Più automazione in Big Data e analytics per alleggerire i compiti dei Data scientist - Big Data 4Innovation
FacebookTwitterLinkedInWhatsApp

Più automazione in Big Data e analytics per alleggerire i compiti dei Data scientist

Claudia Costa

In questa epoca di Digital Transformation e di Big Data, alle imprese di tutti i settori e dimensioni è fortemente consigliato di introdurre applicazioni di Big data Analytics e Data Analysis a supporto dei processi di business e della customer experience. Come abbiamo raccontato più volte, infatti, l’impiego di queste applicazioni rende possibile ai decisori aziendali prendere decisioni maggiormente informate, nonchè di aumentare la flessibilità dei processi aziendali ed essere più vicini alla reale volontà dei consumatori finali. Messa in questo modo, l’adozione di queste soluzioni sembrerebbe qualcosa di estremamente semplice e naturale, ma in realtà le cose non stanno esattamente così, come ben sanno tutte le aziende che hanno effettuato progetti di questo tipo. Un problema piuttosto trascurato, che invece è stato confermato da un’analisi di Forrester, commissionata da SAP, intitolata “Powering The Intelligent Enterprise With AI, Machine Learning, And Predictive Analytics”, è che i team dedicati alla Data Science faticano tremendamente a stare al passo con la domanda di dati che arriva dall’alto.  Come ha infatti messo in luce l’analisi, condotta su 353 responsabili aziendali a livello globale, l’accresciuta domanda ha fatto ricadere un peso insostenibile sui team di data science, tanto che il 64% delle aziende ritiene difficile per i propri team interni tenere il passo della domanda.

 

Scopri nel dettaglio lo studio SAP-Forrester Consulting che fa il punto su come le imprese possano adottare una strategia basata su machine Learning e intelligenza artificiale

 

Troppo spesso le aziende incontrano difficoltà nell’inglobare modelli di apprendimento automatico nelle applicazioni di produzione: faticano a scalare la gestione dei dati, le analisi e le pratiche di data science. Questo è sia causato che aggravato dalla mancanza di personale qualificato (ad es., esperti di dati) a supportare la domanda (42%).Eppure le aziende hanno un estremo bisogno di analytics e big Data per mantenersi competitive sui mercati. Come allora uscire da questa contraddizione? La risposta che arriva dalla ricerca è che le imprese possono e devono diventare più produttive abbracciando una nuova generazione di soluzioni PAML (Predictive Analytics Machine Learning) che offrano automazione e consentono a chi non è data scientist (come analisti aziendali, esperti di dominio, ingegneri, professionisti del marketing, ecc.) di essere più coinvolto nell’analisi dei dati. L’avvento dei citizen data scientist può infatti così sgravare i data scientist da parte di questo lavoro e facilitare il raggiungimento degli obiettivi di business aziendali.

 

 

 

 

Immagine fornita da shutterstock

FacebookTwitterLinkedInWhatsApp

Commenta per primo

Lascia un commento

L'indirizzo email non sarà pubblicato.


*


FacebookTwitterLinkedInWhatsApp

Questo sito utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all’uso dei cookie. Leggi la nostra Cookie Policy per esteso

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi