AI : 9 manager italiani su 10 la considerano fondamentale nei data analytics (1000 parole)

Big data: cosa sono?

 Il termine big data si riferisce a informazioni troppo ingombranti per essere contenute in server privi di una struttura che consenta di archiviare in database orientati per righe e colonne o che arrivano sottoforma di flusso permanente impedendone la conservazione in un data warehouse statico. Non è solo questione di volume ma anche di composizione: la complessità dei big data risiede proprio nella mancanza di struttura. La quantità di dati fotografici di proprietà di Facebook, per esempio, è maggiore del numero di pixel mai elaborati da Kodak. Ogni giorno, il social media produce più video rispetto ai primi cinquant’anni di televisione. Ecco perché l'ausilio dell'intelligenza artificiale diventa prioritario: la pensano così 9 IT manager italiani su 10, secondo il rapporto State of Data and Analytics di Salesforce.

Big data: l'importanza per le imprese

La parola d'ordine è: agire. Le aziende italiane, quindi, sono oggi chiamate ad assumere persone, elaborare servizi o formare dipendenti che renderanno operativi i Big Data. Devono, in sostanza, cambiare la propria architettura tecnologica. 
Hanno vincoli di tempo e priorità, devono essere pronte a mobilitare risorse attorno al Big Data. La maggior parte delle imprese del Bel Paese si sta già muovendo lungo questa strada: gli IT manager discutono sul posto che i Big Data possono occupare.

Big data: le componenti

Da un lato ci sono i dati nella loro forma moderna: ricchi, voluminosi, onnipresenti. Li chiamiamo Big Data, un nome che rappresenta sia l'enorme quantità di informazioni che vengono prodotte e registrate oggi sia tutti i meccanismi che permettono di digerirle, interpretarle e utilizzarle. All’interno delle aziende, i dati stanno progressivamente rivoluzionando professioni, abitudini, fasi di creazione o di relazione con i clienti. I Big Data trasformano quindi la conoscenza, ma sono anche all’origine di nuovi concetti come la Data Visualization o il mestiere del Data Scientist (votato il lavoro più sexy nel 2016 da Harvard Business).
 

A che punto siamo in Italia?

 A questo termine sono collegate anche molte domande, tra cui quelle relative all’archiviazione, all’elaborazione e all’arricchimento, perché i dati sono rilevanti solo se sono utilizzabili. Oggi, l’88% di tutti i dati disponibili nel mondo non vengono analizzati per mancanza di risorse.
Dall’altro lato c’è l’AI, Intelligenza Artificiale, riassunta come la capacità di una macchina di svolgere compiti che normalmente richiedono l’intelligenza umana. Sebbene il concetto sia vecchio già di diversi decenni, oggi è sempre più diffuso e popolare grazie ai recenti sviluppi tecnologici. L’apprendimento automatico, ad esempio, è tra gli sviluppi più popolari nell’intelligenza artificiale. Come i dati, anche l’intelligenza artificiale ha invaso la vita di tutti i giorni, sia essa incorporata in un’auto, in un algoritmo finanziario o in un videogioco.

Big Data e intelligenza artificiale si completano a vicenda

 Quanto possono avvicinarsi Big Data e Intelligenza Artificiale? In realtà, questi due fanno meglio di così: si alimentano a vicenda. Oggi i dati sono così tanti che una raccolta ed elaborazione efficaci non possono fare a meno della potenza di un computer e delle sue capacità di calcolo. I Big Data dipendono dall’intelligenza artificiale.
Di contro, l’intelligenza artificiale prospera sull’abbondanza di dati. Più dati ci sono, più è facile individuare trend e interpretare fenomeni, soprattutto in una logica di deep learning dove la macchina impara analizzando sempre più informazioni. Dunque, l’intelligenza artificiale ha bisogno di Big Data.

Big Data e AI: le sfide

L’Intelligenza Artificiale permette di realizzare le promesse dei Big Data, o addirittura di amplificarle. Elaborando i dati più velocemente e su scala più ampia, spinge i limiti della personalizzazione, del marketing predittivo o del reclutamento, ma impone un'unica, severissima, condizione: le sfide inerenti alla Big Data Intelligence vanno affrontate. Quali sono, dunque, quelle a cui sono chiamate le imprese italiane?

Applicazioni dell'intelligenza artificiale

Per un’azienda data-driven, l’uso dell’Intelligenza Artificiale può offrire numerosi vantaggi alle sue diverse divisioni. Per la marketing automation, ad esempio, l'intelligenza artificiale amplia le possibilità: grazie a tutti i dati dei clienti di cui dispone, può creare scenari di posta elettronica, eseguire promemoria o prospect con una regolarità senza precedenti, targeting e personalizzazione del messaggio. Rubikloud, impresa canadese specializzata nell'analisi dei dati AI per i rivenditori, ha appena completato una raccolta fondi di 45 milioni di dollari da lanciare in Europa e Asia, a prova dell'entusiasmo per questo tipo di pratica.
Il miglioramento dei chatbot, capaci di adattare il proprio parlato in base all’interlocutore (e i dati basati su quest’ultimo) è un altro esempio del miglioramento dei compiti automatizzati dall’intelligenza artificiale grazie ai dati. Anche gli sforzi di fidelizzazione potranno beneficiare dei progressi, sapendo esattamente quando e come chiedere al cliente di effettuare un nuovo acquisto. Nelle pratiche di marketing predittivo, che sono tra le principali sfide dei Big Data, anche l’AI dà il suo contributo. Con una migliore capacità di elaborazione è possibile aumentare il numero di dati analizzati per anticipare il comportamento di prospect e clienti.

