Organizzazione sistemi informativi aziendali

ACCELERATION TEAM DI SAS

Welcome to Analytics Economy. Cos'è l'analisi dei dati, cosa è possibile fare analizzando i dati, usando un approccio data driven? Facciamoparlare i dati e basiamo le nostre considerazioni sulle evidenze. Oggi è di fondamentale importanza perché molto spesso si ci basa su strilli per prendere le decisioni invece anni di evoluzione ci hanno dimostrato che il dato è ciò su cui dobbiamo basarci. È importante l'aspetto probabilistico comunque, il concetto di probabilità è fondamentale anche nel mondo dell'AI perché si fanno fare ai computer calcoli esatti con calcoli probabilistici. Se ci basiamo sui numeri viene tutto più efficiente. L'acceleration team di SAS si occupa di ecosistemi di accelerazione, quindi fungono da collante tra gli ecosistemi di accelerazione, come le università, i centri di ricerca che fanno innovazione e il mercato di clienti.

partner. Digital explosion. Il tema dei big data ha un background perché prima dobbiamo parlare di esplosione digitale, esplosione di dati che stiamo vivendo in modo forte al giorno d’oggi. Sostanzialmente oggi gli smartphone permettono di fare tantissime cose che prima non esistevano, viviamo in un mondo sempre più connesso, condiviso e anche libero, nel senso che le persone hanno assunto un ruolo di libertà che gli permette di gestirsi il tempo come vogliono e questo fa sì che le aziende debbano adattarsi a questi nuovi comportamenti che abbiamo se non riescono a starci dietro. C’è un cambiamento del cliente dalla modalità push a pull, infatti prima era un target, un consumatore, veniva investito di pubblicità in tutti i canali e quando voleva un servizio o prodotto andava in store fisici per comprarlo. Oggi invece abbiamo un cliente, non consumatore, che in modo non lineare, mattina, pomeriggio, notte, effettua operazioni di trading, e-commerce,analisi di dati biometrici, interazioni con chatbox, non c'è una prevedibilità dei suoi comportamenti e questo gli dà un grande potere, perché decide come, quando e cosa comprare e può anche decidere l'insuccesso e il successo di un prodotto, con il meccanismo dei rating, feedback, commenti che gli altri utenti in tempo reale possono guardare. E poi anche tramite l'engine comparison, i motori di confronto: se volevo una polizza tempo fa veniva l'assicuratore a casa mia e c'era una loyalty a vita, oggi possono confrontare in tempo reale decine di polizze e scegliere la migliore e cambiarla anche, dandomi molto potere. Poi vi è una trasformazione dell'industria, che passa alla Industry 4.0 detta anche smart industry. Oggi le industrie sono automatizzate, sensorizzate, connesse e quindi arriverà il momento in cui faranno le cose in completa autonomia senza l'aiuto delle persone. 119 Poi trasformazione deglioggetti che sono sempre più connessi e smart e poi cambiamento delle città che diventano smart cities, se prima erano fisse, stabili, oggi sono sempre più connesse, sensorizzate e altodiagnosticanti della mobilità, qualità dell'area, servizi al cittadino, vivibilità. La sfida è trasformare un mondo di dati in un mondo di intelligenza, perché il dato fine a se stesso serve veramente a poco, infatti se gli stimoli che arrivano non fossero integrati e trasformati in informazioni utili non avrebbero senso, bisogna trasformarli come quando trasformiamo gli stimoli che riceviamo in immagini e suoni tramite il cervello, buttando via tutto quello che non ci serve. Big data. Quindi parliamo di big data, oggi soprattutto gli oggetti producono dati. Una delle caratteristiche dei big data è il volume, perché ci sono sempre più dati, poi c'è la varietà, quindi l'eterogeneità dei dati.

prodotti da dispositivi, dati strutturati ma anche video, immagini, suoni e la velocità, infatti oggi quando effettuiamo le transazioni non siamo disposti ad aspettare, il real time è un imperativo delle nostre vite.

Per fare alcuni esempi, il CERN produce ogni giorno circa 210.000 dvds di dati al giorno. Oppure pensiamo ai motori di un aereo, che possono aiutare moltissimo su analisi predittive, per capire se ci sono problemi sul motore.

Oggi parliamo di algoritmi, che sono delle procedure di operazioni che vengono scritte per eseguire operazioni e risolvere problemi e sono i mattoni dell'AI. Sono fondamentali oggi nelle vite di ognuno di noi perché per funzionare bene, soprattutto quelli probabilistici che entrano nell'AI, hanno bisogno di tanti dati per poter apprendere. Dall'altra parte oggi abbiamo la potenza di calcolo che ci permette di sfruttare questi dati, quindi oggi abbiamo una capacità di elaborazione parallela, ovvero tanti computer.

Il potere dei dati

Il mondo di oggi è caratterizzato da un'enorme quantità di dati che vengono generati e condivisi costantemente. Questi dati sono prodotti da una varietà di fonti, come sensori, dispositivi mobili e interazioni online.

Le tecnologie moderne ci permettono di raccogliere, archiviare e analizzare questi dati in modo efficiente. Grazie a ciò, siamo in grado di ottenere informazioni preziose e prendere decisioni basate su dati concreti.

Ma non è solo la quantità di dati che conta, è anche la capacità di elaborarli in tempo reale e di farli interagire tra loro. Questo ci consente di apprendere e migliorare costantemente.

