto che dall’interazione dei loro clienti con i canali di comunicazione aziendali. Giusto per citare due tra gli innumerevoli casi studio con cui un’azienda consapevolmente digitalizzata può estrarre valore dai dati.

La visualizzazione dei dati consente di rappresentare una serie di osservazioni e comparazioni molto ampia, tra cui possiamo evidenziare:

  • · Ranking: tipico dei grafici a barre, che classificano i dati in ordine crescente/decrescente, piuttosto che ascendente/discendente;
  • · Quote: tipiche dei grafici a torta, capaci di misurare le varie informazioni valutando il loro valore percentuale in relazione al totale;
  • · Distribuzioni di frequenza: tipiche degli istogrammi, utili a descrivere la frequenza di un certo episodio in funzione di un intervallo di tempo;
  • · Correlazioni: tipiche dei grafici a dispersione, capaci di rappresentare la correlazione tra due variabili in funzione della direzione del loro andamento;
  • · Comparazioni: tipiche dei grafici a barre, per confrontare più informazioni senza un ordine definito;
  • · Serie storiche: tipiche dei grafici a linee spezzate, in cui le variabili vengono osservate nel loro andamento lungo un intervallo di tempo noto.
Cruscotti grafici esempi di come si concretizza la data visualization
Cruscotti grafici:esempi di come si concretizza la data visualization

Tali strumenti sono accomunati dal facilitare, attraverso delle sintesi visuali, una serie di letture che sarebbero altrimenti molto più complesse, se limitate alla descrizione verbale o ad una serie di tabelle infarcite di numeri che spesso gli stessi addetti ai lavori farebbero fatica ad interpretare.

L’obiettivo della data visualization, soprattutto in ambito aziendale, è infatti quello di rendere immediate e tangibili le informazioni estratte dai dati anche ad un pubblico non tecnico, come un manager o un C-Level, che non deve per forza avere nel suo curriculum una laurea in discipline statistiche o nella scienza dei dati. Molto spesso sono proprio tali figure a beneficiare maggiormente dei dati per prendere delle decisioni vitali per le sorti dell’azienda.

Perché è così importante

La visualizzazione dei dati, intesa in senso ampio, è una disciplina di per sé molto antica, che possiamo far risalire alle prime mappe per la navigazione, utile per localizzare graficamente le rotte ed orientarsi, piuttosto che agli elaborati grafici per l’astronomia rinvenute nelle tombe egizie, fondamentali per riconoscere la posizione negli astri nel cielo e prevedere l’arrivo delle piene stagionali del Nilo, fondamentali per irrigare i fertili terreni che lo circondavano. La sintesi grafica del dato ha assunto un ruolo vitale in tutte le epoche storiche ed è tuttora un prezioso strumento di conoscenza per risalire ai dettagli riguardanti le civiltà del passato.

Oggi parliamo di data visualization utilizzando spesso la sua definizione anglosassone perché la questione ha assunto una rilevanza ed una standardizzazione internazionale nell’ambito delle tecnologie informatiche. Gli strumenti attuali sono ovviamente ben più evoluti rispetto a quelli a disposizione dei nostri antenati, ma la missione di fondo della visualizzazione dei dati è rimasta quella di comprendere meglio i dati, ai fini di migliorare le applicazioni ad essi collegate.

Data visualization nell’ambito della scienza dei dati consente infatti di sfruttare strumenti quali grafici, diagrammi, istogrammi, infografiche e molti altri per:

· Comprendere meglio i dati

Valeva il detto un’immagine parla più di mille parole, siano esse lunghe descrizioni, piuttosto che ordinati elenchi puntati. Ed è difficile in tal caso mettere in discussione la saggezza degli antichi, soprattutto se il nostro obiettivo coincide con il comunicare determinati aspetti ad un pubblico generalista, non tecnico, che con ogni probabilità conosce la disciplina di cui stiamo parlando, ma non possiede gli strumenti per decifrare gli aspetti della scienza dei dati, se non opportunamente facilitati al suo scopo. Se dovessimo ad esempio leggere i dati relativi ai consumi energetici di un impianto, l’alternativa potrebbe essere data da una serie interminabile di tabelle testuali o da una comoda interfaccia grafica interrogabile, capace di restituirci un grafico a torta che, ancor prima di leggere qualsiasi cifra, in un istante ci fa capire l’andamento generale dei consumi.

