Transcript

1

2

3 Indice INTRODUZIONE... 1 IL FENOMENO DEI BIG DATA... 4 Cosa sono i Big Data... 4 Il volume... 4 La varietà... 5 Vantaggi e opportunità... 6 Contesti di utilizzo... 7 L ANALISI DEI BIG DATA Knowledge Discovery In Databases Il Data Mining La crescita dei Big Data Il data scientist Privacy By Design GESTIRE I BIG DATA: DATABASE NoSQL Not Only SQL SQL vs NoSQL Il teorema di CAP e i suoi effetti nel mondo NoSQL Caratteristiche dei DBMS NoSQL Tipologie di DBMS NoSQL MongoDB LA PRINCIPALE FONTE DI BIG DATA E IL SUO ASPETTO SOCIALE L esigenza di rappresentare sé stessi FONTI Bibliografia Sitografia... 26

4

5 INTRODUZIONE L avanzamento tecnologico, la conseguente rivoluzione digitale e la diffusione degli open data hanno causato, negli ultimi cinque anni, una vera e propria esplosione della quantità di dati presenti in rete. Tale fenomeno, oggetto di analisi della presente tesi, è dovuto al fatto che sempre più dispositivi sono in grado di generare dati: sensori climatici, video e immagini digitali (sempre più spesso amatoriali), dati GPS derivanti da smartphone o navigatori satellitari, log di transazioni d acquisto, post di social network, e tanti altri mezzi. Oggi, attraverso strumenti di analisi, i ricercatori sono in grado di trasformare queste enormi quantità di dati, prima impossibili da elaborare, in conoscenza. Tale capacità costituisce, per le aziende operanti in determinati settori, un indiscutibile fonte di competitività e potere. I Big Data, combinati con sofisticate analisi di business, hanno il potenziale per fornire alle imprese intuizioni senza precedenti sul comportamento dei clienti e sulle condizioni di mercato, permettendo di intraprendere decisioni in modo più efficace e veloce rispetto alla concorrenza. Per far fronte alle esigenze di knowledge discovery da parte delle aziende che devono accattivarsi l interesse del potenziale acquirente si è dovuto ricorrere a nuove soluzioni in ambito ICT (Information and Communication Technology), sia a livello infrastrutturale che applicativo, le quali hanno rivoluzionato ogni fase del processo di trattamento dei dati, dall acquisizione alla visualizzazione dei risultati ottenuti. Una delle problematiche spesso ricorrenti in tema di Big Data è la mancata strutturazione dei dati: da ciò consegue che gli stessi non siano riconducibili a modelli di dati che caratterizzano i classici metodi di archiviazione. Quando si ha a che fare con un classico DBMS relazionale, inoltre, cambiare un solo attributo di una tabella senza interrompere l esecuzione del sistema può spesso rivelarsi problematico o addirittura fatale. Queste limitazioni rendono tali DBMS poco adatti alle frequenti trasformazioni dei Big Data. La nascita e lo sviluppo dei DBMS NoSQL si sono rivelati fondamentali in questo contesto: grazie a essi è infatti possibile l implementazione di un gran numero di applicazioni distribuite e ricche di contenuti di diversa provenienza, i quali possono essere analizzati con estrema velocità al momento stesso della loro creazione. Esistono varie tipologie di DBMS NoSQL, ciascuna delle quali presenta un compromesso delle proprietà peculiari dei database non relazionali in base allo scopo per cui è stata progettata. Nella presente tesi si è deciso di concentrare l attenzione su MongoDB, un database non relazionale, orientato al documento. La scelta è stata dettata sia dalla crescente diffusione dello stesso, sia dalla sua forte somiglianza ai relazionali. Contestualmente all esposizione di tale tesi, sarà pubblicato in rete un portale universitario (disponibile all indirizzo che permetterà agli utenti la condivisione e la consultazione di risorse relative a ogni facoltà presente sul territorio nazionale. Saranno inoltre illustrate, a sostegno della tesi e attraverso la consultazione del pannello di amministrazione del sito Web citato, le possibili problematiche derivanti dall utilizzo dei DBMS relazionali. 1

6 La tesi è strutturata come di seguito specificato: Nel primo capitolo sarà affrontato il tema dei Big Data. Verrà analizzata la differenza tra essi e i dati normali attraverso la descrizione delle proprietà che li caratterizzano. Inoltre, saranno esposti i vantaggi e le nuove opportunità che ne derivano; saranno poi presentati i principali contesti di utilizzo attraverso esempi concreti; Il secondo capitolo riguarderà l analisi a cui le grandi quantità di dati sono sottoposte: saranno descritte le fasi che costituiscono il processo di estrazione della conoscenza dalle basi di dati, focalizzando l attenzione su quella del Data Mining. Alla fine del capitolo sarà descritta poi la nuova figura del Data Scientist e sarà affrontato il tema della Privacy By Design. Nella parte centrale del capitolo si proporrà un excursus relativo alla crescita esponenziale dei Big Data. Nel terzo capitolo verranno descritti i limiti che i database relazionali presentano nel trattamento dei Big Data; sarà introdotto il concetto di NoSQL come alternativa alla gestione di questi ultimi; Sarà proposto, in seguito, un confronto tra database SQL e NoSQL a cui seguirà una breve presentazione dei tipi di database non relazionali, con particolare attenzione verso quelli document-oriented. Sarà poi presentato MongoDB. Il quarto capitolo analizzerà, invece, la causa sociale responsabile, insieme al progresso tecnologico, della crescita esplosiva della quantità di dati generata. 2

