SlideShare a Scribd company logo
Big Data Analytics
La trasformazione dei dati in valore
per l’azienda
29 Ottobre 2015Fabrizio Tagliabue
I Big Data: grandi possibilità ma prima
di tutto conosciamo il nostro
business?
La Business intelligence come
processo aziendale è
- Certificata?
- Condivisa?
- Esaustiva?
Dai Data ai BIG Data: Siamo Pronti?
Posso Analizzare i dati esterni mettendoli in
relazione con i dati aziendali per creare Valore?
BIG Data: Aspettative
«..I Big Data sono come il sesso per gli adolescenti:
Tutti ne parlano
Nessuno sa realmente cosa sia
Tutti pensano che gli altri lo facciano
Quindi tutti dicono che lo fanno..»
Dan Airley
BIG Data: Aspettative
Hype Cicle Gartner 2011
Emerging Technologies
- Iniziano le Aspettative
- In 2-5 anni
BIG Data: Aspettative
Hype Cicle Gartner 2012
Emerging Technologies
- Crescono le Aspettative
- In 2-5 anni
BIG Data: Aspettative
Hype Cicle Gartner 2013
Emerging Technologies
- Crescono le Aspettative
- In 5-10 anni
BIG Data: Aspettative
Hype Cicle Gartner 2014
Emerging Technologies
- le Aspettative scendono
- In 5-10 anni
BIG Data: Conosciamoli
Big data è il termine usato per
descrivere una raccolta di dati
così estesa in termini di
volume, velocità e varietà da
richiedere tecnologie e metodi
analitici specifici per l'estrazione
di valore
BIG Data: Conosciamoli
Velocità
dati che affluiscono e
necessitano di
essere processati a
ritmi sostenuti o in
tempo reale. La
velocità a volte è un
fattore critico
BIG Data: Conosciamoli
Varietà
Elementi di diversa natura e non strutturati come
testi, audio, video, flussi di click, segnali
provenienti da RFID, cellulari, sensori,
transazioni commerciali di vario genere
BIG Data: Conosciamoli
Volumi
Quanti dati ci sono nel mondo?
- 800 Terabytes, 2000
- 160 Exabytes, 2006
- 500 Exabytes, 2009
- 2.7 Zettabytes, 2012
- 35 Zettabytes 2020
BIG Data: Conosciamoli
Altre V dei BIG DATA
Veracità (IBM)
Valore
Viscosità
Viralità
Vitalità…
QUINDI?
BIG Data: Usiamoli
• Data fusion
• Data integration
• Machine learning
• Supervised learning
• Unsupervised learning
• Spatial analysis
• Simulation
• Time series analysis
• Data mining
• Association rule
learning
• Classification
• Cluster analysis
• Regression
• Natural language processing
Tecniche per l’analisi
• Neural networks
• Network analysis
• Pattern recognition
• Predictive modeling
• Sentiment analysis
BIG Data: Usiamoli
Tecnologie per l’analisi
• Business intelligence (BI)
• Cloud computing
• Distributed system
• Relational database
• NoSQL systems
• Stream processing
• Visualization
• Big Table
• Extract, transform, and load (ETL)
• Mashup
• Semi-structured/Unstructured data
BIG Data: Vediamoli
Analisi dei Volumi
Limiti dei Volumi
• I Volumi ci indicano
Quanto si parla di un
argomento, restando
completamente all’oscuro
di Come si parla di un
argomento
BIG Data: Vediamoli
Sentiment Analysis – Prada vs Armani
Dai Volumi ai Sentimenti
La Sentiment Analysis si basa sui
contenuti e non sulle sole numeriche.
Limiti
L’analisi dei sentiment spesso si basa su
dizionari.
I dizionari hanno dei limiti in quanto
- Statici
- Ignoranti
«l’ultimo capo che ho acquistato
sembrava bello, alla moda, robusto,
ma in realtà è fatto male»
COMMENTO POSITIVO!
BIG Data: Vediamoli
Sentiment Analysis – Il nuovo iPad
BIG Data: Vediamoli
Sentiment Analysis - Alitalia
BIG Data: Vediamoli
Libri o E-Book?
BIG Data: Vediamoli
Il WNI
