Si fa presto a dire Big Data. Quello dei Big Data è un universo multiforme e variegato nell’ambito del quale è di fondamentale importanza individuare per tempo le tendenze di maggior rilievo. Tanto per comprendere come indirizzare al meglio gli investimenti che – cosa di non secondaria importanza – per supportare, nelle organizzazioni, lo sviluppo del giusto sistema di competenze.
Per questo motivo proporre (con facile gioco di parole) i “big Big Data Trend” del 2017 non serve solo come esercizio di stile pre-natalizio, ma risponde ad un’esigenza reale in un contesto complesso come quello della big data analysis: reagire per tempo – tanto in termini di investimenti che di competenze – al cambiamento di un contesto dalla cui corretta gestione spesso dipende lo stato di salute della business intelligence di un’organizzazione.
Molti si sono prodotti e si produrranno nelle prossime settimane nello sviluppo delle “top prediction” per il 2017, ma di particolare interesse è lo studio “BI Trend Monitor 2017” dell’istituto tedesco di ricerca ed analisi BARC (Business Application Research Center), basato su 2.800 interviste ad utenti, aziende ed esperti di settore. Lo studio, analizzando i trend della business intelligence, definisce in sostanza – per complementarietà – anche le dinamiche inerenti il mondo della big data analysis. I principali risultati? Eccoli qui in “pillole”:
1. Data Visualization and Discovery
Quello delle tecniche (e delle tecnologie) di data visualization and discovery, secondo il panel individuato dagli analisti della BARC, è il tema di maggior importanza per il 2017 (e lo era anche – seppure con minor evidenza rispetto agli altri – nel 2016). In altri termini, identificare i giusti dati serve a poco se poi non si sa come fare per visualizzarli in maniera comprensibile. La centralità dei sistemi di data visualization and discovery appare ancor più rilevante se si considera che il tema è ritenuto tanto più importante quanto più ci si sposta in quei paesi ove la cultura d’uso dei Big Data è più consolidata. Insomma: quanto più aumenta la consapevolezza sull’argomento tanto più ci si rende conto che questo punto è centrale.
2. Self Service Business Intelligence
Se visualizzare i dati è ritenuto un punto centrale altrettanto lo è… farlo con i dati giusti. Il concetto di Self Service Business Intelligence – ossia la capacità di mettere a disposizione degli utenti strumenti in grado di renderli autonomi nella gestione dei servizi offerti attraverso strumenti di Big Data Analysis – è un punto centrale. Punto che evidenzia come un elemento di forza degli strumenti di Big Data Analysis debba essere quello di fornire la giusta risposta all’utente giusto e nel giusto momento. Insomma: nulla di diverso da quanto chi si occupa di knowledge management predica da anni, ma va detto che la statistica inferenziale ha reso le cose un po’ più complesse, e quando il gioco si fa duro…
3. Master Data/Data Quality Management
Può apparire banale, ma a rifletterci non lo è affatto. In un contesto in cui la quantità dei dati aumenta a dismisura ed i modelli di analisi talvolta tendono ad abdicare al “perché” rispetto al “cosa”, avere la garanzia del fatto che ci si stia basando sui dati corretti non è del tutto scontato. Motivo per il quale da una parte il concetto di “single point of reference” diventa centrale, e dell’altra il quality management dei dati diventa una funzione chiave. Insomma: va bene lavorare per inferenze, ma che almeno i dati di base siano corretti, altrimenti si rischia di perdere del tutto il controllo della situazione.
4. Data Governance
Se i dati servono a qualcosa, evidentemente, questo qualcosa deve corrispondere al supporto dell’organizzazione nelle sue scelte operative e strategiche. Per questo motivo la gestione dei dati non può che essere collegata a quella dei processi. Anche in questo caso un concetto apparentemente banale nasconde un’enorme criticità per chi si occupa di governance del dato. Collegare la governance del dato con quella dei processi che lo generano (e con quella dei processi ai quali è applicato) vuol dire collegare inestricabilmente la data strategy alla business strategy nel suo insieme. Insomma: fare data governance equivale a supportare la business strategy non soltanto attraverso attività di data analytics, ma per mezzo di un approccio che veda il dato al centro delle scelte strategiche di business e che ne faccia un elemento chiave. D’altro canto, se è vero che viviamo nell’era dell’informazione non possiamo dimenticare che, alla base dell’informazione, ci sono i dati che la determinano.
5. Predictive Analytics
“Dato, dimmi qualcosa che non so”: questo sembrano urlare gli esperti interpellati da Barc quando sostengono che la centralità delle tecniche di analisi predittiva è sempre crescente. Per fare somme e medie basta l’aritmetica; la vera necessità – quando si parla di Big Data – non è tanto quella di analizzare l’informazione esistente, quanto piuttosto quella di sviluppare a partire da essa nuovi livelli di informazione. In particolare, informazione che possa essere utilizzata per fare previsioni. Previsioni sulle vendite, sugli andamenti di borsa, sulle analisi climatiche. Previsioni sulle previsioni. Insomma: in un contesto in cui il futuro è sempre più complesso i dati e le tecniche di analisi devono aiutarci a renderlo un po’ più semplice. Ci riusciranno? C’è da sperare che la risposta non sia 42.
