The Innovation GroupThe management consulting & advisory boutique

Innovare con i BIG DATA: la

rivoluzione dei dati nelle

imprese ed organizzazioni ?

BIG DATA ANALYTICS Conference 2013

Roma, 17 Ottobre

Ezio Viola, Co-Founder & General Manager, The Innovation Group

Quanto interessano i Big Data

2

Le caratteristiche di una Data Driven Enterprise

� Capace di trovare, accedere e analizzare le informazioni

provenienti da ogni “sensore” sia interno che esterno

� Capace di “insight e di azione”: precisa e rigorosa nel

prendere le decisoni su fatti e non a sensazioni e “intuito”

� Capace di anticipare e reagire al mercato velocemente:

“event driven”

� Capace di memorizzare e riutilizzare la conoscenza

accumulata

“Companies with data-driven decision making have

productivity level 5-6% higher”

Source: Prof. E. Brynjolfsson MIT Sloan School of Management

3

Una data driven enterprise gestisce come asset il

“portafoglio dei dati aziendali”

Unstructured

Data Transactional Data

Semi-

Structured

Data

Scientific Data

Analytical Data

Application

DataUser Data

Audio – Visual

Data

Machine DataThird Party

Data

Manually

Managed Data

EDW Data

Web Data Financial Data SCM / ERP Data Sales Data

4

Forrester : «Firms use effectively 5% of available data»

Gartner : «enterprise data is expected to grow by 650% in the next 5 years»

Business Analytics: dove siamo

Da diversi anni le aziende fanno analisi dei dati ?

� Le Sorgenti di dati sono relativamente “piccole”, strutturate,

all’interno dell’azienda

� I Dati sono memorizzati in DW o Data Mart aziendali prima

dell’analisi

� La maggior parte delle analisi sono di tipo descrittivo e orientate

al reporting

� La creazione di modelli di analisi era/è un lavoro “Batch” che può

richiedere diverso tempo

� Le analisi quantitative sono fatte da risorse separate dal business

� Poche aziende hanno la visione di poter competere con gli

analytics

5

Cosa c’è di nuovo: i BIG DATA ?!

“Big Data is a term applied to data sets whose size is beyond the ability of commonly used software tools to capture, manage, and process the data

within a tolerable elapsed time. Big data sizes are a constantly moving target currently ranging from a few dozen terabytes to many petabytes of data in a

single data set”.

Esempi:

“ web logs; RFID; sensor networks; social networks; Internet text and documents; Internet search indexing; call detail records; astronomy,

atmospheric science, genomics, biogeochemical, biological, and othercomplex and/or interdisciplinary scientific research; military surveillance;

medical records; photography archives; video archives; and large scale eCommerce.”

Velocità, Volume, Varietà, Variabilità, Veridicità, Value etc.,

6

Source: Wikipedia

Cosa c’è di nuovo: i BIG DATA creano valore per il Business

� I BIG DATA sono diversi perchè hanno alti volumi, vengono

dall’esterno e per lo più sono non strutturati

� Devono essere memorizzati e processati rapidamente

� Necessitano di architetture e piattaforme tecnologiche nuove

� Nuove modalità di analisi non solo descrittiva

� Nuove tecniche di Visualizzazione e discovery

dei dati

7

Le Opportunità per settore (ROI vs Spending on Big Data)

8

High

Low

High Low

Projected

ROI on Big

Data

Spending on Big Data

(as a % of mean Industry Revenue)

Source : The emerging Big return from BIG DATA TCS February 2013 1217 aziende a livello internazionale

Utilities

High Tech

Energy

& Resource

Retail

Telecom Banking

Insurance

Travel

Manufacturing

Life

Science

Dove si possono ottenere i maggiori benefici

1. Identificare i clienti a più alto potenziale, opportunità di cross-selling e l’

efficacia delle campagne e dei canali (expected ROI 41% -56%)

2. Identificare i bisogni dei clienti per nuovi prodotti o miglioramenti (

expected ROI 40-48%)

3. Identificare clienti a rischio, analizzare i comportamenti dei clienti online

(expected Roi 54%)

4. Monitorare qualità dei prodotti e delle spedizioni , ottimizzazioni scorte

(50-70%)

5. Misurare il rischio, pianificazione budgeting e forecasting ( expected ROI

69%

6. Migliorare la retention delle risorse qualificate e l’efficacia del recruiting (

expected ROI 48%)

Source : The emerging Big return from BIG DATA TCS February 2013 1217 aziende a livello internazionale

9

Utilizzo dei BIG DATA: previsioni di ampia crescita

10%

3%

53%

27%

57%

67%

67%

77%

80%

83%

43%

70%

23%

33%

13%

43%

13%

10%

10%

7%

3%

3%

50%

23%

0% 20% 40% 60% 80% 100%

Registrazioni video

Dati generati da sensori/misuratori digitali (RFID)

Feedback dei clienti (negozio, online)

Dati di geo-posizionamento (GPS)

Comunicazioni dei clienti (email, customer service)

Indagini di Customer Satisfaction

Dati demografici (fonti esterne)

Transazioni relative agli acquisti

Analisi di mercato (fonti esterne)

Anagrafica clienti

Conversazioni su siti Social (Sentiment data)

Dati sul comportamento online dei clienti (visite)

Quali fonti di dati utilizzate per le analisi sul

comportamento dei Clienti?

Ad oggi

Tra 2 anni

10

Già oggi, le fonti di Big Data relative ai clienti utilizzate dalle aziende del B2C sono numerose. Per alcune

fonti di dati sono previsti ampi tassi di crescita (es. Sentiment data, GPS, sensori, video).