7

8 IL FENOMENO DEI BIG DATA In questo capitolo verrà affrontato il tema dei Big Data. Si darà una definizione del termine e si descriveranno le principali proprietà che caratterizzano il fenomeno. Si descriveranno inoltre i vantaggi che essi apportano all interno di organizzazioni pubbliche e private attraverso l esposizione di qualche contesto di utilizzo. Cosa sono i Big Data Big Data è un termine utilizzato per indicare una considerevole quantità di dati che per poter essere estrapolata, gestita e processata in un tempo ragionevole richiede tecnologie e metodi analitici specifici e non convenzionali. 1 Indispensabile per la crescita esponenziale della quantità di Big Data è stato senza dubbio il progresso scientifico, sociale ed economico che ha caratterizzato la società occidentale nell ultimo ventennio. I principali creatori di tali dati sono infatti gli utenti delle applicazioni distribuite: sempre più software raccolgono enormi quantità di informazioni dagli utenti, i quali si sono trasformati, con l avvento dei social network, in utenti attivi della rete grazie alla loro capacità di creare informazione assumendo il ruolo di protagonisti. Grazie ai Big Data è possibile quindi studiare e migliorare la società sotto un numero di aspetti potenzialmente illimitato, grazie alla misurazione e all analisi di grandi quantità di dati tra loro eterogenei: tutto in tempi ragionevoli. Gli analisti, nel definire i Big Data in quanto tali, li descrivono attraverso tre caratteristiche peculiari, dette le "tre V : Volume del dataset, ovvero la sua dimensione effettiva; Velocità di generazione dei dati la cui analisi avviene generalmente in tempo reale; Varietà delle tipologie dei dati, i quali provengono da fonti diverse e di diverso tipo; Il volume Per classificare un dato come Big Data non è pertanto sufficiente che la sua dimensione sia notevole: il volume di un dato è relativo al periodo e all avanzamento tecnologico al quale lo si contestualizza; il concetto di dimensioni elevate di un dato viene espresso sempre in funzione della tecnologia che lo supporta, pertanto un dato voluminoso oggi potrebbe non esserlo domani. Si può sostenere quindi che il Big Data per essere tale debba sfruttare al massimo le tecnologie disponibili per il proprio utilizzo. Un video in 4K da 3GB può essere considerato Big Data non per via della sua dimensione ma per esempio se non fosse possibile visualizzarlo in streaming e quindi gestirlo con le tecnologie attuali. Ogni attributo tra quelli sopracitati va quindi contestualizzato all interno di una tecnologia di riferimento, la quale deve essere sfruttata al massimo per la gestione del dato affinché si possa parlare di Big Data. 4

9 La varietà Un ulteriore aspetto di rilievo dei Big Data, seppure non innovativo (si vedano i vecchi database a oggetti) è rappresentato dalle diverse tipologie di dati che ne costituiscono la struttura. Al contrario dei dati relativi, per esempio, a una transazione bancaria (strutturata in tabelle), i Big Data necessitano di strutture più flessibili per via della molteplicità di fonti dalle quali i dati stessi vengono raccolti: dispositivi GPS, smartphone, smart devices utilizzati nel campo della domotica, post sui social network o ancora automobili, sono tutti generatori di dati che potrebbero appartenere a un unica persona e dai quali sorge l esigenza di collezionare diversi tipi di informazione in un unica base di dati distribuita in modo non tradizionale. Analizzando le fonti di informazione si può dedurre che negli ultimi decenni è nata una categoria di fonte di informazione prima pressoché inesistente: quella dei dati generati dalla rete, che vanno ad aggiungersi ai dati tradizionalmente presenti. I dati generati dalla rete costituiscono senza dubbio un enorme varietà sia semantica che sintattica come si può evincere dal seguente elenco dettagliato delle principali fonti di informazione: Dati strutturati in tabelle (relazionali): restano ancora le principali fonti di informazione per le piattaforme di Data Analytics in quanto i principali sistemi gestionali esistenti producono dati strutturati (o strutturabili) in tabelle relazionali. Dati semi-strutturati (XML e JSON): è tipo di dato che sta sfidando l egemonia dei dati strutturati. Sempre più applicazioni generano dati strutturati in formato XML o JSON. Dati non strutturati (linguaggio umano, audio, video): enormi quantità di dati, principalmente situati sul Web, dai quali è possibile estrarre informazione in maniera più o meno accurata a seconda dell efficienza delle tecniche di analisi semantica utilizzate. Dati non strutturati da social media (blog, social network): sono dati provenienti da tweet, post e commenti relativi ad essi. Un trend nato nell ultimo decennio che, per via della sua crescita esponenziale, ha aperto la strada a paradigmi di analisi prima impensabili. Dati relativi alla navigazione (Clickstream): Web Logs, sniffing di pacchetti e Tag Javascript utilizzati per ottenere Web Analytics. Sono dati dalla cui analisi si possono ottenere informazioni sui consumi e sui trend. Anche la loro quantità cresce in modo esponenziale nel tempo. Dati GIS (Geographic Information System): sono generate da un numero di applicazioni sempre crescente. Generano informazioni sulla sicurezza, sul business e sociali; il loro utilizzo è stato favorito, sempre nell ultimo decennio, dall implementazione di moduli GPS all interno degli smartphone. Dati relativi alle macchine (Internet of Things): l internet delle cose è la nuova frontiera della rete. Sempre più oggetti intelligenti invieranno in rete dati misurati da sensori di vario genere: da quelli statici (domotica, sensori di irrigazione, del traffico, di sorveglianza) a quelli in mobilità (immagini dal satellite, sensori installati sulle automobili). 2 5

10 Vantaggi e opportunità Il grande valore dei Big Data è dovuto principalmente alle seguenti migliorie che essi apportano, anche se ancora in parte, sia nel pubblico che nel privato: Creazione della trasparenza: dati e informazioni possono essere resi disponibili a tutti gli stakeholder, ma non solo nel privato. In Europa, nell ultimo lustro, anche nel settore pubblico si sta tendendo all Open Data rendendo disponibili risorse e informazioni del patrimonio informativo delle nazioni e degli enti pubblici a tutti i cittadini e alle imprese. Miglioramento delle prestazioni, dovuto all analisi di nuove e diverse informazioni che con i metodi tradizionali non è possibile analizzare. Principale beneficiario di tale miglioramento è diventato il marketing, grazie a un attenta analisi dei dati di vendita: studiando la domanda di mercato è infatti possibile per le aziende segmentare l offerta in funzione di essa, con notevoli vantaggi logistici. Anche il settore pubblico incrementa le sue prestazioni grazie ai Big Data: un analisi delle tendenze relative al mercato del lavoro può facilitare l intrapresa di politiche strategiche volte ad aumentare l occupazione, o una struttura sanitaria che dispone di una grande quantità di dati può utilizzare questi ultimi proprio per aumentare la propria efficienza e la qualità dei servizi offerti. Segmentazione dei clienti e personalizzazione delle azioni: questo processo, possibile nel Web grazie ai cookies e utilizzato principalmente nel marketing, consente alle imprese di concentrare i messaggi promozionali verso i potenziali clienti che sono interessati al prodotto con maggiore probabilità e al contempo permette al cliente di trovare offerte di mercato che si adattino alla propria esigenza. Supporto alle decisioni: le decisioni aziendali intraprese con il supporto di strumenti analitici stanno via via aumentando anche per le piccole imprese: soluzioni come il cloud computing e la grande diffusione di numerosi software open source hanno reso l analisi dei Big Data sempre meno costosa, e di conseguenza più accessibile. I processi decisionali aziendali tendono a diventare sempre più data-driven e fact-based. Innovazione dei prodotti e dei servizi: l analisi dei dati può dire a un manager cosa succede nella società, perché accade e cosa ancora dovrà accadere. Grazie alla previsione dei trend è quindi più semplice evolvere prodotti e servizi in funzione delle esigenze della società. 6

