Business Intelligence

PERCHÉ OGGI SENTIAMO PARLARE DI BIG DATA?

Perchè si sono verificati due fattori abilitanti al fare emergere il fenomeno dei Big Data:

• Quantità di dati prodotti
• Si stima che la potenza di calcolo a disposizione sia aumentata, tra il 2000 e il 2017, di circa 40 000 volte e si è innescato un fenomeno diverso, non si tende più a far ingrandire i computer verso super computer, ma si tende a far lavorare molti computer come se fossero un computer unico, con un’infinita capacità di scalabilità, faccio lavorare 100 computer come fossero uno solo.

C’è tuttavia un grande potenziale di dati, cioè molti dati a disposizione, ma dei quali ne vengono utilizzati e analizzati ad oggi solo lo 0,5%.

Le aziende chiedono di utilizzare dati che non arrivano solo dall’azienda interna, ma di andare a prendere dati esterni e confrontarli e con i dati ricavati internamente. Prendendo e analizzando tali dati dobbiamo poi essere in

Il grado di trasformare i dati in informazioni e conoscenze. Nel caso in cui abbiamo a che fare con dati che corrispondono ad immagini e video si necessita di un software che le trasforma in conoscenza (in questa zona c'è rischio di inquinamento...). I dati sono quindi una sorta di nuovo petrolio. I Dati generano grande valore, se io riesco a capire come un'azienda può aumentare il suo business analizzando i dati, ciò le da un vantaggio competitivo rispetto alle altre. Ciò significa "monetizzazione dei dati". Si arriva quindi a vendere i dati raccolti ad altre imprese.

3- INTELLIGENZA ARTIFICIALE

L'Intelligenza artificiale tuttavia non è mai stata utilizzata tanto quanto oggi poiché in passato mancavano le quantità dei dati e la potenza di calcolo. Gli algoritmi di intelligenza artificiale, che sono quelli che emulano il comportamento di un cervello umano, hanno necessità di una grande potenza di calcolo.

Definizione:

Quello che era considerata intelligenza artificiale negli anni '50 del secolo scorso può ancora essere considerato intelligenza artificiale?

Negli anni '50 era considerata intelligenza artificiale un software che gioca a dama. Oggi no, perché il software che giocava a dama era un software deterministico, con mosse predefinite! Oggi questo tipo di software non può essere più considerato Intelligenza Artificiale, poiché oggi nel concetto di Intelligenza Artificiale è stata introdotta la grande capacità di apprendere. Se una macchina non impara oggi non è più definita intelligente.

Negli ultimi tempi è quindi stato introdotto il concetto di apprendimento, le macchine oggi apprendono, e apprendendo sono definibili mattoni per creare Intelligenza Artificiale.

La scienza dell'Intelligenza Artificiale si è sviluppata di pari passo con le neuroscienze, con lo studio appunto del cervello dei neuroni e delle reti.

Applicazione dell'Intelligenza Artificiale: Computer Vision (per vedere cose che gli esseri umani non vedono). L'Intelligenza Artificiale è un ramo dell'informatica che permette la programmazione e progettazione di sistemi sia hardware che software che permettono di dotare le macchine di determinate caratteristiche che vengono considerate tipicamente umane quali, ad esempio, le percezioni visive, spazio-temporali e decisionali. Si tratta quindi, non solo di intelligenza intesa come capacità di calcolo o di conoscenza di dati astratti, ma anche e soprattutto di tutte quelle differenti forme di intelligenza, che vanno dall'intelligenza spaziale a quella sociale, da quella cinestetica a quella introspettiva.

4- IOT

Non sono solo gli esseri umani a generare dati, ma anche i dispositivi. Abbiamo sempre più appliance (dispositivi) che generano dati, primo fra tutti il cellulare. Altre sorgenti possono essere le centraline che ad esempio

raccolgono dati sulla qualità dell'aria, piuttosto che a sensori che registrano quante persone passano... Si pensi anche alle Smart Factory, dove quasi tutte le catene di produzione sono sensorizzate (ciò permette di evidenziare se vi sono dei problemi, dove e quali), ma anche stadi e strutture Smart... Tutte queste informazioni hanno due tipi di impatto: - tutta questa quantità di dati se non viene analizzata non serve a nulla (es.: immagina uno stadio sensorizzato, dove posso rilevare i dati delle persone che vi sono dentro, gli spostamenti... ma o raccolgo questi dati e li analizzo o non me ne faccio nulla) - come il cervello umano, non ci servono tutti i dati che ci girano intorno (es.: nessun componente della stanza si ricorderà come è vestito il compagno che sta due banchi avanti a lui, poiché: sprecherei una quantità di memoria abnorme per informazioni irrilevanti, e poiché dovrei guardare con attenzione quellapersona). Il cervello umano ricorda quindi due cose: informazioni pertinenti: quello che gli interessa, e gli eventi eccezionali (hard dryer), molte cose che quindi un umano vede le butta via poiché non gli torneranno utili, filtra ciò che accade ed estrae informazioni rilevanti. Un neuro scienziato coniò il termine di MacB: il cervello come macchina balesiana, ha ipotizzato che il cervello è una macchina statistica che si crea previsioni e aspettative, e in contemporanea osserva ciò che sta accadendo, e in funzione di ciò che accade modifica il suo comportamento oppure genera nuove previsioni (es.: se vedo una macchina in distanza ipotizzo che non mi investa, se la macchina accelera, io invece mi sposto). Il cervello è quindi qualcosa che genera in continuazione previsioni su quello che può accadere. Ormai siamo pieni di oggetti connessi, cosa è quindi possibile fare mescolando oggetti connessi e intelligenza artificiale? Adesempio Quad che vanno in guidaautomatica. Il successo di tutto ciò sono algoritmi matematici inseriti ovunque, che permettono agli oggetti, alle macchine e agli strumenti di affrontare diverse situazioni. Le macchine sorpassano gli umani inoltre anche nella cooperazione, poiché le macchine riescono a comunicare tra loro in modo molto più efficiente e con meno rischi. Le macchine ad intelligenza artificiale esistono già, ma incontrano diverse difficoltà, che limitano la loro diffusione… la principale è la fiducia. Non stiamo solo connettendo gli oggetti tra loro, ma stiamo anche rendendo gli oggetti più intelligenti, più in grado di raccogliere e analizzare dati. Se prendo tutti i dati di una catena di produzione e riuscirei a creare l’impronta di salute di un macchinario potrei predire che c’è qualcosa che non sta funzionando, tempo dopo avrei scoperto che un motore è saltato. Anticipare questi problemi mi fa

Risparmiare tempo e denaro e mi permette di essere più efficiente di altre aziende.

5- INNOVAZIONE

Non esiste se non si fa qualcosa, l'innovazione non è avere tante belle idee, ma è fare le cose.

Un'azienda non ha successo se non applica la capacità di execution, cioè di fare qualcosa che aveva in mente.

SAS produce software che stanno alla base degli algoritmi matematici.

- escono dai laboratori e li utilizzano i loro clienti

- coprono tutte le aree dell'analisi dei dati, a partire dalla statistica e dalla probabilità; data mining e machine learning: grandi quantità di dati, osservazione ed elaborazione;

- effettuano previsioni, cioè guardare in avanti