Big Data

Big Data

Big Data

Big Data

Big Data

Big Data

Big Data

Benefici associati ai BIG DATA

11

7%

40%

43%

67%

70%

73%

Altro

Possibilità di misurare meglio la Customer

Satisfaction

Ottimizzazione di processi core dell’azienda (es.

campagne promozionali)

Produzione di Customer Insights in tempi più rapidi

per migliorare il supporto decisionale

Sviluppo di nuovi approcci più efficaci rivolti a

incrementare l'Engagement dei Clienti

Migliore conoscenza del Cliente e capacità di

rispondergli meglio

Quali saranno secondo voi i principali benefici associati alla

disponibilità di BIG DATA sui Clienti?

Churn

prevention,

sviluppo nuovi

servizi

Analytics 2.0: LA DATA REVOLUTION stà nel fondere

BIG DATA e Analytics

� Partire da che cosa vogliamo ottenere dai dati

� Identificare e Integrare I dati interni ed esterni, strutturati e non

� Supportare le decisioni interne all’azienda ma anche costruire le basi per nuovi “product, service data driven or based ”

� Costruire modelli analitici che possano essere incorporati in processioperativi e decisionali

� Adottare architetture di dati post-dw più veloci e più economici

� Le nuove tecnologie in-memory accoppiate a metodi analitici agili e flessibili e a tecniche di machine learning permettono analisi quasi in real time

� Team misti di specialisti di dati, analisti quantitativi e di business, e IT sonoalla base di nuove organizzazioni dedicate alla BA

� Analytical Apps che supportano particolari decisioni rese disponibili sulpunto di utilizzo (on fingertips)

12

BIG DATA: nuovi business models e data products (1)

13

Data

SourcingStorage

Processing &

NormalizationVisualization

Raw Material Brokering Arbitraggio Mash up

Vertical Specific

Sales & Mktg

LA CATENA DIPRODUZIONE GENERA NUOVI MODELLI DI BUSINESS e Servizi

BIG DATA: nuovi business models e data products (2)

14

Adsense

FedEx, UPS

Map services

Location based

Customer Service

Contextual Services

Bloomberg, D&B ?

New Info Brokers

(social media, unstructured,

Open data mah up) services

Amazon as info provider?

Specializzazioni by Industry

New Players

Fornitori di infrastrutture

Nuovi Marketplace

Delivery Network

per content providers

(simili alle cable TV per

Content provider)

BIG DATA landscape: una industria in sviluppo

15

L’adozione di BIG DATA: i fattori di sviluppo

BIG DATA Technologies facili da gestire, usare e

distribuire: sono mature le attuali tecnologie a livello

aziendale?

BIG DATA Skills e pratiche :

Ci sono in azienda e sul mercato ? e come li organizzo?

Un nuovo MINDSET: le aziende hanno la cultura

adatta per sviluppare applicazioni e per estrarre valore

dai BIG DATA?

16

BIG DATA Technology Platforms: diversi approcci e soluzioni

� Data Integration

� DW Appliance

� BA/BI BIG DATA Cloud service

� Open Source Framework (Hadoop, HFS etc)

� NoSQL Databases

� Machine Data Processing

� Streaming Data

� Text & Semantic Analytics

� In memory processing analytics

� Etc..

17

Scelte tecnologiche per bisogni differenti

18

Batch Real Time

Str

utt

ura

tiM

ult

i-st

rutt

ura

ti

Standard SQL

Appliance

No SQL Generalizzati

Hadoop

No SQL Specializzati

Streaming

In –Memory

Analytics

L’approccio tradizionale non è più adatto

19

CRM

ETL

Data QualityNormalized Data

Traditional

Data

WarehouseERP

Finance

Data

Data

IT/Data Warehouse Specialist/AdminBusiness Analyst

Business User

Che cosa serve alle aziende : un nuovo mindset

Come DEMOCRATIZZARE

i BIG DATA ?

20

Open Data e BIG data e Cloud si intersecano

� Il movimento open data sarà un fattore di accelerazione dell’utilizzodei BIG data e anche viceversa

� Iniziative a livello Commissione Europea e Italiano nell’AgendaDigitale e a cura della Agenzia Digitale

� Anche al G8 Obama ha fatto una dichiarazione su open data come fattore di crescita del Pil e dell'occupazione.

� AGID: «Dobbiamo farci trovare pronti. Ma per poter aprire il sistema informativo pubblico e i dati ai privati abbiamo bisogno del cloud: di luoghi che ospitino basi dati importanti della PA»

� AGID : Propedeutico a tutto questo sono le linee guida del cloud e degli open data, che l'Agenzia conta di fare entro giugno. “Nelle linee guida indicheremo non solo i requisiti tecnici minimi, ma anche quali sono gli elementi fondamentali per erogare servizi cloud pubblici. Prevediamo che queste linee guida saranno poi adottate, volontariamente, anche dal privato”.

�

Conclusione : Quale approccio per la BA e BIG DATA nelle

aziende

� Nuova cultura della qualità e dell’ utilizzo del dato ( certificazione del dato

cambia, le correlazioni sono sono predefinite, affidabilità legata all’utilizzo

?)

� Nuovi Approcci al disegno e sviluppo delle applicazioni Integrazione e

Sperimentazione: trial pilot & repeat, learning by doing

� Team Multi-interdisciplinare e massa critica organizzativa per skills

richiesti a volte sottosimati

� Scelte Tecnologiche oculate perchè molte tecnologie emergenti non sono

ancora mature a livello aziendale

� Implicazioni su Sicurezza e Privacy possono essere significativi : rivedere i

processi di information governance

22