11 Contesti di utilizzo Data is the new oil. We need to find it, extract it, refine it, distribute it and monetize it. - David Buckingham Come sostiene David Buckingham, proprietario e manager di Aimia 4 (azienda leader nel data-driven marketing) i dati sono il nuovo petrolio. I dati digitali sono infatti ovunque e trasversali a qualsiasi realtà, tanto da diventare un settore in grado di generare un giro d affari ultramiliardario, paragonabile a quello del petrolio. Il settore dell Internet of Things, denominato da Cisco Systems Inc. Internet of Everything è in rapida espansione. Una categoria sempre maggiore di oggetti genera ogni giorno dati che in tempi pressoché immediati vengono analizzati. La stessa Cisco prevede che, secondo l attuale crescita esponenziale degli oggetti in rete, nel 2020 saranno connessi alla rete oltre 50 miliardi di dispositivi 5. Stima della quantità dei dati presenti in rete fino al Fonte: Oracle, 2012 L immagine rappresenta una stima effettuata da Oracle nel 2012, che prevede, tra soli 5 anni, una quantità di dati di 44 ZettaByte reperibili attraverso la rete. Ma chi elabora e utilizza tutti questi dati? Secondo un sondaggio di Gartner 6 il 73% delle organizzazioni ha intenzione di investire, o già lo sta facendo, in tecnologie Big Data. Le principali ragioni che spingono le multinazionali a prendersi cura dei dati sono, secondo un sondaggio effettuato da Experian 3 : Incremento dell efficienza (63%) Incremento della soddisfazione del cliente (53%) Supporto alle politiche di decision-making (51%) Risparmio economico (45%) 7

12 Di seguito citiamo brevemente il modo in cui alcune aziende mondiali hanno sfruttato a loro vantaggio il valore dei Big Data: TESCO: Il programma di fidelizzazione registra gli acquisti dei clienti e le loro preferenze. Il settore informatico dell azienda estrae le informazioni, crea campagne pubblicitarie e attua strategie di segmentazione della clientela secondo gli interessi individuali. AMAZON: Colosso dell e-commerce, utilizza dati e preferenze degli utenti per gestire il suo motore di raccomandazioni, famoso per le espressioni Chi ha acquistato questo articolo ha acquistato anche, o Spesso comprati insieme. Questa tecnica di modellazione predittiva, nota come collaborative filtering è merito di buona parte dei ricavi di Amazon. ebay: con oltre 100 milioni di utenti attivi a livello mondiale e con più di 2100 dollari di beni venduti ogni secondo, anche ebay ha sfruttato a suo vantaggio i Big Data, e lo ha fatto in maniera innovativa: da un lato, chiaramente, attraverso i tradizionali sistemi per la raccolta dei dati degli utenti, l analisi in tempo reale, la pubblicità mirata e la risposta automatica. Dall altra, nel 2011 ha deciso di concentrare la sua lente analitica non solo sul comportamento degli utenti o sul traffico del sito Web, ma anche su un elemento di core business altrettanto fondamentale: l infrastruttura IT. ebay ha pertanto attivato un minuzioso monitoraggio minuto per minuto, dettaglio dopo dettaglio, su ogni componente dei propri data center. Dall analisi di questi dati l azienda è stata capace di scoprire server sottoutilizzati, mal configurati e altre inefficienze, riuscendo a recuperare, entro il primo anno, diversi milioni di dollari. Come sottolinea Oliver Ratzesberger, direttore della piattaforma analitica di ebay dal 2007 al 2011, la maggior parte delle aziende associano le grandi analisi dei dati al marketing e alla finanza e forse alla gestione della supply chain, ma ben pochi pensano in termini più ampi su come si possano applicare sistemi a tutto campo per garantire la crescita dei ricavi. Tale decisione ha prodotto, a partire dal 2012, un aumento del valore delle quote azionarie di ebay, passate dai circa 30$ agli attuali Andamento del valore delle quote azionarie di ebay Inc. Fonte: tradingview.com 8

13 9

14 L ANALISI DEI BIG DATA Nel secondo capitolo verrà affrontata la fase di analisi dei Big Data attraverso la descrizione delle attività che compongono il processo di Knowledge Discovery in Databases, ovvero l estrazione della conoscenza dai Database. Si descriveranno inoltre la nuova professione del Data Scientist e le problematiche derivanti dal trattamento dei dati personali. Knowledge Discovery In Databases Ogni grande organizzazione che implementa un sistema informatico genera, durante lo svolgimento delle proprie attività, una grande quantità di dati. Con l aumentare della quantità dei dati è aumentata l attenzione in relazione al problema dell automazione dell analisi dei dati ricavati. Per Knowledge Discovery in Databases si intende proprio il processo non banale (che richieda quindi una ricerca o un inferenza) di identificazione di pattern validi, nuovi, potenzialmente utili e fondamentalmente comprensibili tra una collezione di dati di un organizzazione. 9 Il processo di Knowledge Discovery in Databases è articolato in 5 principali attività: Selezione dei dati all interno di un data warehouse: si restringe il dominio di analisi per i soli dati utili al fine di rappresentare la realtà di riferimento, eliminando i dati superflui. Preelaborazione: consiste nel campionamento delle tabelle nel caso in cui l analisi di tutti i dati sia superflua e nel processo di pulizia dei dati da possibili errori. Trasformazione dei dati in dati più utili per la realtà di riferimento attraverso operazioni matematiche e logiche sulle variabili o attraverso la loro riconfigurazione per scongiurare il pericolo di inconsistenza dei dati nel caso in cui questi provengano da differenti fonti. Data Mining: fase il cui risultato è fortemente influenzato dalla correttezza delle fasi precedenti, il Data Mining consiste nella ricerca di pattern di interesse in una particolare forma di rappresentazione dei dati. In questo modo è possibile ricavare informazioni non banali, né scontate, dai dati trasformati. Tale processo, che sarà descritto meglio in seguito, è iterativo: esso stesso può infatti risultare un ulteriore pulizia dei dati portando l analista a rielaborare l output di tale processo per ottenere informazioni ancora più significative. Interpretazione dei risultati: può avvenire attraverso grafici che visualizzano l output del Data Mining. Tale output è caratterizzato da pattern (modelli) che rappresentano la conoscenza estratta dalle informazioni analizzate e costituiscono una fonte di supporto in ambito di decision-making. Schema del risultato di ogni fase del processo di Knowledge Discovery in Databases 10

