Dai dati al business: verso l’azienda predittiva con data science e AI

Delle opportunità dei dati a fini di business si parlerà in occasione di un'apposita sessione del Cloud & Ai Forum di IBM, in programma il prossimo 19 novembre [...]
  1. Home
  2. Business Intelligence
  3. Dai dati al business: verso l’azienda predittiva con data science e AI

Da sempre, le imprese hanno a che fare con i dati: parliamo di dati relative vendite, ricavi, fatturato che arrivano dall’interno, oltre che naturalmente che dallo studio di informazioni esterne, come l’analisi dei mercati di riferimento o sull’evoluzione del comportamento dei consumatori. Questi dati sono stati sempre stati raccolti e gestiti dalle imprese secondo diverse modalità e hanno molte volte orientato alcune scelte delle aziende, senza però – sino ad oggi – mettere in discussione un principio fondamentale: cioè che le grandi scelte strategiche aziendali (posizionamento sul mercato, lanci di nuovi prodotti, ecc), fossero innanzitutto affidate all’intuizione dell’imprenditore o al management. Questa impostazione, oltre che da ragioni culturali, era anche il prodotto della carenza o all’impossibilità di ottenere dati affidabili per tutti gli aspetti che possono influenzare l’attività aziendale, obbligando così il board aziendale a fare affidamento alla propria visione e conoscenza del mercato e delle necessità del proprio target di clienti. Visioni che, però, anche per le persone più esperte, sono necessariamente parziali e soggettive e, dunque, potenzialmente errate. Oggi, invece, il problema della disponibilità di dati a sufficienza è stato completamente superato: anzi, molte imprese hanno a che fare con il problema opposto, ovvero con una sovrapproduzione di dati digitali, che devono essere in qualche modo gestiti, archiviati e adeguatamente analizzati. Dal punto di vista architetturale la soluzione risiede sempre più spesso nel cloud ibrido, che consente di acquisire la necessaria flessibilità nella gestione di grandi molti di dati.

Il ruolo di Analytics e Intelligenza artificiale

In questo modo diventa così realmente possibile avere a disposizione dati sul funzionamento dei diversi parametri di ogni singolo apparecchio produttivo, oppure seguire passo dopo il percorso di un singolo prodotto dalla fabbrica sino agli scaffali degli store, grazie a una sensoristica IoT che si è fatta sempre più economica e pervasiva. All’interno dei negozi, i lettori di cassa sempre più digitalizzati sono in grado di restituire informazioni nel dettaglio sui comportamenti di acquisto dei clienti, sulle performance degli store e così via. Non solo: diventa possibile conoscere la percezione e il sentiment del mercato, andando a scandagliare il pensiero espresso dai consumatori sui social. In poche parole le aziende, oggi, hanno il potere di estrarre valore da dati nuovi e non necessariamente strutturati, sfruttandoli in maniera predittiva, ovvero per prendere le decisioni migliori per le loro strategie di business, tanto che oggi si parla sempre di più di aziende predittive. Oltre al già citato IoT, altre tecnologie chiave per le predictive companies sono gli analytics e l’intelligenza artificiale, che presuppongono per l’appunto l’utilizzo di tecniche analitiche avanzate che fanno leva sui dati per rilevare insight in tempo reale e prevedere gli eventi futuri, grazie alla loro capacità di mettere in correlazione aspetti inafferrabili dall’occhio umano.

 

Appuntamento il 19/11 con il Cloud & Ai Forum di IBM

Ovviamente prima di mettere in atto un qualsiasi progetto di intelligenza artificiale o analytics, occorre raccogliere e organizzare al meglio i dati a disposizione, in modo che essi siano sempre a disposizione dei data scientist e dei software addetti all’elaborazione. Inoltre, i dirigenti aziendali non devono riporre una fiducia eccessiva nella data science e nell’intelligenza artificiale: inutile pensare di partire con mega progetti capaci di risolvere rapidamente tutti i problemi aziendali. In realtà, un approccio razionale per una predictive company è quello di mettere in atto inizialmente piccoli progetti di AI, così da comprendere con maggiore cognizione di causa benefici, problematiche e barriere d’ingresso. Soltanto in un secondo momento, grazie alla riuscita ma anche ai fallimenti di questi progetti pilota, sarà possibile dare vita a una piattaforma di data science su scala aziendale, capace di garantire un vantaggio competitivo.

Proprio alle opportunità dei dati per le aziende predittive è dedicata una speciale sessione parallela del Cloud and AI Forum di IBM, in programma il prossimo 19 novembre a partire dalle ore 10. Nel corso dell’appuntamento sarà possibile scoprire come i leader IT di diversi settori stanno adottando un’architettura cloud ibrida e open source per sfruttare il valore dei dati, modernizzare rapidamente e facilmente i propri processi, automatizzare i flussi di lavoro e proteggere l’azienda dalle minacce gestendo al contempo la conformità.

Cloud and AI Forum by IBM

FacebookTwitterLinkedInWhatsApp

Commenta per primo

Lascia un commento

L'indirizzo email non sarà pubblicato.


*