.Uno dei primi esperimenti sui BIG data è il Wired Next Index.
Il WNI include indicatori «Freddi» e indicatori «Caldi»
Gli indicatori Freddi inclusi sono:
• Numero imprese
• Tasso disoccupazione
• Export
• Aspettative ISTAT dei consumatori
• Aspettative ISTAT delle imprese
Gli indicatori Caldi derivano da un analisi twitter su:
• Fiducia su riprese economica
• Fiducia sulle proprie condizioni personali
• Fiducia sulla politica
Tra 2013 e 2014 analizzando 60 M di post
BIG Data: Vediamoli
WNI e MIB
BIG Data: Conclusioni
Rischi
• Ingestibilità dei dati a disposizione
• Inefficacia delle analisi
• Costi
• Privacy
BIG Data: Conclusioni
Per un Progetto di successo
Breve Termine (1 Anno)
• Identificare le linee di Business interessate
alla Big Data Analysis
• Identificare specifici obiettivi e quali Analisi
possono portare valore effettivo ai processi di
business
• Identificare quali cambiamenti Infrastrutturali,
di processo e di risorse sono necessari per il
raggiungimento degli obiettivi individuati
BIG Data: Conclusioni
Per un Progetto di successo
Medio - Lungo Termine (2-5 Anni)
• Pianificare l’espansione di soluzioni e servizi
Big Data a tutta l’azienda, creando valore
comune
• Pianificare gli Investimenti per soluzioni di Big
Data Analysis sia in termini di processi che di
infrastruttura IT per il raggiungimento degli
obiettivi economici
Keen Consulting s.r.l.
Sede Legale
Via Vassallo, 31 - Milano
Sedi Operative
Via Artigianato, 2 pal B - 20061 Carugate (MI)
Via della Resistenza, 4 - 61037 Marotta (PU)
Via delle Petunie - 70026 Modugno (BA)
c/o l'Incubatore di Puglia Sviluppo
tel +39 02 36722156
fax +39 02 87161388
mail: marketing@keenconsulting.it
Grazie per l’attenzione.
Per maggiori informazioni
www.keenconsulting.it
Competitività e Big Data: il
cambiamento dei confini tradizionali
del business
29 Ottobre 2015Pier Luigi Montanaro
Il mondo è cambiato…
La tecnologia anche…
…e le aziende?
E’ cambiato il modo di fare business…
Organizzazioni Insight –Driven
Nel 2001 l’economista
Peter Druker disse:
«gli uomini d'affari stanno
sulla sommità della
società della conoscenza»
Organizzazioni Insight –Driven
In una tale società, il vantaggio competitivo di
una società deriva da un bene a lungo sotto-
utilizzato: la capacità di generare e applicare
conoscenze e giudizi qualitativi per l'innovazione
Organizzazioni Insight –Driven
Il guaio è che la maggior parte delle aziende
utilizzano un approccio number-driven per
l'innovazione. Le aziende investono molto nello
sviluppo di capacità analitiche. Negli ultimi anni,
gli investimenti si sono riversati nelle analytics e
sui Big Data per aumentare la potenza di analisi
organizzativa.
Organizzazioni Insight –Driven
I processi di innovazione sono stati riprogettati,
o sovra-ingegnerizzati, con processi stage-gate,
dotate di strumenti di valutazione finanziarie per
sostenere il go / no-go delle decisioni e la
liberazione di risorse in ogni fase.
Organizzazioni Insight –Driven
Nella loro ricerca di numeri, gli analisti cercano
punti di riferimento, da cui possono estrapolare i
casi e le previsioni aziendali. Ma prima di
arrivare ad ottenere il risultato delle loro analisi,
la decisione è stata presa e la società
impegnata in una innovazione «me-too».
Organizzazioni Insight –Driven
Strategia e innovazione non devono essere un
mero esercizio della potenza delle analytics, ma
un processo qualitativo in cui l'analisi serve a