15 Il Data Mining Il cuore del processo di KDD (Knowledge Discovery in Databases) è, come è facile intuire, la fase di Data Mining, ovvero l estrazione di informazioni non ovvie, precedentemente non note e potenzialmente utili contenute in grandi quantità di dati. L esplosione della quantità di dati dell ultimo decennio è dovuta principalmente a due fattori: la tecnologia dei database e l utilizzo dell archiviazione informatica. Avere tanti dati costituisce un vantaggio per chi ha bisogno di ottenere delle informazioni, ma ne complica inevitabilmente la loro gestione. Il Data Mining può essere considerato come l evoluzione dell Information Retrieval in risposta all incremento della quantità e delle tipologie di dati da analizzare. Esiste un ampia differenza tra il semplice e tradizionale recupero dell informazione derivante dall Information Retrieval e l acquisizione di una o più conoscenze meno note che produce invece il Data Mining. Compito del Data Mining è infatti trovare delle relazioni presenti tra i dati, fornendo a un analista, detto decisionmaker, le informazioni necessarie a fronteggiare le diverse competitività di mercato. Questo nuovo tipo di analisi non è altro che una confluenza di discipline quali statistica, informatica, ricerca operativa e tecnologia dei database che in maniera complementare concorrono al recupero di una conoscenza. Tra i vari contesti di utilizzo del Data Mining possiamo citare l analisi di database, di mercato o di rischio, l indagine di frodi, il supporto alle decisioni, l analisi medica, il Text Mining, analisi di politiche economiche e sociali. La crescita dei Big Data È stata affrontata la problematica che i Big Data costituiscono e sono stati elencati quindi i metodi di analisi non tradizionali utilizzati per estrarre conoscenza dalle enormi quantità di dati che ogni giorno vengono raccolte. Focalizziamo ora l attenzione proprio sulla quantità di dati prodotta dagli utenti della rete, facendo particolare riferimento al grafico di Oracle precedentemente illustrata, in cui si constata una crescita annuale di dati presenti in rete del 40% e si stima un ammontare totale di oltre 44 ZettaBytes di dati. Nel comune parlare, si fa uso dell espressione crescita esponenziale per indicare la crescita sempre maggiore di una variabile in un determinato contesto. Potrebbe risultare utile, per fini statistici, verificare che una funzione che ipoteticamente passa per quei punti, o che si avvicina ad essi, sia realmente di tipo esponenziale. Ciò è fattibile attraverso lo studio della funzione che si avvicina ai punti campionati. In particolare analizzeremo ora i campioni dalla stima di Oracle presente nel paragrafo CONTESTI DI UTILIZZI, nella quale si prevede che la quantità di dati presenti in rete arriverà, nel 2020, a 44 ZettaBytes. Per ottenere la funzione in questione, è pertanto necessario effettuare un interpolazione dei punti noti della funzione. L interpolazione può essere matematica (per punti) oppure statistica (fra punti). Dati n punti P1=(x1; y1), P2=(x2; y2), Pn=(xn; yn), fare interpolazione matematica vuol dire cercare la funzione che passa per essi, mentre fare interpolazione statistica vuol dire cercare la funzione il cui grafico si accosti il più possibile ad essi. 11

16 Per ricavare la funzione incognita, scegliamo pertanto l interpolazione di tipo statistico in quanto, trattandosi di dati campione e di previsioni, l accuratezza delle informazioni non è garantita e non è inoltre indispensabile ottenere una funzione che passi scrupolosamente per tutti i punti del grafico: ai fini del nostro obiettivo (verificare che la crescita dei Big Data sia veramente esponenziale) è pertanto più che sufficiente l utilizzo di un interpolazione statistica. A tale scopo occorre: Scegliere il tipo di funzione interpolante: identificata appunto con la funzione di tipo esponenziale, che si presenta come y = a b c x Scegliere il criterio di accostamento della funzione rispetto ai punti campionati. Il criterio di accostamento più utilizzato è quello dei minimi quadrati. Siano (x1 ; y1), ( x2; y2), ( xn ; yn) N coppie di punti che siano il risultato di N osservazioni fatte su due variabili statistiche X e Y. Essi si rappresentano attraverso un grafico a dispersione. Sia y= f(x, a, b, c, k) la funzione interpolatrice scelta; indichiamo con yi* i valori assunti dalla funzione ( valori teorici) in corrispondenza delle xi rilevate, yi* = f( xi,, a, b, c, k)sostituendo ai valori effettivi yi i valori teorici yi* si commette un errore che è dato dalla differenza di = yi - yi*. Per avere il migliore accostamento occorre rendere minimi questi errori. Il metodo dei minimi quadrati richiede che sia minima la somma dei quadrati delle di. Il problema è quindi quello di trovare il valore dei parametri a, b, c,... K in modo che (y i y i ) 2 sia minimo. La funzione che si ottiene in questo modo è la migliore funzione che approssima i punti, non in senso assoluto ma relativo, cioè nell ambito delle funzioni interpolanti scelte (ad esempio quelle di 2 grado). Dall interpolazione della precedente funzione si è ottenuta la funzione y 0,99 1,359 x Posto che e 1,359, la funzione ottenuta dall interpolazione dei punti può essere approssimata 2 dalla funzione y = ( e 2 )x Analizziamo ora la funzione y = ( e 2 )x attraverso la ricerca di eventuali intersezioni con gli assi, studio del segno, comportamento della funzione nei punti di frontiera, studio della crescenza e della concavità. a) Campo di esistenza della funzione cioè il dominio di f: D = R b) Intersezione con gli assi: I. Con l asse y: y = 1 II. Con l asse x: y = ( e 2 )x = 0 Mai! c) Segno della funzione: I. ( e 2 )x > 0 xεd II. ( e 2 )x < 0 MAI! 12

