| |
14:30 | Apertura Lavori Inside Forum DATA Talks
Giovanni Brusoni, Digital Acceleration Leader - SAS Host |
14:35 | Il punto di vista di Emanuela Teruzzi, Direttore Responsabile - Inno3
|
14:45 | La fame di dati
Massimo Fedeli, CIO - ISTAT
Le aziende oggi hanno una grande fame di dati e sempre di più ne avranno in futuro.
L'idea di conoscere meglio i propri clienti, di migliorare le performance non è certo nuova, ma oggi trova il suo sfogo naturale nella ricerca di dati nuovi per arricchire i propri archivi.
Tuttavia, non è semplice trovarne di validi. I tradizionali data provider, nonostante i loro sforzi, spesso forniscono una visione vecchia o parziale, gli Open Data che tante speranze avevano generato non sono differenti in termini di qualità del dato. Quotidiane sono le cronache dei giornali che parlano anche di comportamenti poco leciti in proposito.
Ma è proprio vero che non esiste un dato pubblico dettagliato, certificato, disponibile e machine readable, pronto all’uso?
Forse no, ed è sempre stato lì a disposizione... |
15:00 | SI.R.EN.A.: i dati come strumento per le politiche ambientali
Mauro Brolis, Responsabile Area Sostenibilità ambientale ed Energia - ILSPA
La consapevolezza dei numeri e con essa la loro ampia condivisione è di fatto il fondamento della capacità di governo del territorio e della sua evoluzione su principi di sostenibilità, non solo ambientale. Su questo principio, si è svolta una storia interessante di costruzione sin dalle basi minime di un patrimonio informativo di matrice pubblica che potesse alimentare in modo continuativo l’azione di politica energetica di una Regione, la Lombardia che rappresenta una parte rilevante del peso del nostro Paese rispetto al raggiungimento degli obiettivi europei compresi nell’Azione Clima prima e ora nel nuovo scenario di sostenibilità energetica al 2030/2050. Ne è nato nel 2007 uno strumento pressochè unico nel suo genere ovvero SIRENA, il Sistema Informativo Regionale Energia e Ambiente, ideato e gestito dall’Area Sostenibilità ambientale ed Energia di Infrastrutture Lombarde S.p.A. che ha garantito alla Regione una nuovissima capacità di mantenere aggiornato il bilancio energetico territoriale (in termini di produzione, consumo di energia e di emissioni climalteranti connesse) e di assicurare quindi una solida base alla costruzione di scenari e di nuove politiche. Questa positiva esperienza di cultura tecnica trova oggi nuovo valore nel suo incontro con l’universo SAS. |
15:15 | Gestire la Customer centrality: storia di un Data Lake
Giovambattista Rumi, IT Build Manager - Volkswagen Group
Per garantire la raccolta, integrazione e analisi di tutte le informazioni relative ai Clienti, in accordo con le regolamentazioni nazionali e internazionali, è necessario definire infrastrutture e architetture applicative in grado di gestire enormi quantità di dati, garantendo efficienza ed efficacia nella disponibilità degli stessi.
Per Volkswagen Group Italia la risposta è stata un Data Lake, integrato con il landscape applicativo, per il quale diviene essenziale la definizione di regole per la gestione di Golden Records e per la gestione dei percorsi di distribuzione dei dati. |
15:30 | Snam Gas Forecasting with ML: anticipate regulation and improve sustainability
Roberto Calandrini, Head of Data Science & Architecture, Snam
La previsione della domanda gas nel territorio italiano è un compito complesso quanto fondamentale per garantire la continuità del servizio e l’utilizzo ottimale delle risorse in ottica di sostenibilità.
Questa attività richiede un lavoro coordinato che coinvolge diversi dipartimenti aziendali SNAM e gli operatori di mercato, che necessitano di una precisa e puntuale previsione oraria del gas utilizzato per garantire nomine ed assetti di trasporto quanto più possibile ottimizzati al reale utilizzo.
Il caso esposto mostra come l’utilizzo di tecniche di Machine Learning avanzate (come Neural Networks Ensemble) permetta di ottenere prestazioni molto elevate sulla stima day-ahead, di modo da usufruire degli incentivi definiti dal regolatore e migliorare le performance di trasporto in maniera sempre più sostenibile.
