Uno sguardo sul futuro: Big data analytics

Transcript

1 Uno sguardo sul futuro: Big data analytics via Lambruschini 4b, ilano ilano, 20 novembre FORU NAZIONALE EDITORI TECNICI PROFESSIONALI SPECIALIZZATI Le competenze del team door 2 World-class team nello sviluppo di algoritmi predittivi di data mining e di ottimizzazione per progetti di: analytics & business intelligence ottimizzazione di azioni di targeting per campagne di marketing market segmentation, customer profitability e basket analysis web mining e social network analysis demand forecasting identificazione di frodi in ambito creditizio, assicurativo, fiscale, monetario, sanitario credit scoring e risk management supply chain optimization Carlo Vercellis Full Professor of Computer Science Politecnico di ilano School of anagement Via Lambruschini 4b ilano carlo.vercellis@polimi.it door group door@polimi.it 1

2 Osservatorio BDA&BI 3 Business Intelligence: «the ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal» Hans Peter Luhn, / Censimento di un vasto campione di imprese di diversi settori e dimensioni 2009 Focus su Fashion, anufacturing, edia, Retail, Telco, Utilities 2010 Focus su Banking & Finance, GDO & Logistics, Pharma& Healthcare Analisi di un vasto campione di società Workshop su: -BI agile -BI per arketing&vendite Casi di studio e survey Workshop su: - Social listening & social media analytics - Essere competitivi con Analytics - Casi di studio e survey - Award Approfondimenti tematici su: - I trend emergenti - Le nuove figure di governance (Data Scientist, Chief Data Officer) - L evoluzione delle iniziative di arketing & Social Analytics : fenomeno esplosivo 4 5 Exabytes Di dati generati ogni due giorni 60% 78% Consumatori che seguono le indicazioni degli altri consumatori quando prende decisioni di acquisto Crescita dei dati destrutturati nel % Aziende utilizzano LinkedIn per valutare possibili assunzioni 90% Dati destrutturati GB Volume di dati al 2020 per ognuno di noi 2.8 Zettabyte Dati complessivi nel ZettaByte Volume dei contenuti digitali nel

3 : fenomeno esplosivo 5 640K ought to be enough for anybody. ore Content ore Devices ore Consumption New & Better Information : attention getting 6 L universo digitale è cresciuto nel 2013 a oltre 4 zettabytes Più del 50% di crescita dal 2012 Il focus dei si sposta up the stack, verso advanced analytics e discovery, e analytic applications La spesa ha toccato i 10 miliardi di $ nel 2013, salirà a 20 miliardi di $ entro il

4 : le sorgenti di dati 7 People to people achine to machine People to machine Enterprise data Public admin : perché oggi 8 Always-on consumer Technology cost Data science Social media Infonomics Platforms economy 4

5 : le caratteristiche 9 Volume Variability Velocity Virality Variety La rapida crescita dei nei social media inviate tweet nuove foto aggiornamenti di stato visualizzazioni di foto 72 ore di video caricati in a minute 571 nuov i siti ricerche ricerche professionali foto 5

6 Social edia Analytics 11 Social world Social onitoring Business response arketing optimization Analytics Social Business Intelligence Sentiment analysis : alcune regole d oro 12 Filtra e seleziona con cura i dati Usa in modo pervasivo i modelli predittivi per creare vantaggio competitivo Ascolta e valorizza idatisocial Sperimenta e adotta le best technologies Affidati ad esperti data scientist 6

7 : three main hardware alternatives 13 Cluster of commodity servers x Nodes y GB memory per node z CPU cores per node Appliance k TB storage per node Un architettura per i 14 Operational Systems Staging Area Data art Line of Business 1 Transactional Systems Data art Line of Business 2 Web Servers Hadoop Cluster Hybrid Data and Big Data Warehouse BI Server Social Data Analytics Platform Audio/Video Data 7

8 Analytics: basic e advanced 15 O Ottimizzazione Predictive models Data mining Forecasting, statistica Trend analysis Advanced analytics Performance management Visualizzazione, dashboard, alerts Data warehouse/data mart Analisi dei cubi multidimensionali Basic analytics Fonti di dati Dati operazionali, documenti,dati esterni Information management Predictive analytics / data mining 16 Estrarre dai dati / big data del passato regolarità (pattern) e correlazioni nascoste, non ovvie, inusuali utili ai decisori per comprendere meglio le cause dei fenomeni ricavare predizioni accurate e ottimizzare le azioni future Exploratory Analysis Classifica zione Clustering comprensione Data warehouse/ Data mart predictive analytics Algoritmi di Data ining & Pattern Recognition odello predittivo dati passati Regres sione Association Rules previsione Time Series Analysis 8

9 Applicazioni di predictive analytics 17 più consolidate: più innovative: profilazione di prospect e clienti acquisizione di nuovi clienti cross-selling e up-selling retention market basket analysis credit scoring identificazione di frodi valutazione del rischio text mining riconoscimento di immagini web mining social media analytics previsione della domanda manutenzione preventiva biolife biologia molecolare diagnostica medica Falsi miti e principi del social media 18 Alcuni falsi miti molto diffusi Alcuni principi da tenere presenti E molto difficoltoso collegare le informazioni presenti nel sistema CR interno alle informazioni presenti su open WEB L ascolto automatizzato (attribuzione del sentiment) è inevitabilmente impreciso Gli utenti non sono disponibili a condividere le loro informazioni Solamente le grandi imprese possono affrontare l engagement nel social media business La partecipazione ai social network può prendere direzioni imprevedibili, che devono essere gestite con tempestività Occorre eliminare ogni barriera alla partecipazione dei diversi utenti, rendendola quanto più possibile semplice Il tono e il linguaggio devono essere quanto più possibile casual e vicino alle sensibilità degli utenti Occorre ascoltare e intervenire con continuità in tutte le conversazioni dei social media 9