supportare le intuizioni nate da osservazioni e
riflessioni individuale, piuttosto che il percorso
contrario.
Organizzazioni Insight –Driven
6 regole a supporto delle organizzazioni Insight-Driven
01 Chiunque può avere un’intuizione
I neuroscienziati hanno dimostrato che l’intuizione non è «un dono
divino»
• Solo il 30% delle prestazioni nei test di generazione di creatività e
intuizione può essere attribuito alla genetica
• Al contrario l'80% del QI è attribuibile alla genetica.
Organizzazioni Insight –Driven
6 regole a supporto delle organizzazioni Insight-Driven
02 Formare le menti
Tutte le persone hanno innata capacità di pensiero creativo, ma
spetta ai manager accendere e nutrire tale capacità. Le migliori
aziende organizzano programmi di formazione per il loro
personale - nessuno escluso - per sviluppare una competenza
trasversale all'interno delle proprie organizzazioni.
Organizzazioni Insight –Driven
6 regole a supporto delle organizzazioni Insight-Driven
03 Esplorare in prima persona
Le aziende affidano a team di ricercatori professionisti
l’identificazione dei nuovi prodotti per soddisfare le aspettative
dei clienti.
L’80-90% dei nuovi prodotti creati va incontro ad un fallimento
ogni anno
Organizzazioni Insight –Driven
6 regole a supporto delle organizzazioni Insight-Driven
04 Rendere l’intuizione una regola
L’intuizione non è un «fulmine a ciel sereno», deve essere
un’attitudine del team aziendale
Organizzazioni Insight –Driven
6 regole a supporto delle organizzazioni Insight-Driven
05 Creare un processo di valutazione
Le migliori intuizioni da sole non si trasformano da sole in
imprese di successo; le aziende devono essere in grado di
sfruttarle. Per questo è indispensabile analizzare il loro impatto
sulle aziende e sul mercato
Organizzazioni Insight –Driven
Il ruolo dei Big Data
06 Creare un incubatore di idee
Spesso le intuizioni non hanno il giusto supporto aziendale e
questo porta inevitabilmente ad una moria di buone intuizioni.
Organizzazioni Insight –Driven
Solo Professionisti
La responsabilità ricade su un
gruppo ristretto di esperti. Gli
strumenti e le regole sono altamente
standardizzate ma al di fuori del
gruppo non c’è nessun supporto.
In genere queste sono le aziende
number-driven
Esploratori
La generazione dell’intuizione avviene in
gruppi omogenei e spinta fino al livello più
basso dell’organizzazione tramite
opportuni corsi di formazione.
Le regole e gli strumenti sono
standardizzati per massimizzare l’efficacia
e la replicabilità dell’approccio
I seguaci di Schumpter
L’attenzione è posta sulla soluzione
dei problemi. Non esistono standard
e la generazione delle intuizioni è
lasciata alla buona volontà del
singolo.
Caos Creativo
Il management favorisce le iniziative
individuali a tutti i livelli aziendali. Non
vengono adottati standard e percorsi
formativi e pertanto il caos potrebbe
regnare sovrano quale risultato della
mancanza di disciplina
Livellodistandard
Alto
Basso
Responsabilità dell’intuizione DiffusaRistretta
Organizzazioni Insight –Driven & Big Data
Keen Consulting s.r.l.
Sede Legale
Via Vassallo, 31 - Milano
Sedi Operative
Via Artigianato, 2 pal B - 20061 Carugate (MI)
Via della Resistenza, 4 - 61037 Marotta (PU)
Via delle Petunie - 70026 Modugno (BA)
c/o l'Incubatore di Puglia Sviluppo
tel +39 02 36722156
fax +39 02 87161388
mail: marketing@keenconsulting.it
Grazie per l’attenzione.
Per maggiori informazioni
www.keenconsulting.it

