Da Big Data Analytics a Data Driven Company: intervista a Carlo Vercellis

Cresce a doppia cifra, con un +23%, anche quest’anno il mercato italiano dei Big Data Analytics. Dal 2015 abbiamo assistito a una crescita costante, con un tasso medio annuo del 21,3%. Adesso è però arrivato il momento di passare dalla Big Data Analytics a Data Driven Company, cercando di migliorare la filiera del dato che va dalla sua produzione, all’analisi, al suo miglior impiego”. Carlo Vercellis, professore ordinario Machine Learning al Politecnico di Milano, commenta in questo modo i risultati della ricerca 2019 dell’Osservatorio Big Data Analytics & Business Intelligence della School Management del Politecnico di Milano, da lui voluto e istituto ben undici anni fa, nel 2008.

Secondo la ricerca è evidente il divario in termini di investimento tra un 93% di grandi imprese che investono in progetti Analytics a fronte di un 62% delle PMI. Quali sono a suo avviso gli ostacoli che le piccole trovano?

L’osservatorio ha messo in evidenza come a una maggior spesa corrisponda anche una più elevata esigenza di profili in grado di gestire i progetti, come quella del Data Analyst (presente nel 76% delle aziende, +20%), del Data Engineer (51%, +9%) e del Data Scientist (49%, +3%). Laddove è radicata la Data Analytics anche l’organizzazione si è adeguata ma, come richiamava il titolo del convegno, time to grow up, è tempo di uscire dalla sperimentazione anche per le grandi imprese. Sicuramente l’aspetto dimensionale fa la differenza: le PMI non sono neppure partite con la sperimentazione, non hanno consapevolezza dell’importanza della possibilità di basare sui dati le proprie scelte. Le poche che fanno Data Analytics sono concentrate soprattutto sull’integrazione dei dati interni (80%), sulla formazione di base sull’analisi dei dati per risorse già presenti in azienda (66%), sull’integrazione di dati da fonti esterne (57%) e nello sviluppo di progetti di analisi predittiva (quattro su dieci). Come al solito gli ostacoli sono di tipo culturale e organizzativo. Ad esempio c’è un problema legato al change management, al timore da parte delle persone di vedere sostituiti alcuni lavoratori con robot. L’intelligenza artificiale, l’automazione spaventano sia nelle grandi che nelle piccole realtà. Per attivare una Data Governance, c’è poi sicuramente bisogno di un forte commitment dell’azienda verso la digital transformation che consente dimettere in piedi una filiera del dato ben “oliata”, ovvero che funziona non solo in fase di raccolta e analisi.

Come è possibile rimuovere gli ostacoli che portano alla costituzione di imprese Data Driven?

La soluzione, come sappiamo, sta nel reskilling, ovvero nella formazione degli interni che non può solo coinvolgere le figure che si occupano in qualche modo dei dati. Si deve partire, investendo, dal tema della trasformazione digitale e della data awerenness che deve arrivare agli utenti finali per incrementare cultura e consapevolezza. Le organizzazioni più mature hanno già internalizzato le necessarie competenze e stanno intraprendendo un percorso di sperimentazioni crescenti e di maggiore complessità, che ora le vede impegnate nella sfida di governare i progetti dal punto di vista organizzativo e cambiare i processi in ottica data-driven. Anche per questo, la School of Management del Politecnico di Milano è stata tra i primi attori ad attivare un Master internazionale su Business Analytics e Big Data, che, nell’arco di quattro anni, ha formato più di 160 Data Scientist provenienti da tutto il mondo.

Quale il legame tra disponibilità, analisi e soprattutto utilizzo dei dati e sostenibilità? Come la tecnologia Big Data può contribuire al raggiungimento degli obiettivi di Agenda 2030?

E’ facile comprendere come l’utilizzo dei Big Data nel prendere decisioni possa aiutare le imprese a ottimizzare le risorse e investire in modo molto più razionale e pertanto sostenibile non solo dal punto di vista economico, ma anche ambientale e sociale. Oltre al contributo generale che i dati possono portare, c’è poi quello specifico che si può applicare per esempio all’ambiente.

Facebook Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here