Precedentemente limitate a uno spettro limitato di dati, utilizzabili mediante processi tradizionali e a misura d’uomo, oggi le aziende possono aumentare in modo massiccio il volume dei dati da interpretare. L’intelligenza artificiale offre quindi più che un’elaborazione accelerata ed efficiente, ma riduce anche i margini di errore traendo più significato da un corpus ampliato.

Fidelizzare più clienti

Per evitare che i clienti cambino soluzioni a vantaggio dei concorrenti, alcune banche italiane hanno perfezionato la loro analisi predittiva: integrando l’intelligenza artificiale con i Big Data, gli istituti finanziari sono riusciti a fidelizzare quattro volte più clienti rispetto a prima, grazie a una visione più precisa delle loro aspettative e comportamenti. Fino a qualche tempo fa, in pratica, il modello funzionava con un numero limitato di variabili. Oggi, queste variabili sono diventate centinaia e non esiste più uno, ma n modelli applicati a n popolazioni.
Il supporto decisionale è un altro valore aggiunto dell’utilizzo dei dati: offrendo una visione chiara dei rischi, delle opportunità e di tutte le variabili interessate, i dati consentono di scegliere l’opzione migliore. Come per la previsione, aggiungere l’Intelligenza Artificiale all’equazione permette di andare oltre: invece di estrarre un trend da una decina di variabili, è possibile farlo da centinaia o addirittura migliaio di variabili. L’analisi risulta quindi più precisa, affidabile e il processo decisionale ne è facilitato perché i rischi vengono meglio identificati. Perciò, l’intelligenza artificiale tende ad avere sempre più peso nelle decisioni, fino al punto di scegliere al posto degli umani. Nell’esempio dei chatbot, l’AI può indirizzare l’utente verso la soluzione migliore grazie all’analisi dei dati presenti nei database e di quelli ricevuti in tempo reale nello scambio.

Serie televisive progettate da Big Data

Netflix è un esperto di dati. Oltre a un sistema di suggerimenti intelligente che offre agli spettatori film e serie ultra-mirati (basati su visioni recenti, attori ricorrenti, ricerche sul sito, etc.), l'azienda ha anche creato programmi interamente basati sull'analisi dei dati. La famosa serie House of Cards è stata lanciata perché Netflix ha scoperto che ai fan della serie britannica originale piacevano Kevin Spacey (attore protagonista) e David Fincher (produttore).

Recruiting

 Anche il reclutamento tramite AI e Big Data è all’ordine del giorno. Il fine ovvio è la possibilità di individuare i candidati da un panel più ampio. Il contributo dell’intelligenza artificiale, dunque, allarga le porte. 
Ed ecco farsi largo il recruiting predittivo, ovvero di come avere la certezza che i candidati target corrispondano perfettamente alla posizione e all’azienda, ancor prima di riceverli per un colloquio. Come nel caso del processo decisionale, l'analisi massiccia dei dati raccolti su un candidato serve a ridurre i rischi (scarsa integrazione, mancanza di impegno lavorativo, etc.). Per ottenere efficienza nel reclutamento e produttività nelle assunzioni, i datori di lavoro sono sempre più incoraggiati a utilizzare algoritmi avanzati: dal 2014, questo tipo di modello continua a riscuotere successo perché riduce le incertezze.
Per un’azienda come Fiat, che assume tra le 400 e le 600 persone all’anno, l’efficienza del reclutamento è un'altra questione importante. Il passaggio ad una metodologia predittiva ha permesso, così, di ridurre i tempi del 30% e anche sensibilmente il turnover, grazie alla selezione di profili più in linea con le posizioni. L'uso dell'algoritmo, in sostanza, ha consentito di ridurre di un terzo la durata del processo di reclutamento, da 45 a 30 giorni, mentre il tasso di turnover è stato notevolmente abbassato.
 

I servizi

 Con la sempre maggiore diffusione dei Big Data nelle aziende, il coinvolgimento dell’Intelligenza Artificiale interesserà tutti i servizi: quelli di marketing ovviamente, dove la necessità di conoscenza del cliente è fondamentale, ma anche la Business Intelligence, l'HR, la gestione degli acquisti, i fornitori, ecc. Nel marketing, ad esempio, l’intelligenza artificiale e i Big Data possono, per esempio, partecipare allo sviluppo di un prodotto tanto quanto alla fidelizzazione dei clienti una volta che lo hanno acquistato. L'accoppiata, quindi, avrà il suo bel da fare anche in altri settori, come la logistica, con magazzini intelligenti, dove i dati generati dalle attrezzature porteranno a un modello di manutenzione predittiva, aumentando l'efficienza e minimizzando i rischi.