DATA ANALYSIS
Al giorno d’oggi non esiste ambito applicativo dove l’analisi dei dati non venga utilizzata giorno dopo giorno, per fornire significative indicazioni e supportare/guidare il personale di tutti i livelli aziendali a prendere delle decisioni.
Quando parliamo di analisi dei dati, intendiamo l’applicazione metodologica di funzioni matematiche, statistiche e logiche per la manipolazione, l’organizzazione, la pulizia, la presentazione dei dati in diverse forme e la loro valutazione per derivare utili indicazioni a supporto delle decisioni.
Le fasi di preparazione
Requirement Gathering
Definizione del problema e dei desiderata; individuazione delle sorgenti dati; oggetto delle misurazioni; scelta di metodologie e strumenti.
Data Collection
Raccolta dei dati e catalogazione delle sorgenti (DB, ERP, sensori, website feed,…)
Data Processing
Controlli di integrità referenziale, conversione dei dati in un formato utile.
Data Cleansing
Sanificazione dei dati in termini di completezza, controllo duplicati e errori.
A questo punto può iniziare l’analisi vera e propria.
Le metodologie
Analisi Descrittiva
Ha l’obiettivo di fornire un disegno di quello che è accaduto nella storia dei dati raccolti, per fornire gli elementi necessari per dare supporto a decisioni tipicamente basate sull’esperienza di chi ne usufruisce.
Analisi Predittiva
Utilizza le osservazioni ottenute per derivare delle predizioni su quelli che potrebbero essere i comportamenti futuri.
Analisi Prescrittiva
Oltre a prevedere o descrivere cosa è accaduto (o che è probabile che accada), suggerisce anche quello che è il corso delle azioni e potenziali implicazioni che queste possono avere, con lo scopo di generare raccomandazioni o decisioni automatizzate.
Le tecniche
Business Intelligence
Si basa sulla strutturazione dei dati aziendali da diverse sorgenti e sulla definizione di un modello semantico di metadati dove vengono applicate le logiche di business e regole di contesto aziendale per fare in modo che i dati grezzi si trasformino in vera e propria informazione a valore.
Data Mining (estrazione dati)
Processo che combina statistica, Machine Learning e tecnologia per la scoperta automatica o semiautomatica di pattern, correlazioni, cluster, classificazioni, profilazioni e regressioni di grandi volumi di dati.
Data Visualization & Exploration
Offrono interpretazione dei dati via rappresentazione grafica al fine di individuare situazioni anomale o potenziali opportunità, sfruttando visualizzazioni avanzate.
Ambiti applicativi
Marketing: targeting mirato dei clienti da ingaggiare con campagne pubblicitarie e advertising ad-hoc.
Manufacturing: grazie a tecniche di Machine Learning e Intelligenza Artificiale, ci stiamo dirigendo verso la Industry 4.0, in cui l’elevata connessione tra le macchine e i componenti, possono aiutare a ottimizzare i processi produttivi e ad applicare iniziative di predictive maintenance che evitino blocchi e guasti nella produzione.
Finance: riepilogo sui principali trend per comparare l’andamento di diversi strumenti finanziari, fino ad arrivare a tecniche più avanzate per predire gli andamenti dei mercati o individuare delle frodi in anticipo ed agire di conseguenza.
Logistics: ottimizzazione dello stoccaggio merci tra centri di distribuzione centrali e quelli più piccoli dislocati nel territorio per ridurre le spese di spedizione. Migliorare assortimento dei magazzini, coerentemente con la politica di saving sui costi e di efficientamento dei tempi di spedizione.
Cyber Security: l’analisi statistica avanzata dei dati della propria rete aziendale e il monitoraggio dei dispositivi in comunicazione con l’esterno sono passi fondamentali per l’individuazione di anomalie e la predizione di potenziali intrusioni.
Asset Management: monitoraggio dello stato e dei KPI associati ai diversi asset (ponti, gasdotti, binari, per esempio) per organizzare i cicli di manutenzione e le aree di intervento, con riduzione dei costi operativi.