Business Intelligence e uso dei dati pubblici come fattore di competitività

Transcript

1 Business Intelligence e uso dei dati pubblici come fattore di competitività Osservatorio Big Data Analytics & Business Intelligence, School of Management del Politecnico di Milano Alessandro Piva, Direttore dell Osservatorio alessandro.piva@polimi.it

2 La storia dell Osservatorio Censimento di un vasto campione di imprese di diversi settori e dimensioni Focus su Banking & Finance, GDO & Logistics, Pharma & Healthcare Casi di studio e survey Workshop su: Social Listening & Social Media Analytics Essere competitivi con Big Data Analytics Casi di studio e survey Big Data Innovation Award Approfondimenti tematici su: Big Data nel Risk Managment Big Data nel Retail Online Business Marketing Experience Focus su Fashion, Manufacturing, Media, Retail Telco, Utilities Analisi di un vasto campione di società Workshop su: BI agile BI per Marketing & Vendite Casi di studio e survey Big Data Innovation Award La governance per i Big Data Marketing Analytics Anno

3 I principali deliverables Ricerca Workshop 20 Ottobre: Workshop Interattivo Big Data nel Marketing Journey Report e comunicazione Big Data Innovation Awards Convegno 26 conclusivo Novembre: Convegno Conclusivo

4 Kick off Validazione modello di indagine Validazione e confronto WS Emerging Trends WS Big Data Analytics WS Marketing & Social Analytics Convegno conclusivo La Ricerca dell Oss. Big Data Analytics & Business Intelligence La metodologia di Ricerca Attività Survey Big Data Analytics Rilevazione sul campo End User Survey Marketing Analytics End User 32 End User Censimento Startup Offerta Innovation Award e Casi di studio Offerta Analisi fonti secondarie Offerta

5 Monitoring retweet unstructured trends Metadata M2M La Ricerca dell Oss. Big Data Analytics & Business Intelligence Introduzione ai Big Data communities post Virality like marketing metrics Big Conversations Velocity Finance statistics sharestorage Mobile topics Listening Strategy click Variety sources TB ROI influencer Data Brand reputation Intelligence crawling networks Variety sentiment Datawarehouse Media Cloud connections prediction CRM Analytics Volume Agile

6 Le priorità di investimento dei CIO nel 2015 Big Data e Analytics Dematerializzazione Sistemi ERP Device Mobili e Mobile Apps Sistemi CRM Consolidamento applicativo Cloud pubblico e privato Mobile Marketing e CRM Data Center Mobile e ecommerce Storage e virtualizzazione Collaboration Compliance e Risk Management Cyber Security Progetti commerciali web social Smart Working Internet of Things Smart Manufacturing 10% 10% 7% 6% 5% 3% 18% 18% 17% 17% 25% 25% 31% 31% 40% 48% 53% 56% 0% 10% 20% 30% 40% 50% 60%

7 Alcuni numeri inviate tweet nuove foto aggiornamenti di stato visualizzazioni di foto 300 ore di video caricati in a minute 571 nuovi siti ricerche ricerche professionali foto

8 Alcuni numeri 2,5 exabytes di dati sono creati ogni giorno L universo digitale raddoppierà la sua dimensione ogni 2 anni fino al 2020 Il 90% dei dati nel mondo è stato generato negli ultimi 2 anni nuove foto visualizzazioni di foto 300 ore di video caricati inviate in a minute 571 nuovi siti tweet ricerche aggiornamenti di stato ricerche professionali foto 100 miliardi di app scaricate all anno 1,850 miliardi di smartphones al mondo nel ,9 miliardi device connessi a internet Oltre 3 milioni di app su store a livello internazionale

9 Le fonti informative Machine to machine Enterprise data Big Data People to machine Open Data People to people

10 Le «5V» dei Big Data Volume Variability Big Data Velocity Veracity Variety

11 Alla ricerca di pattern nascosti Usa in modo pervasivo i modelli predittivi per creare vantaggio competitivo Filtra e seleziona con cura i dati Ascolta e valorizza i dati social Affidati ad esperti data scientist Sperimenta e adotta le best technologies

12 La classificazione dei sistemi BDA&BI Performance Management & Basic Analytics Advanced Analytics Strumenti di Descriptive Analytics che permettono di accedere ai dati secondo viste logiche flessibili e dinamiche e di visualizzare in modo sintetico e grafico i principali indicatori di prestazione (analisi passiva) Strumenti avanzati che consentono di sviluppare un analisi attiva dei dati attraverso l utilizzo di metodologie di prescriptive & predictive analysis, consentendo di determinare trend e prevedere il valore futuro di variabili numeriche e categoriche