|
16:00 | Semantica dei dati e profilazione delle persone: modellare emozioni, opinioni e valori per il micro-marketing di oggi
Furio Camillo, Professore di Statistica Aziendale - Università di Bologna
La produzione di dati da parte di device come smartphone, centralina dell’autovettura o il nostro frigorifero intelligente, sta dilagando e il proliferare di sistemi di gestione tecnologica di grandissime basi di dati comportamentali sta consentendo lo stockaggio efficiente dei cosiddetti Big Data. In questi dati però, in generale, ci sono informazioni sui comportamenti, forse qualche opinione rilasciata in forma destrutturata sui social-network, ma sicuramente mancano le motivazioni interiori e le attitudini specifiche di ogni individuo. Lo speech vuole pertanto mostrare un uso innovativo di un panel di cittadini rappresentativo della popolazione italiana (panel GLAXI) al quale sono stati applicati approcci provenienti dalla ricerca psico-sociale e psico-metrica che consentono di classificare le persone secondo una serie di costrutti solidi e duraturi, legati al loro profilo interiore e valoriale, ossia a qualcosa di relativamente immutabile nel tempo. In tempo reale, inoltre verrà mostrato come sia possibile procedere a una modellazione analitica che consenta una predizione di quale sia il tipo di comportamento in funzione del profilo valoriale di ogni persona. |
16:15 | Machine Learning - L’approccio data driven dell’Internal Audit di UBI Banca per l’evoluzione del sistema dei controlli a distanza
Cristiano Vanoncini, Responsabile Audit Commercial & Financial Processes - UBI Banca
Cinzia Amandonico, Advanced Analytics Practice - PwC
Nel 2018 la Direzione Audit Reti di Vendita di UBI Banca ha avviato interventi mirati alla rivisitazione del sistema dei controlli a distanza con l’obiettivo di potenziare il modello attuale in ottica evolutiva aggiornando il set degli indicatori a disposizione (KRI), migliorandone il potenziale informativo e l’affidabilità complessiva e arricchendo la capacità e le dimensioni delle analisi. Il progetto, sviluppato con il supporto dei team Advanced Analytics e Compliance di PwC, ha previsto lo sviluppo di una fase di Machine Learning volta a potenziare gli strumenti coinvolti nei controlli, consentendo l’identificazione dinamica nel tempo delle verifiche da effettuare e delle anomalie da accertare all’interno della rete, abilitando così valutazioni più mirate e modellabili in base a logiche di efficienza-efficacia. Le logiche Data-Driven degli algoritmi utilizzati hanno portato a risultati innovativi e per certi versi inaspettati rispetto a quanto ottenuto finora con un approccio deterministico. |
16:30 | Tariffazione non-Life: il Machine Learning a completamento delle GLM
Lorenzo Alati, Staff Statistico Attuariale - AMISSIMA Assicurazioni
Laura Melas, Risk, Advanced Analytics & AI - Team Leader - BID
Il settore insurance sta vivendo un periodo di continuo cambiamento, dove tecniche innovative e competenze specifiche giocano un ruolo chiave nella generazione di valore per il business. In quest’ottica Amissima Assicurazioni e BID hanno sperimentato su piattaforma SAS un approccio agile a supporto delle analisi propedeutiche alla configurazione della tariffazione RCA. Un paradigma nuovo e veloce basato su tecniche di Machine Learning per migliorare i tradizionali modelli di rischio fondati sulle analisi multivariate, attraverso la scoperta di pattern nascosti e relazioni multidimensionali.
|
16:45 | Il BIM Data-Driven Energy Planner
Antonio Martino, Direttore generale - GRUPPO ISC - Information Sharing Company
Ugo Morenzetti, Sales manager - GRUPPO ISC - Information Sharing Company
Le normative in vigore impongono agli enti pubblici e aziende possessori di immobili e grandi consumatrici di energia la realizzazione di piani di intervento per il miglioramento della prestazioni energetiche e la riduzione delle emissioni inquinanti. Il problema da affrontare è complesso, perché incrocia problematiche di gestione e monitoraggio con quelle di pianificazione (intervenire prima dove c’è una necessità maggiore), in funzione delle aree geografiche, delle zone climatiche e delle variazioni stagionali.
La soluzione proposta è il BIM Data-Driven Energy Planner, un insieme di strumenti e procedure per censire gli immobili sotto il profilo dei consumi di energia, analizzare lo stock edilizio, definire le priorità di interventi, effettuare stime del fabbisogno energetico, monitorare i risultati degli interventi, rendere accessibili e consultabili i risultati a tutti gli interessati. Include il framework BIM INFORMATION HUB, per la gestione integrata e centralizzata delle informazioni contenute nei file di progetto BIM – di immobili, impianti, infrastrutture, ecc. - recepiti mediante il formato IFC. Integra SAS Analytics Engine per le analisi e la valutazione di scenari, e la tecnologia ArcGIS di ESRI, per la geolocalizzazione. È uno strumento preliminare e di supporto alla Diagnosi Energetica: non la sostituisce.
|
17:00 | Conclusioni e chiusura lavori
|