More Related Content

What's hot

Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
Vincenzo Manzoni
 
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
Matteo Brunati
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il Retail
Roberto Butinar
 
Big Data - Breve panoramica
Big Data - Breve panoramicaBig Data - Breve panoramica
Big Data - Breve panoramica
Luca Naso
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei dati
Vincenzo Manzoni
 
Le tecnologie dei Big Data
Le tecnologie dei Big DataLe tecnologie dei Big Data
Le tecnologie dei Big Data
Vincenzo Manzoni
 
Appunti di big data
Appunti di big dataAppunti di big data
Appunti di big data
Franco Diaspro
 
Data Governance at work
Data Governance at workData Governance at work
Data Governance at work
Data Driven Innovation
 
Big Data 2014: Marketing & Social Media
Big Data 2014: Marketing & Social MediaBig Data 2014: Marketing & Social Media
Big Data 2014: Marketing & Social Media
Valerio Torriero
 
Big data-simonetta
Big data-simonettaBig data-simonetta
Big data-simonetta
James Simonetta
 
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Data Driven Innovation
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorniMaurizio Girometti
 
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Free Your Talent
 
Offering - Business Intelligence: il nostro approccio
Offering - Business Intelligence: il nostro approccioOffering - Business Intelligence: il nostro approccio
Offering - Business Intelligence: il nostro approccio
Xenesys
 
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
Fondazione Istituto Tecnico Superiore J. F. Kennedy
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
Dario Partenope
 
Big Data
Big DataBig Data
Big Data
Luisa Gangemi
 
Big data e pubblica amministrazione
Big data e pubblica amministrazioneBig data e pubblica amministrazione
Big data e pubblica amministrazione
Gianfranco Andriola
 

What's hot (20)

Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
Le opportunita dei Big Data - Palazzolo Digital Festival 2013 (PDF13)
 
La salute e i big data
La salute e i big dataLa salute e i big data
La salute e i big data
 
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
Big Data, Open Data e AppsforItaly: i dati come conversazione importano alle ...
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il Retail
 
Big Data - Breve panoramica
Big Data - Breve panoramicaBig Data - Breve panoramica
Big Data - Breve panoramica
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei dati
 
Le tecnologie dei Big Data
Le tecnologie dei Big DataLe tecnologie dei Big Data
Le tecnologie dei Big Data
 
Big data
Big dataBig data
Big data
 
Appunti di big data
Appunti di big dataAppunti di big data
Appunti di big data
 
Data Governance at work
Data Governance at workData Governance at work
Data Governance at work
 
Big Data 2014: Marketing & Social Media
Big Data 2014: Marketing & Social MediaBig Data 2014: Marketing & Social Media
Big Data 2014: Marketing & Social Media
 
Big data-simonetta
Big data-simonettaBig data-simonetta
Big data-simonetta
 
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorni
 
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
 
Offering - Business Intelligence: il nostro approccio
Offering - Business Intelligence: il nostro approccioOffering - Business Intelligence: il nostro approccio
Offering - Business Intelligence: il nostro approccio
 
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
Big data e Business Intelligence | presentazione open day @Fondazione Kennedy...
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Big Data
Big DataBig Data
Big Data
 
Big data e pubblica amministrazione
Big data e pubblica amministrazioneBig data e pubblica amministrazione
Big data e pubblica amministrazione
 

Viewers also liked

vivocha Care
vivocha Carevivocha Care
vivocha Care
Vivocha, Inc.
 
AISM_Lazzarini_Bologna_2015_v3
AISM_Lazzarini_Bologna_2015_v3AISM_Lazzarini_Bologna_2015_v3
AISM_Lazzarini_Bologna_2015_v3Fabio Lazzarini
 
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
B com Expo | GL events Italia
 
Iab Seminar 2008
Iab Seminar 2008Iab Seminar 2008
Iab Seminar 2008
Alessio Semoli
 
Predictive Maintenance
Predictive MaintenancePredictive Maintenance
Predictive Maintenance
iWell Srl
 
Big Data: Analisi del Sentiment
Big Data: Analisi del SentimentBig Data: Analisi del Sentiment
Big Data: Analisi del Sentiment
Miriade Spa
 

Viewers also liked (6)

vivocha Care
vivocha Carevivocha Care
vivocha Care
 
AISM_Lazzarini_Bologna_2015_v3
AISM_Lazzarini_Bologna_2015_v3AISM_Lazzarini_Bologna_2015_v3
AISM_Lazzarini_Bologna_2015_v3
 
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
B com 2014 | L'eCommerce B2C in Italia_Alessandro Perego, Osservatorio eComme...
 