17 d) Comportamento in prossimità dei punti di frontiera del dominio della funzione: Ricerca di eventuali asintoti orizzontali: x x lim (e x 2 ) = 0 lim (e x + 2 ) = + Quindi esiste solo un asintoto orizzontale (quello sinistro). Ricerca di eventuali asintoti obliqui Applicando De l'hospital m = [( e + lim 2 )x ] = lim x + [x] + x + [( e 2 )x ln e 2 ] + 1 = + Nessun asintoto obliquo! e) Ricerca di eventuali massimi e minimi, locali o globali: y = [( e 2 )x ] = ( e 2 )x ln e 2 Quindi: y = ( e x 2 ) ln e 2 y = 0 ( e x 2 ) ln e 2 = 0 Mai y > 0 ( e x 2 ) ln e 2 > 0 sempre Dunque la funzione f risulta sempre crescente. f) Ricerca di eventuali flessi e studio della concavità: y = [( e 2 )x ln e ] = ln e 2 2 [(e 2 )x ] = ( e 2 )x ln 2 e 2 Quindi: y = ( e 2 )x ln 2 e 2 y = 0 ( e x 2 ) ln 2 e 2 = 0 y > 0 ( e x 2 ) ln 2 e 2 > 0 Mai Sempre Dunque la funzione f ha sempre una concavità verso l'alto (convessa) e non ha flessi. 13

18 g) Grafico della funzione sulla base degli studi precedentemente effettuati risulta pertanto il seguente: Sovrapponendo la curva ottenuta ai dati campionati nella ricerca di Oracle presa in esame dalla seguente tesi, si può ottenere il seguente grafico verificando la natura esponenziale della funzione di crescita dei dati: È pertanto corretto, quando si osserva l incremento della quantità dei dati in rete, affermare che si tratta di una crescita esponenziale: tale accrescimento, sulla base dei dati campionati, si attesta a un +40% annuo. 14

19 Il data scientist Il Data Scientist è una figura che deve avere più competenze. La prima è sapere gestire, acquisire, organizzare ed elaborare dati. La seconda competenza è di tipo statistico, ovvero il sapere come e quali dati estrarre, la terza capacità è una forma di storytelling, il sapere comunicare a tutti, con diverse forme di rappresentazione, cosa suggeriscono i dati. - Prof. Dino Padreschi, docente di informatica all Università di Pisa L enorme e ininterrotta crescita della quantità dei dati appena documentata ha introdotto, così come nuove metodologie di analisi dei dati, una nuova figura professionale: il data scientist. Il suo lavoro è quello di analizzare i dati per fornire al gruppo di management di un azienda informazioni utili ad assumere decisioni e a disegnare strategie. Da anni ormai si parla dell importanza dei dati, ma solo da poco si parla del buon uso degli stessi attraverso la formazione di nuove figure professionali. Un indagine McKinsey del 2014 rileva che negli Stati Uniti mancano tra i 140mila e i 190mila data scientist: da questa analisi è facile capire che non si tratta di una professione circoscritta alle grandi aziende, ma riguarda tutte le organizzazioni, dalla pubblica amministrazione alle multinazionali. Ma perché quella del data scientist, seppure si tratti di una professione ancora da definire, è già una delle figure più ricercate nel mercato del lavoro? Potrebbe rispondere a questa domanda Mario Alemi, data scientist italiano (laureato in fisica), citando un esempio concreto da lui studiato e messo in pratica: i dati dei negozi da egli analizzati lo hanno portato a generare personalizzate per i clienti sulla base dei gusti letterari di questi ultimi. Rispetto alle normali vendite, in seguito alla strategia di Alemi, sono state registrate il 27% in più delle vendite. Nonostante la palese importanza dei data scientist, l Italia non sembra però seguire il trend di nuove occupazioni guidato da Stati Uniti e Regno Unito, e se le università italiane si preparano a formare nuovi scienziati dei dati, le aziende nostrane cominciano a intuire l importanza di tali figure e tentano di formarle al loro interno. Sempre Mario Alemi, in un intervista a Il Sole 24 Ore 10 spiega il motivo della difficoltà dell Italia a crescere in questo settore: secondo il data scientist, infatti, la formazione delle scuole italiane è ancora prettamente umanistica e le novità scientifiche tarderebbero per questo a essere importate. 15

20 Privacy By Design Tra le conseguenze dovute alla gestione dei Big Data, non vi è solo la nascita di nuove professioni. Dalla parte opposta di analisti e manager aziendali ci sono infatti coloro che i dati in questione li generano: gli utenti digitali. Ecco allora che parallelamente al sorgere dei Big Data sono sorte problematiche come quella della privatezza dei dati individuali custoditi da Pubbliche Amministrazioni, aziende private, media, professionisti o assicurazioni. Attraverso internet, infatti, è spesso possibile reperire i dati personali di un soggetto: questo causa, erroneamente, nell utente medio, una sfiducia nei confronti della rete; tale approccio a Internet è certamente scorretto in quanto la causa della semplice reperibilità di un informazione personale non può essere attribuita al mezzo di comunicazione, bensì all utente, ancora poco sensibilizzato in tema di privacy. Spesso, infatti, le normative che riguardano le cosiddette Privacy Policy non vengono lette, anzi vengono consapevolmente ignorate spuntando la voce accetto. A proposito di tale problematica è stato introdotto, negli ultimi anni, un nuovo approccio concettuale alla privacy (ideato già negli anni 90): la Privacy by Design. Questo concetto propone qualcosa di interessante e innovativo in ambito di privatezza delle informazioni, stabilendo che il processo di conformità relativo alla sicurezza della privacy non possa essere assicurato unicamente tramite il sistema normativo; piuttosto, la garanzia della privatezza dei dati deve costituire il modo di operare di default di un organizzazione. Questa nuova filosofia riguarda principalmente tre aree operative delle organizzazioni che sviluppano sistemi atti a raccogliere dati: Tecnologia dell informazione Pratiche commerciali responsabili Progettazione strutturale e infrastruttura di rete 16

