Edoardo Di Pietro – “Virtual Influencer vs Umano: Rubiamo il lavoro all’AI”
Big Data e la forza degli eventi - Intervento di Lieto
1. Big Data e la forza degli eventi
Da sovraccarico informativo a strumento di conoscenza
Big Data e IT Strategy
Come costruire l’Impresa Intelligente
Università Milano Bicocca
1 Marzo 2013
GIUSEPPE LIETO
2. Gartner definition
"Big data are high-volume, high-velocity, and/or high-variety
information assets that require new forms of processing to enable
enhanced decision making, insight discovery and process
optimization”
2
6. Di cosa parlerò
A. Perché introdurre progetti di Big Data nelle aziende
B. Come introdurre progetti Big Data nelle aziende
Di cosa non parlerò
C. Quale tecnologia utilizzare per i Big Data
6
8. A. Perché introdurre progetti di Big Data
1. Il primo approccio con le tecnologie dei Big Data fa apparire questa
tecnologia come la soluzione a tutti i problemi di estrazione di
conoscenza dai dati gestiti e gestibili da un’Organizzazione
2. Si possono sviluppare applicazioni in modo semplice e veloce nei campi
più disparati: •Change monitoring
• Application management •Network management
• IT Operation management •Server management
• Security •Virtualization management
• Compliance •Desktop management •Web Analytics
•SLA management •Revenue optimization
• Business Analytics •………. •Transaction analysis
• ………..
•……….
8
10. A. Perché introdurre progetti di Big Data
Quindi la soluzione sembrerebbe essere
“mettiamo tutto in un grande contenitore, indicizziamo tutti i
dati possibili, mettiamoci all’opera perché ci aspetta la soluzione
a tutti i nostri problemi”
10
11. B. Come introdurre progetti di Big Data
(una buona ragione)
1. Si deve partire da un caso d'uso, un fattore per migliorare la
competitività, un problema di costo o qualunque altra ragione per cui
l’uso di tecnologie Big Data fa diventare conveniente la soluzione del
problema
2. Driver tipici sono il tipo di informazioni (ad esempio fonti di informazione
non strutturate) o il grande volume di informazioni da trattare; in ogni
caso, è necessario identificare esattamente perché si sta perseguendo la
strada dei Big Data
3. Un buon fattore è sempre il ROI. Il costo per la soluzione del problema è
sicuramente una ragione convincente (il costo include sia il costo della
tecnologia che quello del lavoro e dei tempi di realizzazione)
11
12. B. Come introdurre progetti di Big Data
(un team di lavoro convinto)
1. Il team di lavoro deve comprendere le potenzialità degli strumenti di Big
Data. Non si tratta di realizzare un progetto tradizionale: bisogna
coinvolgere il team per sensibilizzarlo sulle nuove possibilità di questi
strumenti. Realizzato un caso sarà tipicamente semplice realizzarne un
altro, anche se non era inizialmente previsto e sarà il team stesso ad
essere propositivo
12
13. B. Come introdurre progetti di Big Data
(un team di lavoro convinto)
1. I risultati non vanno considerati come ennesima elaborazione di dati
presenti in database o data warehouse, ma piuttosto come nuovo modo
di ottenere informazioni dai dati, anche da quelli non strutturati e che
non erano utilizzati per gli scopi del nostro caso. Non si tratta, quindi di
sostituire banche dati esistenti, ma piuttosto di aumentare il livello di
integrazione dei dati ottenendo così nuove informazioni
13
14. B. Come introdurre progetti di Big Data
(un team di lavoro convinto)
Big Data come tecnologia additiva e non sostitutiva per ottenere
risultati in modo rapido e con costi contenuti
14
15. B. Come introdurre progetti di Big Data
(skill tecnico di sviluppo non necessariamente elevato)
1. Le tecnologie Big Data consentono di utilizzare linguaggi di scripting
piuttosto semplici, rendendo spesso disponibili sistemi visuali per
disegnare applicazioni.
2. Può essere più importante coinvolgere personale che conosce le fonti dei
dati e i loro contenuti che personale con uno skill tecnico di
programmazione elevato
Non sottovalutare problemi di sicurezza e di privacy
15
16. B. Come introdurre progetti di Big Data
(evoluzione di prototipi)
• Non c’è cosa migliore che provare
– Provare a sviluppare il progetto in un ambiente di test rappresentativo di come potrà
essere l'ambiente di produzione può essere una buona tecnica per una serie di motivi:
per capire le caratteristiche prestazionali del sistema, come può scalare al crescere delle
dimensioni, come determinare le risorse professionali ed EDP necessarie e, soprattutto,
verificare di aver compreso tutte le variabili in gioco.
– Essere sicuri che i dati che si pensa di elaborare siano effettivamente disponibili e in una
forma utilizzabile
Attenzione! Non dimentichiamo i problemi di sicurezza e di governance
16
17. B. Come introdurre progetti di Big Data
(certezza di poter usare i dati)
• Il tempo per poter materialmente stabilire il canale per l’accesso ai dati
potrebbe non essere breve (dati di responsabilità di aree aziendali non
coinvolte, dati sensibili, dati immediatamente utilizzabili, …..)
17
18. B. Come introdurre progetti di Big Data
(modello operativo semplice)
Con l’ausilio di opportuni tools:
Individuazione delle
- si definiscono i requisiti di massima dell’applicazione
esigenze funzionali
- si selezionano i componenti da utilizzare
Si definisce la profondità di analisi, in termini di
Individuazione delle - storage massimo richiesto / tempo di retention
esigenze prestazionali - tempi di risposta desiderati / CPU allocata
- opzioni di configurazione
Sviluppo e/o
Le applicazioni possono essere rilasciate in varie
configurazione dei servizi,
collaudo e rilascio modalità (cloud, private cloud, servizi, …..)
Attivazione del servizio Configurazioni specifiche
Possibili sviluppi custom Possibilità di customizzazioni per specifiche esigenze.
18
19. Modalità di introduzione di progetti big data
(una buona ragione)
(un team di lavoro convinto)
(skill tecnico di sviluppo non necessariamente elevato)
(evoluzione di prototipi)
(certezza di poter usare i dati)
(modello operativo semplice)
L’attenzione si sposta verso gli obiettivi. La definizione degli obiettivi viene
effettuata con il team di lavoro che vede progressivamente concretizzare gli
sforzi, senza competenze di sviluppo particolari, ma vedendo valorizzata la
propria competenza sui dati che ...... diventano informazioni
19