IBM Think: La società algoritmica ha bisogno dei Big Data e dei Data Scientist

Una tavola rotonda, in occasione di Think Milano, pone l'accento sul ruolo dei dati e dei data scientist. La visione di iBM [...]
  1. Home
  2. Big Data
  3. IBM Think: La società algoritmica ha bisogno dei Big Data e dei Data Scientist

Trasformare in valore il dato proveniente da fonti tradizionali o da nuove fonti come l’IoT, i wearable, i droni, i sensori, connected product e machine. Questa è la missione della Data Science. Dall’analisi predittiva all’ottimizzazione delle decisioni, la scienza dei dati permette di ottenere le informazioni utili per collaborare efficacemente e migliorare le performance aziendali.
E di Data Science si è parlato in occasione di Think Milano, l’evento che IBM ha organizzato nei giorni scorsi per portare i temi dell’innovazione e della trasformazione digitale al centro dell’attenzione delle imprese, delle istituzioni e dei cittadini, nel corso di una tavola rotonda dal titolo “La Data Science trasforma i dati in valore prezioso per l’azienda . Dal Machine Learning alla predictive Intelligence”, moderata da Mauro Bellini, direttore di BigData4Innovation.

È stato Luca Flecchia, Data Driven Innovation Practice Head di Partners4Innovation P4I ad aprire i lavori con una considerazione di scenario: “Se è vero che tutti noi produciamo una grande quantità di dati, è vero che ne usiamo una parte infinitesimale”, ha esordito. È tuttavia un problema sistemico, perché “Per raccogliere le sfide della Data Science servono competenze nuove che non sempre si hanno in casa”.

Ma è qualcosa per cui è bene prepararsi, visto la pervasività dei settori che di un utilizzo consapevole della Data Science potranno beneficiare: banche, retail, agrifood, Industry.40, smart city…

La Data Science, ha proseguito Flecchia, accende l’attenzione sul dato, ma “Il dato è l’elemento atomico, l’abilitatore: il vero obiettivo sono le informazioni, specie se rilevanti per il business”.

Dai Big Data all’informazione, dall’Informazione all’azione

Ma quale è il percorso che trasforma il dato in informazione e che porta dall’informazione all’azione?

Flecchia lo illustra con una infografica, che qui riportiamo. Di fatto si tratta di cinque passaggi, dal dato puramente descrittivo a quello “diagnostico”, per poi passare alle fasi predittive, prescrittive e preventive.

Tutta questa premessa serve a Luca Flecchia per tracciare l’identikit del Data Scientist, ovvero delle nuove figure professionali che hanno il compito di traghettare i dati verso la loro forma di insight. “Conoscenze di dominio, conoscenze statistico/matematiche, hacking skills”, snocciola Flecchia, aggiungendo poi “competenze di processo e comprensione del business, una mentalità quantitativa, capacità di gestione del dato e, naturalmente, competenze tecnologiche”.

Detto questo, che cosa si aspettano le aziende dai Data Scientist?
Tre cose sostanzialmente: conoscere le fonti dei dati e trasformare i dati in esse contenuti, saper utilizzare strumenti diversi e saper gestire tipologie di dati diversi, comprendere il business e saper lavorare in team con persone che possiedono competenze diverse.

Serve un cervello per governare i Big Data?

WHITEPAPER
Data Strategy: quali sono le 3 fasi principali del processo di relazione con il cliente?
Big Data
Marketing

Sulle note di scenario di Luca Flecchia si innesta subito la provocazione di Marco de Ieso, Senior Data Scientist in IBM e professore aggiunto all’Università Cattolica del Sacro Cuore: “Visto che siamo nell’era dell’automazione e dei big data e considerato il potere nascosto dei dati, siamo sicuri che serva ancora avere un cervello?”.
Provocazione, ovvio. Perché la risposta c’è: certo che serve.

“Il valore del Data Scientist sta nella capacità di scegliere un buon campione, di visualizzarlo, distinguendo tra segnale e rumore, di pulire i dati migliorandone la qualità, di governare gli algoritmi riconoscendone affidabilità”, spiega.
E conclude con una frase lapidaria: una società governata dagli algoritmi non deve essere una società di scatole nere: c’è sempre la necessità di interrogarsi su quanto accade.

La visione di IBM

Tocca infine a Walter Aglietti,  Direttore di IBM Software Lab, portare il punto di vista di IBM sulla gestione costruttiva dei dati.
“Le aziende generano dati – premette – che devono essere governati. Ma perché questo accada, i dati stessi devono essere puliti e ordinati. Noi disegniamo i modelli e da lì parte la selezione del modello ottimale, che viene poi testato su infrastrutture apposite”.

C’è tuttavia in Aglietti la consapevolezza delle difficoltà esistenti: dati compartimentati, di difficile gestione, mancanza di governance sui dati, che rende qualunque ipotesi di approccio self service semplicemente utopistico, mancanza di skill e necessità di disporre di strumenti che consentano di prototipare velocemente per poi altrettanto velocemente ripartire, necessità di superare l’eterogeneità delle piattaforme e dei tool di sviluppo.
E su questi due ultimi aspetti, IBM ha parecchio da dire.

L’immagine che apre questo servizio è stata postata da Maurizio Decollanz, Head of Communications in IBM Italia, sul proprio profilo Twitter

 

FacebookTwitterLinkedInWhatsApp

Commenta per primo

Lascia un commento

L'indirizzo email non sarà pubblicato.


*