Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - luglio 2017

Tutti a bordo del business digitale: prossime fermate IoT e Intelligenza Artificiale

Barry Devlin by Barry Devlin

L’intelligenza artificiale e l’Internet of Things stanno trasformando non solo la velocità del processo decisionale delle aziende, ma l’intero modello di organizzazione

Per chi pensava di essere già a bordo di un treno veloce dalla BI verso analytics e big data, c’è una notizia: a più di 300 km/h sta arrivando un “Frecciarossa” di algoritmi, Internet of Things (IoT) e decision making cognitivo. È il caso di salire a bordo. E in fretta. Ma la sfida, nella migliore tradizione di James Bond, è che bisogna saltare da un treno in corsa all’altro. Sono passati solo cinque anni da quando Apache Hadoop ha rilasciato la sua versione 1.0.0 e ha aperto le cataratte ai big data. I pionieri avevano tracciato il sentiero pochi anni prima, ma l’idea che forse - e sottolineo forse - i database relazionali non erano più l’unico modo per supportare le esigenze decisionali di business, avrebbe in realtà iniziato a dare i suoi frutti solo nel 2011. Da allora, la release 2.2.0 (ottobre 2013) ha iniziato a convertire Hadoop in un “sistema operativo dati”, mentre nel settembre 2016 ha visto l’uscita di 3.0.0 versione alpha. Ma perché dovremmo occuparci di questa storia? Semplicemente perché sta diventando storia. Spinto dalle quantità allora inimmaginabili di dati dei social media e dell’e-commerce, l’ecosistema software Hadoop su hardware commodity ha offerto l’unica piattaforma conveniente per memorizzare ed esplorare questi dati. Si potrebbe definire analytics in modalità tradizionale, solo un po’ più grande. In realtà, è stato solo nella versione 2.2 che l’elaborazione in batch ha potuto essere sostituita dall’elaborazione dei dati in linea o in tempo reale. Il Big Data Mining va bene in batch, ma applicare i modelli in produzione richiede un’elaborazione moderna con una latenza molto più bassa.

La tua azienda viaggia in business o in economy? - Nell’ultimo anno, i brontolii minacciosi di vari analisti sono riecheggiati. Spark, Storm, Kafka e altri sono stati indicati come i nuovi re. Gli algoritmi iterativi e gli analytics interattivi ed esplorativi regnano, mentre il mantello del potere si sposta dai dati a riposo a quelli in movimento. Sopraffatti dalla velocità e dalla dimensione dei dati dal fiorente IoT, non si riesce a trovare il momento per farli atterrare su disco o addirittura di spostarli dall’edge verso il centro, prima di deciderne il valore o esplorarne il significato. L’architettura tradizionale del data warehouse non basta più: c’è bisogno di una piattaforma multi-colonna, multi-tecnologia, completamente distribuita ma profondamente integrata, come descritto nel mio libro del 2013 “Business unIntelligence”. Tutto quanto appena visto accade però solo nella carrozza IT, classe economy del “Frecciarossa”. È nelle carrozze business che alberga il pensiero veramente rivoluzionario. Gartner lo ha battezzato business digitale nel lontano 2014, definendolo come “la creazione di nuovi modelli di business sfumando il mondo digitale e quello fisico”. La denominazione è fuorviante, dato che comprende solo la metà di questa idea, e pone l’enfasi sui bit invece che sui progetti di business. La base di fondazione è di nuovo nella carrozza IT: i big data analytics e l’IoT stanno rispettivamente al posto del mondo digitale e fisico. Ma il modo in cui le strategie e i comportamenti delle aziende devono cambiare è la vera novità delle carrozze business. Il business, in un certo senso, è un processo molto semplice: capire le esigenze della gente, decidere come soddisfarle e agire di conseguenza. Questi tre passaggi - capire, decidere e agire - formano un ciclo strettamente interconnesso e chiuso nel business digitale. Le informazioni e i dati dal mondo fisico dei processi di business, dai social media e, sempre più, dall’IoT, costituiscono l’alimentazione base di questo processo. I suoi output sono i beni e servizi di business. E la sua base è l’intelligence, cioè la capacità di ragionare, intuire e identificarsi sul rapporto tra input e output.

