Icona che rappresenta i big data

BIG DATA

I Big Data al Servizio del Business

Big data è un termine che descrive un grande volume di dati, strutturati e non con cui le aziende hanno a che fare ogni giorno. Ma non è tanto la quantità dei dati a fare la differenza quanto il modo in cui l’azienda utilizza i dati stessi. I Big data acquistano valore se vengono utilizzati dal business per prendere le giuste decisioni aziendali, per definire strategie utili. E’ in questi termini che si parla di approccio data driven ed è in questo contesto che i dati possono fare la differenza per le aziende.

Principali approcci ai Big Data

Data Integration

Si tratta di un processo in grado di offrire una visione a 360 gradi dei dati derivanti da molteplici e differenti fonti. La data integration spazia dalla raccolta al data cleaning, dalla mappatura dei dati alla trasformazione, fino a renderne l’uso più fruibile – in una visione integrata – a coloro che vi accedono. Un tempo era consuetudine creare dei silos di dati, ma l’approccio tradizionale all’immagazzinamento dei dati separati per ogni funzione aziendale, è ormai superato dall’avvento dei big data.

Data Virtualization

La Data Virtualization fornisce un approccio agile e moderno al data management: i dati non vengono spostati e rimangono nei sistemi di origine, esponendo semplicemente una vista integrata a chi li utilizza.  La Data Virtualization crea infatti un data layer logico che integra tutti i dati aziendali archiviati in sistemi diversi, consente di gestirli in maniera unificata centralizzando la gestione della sicurezza e la governance mettendoli a disposizione di tutti gli utenti aziendali in ottica di data democratization.

Internet of Things

L’IOT è un fenomeno che sta rivoluzionando il mondo dell’industria in qualsiasi settore: tecnologie di ultima generazione quali reti di sensori, attuatori, RFID, consentono un costante controllo, permettendo di intervenire tempestivamente in caso di necessità, con attività di monitoraggio o analisi predittive. L’IOT è una delle principali fonti di generazione dei dati. Fondamentali in questo contesto sono le piattaforme IoT che acquisiscono i dati, li archiviano e li preparano creando l’ambiente adatto per poter trasformare i dati grezzi in informazioni preziose.

Data Management

Il data management  comprende lo sviluppo e l’implementazione di architetture, policy, processi e procedure in grado di  gestire  adeguatamente tutte le esigenze del ciclo di vita dei dati di un’organizzazione. L’associazione DAMA – Data Management Association –  lo definisce come “lo sviluppo e l’esecuzione di architetture, politiche, pratiche e procedure che gestiscono correttamente le esigenze dell’intero ciclo di vita dei dati di un’azienda”. BNova, fa parte da alcuni anni del chapter italiano di DAMA proprio perchè rappresenta  una realtà leader nell’ambito del data management

Strategia BNova

6 steps per avviare un progetto Big Data

Grazie alla nostra decennale esperienza in ambito analisi dati, siamo riusciti a definire 6 steps utili per avviare un provetto Big Data

    1. Data driven maturity index: definizione della situazione esistente e valutazione del grado di maturità aziendale nel trattare i dati

    Innanzitutto occorre effettuare l’assessment della situazione esistente, valutando l’approccio più o meno evoluto dell’azienda nel gestire e processare i big data. Tipicamente si distinguono cinque livelli consequenziali di maturità, in base agli utilizzi degli analytics: monitoraggio a posteriori delle attività, estrazione degli insights per rilevare cause nascoste, ottimizzazione dei processi, monetizzazione dei dati per generare opportunità di business e profitti; metamorfosi dei modelli di business e dell’approccio al mercato.

      2. Big Data roadmap: definizione del piano strategico e operativo

      Definito l’approccio aziendale ai big data, bisogna architettare il piano strategico e operativo. Per ogni progetto analitico bisogna studiare tutti gli aspetti pratici: quali dati vanno inclusi nel processo, quali sono le tecnologie da implementare, quali dipartimenti e figure vengono coinvolti, quali sono le finalità di business e così via. Non bisogna comunque dimenticare che ogni progetto va inserito all’interno di una big data roadmap coerente e di più ampio respiro, con un orizzonte temporale di due o tre anni.

        3. Business Case Canvas: definire le priorità di business

        Quando si avvia un progetto di big data analysis, bisogna valutare a monte il suo livello di criticità e priorità. Quale impatto avrà sul business e qual è la sua urgenza? Prevedere le conseguenze e i ritorni di un’iniziativa analitica è fondamentale per sviluppare secondo una logica sequenziale e razionale la roadmap. Grazie al business case canvas, individueremo insieme a te i progetti più adattatti dai quali partire per portare in azienda le analitiche avanzate con ritorni in 9 – 12 mesi.

          4. Implementare il progetto analitico

          Definito l’approccio aziendale ai big data, bisogna architettare il piano strategico e operativo. Per ogni progetto analitico bisogna studiare tutti gli aspetti pratici: quali dati vanno inclusi nel processo, quali sono le tecnologie da implementare, quali dipartimenti e figure vengono coinvolti, quali sono le finalità di business e così via. Non bisogna comunque dimenticare che ogni progetto va inserito all’interno di una big data roadmap coerente e di più ampio respiro, con un orizzonte temporale di due o tre anni.

            5. Riorganizzare risorse e attività

            Come qualsiasi progetto che impatta sui processi operativi e strategici, le iniziative big data analysis vanno supportate da un piano preciso di change management. Per il personale si tratta di adottare un nuovo modus operandi e serve effettuare un salto di pensiero. Occorre un aggiornamento delle competenze, attraverso la formazione delle risorse interne e l’acquisizione di figure specializzate.

            6. Pensare come un Data Scientist

            L’obiettivo ultimo è espandere la data literacy (la capacità di interpretare le informazioni attraverso l’uso degli analytics) e la data democracy (per estendere l’accesso alle informazioni a qualunque tipologia di utente). Un processo di big data analysis che si chiude con successo prevede la realizzazione dell’approccio “think like a data scientist”: prendere decisioni basate sui dati.

            Sulla base di questo approccio abbiamo sviluppato il BIG DATA4BUSINESS TOOLKIT che ti aiuterà ad identificare dove, come e perché utilizzare i Big Data in azienda. Lo scopo è quello di fornire una cassetta degli attrezzi per aiutare i Business User a sfruttare i dati per avere vantaggi in termini di competitività e ottimizzare i processi interni, utilizzando come driver gli obiettivi di business aziendali a 9-12 mesi

            Le tecnologie

             

            Persona che guarda una serie di grafici palesando dubbi

            BIG DATA 4 BUSINESS TOOLKIT

            WEBINAR BNOVA

            Due colleghi lavorano al pc osservando numerosi grafici con dati

            DATA MODELING APPROACH

            WEBINAR VERTICA

            Contattaci

            logo bnova colore bianco

            Iscriviti alla nostra Newsletter

            Per favore accetta i cookie di marketing per visualizzare i form