Sono ormai molti anni che si parla di Big Data, ossia quei dati dotati di almeno una di queste caratteristiche: Volume, Velocità o Varietà. Sono solo alcuni anni che l’accento viene posto sul termine Analytics, al fine di sottolineare la necessità di trasformare i dati in informazioni e quindi valore per aziende e pubbliche amministrazioni.
Guardando al futuro e alle tendenze in atto, vi è una nuova espressione che sta ormai entrando nel linguaggio degli addetti ai lavori: Augmented Analytics. Che cosa s’intende per Augmented Analytics? Il termine è stato coniato nel 2017 da Gartner e, come da definizione, si fa riferimento all’utilizzo di tecnologie e metodologie quali Machine Learning e Intelligenza Artificiale per supportare attività quali la data preparation, la generazione degli insight e la spiegazione (e interpretazione) degli stessi, incrementando la capacità delle persone – in particolare utenti non esperti nell’esplorazione e analisi dei dati – di estrarre informazioni di valore dalle piattaforme di Data Analytics.
Per comprendere perché il futuro appartiene agli Analytics “aumentati”, facciamo l’esempio della funzione di Marketing di un’azienda. Secondo gli analisti internazionali di Gartner ad oggi, su un campione di 400 grandi aziende, soltanto il 54% delle decisioni di Marketing dipende effettivamente dai risultati degli Analytics, nonostante quest’ambito sia sempre centrale nelle scelte d’investimento. Inoltre, rimane un punto aperto riuscire a quantificare in maniera approfondita la relazione tra le analisi effettuate e le informazioni raccolte e i risultati di business. Infine, i Chief Marketing Officer lamentano la scarsa qualità dei dati e dunque la difficoltà di “affidare” le proprie decisioni agli Analytics.
Se da un lato è necessario investire nell’ampliamento delle competenze e nella costruzione di un approccio data-driven all’interno delle funzioni di Business – Marketing, Finance, Produzione e così via –, dall’altro strumenti che si avvalgono degli Augmented Analytics possono rappresentare il vero punto di congiunzione tra due mondi (e due linguaggi) che a volte sembrano inconciliabili: la Data Science e gli obiettivi aziendali.
Le analisi “aumentate” agiscono in tutto il ciclo di vita del dato ed è possibile identificarne tre principali applicazioni (almeno per ora, la tecnologia è in continua evoluzione!):
L’Augmented Analytics, così come l’abbiamo descritta in questo articolo, può rappresentare una vera e propria rivoluzione della Business Intelligence tradizionale. Riprendendo una metafora di Gartner, l’avvento dei Big Data ha posto l’accento sulla profondità d’analisi, sulle tipologie di dati a disposizione e più in generale sulla complessità del patrimonio informativo. Questa evoluzione ha contribuito a creare un pagliaio in cui i Business Owner di grandi aziende e, ancor di più, i responsabili funzionali delle aziende medio-piccole tendono a perdersi. L’Analytics “aumentata” ha il compito, come un grande magnete, di aiutare le figure di business a trovare l’ago nel pagliaio, accelerando e semplificando le fasi di data engineering e data analysis, al fine di lasciar più spazio e tempo alla componente a maggior valore aggiunto: l’interpretazione degli insight e l’utilizzo effettivo dei risultati nei propri processi decisionali.
Come Datrix, crediamo fortemente in questa rivoluzione e lo dimostriamo quotidianamente, lavorando alla realizzazione di piattaforme semplici da utilizzare ma sofisticate nella capacità d’analisi. Ne è un esempio DataLysm, piattaforma di Marketing Predittivo focalizzata sulla previsione del comportamento dei tuoi clienti e prospect. DataLysm lavora prima di tutto per facilitare le fasi di integrazione e preparazione dei dati, mette poi a disposizione algoritmi di Machine Learning in grado di identificare la probabilità di un singolo utente di compiere un’azione (ad esempio abbandonare l’azienda o effettuare un successivo acquisto) e propene anche azioni per attivare i dati.