21 17

22 GESTIRE I BIG DATA: DATABASE NoSQL In questo capitolo si parlerà del movimento NoSQL e delle cause della sua nascita. Saranno esposte le peculiarità dei Database NoSQL e sarà effettuato un confronto tra questi ultimi e i classici Database relazionali. Si farà riferimento anche alle diverse tipologia di Database NoSQL attualmente in uso. Not Only SQL Il Movimento Not Only SQL, presente a livello globale dal 2009, è un movimento informatico il cui principale obiettivo è quello di promuovere l utilizzo di database NoSQL, ovvero database che principalmente non fanno uso di SQL. NoSQL sta per Not Only SQL : il movimento non chiede l abbandono dei RDBMS che risultano comunque efficienti per determinate esigenze (transazioni bancarie, siti di e-commerce o e-governance), ma offre un alternativa per i casi che analizzeremo in seguito. Le principali caratteristiche intrinseche dei Database NoSQL sono: Il mancato utilizzo di un modello relazionale per la loro rappresentazione L assenza di uno schema esplicito e rigido mediante l utilizzo di un linguaggio formale L implementazione di essi all interno di cluster SQL vs NoSQL Da qualche anno a questa parte, come già visto, nell ambito dei database sono sorte nuove esigenze e nuovi requisiti ai fini del trattamento, in tempi ragionevoli, di grandi quantità di dati: i Big Data. Come precedentemente esposto, oggi, grazie all avvento dei social, chiunque può facilmente generare un grande volume di dati. In caso di utilizzo di database relazionali (RDBMS), che hanno caratterizzato gli ultimi 30 anni della storia del Web, ciò può comportare diversi problemi di gestione dei dati stessi. Per citare un esempio, il primo problema sorge nel caso in cui sia necessario incrementare il numero o le prestazioni dei server che gestiscono il database. Questa operazione è in genere molto costosa e richiede la presenza di un Database Administrator, il quale necessita di mettere in pausa l intero sistema: la sospensione di un servizio Web, come è facile intuire, non è sempre accettabile. Prima di illustrare un confronto delle peculiarità di database SQL e NoSQL, ricapitoliamo i principali aspetti dei classici database relazionali (SQL). RIFERIMENTI I database sono divisi in tabelle, le quali contengono dati omogenei e ben correlati tra loro. Nel caso in cui un campo abbia bisogno di contenere più valori è necessario implementare una nuova tabella, relazionata alla precedente attraverso un codice identificativo, contenente i valori in questione. ACID I RDBMS devono garantire quattro proprietà fondamentali, messe in dubbio dai database NoSQL: Atomicità delle transazioni, le quali sono indivisibili nella loro esecuzione; quest ultima deve essere o totale o nulla: esecuzioni parziali non sono ammesse; 18

23 Consistenza: dopo una transazione il database deve trovarsi in uno stato consistente, ovvero non deve violare i vincoli di integrità: non devono pertanto verificarsi contraddizioni (inconsistenza) tra i dati archiviati nel DB; Isolamento: ogni transazione deve essere eseguita in modo isolato e indipendente dalle altre; Durabilità: in seguito a una transazione avvenuta con successo, i cambiamenti sulla base di dati non dovranno essere persi; NoSQL fa a meno anche questa proprietà per motivi di performance, poiché restituisce uno stato di successo della transazione all applicativo ancora prima che la transazione si concluda con successo. I RDBMS presentano anche dei limiti: aggiungere o rimuovere dati da tabelle molto grandi come potrebbero essere quelle di un social network, per esempio, potrebbe causare malfunzionamenti in tutto il sistema a causa dell elevata richiesta computazionale dell azione. I database NoSQL invece, come detto, rinunciano alle caratteristiche ACID tipiche dei relazionali allo scopo di: Incrementare la flessibilità nella strutturazione dei dati Rendere semplici le operazioni di scalabilità orizzontale all interno dei cluster di server a seconda delle necessità Migliorare la disponibilità: nei RDBMS, in caso di malfunzionamento di un server, la porzione di dati in esso contenuta verrebbe a mancare di disponibilità. I NoSQL si occupano invece di evitare questo tipo di avvenimento, facendo a meno della consistenza. Il teorema di CAP e i suoi effetti nel mondo NoSQL Al fine di garantire la Partition Tolerance, è necessario rinunciare però ad altre caratteristiche dei database. Questo avviene in virtù degli effetti del teorema di CAP (dimostrato nel 2002 da Eric Brewer), secondo il quale, in un sistema informatico distribuito, è impossibile fornire simultaneamente consistenza, disponibilità e tolleranza di partizione. I database NoSQL si basano, inoltre, sul concetto di consistenza eventuale, ovvero la possibilità di trovare un dato inconsistente negli istanti immediatamente successivi a una transazione a causa dei tempi di sincronizzazione tra i server del cluster. Se una transazione prevede la scrittura di un dato su un server facente parte di un cluster che deve garantire una Partition Tolerance, tale scrittura viene infatti effettuata su uno (o al massimo due) server: sarà poi compito dell intero cluster effettuare la sincronizzazione tra tutti i server del sistema distribuito al fine di far tornare la base di dati distribuita in uno stato consistente. Se però un altro utente del sistema distribuito (il quale è generalmente caratterizzato da milioni di utenti) effettua la lettura dello stesso dato da un server in un istante compreso tra la scrittura del dato e la sincronizzazione tra i server del cluster, lo stesso troverà una versione non aggiornata (detta stale data) del dato in questione o, diversamente, riceverà un messaggio File not found come risposta. Sottostando al Teorema di CAP è possibile attribuire ai database NoSQL le proprietà BASE: tale acronimo significa che il database deve garantire la disponibilità delle informazioni (Basically Available), tuttavia non deve garantire la consistenza in ogni istante (Soft State), ma deve diventare consistente soltanto in un secondo momento (Eventual Consistency). Si parla pertanto di inconsistenze transitorie. 19