· Supporto decisionale

La digitalizzazione delle aziende sta preziosamente diffondendo una cultura data-driven del lavoro, che si riflette nelle fasi decisionali che i manager devono affrontare per orientare le varie linee di business. I dati esprimono la fotografia dell’azienda in ogni preciso istante, per cui una gestione efficiente e lo sviluppo di analisi descrittive, predittive e prescrittive, tipiche della business intelligence e dei business analytics, possono rivelarsi assolutamente fondamentali per supportare i processi decisionali. La data visualization ha il compito di facilitare la lettura delle informazioni in un contesto estremamente dinamico, capace di aggiornare i propri risultati in tempo reale.

· Anticipare i trend

Le funzionalità predittive dei big data analytics consentono di mettere in relazione molti dataset e di analizzarli grazie a tecniche di intelligenza artificiale e machine learning, le cui proprietà computazionali consentono di vedere laddove le capacità umane non sarebbero mai in grado di arrivare. La data visualization deve accompagnare questo processo analitico per rendere semplice ed immediata la percezione di una complessità analitica spesso davvero molto elevata. La capacità di leggere in maniera semplice ed intuitiva i risultati di un’analisi predittiva può permettere un vantaggio competitivo derivante dall’anticipare un trend, piuttosto che valutare quei fenomeni che potrebbero condizionare il mercato, ai fini di orientare in maniera vantaggiosa l’offerta aziendale.

· Spiegare l’operato delle tecnologie emergenti

I sistemi IoT, piuttosto che le applicazioni cloud-native basate su AI stanno progressivamente entrando nel portfolio software cui le aziende si affidano per modernizzare la propria infrastruttura IT ed ottenere i vantaggi che derivano dalla loro evoluzione digitale. Tali tecnologie agiscono però molto spesso senza spiegare tutti i passaggi, risultando persino un’entità misteriosa agli occhi di molti lavoratori, che non riescono a capirne le logiche e i risultati processuali. La data visualization può mappare in maniera concettuale il funzionamento di tecnologie come l’intelligenza artificiale, svelando i misteri contenuti nella sua “black box”. Si tratta di facilitare divulgativamente ciò che alcune discipline, come la XAI (eXplainable Artificial Intelligence) hanno già da tempo quale obiettivo primario, per migliorare il rapporto e la fiducia che intercorre tra l’uomo e le tecnologie emergenti.

· Agevolare la comunicazione interna

Molto spesso le linee di business aziendali tendono ad agire in compartimenti stagni, per varie ragioni, anche condivisibili, ma spesso aliene a quella sinergia che porterebbe ad una visione globale dei processi capace di offrire una maggior consapevolezza del proprio ruolo in azienda. Eppure, tante volte, per descrivere a tutti un particolare evento aziendale, basterebbe una semplicissima infografica, leggibile da chiunque, senza dover possedere quelle competenze specialistiche che sono tipiche della singola LoB. È evidente che dati più comprensibili nel descrivere le attività aziendali siano in grado di aumentare la conoscenza e la motivazione dei dipendenti coinvolti nei processi. Tali concetti sono applicabili a 360 gradi, per fasi collaborative come il brain storming, facilitato dagli step visuali del design thinking, piuttosto che dalla comunicazione di report sintetici tra l’azienda e i suoi principali fornitori e canali di distribuzione.

