Machine learning: una nuova normalità
Per abbracciare il cambiamento è necessario innovare la tecnologia e cambiare mindset.
La cultura della digital transformation deve essere compresa e condivisa
Angelo Tenconi, Senior Presales Director South EMEA - SAS
Chi oggi riesce a resistere alla tentazione di confrontare il prezzo di un prodotto visto in negozio con il prezzo online? Chi non segue i consigli di shopping personalizzato o si fa attrarre dall’articolo suggerito? In un mondo dove il dato è protagonista non possiamo più nasconderci, non ci sono alibi, e non ci sono scuse. Sempre che il dato venga concesso, naturalmente.
Angelo Tenconi, Senior presales director South EMEA - SAS
Siamo pronti a far dialogare le macchine tra loro?
Dal riconoscimento facciale alla guida automatica, dai programmi di traduzione simultanea alla classificazione di oggetti, dalle auto a guida autonoma all’analisi in tempo reale della performance degli atleti. Le applicazioni di machine learning fanno già parte della nostra esperienza quotidiana. La digital transformation rappresenta una grande opportunità per le aziende, ma anche una nuova sfida in termini di gestione, sicurezza delle informazioni e tutela della privacy.
Il dialogo parte dal dato
Tutto parte dai dati. Una quantità inimmaginabile di dati che noi essere umani senza un “dialogo” collaborativo con le macchine non saremmo in grado di padroneggiare. Oggi, le stime parlano di 7 triliardi di dispositivi connessi da qui al 2025, in pratica, un rapporto di mille sensori per ogni abitante del Pianeta. Dobbiamo saper gestire e analizzare in dati in real time, indipendentemente dal formato e dalla fonte per produrre le informazioni che ci aiutano a prendere decisioni, velocemente.
Il machine learning per IT e business
Il machine learning spinge verso nuovi traguardi la gestione di enormi volumi di dati. Le capacità di elaborare i dati direttamente dove vengono generati, riduce la necessità di movimentarli per poterli analizzare. Accelerando i processi di elaborazione e riducendo i tempi necessari per ottenere risultati affidabili. I dati vengono così resi immediatamente utilizzabili a chi ne ha bisogno.
Ma non tutti siamo uguali
È necessario considerare le esigenze delle diverse tipologie di utenti che affrontano tematiche analitiche: il data scientist vuole usare codice (tipicamente non ama le interfacce drag and drop) e richiede apertura per abbracciare linguaggi diversi; l’utente di business - al contrario - chiede interfacce semplici e immediate e agilità.
Nuovo valore incrementale
Il nuovo fine è la creazione di valore incrementale per l’azienda: aumento dei ricavi, miglioramento della soddisfazione dei clienti, diminuzione degli interventi di manutenzione, comprensione di fenomeni fraudolenti e così via. Certo le metriche sono diverse. Non si tratta di applicare la stessa formula a tutti. Perché quello che si può guadagnare in agilità, poi lo si può perdere in efficacia e affidabilità.
Siamo pronti per la trasformazione digitale?
Dobbiamo prepararci a un’accelerazione. Se le aziende continueranno a prendere decisioni come hanno fatto negli ultimi venti anni, con lo stesso mix di strumenti e competenze, non potranno reggere alla competizione. Oggi, gli analytics sono l’attore protagonista di quasi tutti i progetti di digital transformation, perché la priorità è la capacità di conoscere e prevedere attraverso l’analisi dei dati a disposizione.
Team interfunzionali per governare gli algoritmi
Le buone idee devono però fare i conti con la velocità di realizzazione. Negli ambienti informatici è oggi necessario accorciare i tempi tra sviluppo e messa in produzione delle applicazioni analitiche, avvicinandosi al DevOps.
Un approccio che prevede l’ingaggio di team di sviluppo interfunzionali per programmare in maniera più rapida, sicura ed efficace, in ambienti cloud e tradizionali. Ma la velocità non deve impattare l’affidabilità: se gli algoritmi guidano processi importanti delle aziende, allora devono essere affidabili, governati centralmente e controllati costantemente.
Valore, idee/profitto, persone: i tre pilastri della digital transformation
Digital transformation è il percorso grazie al quale si esce dall’oceano rosso, dove l’aggressiva competitività tradizionale “ammazza” l’innovazione di business, per navigare in oceani blu dove, grazie alla digitalizzazione, oggi accelerata da Machine Learning e Intelligenza Artificiale, si innescano processi di innovazione che rappresentano un nuovo differenziale (di business, di prodotto, di relazione…) per le aziende. Ecco quali sono i pilastri portanti di una digital transformation capace di portare le aziende all’oceano blu puntando su valore, idee/profitto e persone:
VALORE
investimento sui dati: saper gestire e analizzare grandi volumi di dati.
IDEE/PROFITTO
adottare nuovi tool e framework: le buone idee devono fare i conti con la velocità di realizzazione.
PERSONE
trovare le giuste competenze: l’analisi dei dati e l’utilizzo del machine learning richiede capacità nuove.
Leggi il white paper "Welcome to the Analytics Economy: Making the Most
of Digital Transformation"
Articolo tratto da
Trend by itasascom
Speciale Machine Learning
Letture consigliate
-
Articolo
5 data management best practices to help you do data rightFollow these 5 data management best practices to make sure your business data gives you great results from analytics.
-
Articolo
ModelOps: How to operationalize the model life cycleModelOps is where analytical models are cycled from the data science team to the IT production team in a regular cadence of deployment and updates. In the race to realizing value from AI models, it’s a winning ingredient that only a few companies are using.
-
Articolo
The untapped potential in unstructured textText is the largest human-generated data source. It grows every day as we post on social media, interact with chatbots and digital assistants, send emails, conduct business online, generate reports and essentially document our daily thoughts and activities using computers and mobile devices.
-
Articolo
Bringing data to the streamHow much do we know about fresh water systems and the dynamic nature of streams and rivers? Find out how one data scientist turned his fascination with streams and rivers into a career.
Ready to subscribe to Insights now?
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.
Subscribe to Insights newsletter