24 Caratteristiche dei DBMS NoSQL Nonostante la diversità tra i vari tipi di Database NoSQL, è possibile evidenziarne alcune caratteristiche comuni: Possibilità di replicare e distribuire partizioni di dati su più server; Possibilità di scaling orizzontale; Modello di concorrenza più debole rispetto a quello garantito dai DBMS; Capacità di aggiungere dinamicamente nuovi attributi. Una caratteristica fondamentale, quando si parla di gestione dei Big Data, è la scalabilità orizzontale, ovvero la possibilità di distribuire dati e operazioni su server differenti al fine di parallelizzare le operazioni e ridurre il carico elaborativo per i singoli server. I DBMS NoSQL sono quindi utilizzati in progetti in cui l integrità dei dati non è prioritaria, né obbligatoria: ne sono un esempio i Social Network. Tali sistemi non garantiscono la sicurezza dal punto di vista della correttezza dei dati, ma offrono, in compenso, un elevata efficienza a livello di prestazioni e tempi di risposta: risultano per questo adatti all implementazione in ambienti in cui vengono effettuate molte letture e scritture in contemporanea. Tipologie di DBMS NoSQL Tutte le tipologie di database NoSQL attualmente esistenti si ispirano ai primi due database NoSQL creati: BigTable di Google e Dynamo di Amazon. La necessità che ha spinto le due Big del Web all implementazione di NoSQL DBMS è stata principalmente il bisogno di mantenere disponibili e scalabili le informazioni in determinati ambiti. Attualmente i DBMS non relazionali si possono suddividere in: Key-Value Distribuiti In questo modello le strutture dati sono molto semplice poiché sono composte da coppie chiave-valore. Il client vede quindi la base di dati come una grossa tabella contenente diversi oggetti accessibili attraverso la loro chiave primaria: questa soluzione favorisce altissime prestazioni e facilita notevolmente il lavoro di distribuzione della base di dati su più server. Document Oriented Sono database che consentono sia di effettuare ricerche sulla base dei valori delle loro chiavi, sia di effettuarle sui valori legati ad esse: questo grazie al fatto che i dati siano rappresentati in modo semistrutturato da formati come XML o JSON. La possibilità di inserire dei riferimenti ad altri documenti li rende molto simili ai database a oggetti. Il loro scopo è quello di fornire un sistema di interrogazione sui dati con altissime prestazioni, permettendo la memorizzazione di grossi quantitativi di informazioni. Questi database inoltre sono dotati di grandissima flessibilità che permette di ottenere modelli complessi senza comprometterne le performance. Sono utilizzati per siti web, e-commerce, gestione documentale, web service e giochi multiplayer massivi. 20

25 Column Oriented Una Column-Family è un informazione che deve essere presente in uno schema e che raccoglie informazioni su un gruppo relativo a un gruppo di colonne. Ogni Column-Family quindi raggruppa un insieme di colonne appartenenti a una stessa tipologia di informazione (per esempio in una Column-Family anagrafica le saranno nome, cognome, data di nascita, sesso ). Graph Oriented Permettono di estrarre dati in maniera ottimale per applicazioni come: Classificazione tramite algoritmi di vicinanza o clustering Analisi di flussi di vario genere (social, navigazione di siti web ) Popolazione degli utenti o suggerimenti (amicizie, acquisti ) Sono molto utilizzati quando i problemi richiedono un analisi delle relazioni tra i dati piuttosto che dei dati stessi. MongoDB Concentriamo ora l attenzione su un database di tipo Document Oriented, ovvero MongoDB. La scelta di numerosi progettisti si concentra su questo database perché risulta attualmente il più utilizzato in quanto la sua struttura richiama prevalentemente quella dei vecchi database relazionali. Il suo nome deriva dall espressione anglosassone humongous, il cui significato è enorme proprio per via del fatto che è stato progettato per gestire enormi quantità di dati: i Big Data. Tra i suoi utenti più celebri troviamo il New York Times, il CERN di Ginevra e l agenzia viaggi online Expedia. Nonostante la sua somiglianza ai database relazionali, trattandosi di un NoSQL, MongoDB non include le transazioni, le join, i concetti di integrità (referenziale e vincolare) e la consistenza dei dati non è assicurata. Le join (che consentono di mettere in relazione i dati divisi in più tabelle) sono operazioni molto costose in termini computazionali: tali operazioni possono essere evitate anche nei Database SQL attraverso la denormalizzazione degli stessi, la quale comporterebbe un minor carico di lavoro al momento dell interrogazione della base di dati. Anche i vincoli di integrità possono essere considerati non strettamente necessari: si tratta sostanzialmente di controlli che il DBMS effettua su un dato prima che lo stesso venga aggiunto alla base di dati. Tale operazione è fattibile anche a livello applicativo e non risulta pertanto indispensabile l utilizzo di un DBMS che operi controlli sui vincoli di integrità. Per quanto riguarda la forte consistenza, anche questa non risulta indispensabile per le applicazioni che implementano questo tipo di DBMS: il ritardo di qualche secondo nella visualizzazione di un tweet o di un post su Facebook non costituisce un problema rilevante per gli utenti, né li allontana dai social network ai quali sono iscritti. Dopo aver descritto gli svantaggi di MongoDB, comuni anche ad altri NoSQL DBMS, si descrivono ora i vantaggi che l implementazione degli stessi database porta: 21

26 A differenza dei database relazionali, in MongoDB le tabelle vengono chiamate Collection, ovvero collezioni, e sono costituite da righe. Le collezioni di MongoDB non godono di una struttura rigida come le tabelle SQL per le quali la modifica va apportata attraverso un comando del tipo ALTER TABLE, ma ogni documento presenta una struttura propria. La modifica della struttura di una tabella SQL, infatti, è un operazione molto costosa in termini di tempo e costi computazionali se effettuata su larga scala come previsto dai campi di utilizzo dei NoSQL DBMS. Un esempio lampante di costo temporale per la modifica della struttura di un database può essere quello di Twitter, messo offline per 8 ore a causa dell aggiunta di una colonna alla tabella dei tweet. I campi di ogni document, inoltre, non sono solo stringhe, numeri, date, ma possono comprendere array o addirittura sotto-oggetti. Per esempio i numeri di telefono di un unica persona possono essere memorizzati in un array o i commenti relativi a un post di un social network o le risposte a tali commenti possono essere esempi di sotto-oggetti. Un altro vantaggio di MongoDB è l impossibilità di subire SQL Injection, ovvero l inserimento di stringhe malvagie all interno di una richiesta al database (che possono consistere anche nella distruzione dell intero database), in quanto, come detto, non si basa sul linguaggio SQL ma su un linguaggio. Il formato di memorizzazione dei dati utilizzato da MongoDB è molto simile a quello JSON, che deriva dal Javascript. JSON è uno standard costituito da una sintassi molto semplice, grazie alla quale è possibile descrivere in maniera flessibile un oggetto e le sue caratteristiche. Ogni oggetto è caratterizzato dalle parentesi graffe al cui interno vengono definiti tutti gli attributi dello stesso attraverso diverse coppie chiave-valore, tra loro separate da virgola. Il formato usato da MongoDB è, per la precisione, quello BSON, ovvero una versione binaria del JSON. I dati vengono espressi con notazione binaria al fine di facilitare il parsing da parte delle applicazioni e di favorire eventuali tecniche di compressione degli stessi. Se si utilizzasse un database SQL normalizzato, l utilizzo di sotto-oggetti, per esempio i commenti di un post di un social network, renderebbe necessario l utilizzo di un numero elevato di join, una per ogni commento. La normalizzazione costituisce per questo motivo un grosso problema per quanto riguarda le performance: ogni dato dovrebbe essere estratto dalla propria tabella di appartenenza. Se poi i dati dovessero essere distribuiti su più nodi, delle join di questo tipo potrebbero causare una paralisi dell intero cluster. I principali contesti in cui MongoDB non dovrebbe essere usato sono: Ambienti che comprendono transazioni (per esempio Home Banking) Sistemi in cui si rendono necessarie query di ricerca Case-Sensitive, non supportate da MongoDB: tuttavia è possibile sopperire a questa pecca di questo DBMS in fase di progettazione dei software che lo implementano. Altri database NoSQL diffusi sono Cassandra, Riak, CouchDB, Redis. 22