Le diverse tipologie di visualizzazione

Il tradizionale grafico costituisce soltanto una delle forme più diffuse di visualizzazione del dato, ma in realtà possiamo identificarne moltissime altre, tra cui:

Esempi di dasboard per la Data Visualization
Esempi di dasboard per la Data Visualization
  • · Diagrammi
  • · Tabelle
  • · Mappe
  • · Infografiche
  • · Dashboard
  • · Ologrammi

Le tipologie di visualizzazione si declinano in una serie molto articolata di strumenti, ma soprattutto mettono in concerto le competenze e l’operato dei professionisti che li utilizzano per narrare i dati in contesti sempre più evoluti, sia per quanto riguarda le tecnologie, sia per quanto concerne le storie da raccontare, descritte dal flusso dei dati aziendali.

La scelta di una tipologia di visualizzazione dipende pertanto da molti aspetti e non vi è mai una risposta esatta a priori. La chiave è nel sapere analizzare le esigenze aziendali, così come di conoscere alla perfezione i processi interattivi con gli utenti a cui una determinata comunicazione è destinata, piuttosto che le tecnologie più idonee a soddisfare tali richieste in funzione del budget a disposizione.

Scegliere la tipologia giusta

Oggi esistono molte piattaforme software in grado di gestire il dato end-to-end, dalle fasi di preparazione fino alla visualizzazione finale. Si spazia da soluzioni puramente data-centered a moduli integrati in applicazioni verticali. Ma lo strumento, per definire, tale è e tale rimane, al netto della propria validità tecnica. In un mondo sempre più digitale, anche le azioni più comuni stanno diventando data-driven.

Il tema è estremamente delicato, anche in termini di formazione. La tradizione didattica vuole infatti una certa distinzione tra gli aspetti tecnici e quelli creativi, tipici della narrazione di cui il dato avrebbe un gran bisogno per essere visualizzato in un contesto di percezione dinamica.

Il nesso essenziale consiste nel mettere in relazione il dato con la sua visualizzazione. Un’osservazione che potrebbe apparire banale, quasi ridicola in merito ad una disciplina che sia chiama visualizzazione dei dati, si traduce in realtà nella cosa in assoluto più difficile da realizzare.

Le discipline coinvolte nella data visualization sono moltissime e trovare un dialogo concreto tra le varie professionalità che vi concorrono è tutt’altro che semplice se non c’è una formazione di base che predispone questa collaborazione sul piano culturale.

A prescindere dalle specializzazioni, occorre una generazione di professionisti che dovremmo definire technical artist, in cui le figure tecniche dovrebbero diventare più umanistiche e le figure più umanistiche devono necessariamente possedere almeno gli strumenti teorici per potersi interfacciare con gli esperti di dati e di computer grafica, indispensabile per sviluppare i sistemi software di visualizzazione dei dati.

Mettere in relazione il dato con la rappresentazione grafica e renderlo disponibile agli utenti attraverso un’interfaccia interattiva è qualcosa che a livello di applicazioni moderne sanno fare ancora in pochi. Non a caso i data visualizer sono una delle figure professionali più ricercate nell’ambito dei lavori che riguardano le varie discipline che afferiscono alla gestione dei dati. Al tempo stesso la ricerca e sviluppo delle varie discipline utili alla data visualization stanno iniziando ad affrontare una vera e propria sfida generazionale.

Nell’ambito della computer grafica, un traguardo ormai prossimo è quello del fotorealismo, ed a questo punto si profila un fronte aperto molto più ampio da affrontare, appunto costituito dalla visualizzazione del dato. Ciò avviene sia con l’evoluzione degli strumenti 2D tradizionali, che in un contesto tecnologico che continua ad essere definito quale emergente nonostante ormai goda di una storia almeno cinquantennale, come quello delle tecnologie 3D.

