Milano, 14 marzo 2007 – Il modo di fare business è in costante evoluzione, la complessità aumenta insieme alla mole di dati generati. Molte aziende però non dispongono di infrastrutture tecnologiche capaci di gestire i processi informativi. Dati e informazioni sono spesso disomogenei, le architetture e le infrastrutture aziendali eterogenee, con dati sparsi in sistemi operazionali, transazionali e analitici non integrati.

Nel corso degli anni questo approccio alla gestione delle informazioni ha portato a costi elevati di gestione, ritardi nei rilasci, rischi di fallimenti progettuali, duplicazione di sforzi, dati e processi. Recenti indagini¹ sottolineano che il 30% delle informazioni risiedono in file Excel.

“Migliaia di fogli elettronici utilizzati ogni giorno da persone diverse costituiscono un rischio per le aziende - dichiara Walter Lanzani, Direttore Marketing SAS. - In particolare se si pensa alle numerose normative di settore per le organizzazioni sia pubbliche sia private (Basilea II, Solvency II, Sarbanes-Oxley, …). E’ chiaro come in questi casi sia necessario un corretto e condiviso utilizzo dei dati, che devono essere qualitativamente validi e consistenti”.

Processi di integrazione di dati e metadati e impiego di strumenti avanzati per reporting e analisi, non sono più da considerarsi un lusso, ma un ‘imperativo strategico’ per migliorare efficienza e flessibilità aziendale.

Gestire l’intero ciclo di vita delle informazioni in azienda La strategia SAS per l’Information Management permette di sviluppare infrastrutture snelle in tutta la filiera dell’informazione: accesso ai dati, profilazione, bonifica e validazione, processi di trasformazione, analisi e previsioni. Attraverso tecnologie, modelli dati, servizi e processi che promuovono la collaborazione in azienda, SAS for Information Management permette di: Gestire le informazioni come asset strategico. Verificare, standardizzare, arricchire qualitativamente, integrare e trasformare i dati in informazioni. Il processo è reso più semplice dalla condivisione dei metadati

• Migliorare le performance del Data Warehouse e l’efficienza dei processi di BI. Il caricamento dei dati nel data warehouse SAS è fino a dieci volte più veloce rispetto alla media, con un risparmio dello spazio su disco del 50%. Il sistema permette l’autogestione dello spazio e l’auto-tuning e parallelizzazione dei processi.

Data Integration e qualità dei dati
La qualità dei dati è un aspetto cruciale. I portali web e le transazioni con realtà esterne in tempo reale, ad esempio attraverso gli standard di scambio informativo EDI (Electronic Data Interchange), rischiano ogni giorno di compromettere la qualità dei dati.

"Esistono troppi sistemi da cui possono fluire i dati, - afferma Walter Lanzani, - ecco perchè le fasi della data integration e data quality per bonificare, deduplicare e validare in tempo reale tutti i dati che arrivano nei sistemi aziendali sono fondamentali”.

Prendiamo a esempio un call center. Nel momento in cui l’operatore immette i dati nel sistema operativo, Siebel o SAP, è fondamentale permettergli di verificare, in tempo reale e senza interfacce ulteriori, la presenza o meno del record appena inserito. Questo permette di evitare la duplicazione dei dati, standardizzare il formato (mario >> Mario), validare i dati (per esempio un indirizzo preesistente), oltre a arricchire il record con informazioni aggiuntive.

Informazioni come servizio, attraverso SOA
"Per snellire l’accesso alle informazioni - sostiene Walter Lanzani - molte aziende stanno andando nella direzione delle Service Oriented Architecture (SOA). Le SOA consentono di uniformare le logiche di business rendendole indipendenti dalle applicazioni, dai linguaggi di programmazione e dalle piattaforme per distribuirle in azienda sotto forma di servizi”.

Tutto ciò si ottiene rendendo l’infrastruttura aperta agli standard e arricchendola con una serie di servizi di accesso, integrazione, bonifica, distribuzione e analisi dei dati. SAS offre una piattaforma integrata e modulare che favorisce la creazione e l’erogazione di servizi per la gestione dell’intero ciclo delle informazioni in azienda, secondo opportune tempistiche di fruizione. Questo è possibile grazie a un’infrastruttura aperta agli standard e arricchita con una serie di servizi di accesso, integrazione, bonifica, distribuzione e analisi dei dati.

Text Mining, per analizzare anche i dati non numerici
Per la gestione e l’analisi dei dati non strutturati, è molto utile il Text Mining, quel processo che permette di estrarre conoscenza dai documenti di testo. Si tratta di un sistema automatico che ricava informazioni attraverso la lettura, l’interpretazione, la classificazione e l’integrazione non di dati e numeri (come nel caso del Data Mining) ma da termini e parole.

Svariati i possibili ambiti applicativi. Può rivelarsi utile nell’interpretazione delle risposte libere a un questionario indirizzato ai clienti o nel vagliare i commenti inviati dagli utenti di un determinato servizio. O ancora quando è opportuno selezionare delle e-mail o condurre uno studio su una rassegna stampa creando gruppi di documenti sulla base di termini simili fra loro.

Dal punto di vista operativo, per condurre un’analisi di Text Mining è necessario effettuare una prima fase di data quality testuale, che prevede l’epurazione di tutti quei termini che non sono significativi.
Infine è necessario creare alcuni gruppi all’interno dei quali raccogliere automaticamente tutti i documenti contenenti termini omogenei fra loro (Cluster Analysis). Attraverso algoritmi predittivi è anche possibile classificare nuovi documenti indirizzandoli nei gruppi di riferimento, siano essi creati con la Cluster Analysis o preesistenti.