27 23

28 LA PRINCIPALE FONTE DI BIG DATA E IL SUO ASPETTO SOCIALE Affermare che l esplosione della quantità di dati documentata nella presente tesi non sia dovuta esclusivamente al progresso tecnologico, è sicuramente corretto. Le possibilità messe a disposizione da un nuovo mezzo di comunicazione non possono essere infatti la sola causa di una tendenza mondiale. In questo capitolo saranno analizzate le cause sociali di tale fenomeno; si focalizzerà inoltre l attenzione sui comportamenti che hanno omologato la nuova società digitale. L esigenza di rappresentare sé stessi Imparerai a tue spese che nel lungo tragitto della vita incontrerai tante maschere e pochi volti. - Luigi Pirandello, Uno, nessuno e centomila Come precedentemente accennato, la principale fonte di dati siamo noi, gli utenti del web, a cui si è data da anni la possibilità di partecipare attivamente a Internet attraverso strumenti che permettono la creazione e la pubblicazione di contenuti: pensieri, foto, video, musica, registrazioni vocali solo per citare qualche esempio. Per rendersi conto della quantità di dati non strutturati (come sono quelli appena citati) generata dai social network, è sufficiente prendere visione delle seguenti informazioni, relative al 2012, riguardo a ciò che accade ogni 60 secondi nei social network: 98,000+ tweet vengono pubblicati; 695,000+ stati di Facebook vengono aggiornati; 11,000,000,000 di messaggi istantanei (chat) vengono scambiati; 168,000,000,000+ vengono inviate; 1,820,000,000,000+ byte di dati vengono creati 16. Il più diffuso tra i social è sicuramente Facebook, con oltre un miliardo di utenti attivi. Chiunque lo conosce. Facebook è il Social della faccia o, citando Luigi Pirandello, della maschera. Facce modificate, allungate, schiarite, abbronzate, prive di imperfezioni e, in poche parole, inscenate. Proviamo ad analizzare, noi iscritti al social più popolato di sempre, le immagini del profilo dei nostri amici: lingue protese dalla bocca (spesso lateralmente), sopracciglia aggrottate sui volti delle ragazze, maschi a torso nudo in spiaggia, dito indice e dito medio verso il cielo (gesto che un tempo significava pace ) tutte pose ormai convenzionali che caratterizzano i milioni di iscritti al più importante dei social. Pose reiterate fino alla nausea, che tutti ripetono e svuotano di significato. Corpi fatui, non comunicanti; o meglio - dato che la comunicazione è insita in ogni prodotto umano - corpi che comunicano solo una cosa: omologazione visiva. Facebook viene proposto come uno strumento che, tramite la pubblicazione di contenuti personali, promette a ciascuno di creare una propria identità. Prendendo visione di ciò che gli utenti pubblicano, ci si può accorgere invece che essere sé stessi, in realtà, è solo un illusione: troppo spesso infatti si cade nel conformismo. 24

29 Parafrasando sempre Pirandello, a tal proposito, possiamo affermare che anche a distanza di un secolo, nella società resta sempre più importante apparire che essere. In questa frase è presente tutta la triste verità su cui poggia la società odierna. È soprattutto attraverso una delle sue principali opere che Luigi Pirandello ci ha reso partecipi di un interpretazione ancora oggi attualissima della realtà sociale: quell Uno, Nessuno, Centomila in cui si analizza il moltiplicarsi dell io fino all annichilimento dell individuo, che diventa incapace di trovare, tra migliaia, la sua vera identità. A distanza di appena cento anni sembra infatti che l unica evoluzione avvenuta non riguardi l impostazione di pensiero ma il mezzo attraverso il quale gli uomini amano apparire. Una persona si registra a Facebook e la prima cosa che fa è creare un identità. Comincia a condividere foto, video, luoghi, interessi. Giovanni è Giovanni perché ha le sue foto particolari, i suoi video, i suoi luoghi e i suoi interessi. Improvvisamente, Giovanni si accorge che Luca e Mauro cominciano ad apparire sulle foto nella stessa posizione. Ecco che nota che anche Marta e Lucia compaiono facendo gli stessi gesti. Poi ci prova anche lui. La prima foto, nella stessa posizione degli altri, riceve diversi mi piace. «Funziona. Si sono accorti di me» pensa. Egli, identico agli altri, viene riconosciuto perché si è omologato. Giovanni non è più Giovanni ma è uno tra i tanti che compaiono in quella identica posizione. Giovanni, per far parte della società, accetta le etichette che quest ultima impone indossando centomila maschere omologate e già indossate dagli altri, non trovando mai la sua, quella che naturalmente gli appartiene. Ergo Giovanni non è più nessuno; non ha un identità forte come prima. Tale accostamento a Pirandello è volto a sottolineare la perdita di identità di un individuo che, nel pensiero dello scrittore, era minacciata dall incapacità dei personaggi di vedersi unici. Oggi, nell era della youcracy, che dovrebbe porre la singolarità degli individui come principio fondamentale attraverso la pubblicazione di contenuti propri e originali, l unicità dell individuo è invece minacciata dai mille modelli omologanti della società di massa, rafforzati dai social media (Facebook su tutti), in cui è facilissimo perdere la propria identità, diventando come tutti gli altri, e di conseguenza nessuno. 25