Le tecnologie di rendering in tempo reale, in origine dedicate allo sviluppo dei videogiochi, consentono un’interazione nativa con i contenuti, anche attraverso nuove interfacce multimediali, come la realtà virtuale e la realtà aumentata, per relazionarsi con i dati in un contesto immersivo, per aprire grafici nello spazio che ci circonda e muoverci fisicamente attorno alla rappresentazione virtuale dei dati capaci di mutare ed evolvere nel tempo, esattamente come accade nei fenomeni del mondo reale che sono chiamati a descrivere.

Scegliere la tipologia giusta è quindi essa stessa un’arte, come la narrazione dei dati attraverso la straordinaria varietà di interfacce oggi disponibili, che consentono di adattare gli strumenti di visualizzazione tradizionale, così come di progettarne di totalmente nuovi e più adatti a ciascuno scopo. Grazie alle straordinarie potenzialità offerte dalle tecnologie digitali, la visualizzazione, la comunicazione e la rappresentazione dei dati si ritrovano infatti all’alba di un nuovo rinascimento.

La vera sfida nell’innovazione è avere il coraggio di raccontare i dati per scrivere storie concettualmente nuove, capaci di sfruttare in modo profondo il potenziale analitico che contraddistingue la materia prima del digitale, senza rifugiarsi dietro la comodità offerta dai preset di un particolare software.

Data visualization e big data

Visualizzazione dei dati Cruscotti e grafici per visualizzare i Big Data
Visualizzazione dei dati: i cruscotti e grafici diventano molto importanti per l’analisi dei Big Data

I Big Data consentono di strutturare enormi quantità di dati e renderli disponibili per progetti di analisi di varia complessità. Le tecniche di apprendimento automatico sono sempre più utilizzate e consentono di estrarre dai dati una quantità sempre più elevata di informazioni, in grado di generare un valore concreto se opportunamente implementate nei processi aziendali, a partire da quelli decisionali.

In questa dinamica di crescita esponenziale, la data visualization, come abbiamo precisato sotto vari aspetti, è essenziale per facilitare la comprensione della complessità che c’è a monte dei processi di big data analytics, accelerando e rendendo più efficace il modo di presentare le informazioni di rilevanza strategica. Il che vuol dire visualizzare i dati coerenti, nel modo più opportuno, nel contesto in cui si rendono necessari per gli utilizzatori finali.

Anche le discipline che fanno capo ai big data godono ormai di un buon livello di maturità, l’implementazione nel contesto aziendale è spesso caratterizzato da una storia molto giovane per cui è normale riscontrare anche alcune criticità.

In primo luogo le competenze in ambito dataviz per i big data non sono ancora così diffuse, per cui potrebbe risultare complesso individuare personale esperto per personalizzare le proprie soluzioni, soprattutto se dovesse rivelarsi opportuno un supporto costante e continuativo. Adottare un software “standard” costituisce sicuramente una buona base di partenza, prima di avventurarsi lungo strade più impegnative, ma anche la scelta della soluzione da implementare dovrebbe essere preceduta da una consulenza capace di analizzare requisiti ed esigenze in maniera accurata.

Un altro aspetto essenziale da tenere in considerazione quando si a che fare con i big data è la necessità di una efficiente strategia di data governance, capace di garantire una data quality di livello elevato, assolutamente indispensabile anche per avere una buona data visualization. Se il dato di origine è compromesso in termini qualitativi, ogni sforzo in termini di visualizzazione potrebbe ovviamente risultare vano, se non controproducente nel suo obiettivo.

Alcuni esempi di data visualization

Ormai è davvero difficile immaginare anche un solo contesto applicativo in cui una valida visualizzazione del dato non porti degli oggettivi vantaggi per i propri utilizzatori finali. È un fatto infrastrutturale. Grazie alle applicazioni digitali, i dati sono ormai fondamentali in qualsiasi processo. Vediamo alcuni tra i moltissimi esempi che potremmo citare nelle applicazioni della data visualization in vari settori dell’industria.