Iab Seminar 2008
Iab Seminar 2008Iab Seminar 2008
Iab Seminar 2008
 
Predictive Maintenance
Predictive MaintenancePredictive Maintenance
Predictive Maintenance
 
Big Data: Analisi del Sentiment
Big Data: Analisi del SentimentBig Data: Analisi del Sentiment
Big Data: Analisi del Sentiment
 

Similar to Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)

Next future bi
Next future biNext future bi
Next future bi
Guttadauro Network
 
DECIMO SALONE D'IMPRESA Ferdinando Azzariti
DECIMO SALONE D'IMPRESA Ferdinando AzzaritiDECIMO SALONE D'IMPRESA Ferdinando Azzariti
DECIMO SALONE D'IMPRESA Ferdinando AzzaritiRoberto Terzi
 
Business Analysis a supporto dei Big Data
Business Analysis a supporto dei Big DataBusiness Analysis a supporto dei Big Data
Business Analysis a supporto dei Big Data
CONCETTA CHIARAVALLOTI
 
Big data segnali dal futuro
Big data segnali dal futuroBig data segnali dal futuro
Big data segnali dal futuro
Marco Domizio
 
Machine Learning | Data Science | Servizi e Corsi
Machine Learning | Data Science | Servizi e CorsiMachine Learning | Data Science | Servizi e Corsi
Machine Learning | Data Science | Servizi e Corsi
Excelle
 
[#openIQUII - Workshop] Innovation Thinking
[#openIQUII - Workshop] Innovation Thinking[#openIQUII - Workshop] Innovation Thinking
[#openIQUII - Workshop] Innovation Thinking
IQUII
 
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoData skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
SMAU
 
Smau Bologna 2015 - AISM
Smau Bologna 2015 - AISMSmau Bologna 2015 - AISM
Smau Bologna 2015 - AISM
SMAU
 
Data Science
Data ScienceData Science
Data Science
Consulthinkspa
 
Verso Il Social Performance Management V1.0
Verso Il Social Performance Management V1.0Verso Il Social Performance Management V1.0
Verso Il Social Performance Management V1.0
Nicola Mezzetti
 
Cristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web ListeningCristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web Listening
KnowCamp
 
Stefania Padoa
Stefania PadoaStefania Padoa
Stefania Padoa
Livia Francesca Caruso
 
Zeebra big dataanalytics_v1.1
Zeebra big dataanalytics_v1.1Zeebra big dataanalytics_v1.1
Zeebra big dataanalytics_v1.1
Alessandro Trinca Arnould
 
CFO Analytics
CFO AnalyticsCFO Analytics
CFO Analytics
Michela Visciola
 
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
SMAU
 
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
Keen Consulting
 
Smau mi19 slide
Smau mi19 slideSmau mi19 slide
Smau mi19 slide
Nazzareno Prinzivalli
 
Viaggio alla scoperta dei Big Data
Viaggio alla scoperta dei Big DataViaggio alla scoperta dei Big Data
Viaggio alla scoperta dei Big Data
KEA s.r.l.
 
Customer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant dataCustomer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant data
Federico Capeci
 

Similar to Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015) (20)

Next future bi
Next future biNext future bi
Next future bi
 
DECIMO SALONE D'IMPRESA Ferdinando Azzariti
DECIMO SALONE D'IMPRESA Ferdinando AzzaritiDECIMO SALONE D'IMPRESA Ferdinando Azzariti
DECIMO SALONE D'IMPRESA Ferdinando Azzariti
 
Business Analysis a supporto dei Big Data
Business Analysis a supporto dei Big DataBusiness Analysis a supporto dei Big Data
Business Analysis a supporto dei Big Data
 
Big data segnali dal futuro
Big data segnali dal futuroBig data segnali dal futuro
Big data segnali dal futuro
 
Machine Learning | Data Science | Servizi e Corsi
Machine Learning | Data Science | Servizi e CorsiMachine Learning | Data Science | Servizi e Corsi
Machine Learning | Data Science | Servizi e Corsi
 
[#openIQUII - Workshop] Innovation Thinking
[#openIQUII - Workshop] Innovation Thinking[#openIQUII - Workshop] Innovation Thinking
[#openIQUII - Workshop] Innovation Thinking
 
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoData skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
 
Smau Bologna 2015 - AISM
Smau Bologna 2015 - AISMSmau Bologna 2015 - AISM
Smau Bologna 2015 - AISM
 