Oggi produciamo una quantità di dati ogni due giorni che è paragonabile a quanto l'umanità ha prodotto dall'alba della civiltà fino al 2003. Tuttavia, si stima che meno dello 0,5% di questi dati venga analizzato e utilizzato. Questo numero è destinato ad aumentare, poiché siamo sempre più inclini ad analizzare il maggior numero possibile di dati. Tuttavia, non arriveremo mai al 100% dei dati, perché molti di essi sono inutili o rappresentano solo rumore.

I dati sono diventati il nuovo petrolio, perché come il petrolio, i dati hanno un valore enorme. I dati devono essere cercati, raffinati e interpretati tramite algoritmi per creare informazioni significative. Su queste informazioni, è possibile creare servizi che aggiungono valore alla nostra vita quotidiana.

Quindi, mentre la quantità di dati continua a crescere, è fondamentale saperli utilizzare in modo intelligente per trarne il massimo beneficio.

ci sono sempre più sorgenti di dati e le aziende sempre di più cercano dati all'esterno, non è strano quindi collaborare con start up che analizzano per esempio immagini satellitari per fare analisi e integrare le analisi dell'azienda con analisi geoclimatiche, per esempio per le aziende di trasformazione della catena del cibo, oppure aziende che attraverso weareble devices osservano gli stili di vita delle persone per creare servizi per migliorare la qualità della vita. Le aziende vogliono sempre più dati perché si stanno rendendo conto che sono fondamentali anche per l'ecosistema, perché diventano più efficienti e ecosostenibili. Ciclo di vita del dato. Abbiamo le sorgenti dei dati che li producono appunto, poi questi dati vengono trattati tramite algoritmi, quindi servono dei modelli che possano fare analisi di correlazioni, previsioni, tramite anche un processo di autoapprendimento e ottimizzazione, che è la

parte più nobile di tutta l'intelligenza, perché se io ottimizzo quello che sto facendo è utile, come quando ho meno scarti di produzione e ne beneficia anche l'ambiente.

Due esempi di sfruttamento dei dati. Il primo riguarda l'applicazione del natura language process e understanding, per cui si leggono le causali dei bonifici che vengono fatti dalle persone per riuscire a scoprire cose utili, per esempio si sono scoperti 1.500 falsi clienti mass, ovvero ci sono per le banche dei clienti che vengono definiti mass market, che hanno un conto corrente utilitario con quella banca magari per appoggiarci lo stipendio, ma poi se si analizzano le causali di bonifico di questi clienti, alcuni hanno con quella banca un conto utilitaristico e da altre parti hanno altri capitali. E quindi questo è utile perché io banca posso fare delle operazioni di coinvolgimento verso questi clienti per convincerli a portare da me i suoi capitali a condizioni

vantaggiose.
Un altro esempio è l'estrazione di informazioni in corpus documentali elevati, non parliamo di ricerche web ma tecnici e manutentori che cercano le soluzioni alle domande che riguardano il loro lavoro, per esempio durante la manutenzione di una macchina, nelle banche dati, usando l'AI e la ricerca statistica. Questo permette di non perdere troppo tempo, perché in automatico si apre il manuale digitale corretto e anche alla pagina giusta.
Machine learning e artificial intelligence.
Tutti i dati da un po' di tempo sono diventati utili anche per fare qualcosa di diverso rispetto a una semplice analisi fatta con big data analytics. In questo modo andiamo verso il mondo dell'AI, con il machine learning perché i dati ultimamente stanno abilitando delle analisi intelligenti che prima non erano possibili perché non c'era prima la disponibilità di dati che c'è ora.
È importante capire come

L'intelligenza umana può aiutare le macchine per raggiungere risultati migliori. L'intelligenza artificiale si basa sui dati e ovviamente cambiando i dati cambieranno le risposte, e queste risposte sono comunque probabilistiche.

SAS ha provato a dare una definizione dell'AI, dicendo che l'intelligenza artificiale emula le attività umane e lo fa tramite l'apprendimento e l'automazione, però questo è limitante perché si penserebbe che non abbia valore, dal momento che riesce ad emulare soltanto, per cui non avremmo un'intelligenza che va oltre, riesce a fare cose diverse e invece è proprio così.

Un esempio di AI lo abbiamo con Enel, che cerca di rendere più efficienti gli impianti fotovoltaici o eolici, perché tramite i dati riescono a capire come stanno funzionando gli impianti ma permettono anche di percepire dati esterni, come umidità, vento ecc. Ed utilizzare in tempo reale questi dati.

Il tuo compito è formattare il testo fornito utilizzando tag html.

ATTENZIONE: non modificare il testo in altro modo, NON aggiungere commenti, NON utilizzare tag h1;

permette di capire inche modo sta performando la pala.Oppure un altro esempio è sull'analisi di serie storiche che fa SAS insieme a una start up, che permette diprevedere gli asset finanziari, i titoli di borsa e anche i prezzi delle materie prime che oscillano con i prezziborsistici, per esempio riuscire a predire il prezzo del petrolio non è semplice perché sono troppe le variabiliche impattano, come tassi di cambio, inflazione, stock di riserve, tipi di utilizzo. E loro hanno scoperto cheanalizzare le serie storiche di questi fenomeni impattano, così come analizzare i tweet delle caricheistituzionali che hanno impatto sui prezzi.

LEZIONE 21 – 20/04/2021 : TESTIMONIANZA SASAIoT e Analytics at edge.

Abbiamo visto che gli oggetti sono sempre più connessi, si parla di AIoT che vuol dire intelligenza artificialeapplicata all'internet of things, per cui è possibile abilitare dei modelli analitici avanzati e abilitare anche