· Marketing e vendite

I brand devono essere in grado di stabilire e monitorare campagne in maniera sempre più veloce, dovendo tenere sotto controllo un crescente numero di canali. Le soluzioni di data visualization per il marketing consentono di avere una visione unificata dello svolgimento delle campagne attraverso una dashboard in cui con un semplice click i marketer possono richiamare grafici aggiornati in tempo reale. Tali sistemi automatizzano moltissime routine coniugando l’immediatezza della comunicazione visiva con la configurabilità estrema delle interfacce di gestione. Ciò consente di tenere sotto controllo tutte le metriche necessarie, risparmiando moltissimo tempo rispetto all’iter tradizionale.

· Supply Chain

Il supply chain management si avvale costantemente di strumenti di visualizzazione dei dati per rendere più rapida la consultazione di tutte le informazioni relativi agli ordini e alle consegne, valorizzando al massimo l’azione di tutti i processi analitici che vengono svolti sui big data. I dati visualizzati comprendono sia report descrittivi che analisi predittive, utili ad orientare e automatizzare il più possibile le decisioni, ad esempio sulle quantità di merci a breve scadenza da ordinare, piuttosto che scontare alcune tipologie di merci in determinati luoghi, in determinati periodi.

· Manifattura

La fabbrica 4.0 si basa sul digital twin degli impianti e delle macchine attive sulle linee di produzione, con sistemi IoT in grado di acquisire e trattare i dati per analisi descrittive e predittive, ad esempio per supportare ed automatizzare i processi di manutenzione. Tali sistemi utilizzano la visualizzazione dei dati per moltissime applicazioni, che vanno dalle dashboard di controllo, agli status monitor degli impianti, piuttosto che alle ricostruzioni 3D per simulare possibili scenari senza mettere a rischio l’integrità degli impianti e prevenire situazioni di fermo macchina.

· Salute e sanità

Purtroppo molto note a partire dalla pandemia Covid-19 sono state le mappe coropletiche, utilizzate ad esempio dai media per mostrare l’incidenza virale in funzione delle regioni geografiche, espressa in termini di colore differente in funzione di un dato valore numerico.

Le applicazioni di data visualization in ambito sanitario sono molto frequenti, ad esempio nell’ambito della radiologica diagnostica, per rendere divulgabili degli aspetti che soltanto un’analisi pixel per pixel è in grado di rivelare, piuttosto che per ricostruire tridimensionalmente la struttura di parti microscopiche come le cellule, piuttosto che simulare visivamente le ricostruzioni chirurgiche di varie parti dell’organismo. Tali procedure agevolano il lavoro del chirurgo, anticipando le complessità della sala operatoria, oltre a rassicurare il paziente circa le probabilità di riuscita e l’esito qualitativo degli interventi.

· Visualizzazione scientifica

Si tratta da sempre di un campo privilegiato nell’applicazione della data visualization e si riferisce a tutti i contesti in cui viene utilizzata la computer grafica per visualizzare gli effetti dei processi di ricerca scientifica. Gli esempi sono moltissimi. In alcuni casi, la componente visiva ha assunto una rilevanza chiave, come nel caso del protein folding, in cui la ricostruzione tridimensionale delle strutture proteiche a partire dalle sequenze del DNA consente un approccio molto più efficiente negli studi di biologia molecolare in ambiti che vanno dalla prevenzione di alcune patologie, fino alla ricerca farmacologica.

· Sport

I sistemi di tracciamento automatico consentono di analizzare in tempo reale le immagini delle riprese delle performance sportive. Tale tecnologia, unita a tecniche di intelligenza artificiale, ha abilitato moltissime applicazione basate sulla visualizzazione dei dati degli eventi sportivi. Dalle applicazioni di supporto per le scommesse, fino alle analisi tecniche delle performance sportive, passando per la analisi predittiva utile a prevenire gli infortuni. Un ambito emergente è costituito dagli e-sport, dove gli atleti utilizzano sistemi di intelligenza artificiale e dataviz per analizzare e visualizzare report e insight ottenuti dalla visione delle partite.