Data Science
Data ScienceData Science
Data Science
 
Verso Il Social Performance Management V1.0
Verso Il Social Performance Management V1.0Verso Il Social Performance Management V1.0
Verso Il Social Performance Management V1.0
 
Cristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web ListeningCristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web Listening
 
Stefania Padoa
Stefania PadoaStefania Padoa
Stefania Padoa
 
Zeebra big dataanalytics_v1.1
Zeebra big dataanalytics_v1.1Zeebra big dataanalytics_v1.1
Zeebra big dataanalytics_v1.1
 
CFO Analytics
CFO AnalyticsCFO Analytics
CFO Analytics
 
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
Smau Bologna|R2B 2019 Fabio Lazzarini (AISM)
 
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
BIG DATA, un grande potenziale da sfruttare (da Sistemi&Impresa, Dicembre 2015)
 
Bi perchè 2010
Bi perchè 2010Bi perchè 2010
Bi perchè 2010
 
Smau mi19 slide
Smau mi19 slideSmau mi19 slide
Smau mi19 slide
 
Viaggio alla scoperta dei Big Data
Viaggio alla scoperta dei Big DataViaggio alla scoperta dei Big Data
Viaggio alla scoperta dei Big Data
 
Customer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant dataCustomer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant data
 

Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)

