Ricerca e sperimentazione alla base del tuo Laboratorio di Innovazione

L'evoluzione legata ai Big Data, all’IoT e alla digitalizzazione del mondo hanno indotto molte aziende a implementare Hadoop come ecosistema abilitante e prerequisito alle opportunità nascoste nel dato digitale. Spesso l’adozione del nuovo paradigma fatica a produrre il valore atteso in tempi rapidi e molte imprese dichiarano di trarre poco vantaggio dai Big Data e grande difficoltà nel diffondere l’uso di Hadoop nelle diverse aree aziendali.

Ottimizzare l’esistente o trasformare?

Molti IT manager scelgono Hadoop per risponde alle numerose richieste interne di modernizzazione (innovazione) in termini di efficienza e performance. Un esempio tipico è quello di riversare un intero data warehouse all’interno del Data Lake, per consentire successivamente agli utenti la possibilità di recuperare più velocemente un maggior numero di informazioni.

Questa tipologia di utilizzo ha benefici immediati e, allo stesso tempo, un enorme rischio: focalizzarsi sull’ottimizzazione e la conservazione dell’esistente perdendo così l’opportunità di incidere sostanzialmente sul modo di essere e di operare dell’intera organizzazione. L’uso dei Big Data porta valore quando gli stessi vengono scelti per essere inseriti nei processi, servizi e modelli di business. Il paradosso è usare Hadoop senza produrre l’innovazione sufficiente a restare competitivi nel contesto globale e digitale.

L’altra tipologia di utilizzo di Hadoop è quella di estrarre (maggior) valore dai Big Data, attraverso gli advanced analytics. Esempi tipici possono essere i motori di raccomandazione basati sul comportamento degli utenti, o modelli predittivi che con i dati dell’IoT imparano a indicare le componenti a maggior rischio di rottura in un dato momento. In questo caso il focus è produrre una conoscenza più profonda e utile a stimolare innovazione e miglioramento nei servizi ai clienti, nei modelli di business e nel design dei prodotti.

Un utilizzo, questo, ad alto valore, ma più difficile da raggiungere in quanto, alle sfide tecnico - architetturale legate ad Hadoop, si aggiungono sfide più complesse:

• Necessità di skill adeguati sugli analytics e sugli specifici strumenti analitici
• Individuazione di business case basati sui Big Data, che siano effettivamente realizzabili nella propria azienda e che abbiano un ritorno adeguato nei tempi e in termini economici.

Una bussola per orientarsi e decidere

Ogni reale innovazione passa dalla ricerca e dalla sperimentazione, perciò le aziende che vogliono usare i Big Data per innovare, devono poter fare ricerca e sperimentazione sui Big Data. I “laboratori di innovazione” sono ambienti dove fare esplorazione (statistica) su dati tradizionali e dati nuovi e dove realizzare prototipi di modelli analitici su Hadoop. Luoghi dove si possa “fallire in libertà” ovvero stabilire che il “caso d’uso” non è applicabile in azienda, purché questo si possa scoprire rapidamente e si possa passare al caso successivo.

Creare un Big Data Innovation Lab significa sperimentare idee in grado di produrre cambiamenti dirompenti, non solo miglioramenti incrementali. E per questo sono necessarie competenze specifiche e strumenti adeguati.

Ottieni piu valore da Hadoop

SAS Lab for Hadoop

• Leggi l'e-book gratuito: 4 passi per creare un Innovation Lab