“Trovare manualmente modelli nei dati è come cercare un ago nel pagliaio. L’Augmented Analytics aiuta a trovare l’ago più velocemente agendo come un magnete gigante sopra il fieno.”
(Gartner, Augmented Analytics Is the Future of Analytics, Rita Sallam, Carlie Idoine, 30 Ottobre 2019)
Cosa è l’Augmented Analytics
L’Augmented Analytics è l’evoluzione necessaria della Data Analytics e consiste in un nuovo approccio all’analisi dei dati che integra tecniche di AI (machine learning, deep learning e processamento del linguaggio naturale NLP, etc.) per moltiplicare la capacità delle persone di comprendere i dati e di applicarla al business.
L’Augmented Analytics individua i dati utili allo scopo già presenti in azienda (strutturati e non) con la possibilità di aggiungere e integrare nuove fonti dati esterne (Alternative Data) che tradizionalmente non sono trattate. Una volta puliti e analizzati i dati in modo automatico e imparziale, scopre schemi e trend, identifica anomalie e ne predice le cause. Nella parte finale del processo offre insight e suggerimenti operativi rilevanti, facilmente comprensibili e applicabili da chi è sul mercato. La decisione finale delle azioni da intraprendere tra quelle proposte è quindi lasciata all’esperto “umano” la cui intelligenza è stata aumentata dall’elaborazione dei dati. L’Augmented Analytics è una tecnologia completamente scalabile.
Perché la Business Intelligence ha bisogno dell’Augmented Analytics.
Il governo dei dati, la capacità di arricchirli e analizzarli in modo corretto ed efficiente distinguerà sempre più le aziende che riusciranno ad essere competitive sul mercato da quelle che ne usciranno. Vale per tutte le aziende B2B e B2C, nessuna esclusa. Nonostante la crescente presenza di sistemi di analisi dati (data analytics), le organizzazioni non sono riuscite a sfruttarne al massimo la potenza e ciò ha avuto come conseguenza un’alta moria dei relativi progetti. Nel tempo i dati sono cresciuti in termini di volume, sono diventati più complessi e dinamici e le soluzioni di Business Intelligence tradizionali non sono riuscite a tenerne il passo. Le lacune dei data analytics possono ricondursi a mancata estrazione di dati, difficoltà di gestione, tempi troppo lunghi di preparazione, comprensione problematica e carenza di data scientist. Il tutto aggravato dal fatto che le fasi di preparazione, esplorazione e operatività dei dati erano per lo più manuali.
L’Augmented Analytics è nato per risolvere i problemi dei Data Analytics. L’Augmented Analytics rende infatti accessibili e comprensibili i dati, gli insight, le predizioni e le possibili azioni da intraprendere a più persone, non necessariamente tecniche, a tutti i livelli aziendali.
Il trend dell’Augmented Analytics
Entro il 2020, l’Augmented Analytics sarà un driver dominante per i nuovi acquisti di analytics e business intelligence, nonché di piattaforme di data science, machine learning e analisi integrate
Il governo dei dati, la capacità di arricchirli e analizzarli in modo corretto ed efficiente distinguerà sempre più le aziende che riusciranno ad essere competitive sul mercato da quelle che ne usciranno. Vale per tutte le aziende B2B e B2C, nessuna esclusa. Nonostante la crescente presenza di sistemi di analisi dati (data analytics), le organizzazioni non sono riuscite a sfruttarne al massimo la potenza e ciò ha avuto come conseguenza un’alta moria dei relativi progetti. Nel tempo i dati sono cresciuti in termini di volume, sono diventati più complessi e dinamici e le soluzioni di Business Intelligence tradizionali non sono riuscite a tenerne il passo. Le lacune dei data analytics possono ricondursi a mancata estrazione di dati, difficoltà di gestione, tempi troppo lunghi di preparazione, comprensione problematica e carenza di data scientist. Il tutto aggravato dal fatto che le fasi di preparazione, esplorazione e operatività dei dati erano per lo più manuali.
Il termine Augmented Analytics è stato coniato nel 2017 dalla società di ricerca Gartner e sta rapidamente diventando una parte essenziale del futuro di tutte le aziende. Gartner stessa oggi stima che il mercato dell’Augmented Analytics raggiungerà 1,88 miliardi di Dollari entro il 2022, con un CAGR del 20,6% dal 2017.
A cosa e a chi serve l’Augmented Analytics
L’Augmented Analytics rende più potenti le aziende, indipendentemente dalle dimensioni e dalle risorse. L’Augmented Analytics aumenta la capacità di prendere decisioni e la probabilità di successo. Perché decisioni migliori significano risultati migliori. I dati sono inutili per un’azienda a meno che l’azienda non sia in grado di ricavarne informazioni significative. Molte organizzazioni, in particolare quelle medie e piccole, non sono in grado di estrarre informazioni rilevanti e suggerimenti operativi dai dati. Senza data scientist o risorse disponibili a interpretare i dati e trasformarli in azioni commerciali, i vantaggi dei dati rimangono bloccati. Questa situazione cambia con l’Augmented Analytics.
Grazie all’AI, le soluzioni di Augmented Analytics preparano i dati, cercano modelli nei dati, scoprono informazioni operative preziose senza il coinvolgimento dei data scientist. L’analisi può quindi essere resa “parlante” e condivisa con gli “umani”, ossia gli utilizzatori finali che grazie al contributo della “macchina” vedono così aumentata la loro intelligenza. Il reporting è facile da capire anche per persone non tecniche.
Esempi di Augmented Analytics
Sebbene esistano strumenti software sul mercato per aiutare a visualizzare e comunicare le analisi svolte dai data scientist ai decisori aziendali, la maggior parte di questi strumenti non analizza i dati e nessuno propone azioni. L’Augmented Analytics è in grado di fare tutto, si vedano ad esempio:
la piattaforma di Alternative Data Intelligence per gli investimenti creata dalla fintech company FinScience,
le soluzioni martech Sonar (ByTek AI suite) per l’ottimizzazione data-driven del posizionamento sui motori di ricerca, identificando trend, intenti, opportunità di link e anomalie competitive,
la piattaforma VoiceLit di PaperLit in grado di analizzare automaticamente le richieste vocali sugli smart speaker e migliorare sempre di più le risposte in funzione delle reali necessità degli utenti,
la suite di digital publishing MobiLit sempre di PaperLit capace di adattare intelligentemente l’ordine delle notizie all’interno di un magazine sulla base dell’analisi dei comportamenti precedenti,
le strategie di investimento Quantamental di FinScience.
Il futuro dell’Augmented Analytics
Le piattaforme di Augmented Analytics avranno componenti “social” sempre più rilevanti. Invece di creare report e aspettare di presentarli in una riunione, facendo perdere tempo prezioso e rallentando il processo decisionale, gli utenti, una volta individuati gli insight, li condivideranno, taggeranno altri colleghi all’interno dell’azienda e non solo del loro team, aggiungeranno note e costruiranno una narrazione più ampia e soprattutto potranno adattare a tali dati la trasformazione tattica o strategica dell’azienda o dell’operatività, tutto all’interno della piattaforma.
I sistemi di Augmented Analytics diventeranno sempre più strumenti di produttività, amplificatori di efficienza e generatori di ricavi.