  • 1. Big Data Analytics La trasformazione dei dati in valore per l’azienda 29 Ottobre 2015Fabrizio Tagliabue
  • 2. I Big Data: grandi possibilità ma prima di tutto conosciamo il nostro business? La Business intelligence come processo aziendale è - Certificata? - Condivisa? - Esaustiva? Dai Data ai BIG Data: Siamo Pronti? Posso Analizzare i dati esterni mettendoli in relazione con i dati aziendali per creare Valore?
  • 3. BIG Data: Aspettative «..I Big Data sono come il sesso per gli adolescenti: Tutti ne parlano Nessuno sa realmente cosa sia Tutti pensano che gli altri lo facciano Quindi tutti dicono che lo fanno..» Dan Airley
  • 4. BIG Data: Aspettative Hype Cicle Gartner 2011 Emerging Technologies - Iniziano le Aspettative - In 2-5 anni
  • 5. BIG Data: Aspettative Hype Cicle Gartner 2012 Emerging Technologies - Crescono le Aspettative - In 2-5 anni
  • 6. BIG Data: Aspettative Hype Cicle Gartner 2013 Emerging Technologies - Crescono le Aspettative - In 5-10 anni
  • 7. BIG Data: Aspettative Hype Cicle Gartner 2014 Emerging Technologies - le Aspettative scendono - In 5-10 anni
  • 8. BIG Data: Conosciamoli Big data è il termine usato per descrivere una raccolta di dati così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l'estrazione di valore
  • 9. BIG Data: Conosciamoli Velocità dati che affluiscono e necessitano di essere processati a ritmi sostenuti o in tempo reale. La velocità a volte è un fattore critico
  • 10. BIG Data: Conosciamoli Varietà Elementi di diversa natura e non strutturati come testi, audio, video, flussi di click, segnali provenienti da RFID, cellulari, sensori, transazioni commerciali di vario genere
  • 11. BIG Data: Conosciamoli Volumi Quanti dati ci sono nel mondo? - 800 Terabytes, 2000 - 160 Exabytes, 2006 - 500 Exabytes, 2009 - 2.7 Zettabytes, 2012 - 35 Zettabytes 2020
  • 12. BIG Data: Conosciamoli Altre V dei BIG DATA Veracità (IBM) Valore Viscosità Viralità Vitalità… QUINDI?
  • 13. BIG Data: Usiamoli • Data fusion • Data integration • Machine learning • Supervised learning • Unsupervised learning • Spatial analysis • Simulation • Time series analysis • Data mining • Association rule learning • Classification • Cluster analysis • Regression • Natural language processing Tecniche per l’analisi • Neural networks • Network analysis • Pattern recognition • Predictive modeling • Sentiment analysis
  • 14. BIG Data: Usiamoli Tecnologie per l’analisi • Business intelligence (BI) • Cloud computing • Distributed system • Relational database • NoSQL systems • Stream processing • Visualization • Big Table • Extract, transform, and load (ETL) • Mashup • Semi-structured/Unstructured data
  • 15. BIG Data: Vediamoli Analisi dei Volumi Limiti dei Volumi • I Volumi ci indicano Quanto si parla di un argomento, restando completamente all’oscuro di Come si parla di un argomento
  • 16. BIG Data: Vediamoli Sentiment Analysis – Prada vs Armani Dai Volumi ai Sentimenti La Sentiment Analysis si basa sui contenuti e non sulle sole numeriche. Limiti L’analisi dei sentiment spesso si basa su dizionari. I dizionari hanno dei limiti in quanto - Statici - Ignoranti «l’ultimo capo che ho acquistato sembrava bello, alla moda, robusto, ma in realtà è fatto male» COMMENTO POSITIVO!
  • 17. BIG Data: Vediamoli Sentiment Analysis – Il nuovo iPad
  • 18. BIG Data: Vediamoli Sentiment Analysis - Alitalia
  • 20. BIG Data: Vediamoli Il WNI .Uno dei primi esperimenti sui BIG data è il Wired Next Index. Il WNI include indicatori «Freddi» e indicatori «Caldi» Gli indicatori Freddi inclusi sono: • Numero imprese • Tasso disoccupazione • Export • Aspettative ISTAT dei consumatori • Aspettative ISTAT delle imprese Gli indicatori Caldi derivano da un analisi twitter su: • Fiducia su riprese economica • Fiducia sulle proprie condizioni personali • Fiducia sulla politica Tra 2013 e 2014 analizzando 60 M di post
  • 22. BIG Data: Conclusioni Rischi • Ingestibilità dei dati a disposizione • Inefficacia delle analisi • Costi • Privacy
  • 23. BIG Data: Conclusioni Per un Progetto di successo Breve Termine (1 Anno) • Identificare le linee di Business interessate alla Big Data Analysis • Identificare specifici obiettivi e quali Analisi possono portare valore effettivo ai processi di business • Identificare quali cambiamenti Infrastrutturali, di processo e di risorse sono necessari per il raggiungimento degli obiettivi individuati
  • 24. BIG Data: Conclusioni Per un Progetto di successo Medio - Lungo Termine (2-5 Anni) • Pianificare l’espansione di soluzioni e servizi Big Data a tutta l’azienda, creando valore comune • Pianificare gli Investimenti per soluzioni di Big Data Analysis sia in termini di processi che di infrastruttura IT per il raggiungimento degli obiettivi economici
  • 25. Keen Consulting s.r.l. Sede Legale Via Vassallo, 31 - Milano Sedi Operative Via Artigianato, 2 pal B - 20061 Carugate (MI) Via della Resistenza, 4 - 61037 Marotta (PU) Via delle Petunie - 70026 Modugno (BA) c/o l'Incubatore di Puglia Sviluppo tel +39 02 36722156 fax +39 02 87161388 mail: marketing@keenconsulting.it Grazie per l’attenzione. Per maggiori informazioni www.keenconsulting.it