Un passo da gigante per l’umanità - Il modo in cui il business naviga in questo ciclo (capire, decidere e agire) sta per cambiare radicalmente e irrevocabilmente. Stiamo attraversando la soglia tra il supporto decisionale e il software reale di processo decisionale/assunzione di azioni. L’intelligenza artificiale (AI), il machine learning (ML) e il cognitive computing stanno per fare “un passo da gigante per l’umanità” e spostare quel ciclo dall’umano al software. Algoritmi semplici e basati su regole gestiscono da molto tempo ormai il processo decisionale di base. Le applicazioni di BI operativa e di gestione delle decisioni vengono utilizzate da anni per automatizzare alcuni tipi di decisioni. Se i tempi della decisione sono più brevi di quanto sia umanamente fattibile, oppure il suo valore è inferiore a quello dell’attenzione umana, e se input e output sono legati da una logica semplice, vengono già ampiamente utilizzati gli algoritmi. Originariamente basati su regole o tavole, tali algoritmi sono stati più recentemente estesi o sostituiti da quelli basati su modelli più sofisticati, che emergono dal lavoro di statistica e di analisi correlata dei data scientist. Anche se è senza dubbio prezioso in molti casi, il vero senso e la vera destinazione di questo treno si vedranno con il prossimo avanzamento nella tecnologia AI: l’applicazione di tecniche avanzate di apprendimento automatico per problemi e decisioni di business più complessi.

L’evoluzione di queste applicazioni è ancora in una fase iniziale, ma appena iniziano a trovare terreno, l’adozione potrebbe essere rapida e la diffusione ampia, in ragione dei loro benefici anche a livello economico. L’intelligenza artificiale è già applicata nella rilevazione delle frodi, nella gestione dei portafogli e nelle sottoscrizioni per il settore dei servizi finanziari. Grandi passi avanti si stanno verificando nel settore sanitario: nella diagnosi dalle tecnologie di imaging, così come nella diagnosi e nella prognosi delle malattie. Negli ambiti manufacturing e utility, la previsione e l’anticipazione dei problemi sono stati migliorati con il machine learning. Questi esempi dimostrano l’inizio di una tendenza dall’automazione delle decisioni deterministiche verso l’aumento dell’intelligenza umana in situazioni ambigue. L’intelligenza artificiale e il machine learning si stanno diffondendo nella BI operativa, si stanno espandendo in quella tattica, e stanno mostrando qualche promessa iniziale in quella strategica. Salendo lungo la piramide del processo decisionale, il ruolo dell’intelligenza artificiale diventa più ampio e più ambizioso. Anche le opportunità di business aumentano. L’automazione accelera la risposta e riduce i costi del lavoro. Tra un fantomatico sistema “OmegaS”, discendente di AlphaGo (quello che ha battuto Google DeepMind campione del mondo) e un CEO del 2020, chi sarà in grado di fare la scelta più giusta? L’opzione del CEO è in fondo alla lista dei probabili successi. L’opzione generata dall’intelligenza artificiale è l’ovvio vincitore. Dopotutto, come avrebbe potuto perdere? Ma a questo punto, il CEO cosa deve fare? Sfidare OmegaS o semplicemente dimettersi? Ma la domanda per noi più immediata è: come saltare dal treno in cui siamo, e che ora appare lento e poco attraente, al “Frecciarossa”? Di certo, il treno del cambiamento non ha intenzione di fermarsi ad aspettarci.

Tutti a bordo del business digitale: prossime fermate IoT e Intelligenza Artificiale - Technology Transfer

Arrivano i microservice Quando sbarazzarsi dei monoliti. E quando no
Sander Hoogendoorn

