Home » Big Data » Big Data: miti e realtà

Big Data: miti e realtà

Tech Page One

Man Using Venue 8 Pro Tablet At Work

 

Al di là degli algoritmi analitici e predittivi, si definisce spesso il Big Data con 3 o 5 V: Volume, varietà, velocità, veridicità e valore. Questi termini che sanno tanto di marketing racchiudono tuttavia alcune informazioni preziose.

Tutto è iniziato con le 3 V: Volume, varietà, velocità. Tre parole che dovrebbero riassumere le problematiche sollevate dalla gestione dell’informazione e dimostrare l’incapacità dei tool di analisi implementati di trattare volumi, tanto vari e ad alta velocità.

Le 3 V originali del Big Data

L’obiettivo delle 3 V mirava anche e soprattutto a dimostrare l’interesse di ricorrere alle tecnologie Big Data per porre rimedio a tali situazioni di fronte alle quali le soluzioni di datawarehouse o datamart classiche si rivelano impotenti o molto onerose.

Volume

E-mail, documenti d’ufficio, transazioni commerciali o pianificazione delle risorse dell’azienda (ERP), tweet, foto, sensori di vario genere: quante informazioni sono prodotte ogni secondo? Secondo uno studio dell’Istitute IMS Research, ci saranno oltre 22 miliardi di dispositivi connessi a Internet tra 5 anni e questi ultimi genereranno oltre 3 trilioni di byte di informazioni al giorno. Le aziende non parlano più in gigabyte, ma già in terabyte, o addirittura in petabyte.

Concretamente, come trarre insegnamenti su un brand o un prodotto analizzando migliaia di terabyte di tweet prodotti ogni giorno e in pochi minuti? Come analizzare diverse decine di milioni di contatori elettrici in tempo reale per anticipare un guasto? È questo tipo di domande cui tentano di rispondere le tecnologie Big Data. E i datawarehouse tradizionali non sono progettati per questo tipo di analisi.

Varietà

Businessman Working Dashboard Strategy Research ConceptTradizionalmente, l’informatica analitica tratta i dati strutturati derivati dalle banche dati. Ora, oltre l’80 % delle informazioni prodotte sono dette non strutturate: testi, immagini, video, voci, sensori, ecc. Il Big Data si propone di effettuare analisi su tutte le informazioni, a prescindere dal fatto che siano strutturate o no. La correlazione di tutte queste informazioni consente di prendere migliori decisioni e di rendere affidabili le tendenze in analisi predittiva.

Ecco qualche esempio dei vantaggi offerti dalla correlazione di queste informazioni: analizzare i comportamenti d’acquisto in tempo reale per consigliare meglio e aumentare il volume di transazioni, migliorare i rapporti con il cliente su tutti i canali, delineare tendenze per definire modelli statistici e migliorare i prodotti o servizi, o profilare in modo anonimo i propri consumatori…

Velocità

Quando si tratta di individuare una frode internazionale o di proporre la miglior offerta al cliente secondo il suo profilo al momento stesso dell’acquisto, attendere due minuti è spesso intollerabile. La rapidità è dunque una delle caratteristiche del Big Data che sfrutta tecnologie avanzate comprovate per ottenere performance inedite: trattamento massicciamente parallelo, In-Memory, clustering, ecc.

Inizialmente riservato alle elaborazioni differite di grossi volumi di dati in modo batch, il Big Data oggi integra lo streaming di dati in tempo reale, compresa la possibilità di non archiviare nulla. Pertanto, diventa possibile analizzare milioni di transazioni commerciali al giorno per individuare eventuali frodi. O ancora correlare in tempo reale le informazioni derivate dai social network e dal CRM (software di gestione dei rapporti con i clienti) per qualificare precisamente un cliente.

Due nuove V: obiettivo business

I primi progetti Big Data hanno spesso sorpreso i loro sviluppatori con le loro performance e la loro capacità di integrare efficacemente grandi volumi di dati molto vari. Ma hanno anche evidenziato altre due V, una per la qualità dell’informazione, l’altra per il valore intrinseco fornito all’azienda. In breve: la fine della sperimentazione può aprire la strada all’operazionalizzazione.

Veridicità

A cosa serve analizzare un gran volume di dati se non si è in grado di garantire l’affidabilità dell’informazione? Meccanismi di verifica della veridicità e della qualità dei dati sono pertanto integrati nei processi Big Data, che coinvolgono generalmente gli utenti finali, per meritare la fiducia degli utenti professionali. Si rivela pertanto essenziale un gran rigore nella selezione delle sorgenti di dati, la loro raccolta, il loro controllo incrociato e il loro arricchimento. Senza dimenticare gli obblighi legali secondo il settore in cui opera l’azienda.

Valore

Quest’ultima V è sicuramente quella che dovrebbe invece essere considerata per prima al momento del lancio di un progetto Big Data. Che valore fornirà questa applicazione all’azienda o all’attività per la quale è sviluppata? La creazione di valore per l’azienda ed i suoi clienti è effettivamente al centro della questione del Big Data. Tuttavia, la capacità di queste tecnologie di rivelare risultati o tendenze inaspettati o inediti contribuisce notevolmente al suo successo presso gli utenti sempre più avidi nei loro confronti. E non è forse questa una prova del valore creato?

Esempio con l’analisi in tempo reale delle operazioni informatiche. Quest’ultima permette di individuare istantaneamente i guasti e persino di anticiparli, grazie a tool di supervisione con avvisi. Non solo sono rilevati gli incidenti, ma spesso è indicata la loro probabile origine. Sistema informatico ottimizzato, migliore produttività, quindi forte valore aggiunto.

 

 

Dell

Dell

TechPageOne è una piattaforma che ogni giorno ti offre le ultime novità sul mondo del Business e della Tecnologia. Le news provengono da giornalisti affermati nel settore dell’IT che propongono aggiornamenti sulle soluzioni informatiche e sui trend tecnologici di interesse per la tua azienda. Tutte le informazioni proposte hanno lo scopo di migliorare i processi aziendali ed aiutarti a sviluppare una visione per il tuo business e raggiungere gli obiettivi futuri.

Ultimi post:

 

Tag: Big Data