  • 26. Competitività e Big Data: il cambiamento dei confini tradizionali del business 29 Ottobre 2015Pier Luigi Montanaro
  • 27. Il mondo è cambiato…
  • 30. E’ cambiato il modo di fare business…
  • 31. Organizzazioni Insight –Driven Nel 2001 l’economista Peter Druker disse: «gli uomini d'affari stanno sulla sommità della società della conoscenza»
  • 32. Organizzazioni Insight –Driven In una tale società, il vantaggio competitivo di una società deriva da un bene a lungo sotto- utilizzato: la capacità di generare e applicare conoscenze e giudizi qualitativi per l'innovazione
  • 33. Organizzazioni Insight –Driven Il guaio è che la maggior parte delle aziende utilizzano un approccio number-driven per l'innovazione. Le aziende investono molto nello sviluppo di capacità analitiche. Negli ultimi anni, gli investimenti si sono riversati nelle analytics e sui Big Data per aumentare la potenza di analisi organizzativa.
  • 34. Organizzazioni Insight –Driven I processi di innovazione sono stati riprogettati, o sovra-ingegnerizzati, con processi stage-gate, dotate di strumenti di valutazione finanziarie per sostenere il go / no-go delle decisioni e la liberazione di risorse in ogni fase.
  • 35. Organizzazioni Insight –Driven Nella loro ricerca di numeri, gli analisti cercano punti di riferimento, da cui possono estrapolare i casi e le previsioni aziendali. Ma prima di arrivare ad ottenere il risultato delle loro analisi, la decisione è stata presa e la società impegnata in una innovazione «me-too».
  • 36. Organizzazioni Insight –Driven Strategia e innovazione non devono essere un mero esercizio della potenza delle analytics, ma un processo qualitativo in cui l'analisi serve a supportare le intuizioni nate da osservazioni e riflessioni individuale, piuttosto che il percorso contrario.
  • 37. Organizzazioni Insight –Driven 6 regole a supporto delle organizzazioni Insight-Driven 01 Chiunque può avere un’intuizione I neuroscienziati hanno dimostrato che l’intuizione non è «un dono divino» • Solo il 30% delle prestazioni nei test di generazione di creatività e intuizione può essere attribuito alla genetica • Al contrario l'80% del QI è attribuibile alla genetica.
  • 38. Organizzazioni Insight –Driven 6 regole a supporto delle organizzazioni Insight-Driven 02 Formare le menti Tutte le persone hanno innata capacità di pensiero creativo, ma spetta ai manager accendere e nutrire tale capacità. Le migliori aziende organizzano programmi di formazione per il loro personale - nessuno escluso - per sviluppare una competenza trasversale all'interno delle proprie organizzazioni.
  • 39. Organizzazioni Insight –Driven 6 regole a supporto delle organizzazioni Insight-Driven 03 Esplorare in prima persona Le aziende affidano a team di ricercatori professionisti l’identificazione dei nuovi prodotti per soddisfare le aspettative dei clienti. L’80-90% dei nuovi prodotti creati va incontro ad un fallimento ogni anno
  • 40. Organizzazioni Insight –Driven 6 regole a supporto delle organizzazioni Insight-Driven 04 Rendere l’intuizione una regola L’intuizione non è un «fulmine a ciel sereno», deve essere un’attitudine del team aziendale
  • 41. Organizzazioni Insight –Driven 6 regole a supporto delle organizzazioni Insight-Driven 05 Creare un processo di valutazione Le migliori intuizioni da sole non si trasformano da sole in imprese di successo; le aziende devono essere in grado di sfruttarle. Per questo è indispensabile analizzare il loro impatto sulle aziende e sul mercato
  • 42. Organizzazioni Insight –Driven Il ruolo dei Big Data 06 Creare un incubatore di idee Spesso le intuizioni non hanno il giusto supporto aziendale e questo porta inevitabilmente ad una moria di buone intuizioni.
  • 43. Organizzazioni Insight –Driven Solo Professionisti La responsabilità ricade su un gruppo ristretto di esperti. Gli strumenti e le regole sono altamente standardizzate ma al di fuori del gruppo non c’è nessun supporto. In genere queste sono le aziende number-driven Esploratori La generazione dell’intuizione avviene in gruppi omogenei e spinta fino al livello più basso dell’organizzazione tramite opportuni corsi di formazione. Le regole e gli strumenti sono standardizzati per massimizzare l’efficacia e la replicabilità dell’approccio I seguaci di Schumpter L’attenzione è posta sulla soluzione dei problemi. Non esistono standard e la generazione delle intuizioni è lasciata alla buona volontà del singolo. Caos Creativo Il management favorisce le iniziative individuali a tutti i livelli aziendali. Non vengono adottati standard e percorsi formativi e pertanto il caos potrebbe regnare sovrano quale risultato della mancanza di disciplina Livellodistandard Alto Basso Responsabilità dell’intuizione DiffusaRistretta
  • 45. Keen Consulting s.r.l. Sede Legale Via Vassallo, 31 - Milano Sedi Operative Via Artigianato, 2 pal B - 20061 Carugate (MI) Via della Resistenza, 4 - 61037 Marotta (PU) Via delle Petunie - 70026 Modugno (BA) c/o l'Incubatore di Puglia Sviluppo tel +39 02 36722156 fax +39 02 87161388 mail: marketing@keenconsulting.it Grazie per l’attenzione. Per maggiori informazioni www.keenconsulting.it