I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin

Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck

Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg

Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson

Project manager vecchi miti e nuove realtà
Aaron Shenhar

La catena alimentare dei requisiti
Suzanne Robertson

Come diventare un’azienda data-centric
Lindy Ryan

Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson

Agilità? Basta Volere
Suzanne Robertson

Ma la vostra architettura è efficace?
Mike Rosen

Se il NoSQL diventa SQL
Rick van der Lans

La data quality e l’impatto sul business
Danette McGilvray

Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross

Usare Scrum su larga scala: cosa cambia?
Craig Larman

Le architetture per ridurre il debito tecnico
Mike Rosen

Conversando con un marziano
Suzanne Robertson

Cosa c’è di nuovo nel project management?
Aaron Shenhar

Reinventare la Business Intelligence
Barry Devlin

Il nuovo volto della business intelligence
Shaku Atre

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

I big data cambiano il mercato dei Database Server
Rick van der Lans

Un “superstorm” di informazioni
Barry Devlin

I dieci step per la qualità dei dati
Danette McGilvray

Perché è meglio evitare il private cloud?
Jason Bloomberg

Leonardo da Vinci aveva ragione!
Chris Date

Mobile user experience: Come adottare una strategia sostenibile
James Hobart

Cosa significa occuparsi di architettura?
Mike Rosen

Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans

Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson

Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss

BI², la Business Intelligence al quadrato
Barry Devlin

I test di regressione in ambienti legacy
Randy Rice

Le conseguenze della consumerizzazione e del Cloud
Chris Potts

Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre

Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss

Big Data, come e perché
Colin White

Business Capabilities e l'allineamento del business all'IT
Mike Rosen

Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl

BI, ma il Data Warehouse è ancora necessario?
Colin White

Reinventare la Business Intelligence
Barry Devlin

Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre

Modelli e processi di User acceptance testing
Randy Rice

I limiti nel gestire l'IT come un Business
Chris Potts

Le componenti fondamentali del Cloud
George Reese

Metadati e DW 2.0
Derek Strauss

BI Open Source: basso costo e alto valore?
Jos van Dongen

Semplicità e requisiti
Suzanne Robertson

Business intelligence e analisi testuale
Bill Inmon

Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss

Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin

Ambiente efficiente di ricerca di informazioni
James Hobart

Il Business deve trainare la Strategia IT
Chris Potts

Web database: la questione MapReduce (seconda parte)
Colin White

Web database: la questione MapReduce
Colin White

Misura delle prestazioni. I sette comandamenti
Harry Chapman

Le dieci cose che un architetto deve fare per creare valore
Mike Rosen

Sviluppare applicazioni a prova di sicurezza
Ken van Wyk

The ECM Landscape in 2008
Alan Pelz-Sharpe

Ma chi sono gli operatori dell’informazione?
Colin White

Qualità dell’informazione e trasformazione del management
Larry English

Classificazione sistematica delle informazioni
Zach Wahl

L’uso intensivo del Web nelle applicazioni di Bi
Colin White

Enterprise Search
Theresa Regli

La forza dell'astrazione
Steve Hoberman

La strada verso una BI pervasiva
Cindi Howson

Soa, una strategia di test
Randy Rice

Verso una BI più semplice e a minor costo
Colin White

I contenuti “Killer” del Web
Gerry McGovern

Sviluppo iterativo del software per i Dw
Larissa Moss

Qualità delle Informazioni e Datawarehousing
Larry English

Lo scenario Ecm 2008
Alan Pelz-Sharpe

La nascita del Web 3.0
John Kneiling

Documentazione: il dossier del crimine
Suzanne Robertson

L’impatto del Web 2.0 sui portali delle imprese
Colin White

Le tecniche vincenti di IT Management
Ken Rau

Web 2.0
Ed Yourdon

Web di successo se si conosce il cliente
Gerry McGovern

Un approccio alla BI incentrato sui processi
Colin White

Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson

Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson

Il Project Manager è una Tata
Suzanne Robertson

Web di successo se si conosce il cliente
Gerry McGovern

L'informazione personalizzata
Colin White

La Tassonomia dell'Impresa
Zach Wahl

Managed Meta Data Environment (II parte)
David Marco

Managed Meta Data Environment
David Marco

Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart

La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman

La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer

La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer

Volere è Potere, in Ogni Senso
Suzanne Robertson

Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern

Il Back-end della pianificazione strategica dell'It
Ken Rau

L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson

L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson

Il Processo di gestione delle informazioni
Ted Lewis

I requisiti come strumento di gestione dei progetti
Suzanne Robertson

Il futuro è nel contenuto killer del web
Gerry McGovern

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

Rilevare i costi sulla base delle attività
Ken Rau

Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson

Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson

Il Data Store Operativo: un lavoro di martello
Claudia Imhoff

Il data warehouse orientato all'impresa
Michael Schmitz

Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman

Content management: i contenuti al primo posto
Gerry McGovern

Applicazioni Web ad alta disponibilità
John Kneiling

Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart

La tecnologia EII ripropone il data warehousing virtuale?
Colin White

Misurare per Gestire
Ken Rau

Volere è Potere, in Ogni Senso
Suzanne Robertson

Realizzare il CPM e l'integrazione della BI
Mike Ferguson

Tutti i punti della FPA
Koni Thompson

Requiem per il Portale?
Colin White

Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre

Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre

I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson

I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco

Usare i modelli per acquisire l'esperienza di progettazione
James Hobart

Realizzare l'Impresa Intelligente
Colin White

.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling

Progettare Applicazioni Mobili di Successo
James Hobart

La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson

Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson

Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson

L'Evoluzione del Portale di e-Business (II parte)
Colin White

L'Evoluzione del Portale di e-Business (I parte)
Colin White

Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling

Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Herbert Edelstein

Articoli del mese - Technology Transfer