Augmented Analytics: la necessaria evoluzione della Data Analytics

Intervento di Claudio Zamboni (Co-fondatore e Chief Revenue Officer del gruppo Datrix) al Convegno finale dell’Osservatorio PoliMI 2020 “Big Data e Business Analytics”

Nonostante la crescente disponibilità di informazioni e di sistemi di analisi basati sulla data analytics tradizionale, molte organizzazioni non sono riuscite negli anni a sfruttarne al massimo la potenza e ciò ha avuto come conseguenza in alcuni casi anche un deciso rallentamento della loro adozione avanzata. Il navigare al buio in questo periodo ha acuito la sensazione di smarrimento e il senso di urgenza di avere informazioni affidabili su cui costruire il proprio indirizzo, in acque non solo estremamente agitate, ma del tutto nuove, con la necessità di rimappare il comportamento collettivo su scala globale.

Come Datrix abbiamo un osservatorio privilegiato sul tema, operando con aziende dimensionalmente importanti, caratterizzate da alta complessità e il più delle volte operative in contesti fortemente regolati.

Nei progetti di analytics tradizionale, sono gli analisti e data scientist che “manualmente” trattano il dataset e cercano di estrarre gli insight azionabili. E i dataset di cui parliamo contengono moli di dati veramente big (erp, crm, analytics digitali, dati di adv), che richiedono dunque fasi di gestione (integrazione, trattamento, estrazione) significative e prolungate.

Dal nostro punto di vista, le problematiche dei data analytics possono ricondursi a:

• scarsa qualità dei dati
• difficoltà di gestione, tempi troppo lunghi di preparazione
• comprensione problematica degli output e difficoltà a misurarne il ROI
• le analisi non contengono chiare raccomandazioni
• i risultati non sono azionabili
• carenza e turnover intensivo di data scientist

Noi crediamo che la soluzione a queste problematiche sia l’Augmented Analytics, considerando questa come un approccio evolutivo della data analytics tradizionale.

L’Augmented Analytics è nata per risolvere i problemi della Data Analytics, sfrutta le tecnologie di autoapprendimento,  automatizzando non solo i processi di analisi, ma anche le procedure di raccolta e trattamento, preparazione dei dati all’analisi, senza la mediazione dei data scientist o degli analisti.

Vediamo come l’adozione di soluzioni tecnologiche di Augmented Analytics risolve i problemi degli analytics tradizionali.

• A garanzia della qualità del dataset e dei tempi di lavorazione del progetto, negli Augmented Analytics, tecniche come machine learning e natural language processing, sono al servizio automatizzato delle fasi di estrazione, raccolta e preparazione del dato e della sua analisi. Questo incide molto sulla riduzione degli errori nel dataset (invece comuni nella gestione manuale), ma comprime anche i tempi dei progetti: basti pensare che il 70% del tempo di un data scientist è allocato “tradizionalmente” su attività di trattamento manuale del dato.
• I sistemi di anomaly detection dell’Augmented Analytics possono presidiare con efficacia la qualità del dataset e l’affidabilità delle informazioni in esso contenute.
• La riduzione delle tempistiche progettuali (con le tech company del gruppo Datrix siamo soliti avere risultati dai progetti in soli 2/3 mesi), l’automazione dei processi e la disponibilità di insight immediatamente azionabili abilitano una facile misurazione del ROI delle iniziative intraprese.
• Con l’Augmented Analytics si possono ridurre i costi legati alla necessità di avere data scientist nella propria struttura aziendale, permettendo così di sopperire alla scarsità di queste risorse o o, in ogni caso (per le strutture che già ne siano dotati) di poterle staffare su attività a più alto valore.

Per tutti questi motivi l’Augmented Analytics è una soluzione end to end in grado di fornire in maniera tempestiva ed automatizzata raccomandazioni chiare a supporto del decision making ed immediatamente azionabili.

Alcuni esempi di nostre applicazioni dell’Augmented Analytics:

• identificazione nuove opportunità di investimento (Finance)
• mitigazione del rischio in ambito risk management (Banking)
• identificazione e gestione di audience di alta qualità (acquisition o retention cross industry, mktg & sales cross industry)

Per queste ragioni crediamo che l’Augmented Analytics abiliti in via definitiva le aziende nella realizzazione di progetti di intelligence evoluti con successo.

Sono disponibili per vostra consultazione:

• gli atti della Ricerca 2020 dell’Osservatorio PoliMI
• le slide di presentazione della Ricerca avvenuta il 24.11.2020