13 La classificazione dei sistemi BDA&BI Performance Management & Basic Analytics Advanced Analytics 6% 10% 6% 15% 35% 78% 37% 13% Già in utilizzo/in fase di sperimentazione Introduzione prevista nei prossimi 12 mesi Assente, ma in fase di valutazione Assente e non esiste interesse Già in utilizzo/in fase di sperimentazione Introduzione prevista nei prossimi 12 mesi Assente, ma in fase di valutazione Assente e non esiste interesse

14 L origine dei dati 16% DATI ESTERNI Dati provenienti da fonti o processi esterni all azienda (es: dal web o social media) 84% Dati interni DATI INTERNI Dati interni all organizzazione, generati dai processi aziendali (ad esempio dai sistemi gestionali) Dati esterni Campione: 82 CIO di organizzazioni italiane di medio e grande dimensione

15 I dati utilizzati dai sistemi BDA&BI 17% DATI DESTRUTTURATI es: dati social, audio, video, immagini, mail, 83% DATI STRUTTURATI es: tabelle, record, documentazioni di office automation, dati M2M, Dati strutturati Dati destrutturati

16 I dati utilizzati dai sistemi BDA&BI per settore 21% 19% 19% 16% 14% 12% 12% 11% 10% 5% 2% 79% 81% 82% 84% 86% 88% 88% 89% 90% 95% 98% Dati strutturati Dati destrutturati

17 La crescita dei dati utilizzati 67% 60% 54% 55% 31% 15% 38% 39% 32% 29% 27% 25% 27% 18% 24% 11% 15% 10% 26% 10% 6% 9% Dati strutturati Dati destrutturati

18 I real time data 70% 60% 50% 40% 30% +270% 20% 10% 0% + - Meno di una volta al giorno Una volta al giorno Più di una volta al giorno Attualmente Pianificata nei prossimi 2 anni

19 I dati utilizzati dai sistemi BDA&BI per settore 21% 19% 19% 16% 14% 12% 12% 11% 10% 5% 2% Dati che vengono realmente utilizzati dai sistemi BDA & BI 79% 81% 82% 84% 86% 88% 88% 89% 90% 95% 98% 47% Dati strutturati Dati destrutturati

20 Le cause del mancato utilizzo dei dati Mancanza di figure organizzative specializzate Fonti informative non integrate Mancanza Mancanza di una strategia di una strategia condivisa condivisa per la gestione per la dei gestione sistemi dei BDA sistemi & BIBDA&BI Mancanza di team di governance interfunzionali 46% 43% 41% 40% Mancanza di presidio dell intero ciclo di vita di gestione del dato gestione del dato 27% Presenza di dati non utili Mancanza di di tools per analytics adeguati Difficile confrontabilità di fonti informative eterogenee eterogenee Scarsa qualità dei dati a a disposizione Mancanza di di competenze tecnologiche 21% 17% 16% 14% 10% 0% 20% 40% 60%

21 Le nuove figure emergenti Mancanza di figure organizzative specializzate 46% Fonti informative non integrate Il Data Scientist è una figura responsabile di Mancanza Mancanza di una strategia di una strategia condivisa modellare condivisa per problemi la di business complessi, di estrarre 41% gestione per la dei gestione sistemi dei BDA business sistemi & BIBDA&BI insight e di identificare opportunità grazie all uso di tecniche statistiche, algoritmi, tecniche di Mancanza di team di governance interfunzionali 40% machine learning e di visualizzazione innovative Mancanza di presidio dell intero ciclo di vita di 27% gestione del dato gestione del dato 43% Presenza di dati non utili 21% Il Chief Data Officer (CDO) è un business leader che Mancanza di di tools per analytics adeguati 17% crea e mette in opera strategie di analytics e gestione Difficile confrontabilità di fonti del dato. informative Il ruolo ha la responsabilità 16% di definire, eterogenee eterogenee sviluppare e implementare la strategia e i metodi Scarsa qualità dei dati grazie a a disposizione ai quali l organizzazione 14% acquisisce, gestisce, analizza e governa i dati Mancanza di di competenze tecnologiche 10% 0% 20% 40% 60%

22 Le potenzialità di un approccio Big Data Monitoraggio delle performances Razionalizzazone Dati interni Monitoraggio fenomeni Analisi predittive Sensori PA Migliore efficacia decisionale Migliore servizio al cittadino Amm.ne aperta Amm.ne trasparente Dati cittadini

23 Business Intelligence e uso dei dati pubblici come fattore di competitività Osservatorio Big Data Analytics & Business Intelligence, School of Management del Politecnico di Milano Alessandro Piva, Direttore dell Osservatorio alessandro.piva@polimi.it