La nuova frontiera dei data analytics è segnata dall’arrivo di tecniche di intelligenza artificiale (Intelligent Data Processing, Machine Learning, Natural Language Generation, ecc.) destinate a far fare un “salto quantico” ai processi decisionali delle aziende nonché ad automatizzare i processi di gestione dei dati.
Contenuto sponsorizzato
La nuova era dei data analytics si chiama Augmented Analytics e nasce dalla combinazione dell’analisi dei dati (anche sul piano dei cosiddetti Advanced Analytics) con le più avanzate tecniche di intelligenza artificiale (IA).
Le potenzialità concrete da cogliere, per le imprese, vanno ricercate tutte nella parola “augmented” da leggersi come funzionalità e capacità aumentate per una “nuova” analisi dei dati, nota anche come data anlytics basata sull’intelligenza artificiale che consente, a titolo di esempio, di identificare modelli nascosti in grandi set di dati, scoprire tendenze ed estrapolare informazioni utili (ad un processo decisionale oppure anche ad una attività operativa).
Secondo Gartner, entro la fine del 2024, il 75% delle imprese renderà operativa l’IA (passando cioè dai progetti pilota alla messa in produzione delle soluzioni, a vari livelli aziendali), determinando un aumento di cinque volte dei dati in streaming e delle infrastrutture di analisi. Le più avanzate tecniche di intelligenza artificiale sono destinate ad aumentare le attività di data analytics e consentire alle aziende di “interiorizzare il processo decisionale basato sui dati”, consentendo al contempo a tutti nell’organizzazione di gestire facilmente i dati.
L’intelligence decisionale nei nuovi data analytics
Sempre secondo le previsioni degli analisti di Gartner, entro il 2023, oltre il 33% delle grandi organizzazioni avrà analisti che praticano la cosiddetta decision intelligence, incluso il decision modeling.
L’intelligence decisionale (che potremmo identificare come la controparte di business degli Augmented Analytics) riunisce una serie di discipline di business, tra cui decision management e il supporto alle decisioni, con applicazioni nel campo dei sistemi adattivi complessi.
L’intelligence decisionale, di fatto, rappresenta un framework per aiutare tutti coloro che in azienda (a vario livello e con differenti competenze) si occupano di data analytics e fornisce il supporto necessario per progettare, comporre, modellare, allineare, eseguire, monitorare e mettere a punto modelli e processi decisionali – nel contesto degli obiettivi, dei risultati e dell’ambiente aziendale – “aumentati”, che fanno leva sulle più avanzate tecniche di intelligenza artificiale.
La maturità dell’Intelligent Data Processing
A testimonianza del fatto che l’evoluzione in atto sul fronte dei data analytics non interessa solo il mercato USA, gli ultimi risultati della ricerca dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano evidenziano chiaramente che ad attirare i maggiori investimenti in IA, nelle aziende, siano progetti di Intelligent Data Processing (ossia data analytics con algoritmi per analizzare ed estrarre informazioni dai dati) che, da soli, coprono il 33% della spesa complessiva dei progetti in ambito IA.
Si tratta di tecnologie ormai mature che consentono alle aziende non solo di uscire dall’alveo della sperimentazione delle tecniche di intelligenza artificiale, ma di portare in produzione soluzioni che possono concretamente aiutarle a migliorare ed accelerare i processi decisionali ed operativi, sempre più critici e di fondamentale importanza per affrontare con successo cambiamenti dirompenti, mercati incerti e dinamici.
Data analytics e intelligenza artificiale, l’accelerazione grazie al cloud
Nei prossimi tre anni, sostengono gli analisti di Gartner, le organizzazioni inizieranno a richiedere molto di più dai sistemi di intelligenza artificiale (soprattutto quelli più maturi come l’Intelligent Data Processing e quelli applicati all’ambito dei data analytics) e vorranno capire come far scalare le tecnologie, cosa che fino a questo punto è stata una sfida ardua.
È di fronte a queste nuove sfide che prende forma, come risoluzione, il connubio tra intelligenza artificiale e cloud. Per generare modelli di machine learning e trarre il massimo beneficio da sistemi di data analytics (Intelligent Data Processing, nello specifico) servono ampi set di dati (anche non strutturati) applicati a determinati algoritmi, nonché infrastrutture e piattaforme adeguate (in termini di perfomance ma anche di affidabilità e sicurezza).
Il cloud rappresenta, di fatto, l’acceleratore principale per lo sviluppo e la distribuzione di soluzioni di data analytics basate su tecniche di intelligenza artificiale. L’esempio concreto dei vantaggi che si possono cogliere arriva dai Cognitive Services di Proge-Software: suddivisi in cinque macro-categorie (Vision, Speech, Language, Knowledge, Search), sono servizi cloud-based che consentono di realizzare applicazioni capaci di analizzare e interpretare la realtà (attraverso l’analisi dei dati basata su differenti tecniche di IA) a seconda delle necessità aziendali.
È proprio grazie al cloud, per esempio, che Proge-Software ha sviluppato una soluzione di Cognitive Services (basata su Microsoft Azure) nel campo dell’image recognition. Si tratta di un sistema di controllo accessi all’interno degli edifici che sfrutta data anlytics e riconoscimento facciale (addestrato con modelli di machine learning) per accelerare i tempi di check-in garantendo un elevato livello di sicurezza, oggi quanto mai attuale e necessario.
