Data Driven Business

Analisi e misura nell'impresa digitale

Modulo data driven business

L'analisi e la misura non possono esistere senza i dati.

Data scientist

• Studia e interpreta grandi quantità di dati al fine di ricavare informazioni utili.
• Lo scopo del suo lavoro non è collezionare dati ma è trasformare la stessa collezione in real value.
• Elabora dati che permettono di scoprire tendenze, opportunità e criticità che possono avere un impatto rilevante sul business.
• Utilizza software per l'analisi dei dati, algoritmi, metodi statistici e strumenti di machine learning.
• Possiede le seguenti skills:
  • Capacità di organizzare, analizzare e valutare grandi quantità di dati (Big Data).
  • Conoscenza dei principali DBMS (DataBase Management System).
  • Competenze in analisi statistica.
  • Conoscenza di linguaggi di programmazione.
  • Competenza in semantica e ontologia per la gestione delle informazioni.
  • Conoscenza di tecniche e strumenti di Business Intelligence.
  • Competenze in project management.
  • Capacità organizzative e gestionali.
  • Problem solving e propensione all'aggiornamento costante.
• Deve possedere doti di comunicazione e capacità di divulgare idee in modo efficace.

Partendo da una base dati è necessario andare a trattare i dati stessi.

Data driven business

Identificazione del valore aziendale rispetto ai dati.

Da IoT a Big Data

IoT -> Proprietà legate all'intelligenza, caratteristiche da cui è identificato e applicazioni reali/fisiche.

IoT è un concetto complesso, che non può convergere in una sola e unica definizione poiché ognuno interpreta secondo la propria percezione. È più vicino alla realtà dichiarare che IoT non è tecnologia ma un fenomeno (termine con semantica più ampia anche se non ingegneristico), ovvero una serie di eventi convergenti di carattere tecnologico che si riferisce ad alcuni componenti hardware e software e possiede alcune proprietà, richiede una serie di competenze per essere governato e si riferisce ad una serie di ambiti e applicazioni. Inoltre, non è un fenomeno completamente maturo ma in continua evoluzione e non ancora accessibile da tutte le realtà aziendali. SAP e Microsoft che vendono soluzioni IoT non sono ancora completamente coscienti del concetto di IoT stesso, complicato ancora ad oggi da definire.

Big Data -> Grandi quantità di dati, eterogeneità, estrapolazioni di informazioni di valore da analisi e statistiche su dati. Si parla di gestione aziendale e non di informatica. Big data e Data Science sono termini ombrello necessari a definire anch'essi un fenomeno emergente. Seppur nato circa nel 2009, sotto altre definizioni, rimane emergente perché lento ad evolvere e richiede ancora tempo per maturare. Il fenomeno IoT è più maturo del fenomeno Big Data. Per lo stesso motivo è molto difficile da definire univocamente.

A framework to link IoT and business

Information value loop stages: Serie di attività, fasi del ciclo IVL

Technologies: Tecnologie abilitanti il passaggio da una fase alla successiva

Value drivers: Driver di valore

• Creare: Utilizzo di sensori per raccogliere dati/generare informazioni riguardo uno stato o un fenomeno fisico.
  • Sensori: Un dispositivo che genera un segnale elettronico da una condizione fisica o da un evento, trasformazione di un input non elettrico in elettronico che può essere trasmesso su un circuito elettrico (sensori attivi e passivi).
  • Fattori abilitanti l'adozione: Prezzo, dimensione, intelligenza, adattabilità, qualità del risultato.
  • Sfide e soluzioni: Consumo di potenza, efficienza, fonti di energia, interoperabilità, sicurezza.
• Comunicare: Trasmissione dei dati/informazioni da un posto ad un altro, attraverso un network/rete.
  • Network: Un meccanismo per comunicare un segnale elettronico attraverso protocolli di rete e protocolli Internet (identificazione univoca di dispositivi connessi alla stessa rete).
  • Fattori abilitanti l'adozione: Data rate, internet transit price, IPv6 (maggior numero di dispositivi connessi), efficienza di potenza.
  • Sfide e soluzioni: Interconnessione, potenza, sicurezza, penetrazione del network.
• Aggregare: Radunare assieme dati/informazioni provenienti da fonti diversi in tempi diversi.
  • Standards: Uno standard è un documento che fornisce requisiti, specifiche, linee guida o caratteristiche che possono essere utilizzati in modo coerente per garantire che materiali, prodotti, processi e servizi siano idonei al loro scopo (protocolli tecnologici: protocolli di rete, protocolli di comunicazione).