Le tecnologie di visualizzazione dei dati in ambito sportivo consentono ormai di utilizzare i big data sia per l’analisi della performance, utile agli addetti ai lavori, che per supportare moderni strumenti di engagement per il pubblico, che può godere di informazioni estremamente dettagliate e accattivanti dal punto di vista grafico in merito agli eventi trasmessi dai media.

· Logistica

Nulla di più comodo di avere la situazione di un intero magazzino sotto l’unico colpo d’occhio di una dashboard capace di riepilogare tutto l’inventario. Nell’ambito dei trasporti è invece praticamente irrinunciabile il supporto degli strumenti di navigazione, che utilizzano mappe e funzioni grafiche digitali per descrivere i percorsi migliori da adottare. Un vantaggio non indifferente, quando si tratta di ottimizzare il lavoro di migliaia di corrieri.

· Finanza

L’analisi degli andamenti finanziari costituisce una delle applicazioni di visualizzazione dei dati più diffusa. Ciò vale quando si tratta di seguire il semplice andamento di un titolo sui mercati azionari, piuttosto che tracciare e monitorare il comportamento di una scelta relativa a piani di investimento anche molto complessi, capaci di coinvolgere centinaia di titoli e altre variabili come i derivati, le valute, le azioni, le obbligazioni, piuttosto che le stesse materie prime, o delle stesse criptovalute, con la blockchain che ha letteralmente aperto un nuovo universo applicativo per il dataviz.

· Cybersecurity

La data visualization è un’applicazione sempre più richiesta nell’ambito della cybersecurity, per facilitare la comprensione di enormi quantità di dati provenienza da scansioni e analisi di varia natura. I sistemi di dataviz, supportati dalle analisi in tempo reale dei sistemi di intelligenza artificiale delle immagini consentono di estrarre automaticamente dei report grafici utili a rilevare anomali e rispondere in maniera adeguata agli attacchi e alle minacce provenienti dalla rete.

· Politica

Una costante di ogni maratona elettorale sono gli exit poll e le proiezioni dei seggi, espressi mediante grafici che sintetizzano le percentuali di voto ottenute da ciascun candidato. Tali informazioni esprimono la parte mediatica e spettacolarizzata di un lavoro enorme che viene svolto dietro le quinte dell’intera campagna elettorale, per aggiornare i diretti interessati sui continui andamenti dei sondaggi.

· Educazione e didattica

Gli strumenti di visualizzazione dei dati sono utilizzati con estrema frequenza per facilitare moltissime comunicazioni nell’ambito della didattica e dei processi educativi, sia in ambito scolastico che nei contesti di formazione professionale, senza dimenticare il fondamentale apporto nell’ambito dei musei e dei beni culturali.

ARGOMENTI CORRELATI
Categoria: ANALYTICS
Rete di imprese Eyes4Innovation - Immagine che raffigura una rete stilizzata. Concept rete di imprese che rappresenta la rete E4I creata da BNova e Valuematic

Nasce Eyes4Innovation, la rete human centered design a supporto della trasformazione digitale

Fare rete di impresa significa offrire una corsia preferenziale ai propri clienti per accedere ad un ampio spettro di competenze,… Leggi tutto

volo lufthansa decollo

Decisioni più rapide e più efficienti in Lufthansa grazie a Tableau

Nell'era della digital transformation strumenti di aiuto per semplificare la transizione sono fondamentali. Lufthansa per dare concretezza e velocità al… Leggi tutto

Concept per far capire le potenzialità dei Big Data Analytics: esempi di cruscotti che restituiscono informazioni utili

Big Data Analytics: cosa sono, a cosa servono in azienda e che tipo di analisi dei dati consentono di fare

Quando si parla di Big Data Analytics ci si riferisce, solitamente, all’analisi avanzata di grandi moli di dati. Prendere decisioni… Leggi tutto