Per capire davvero cosa siano i Big Data, è utile conoscerne la storia: secondo la prima definizione ancora attuale di Gartner, i big Data sono un ampio volume di dati, contenenti una grande varietà di informazioni, che sommergono le aziende quotidianamente. Sono volumi di informazioni così elevati che i normali software di elaborazione dei dati non sono in grado di svilupparli ed analizzarli.
Ciò che caratterizza questi complessi big data sono il volume, la velocità e la varietà (le 3V definite da Doug Laney già nei primi anni 2000):
- Volume: come già anticipato, processare un grosso quantitativo di dati, strutturati e non, è un’azione complessa. Le aziende ricevono vagonate di informazioni da una miriade di sorgenti diverse, quali i social media, sensori, transazioni finanziarie ecc. per questo motivo devono essere sviluppati nuovi software di elaborazione in grado di gestire e supportare la loro analisi.
- Velocità: si parla della velocità di ricezione del dato. Normalmente l’elevata velocità di trasferimento dati è dovuta al loro fluire direttamente nella memoria, rispetto ad essere trascritti su disco. Alcuni software online (internet-enabled smart products) operano in tempo reale e richiedono un’elaborazione dati anch’essa in real-time. Tanto più i dati viaggiano velocemente, tanto più quindi devono essere gestiti tempestivamente.
- Varietà: esistono diversi tipi di dati disponibili. Possono essere sia strutturati che destrutturati.
Come funzionano i big data?
I big data elaborati offrono informazioni utili alle aziende e consentono di innovare e modificare i propri modelli di business, dai prodotti ai servizi. Tutto dipende però da come questi dati vengono elaborati, e più l’analisi è accurata più il loro valore cresce.
Integrazione
I big data racchiudono al loro interno, informazioni provenienti da diverse fonti. I tradizionali meccanismi di elaborazione come ETL (Extracy, Trasform e Load) non riescono solitamente ad analizzarli in modo completo. C’è bisogno di nuove strategie e tecnologie per gestire dati di grandi dimensioni (terabyte o petabyte).
Integrarli è una fase importante: bisogna accertarsi che l’elaborazione svolta sia corretta e che questi dati possano essere formattati e resi disponibili agli analisti aziendali nel modo più semplice e completo possibile.
Gestione
Grandi dati richiedono grandi spazi di archiviazione. Spesso si usa il cloud e piano piano sta guadagnando popolarità perché supporta gli attuali requisiti di elaborazione dati.
Analisi
Investire nei big data ha un senso se si analizzano e sfruttano attentamente. E quali sono i vantaggi per le aziende, dopo una giusta elaborazione?
- Aumento del fatturato: se sintetizzati nel modo corretto, questi dati possono dare un’attenta analisi quantitativa sul mercato o sui profili dei clienti aziendali.
- Previsione della domanda: le informazioni riguardanti i clienti possono regalare alle aziende importantissimi spunti per la gestione della produzione e previsione dell’andamento di mercato (si possono scoprire i gusti, le preferenze, il perché delle loro scelte, da cosa sono effettivamente influenzati durante il processo di acquisto ecc…)
- Sviluppo del prodotto – Trovare nuove opportunità di business: nuovi prodotti e servizi suggeriti dall’analisi dei dati e puntare su clienti nuovi. Esempi importanti di aziende che sfruttano i big data a proprio vantaggio sono Netflix e Procter & Gamble, che costruiscono modelli predittivi per nuovi prodotti e servizi, classificando le informazioni attuali (derivate da social media, test, focus group…) e mettendole in relazione con i successi commerciali di offerta.
- Customer Experience: I big data raccolgono dati sui clienti, e sfruttarli comporta un miglioramento dell’esperienza di acquisto, massimizzando il valore del prodotto fornito. Generando offerte personalizzate, riduce il tasso di “abbandono dei clienti” e permette alle aziende di gestire i problemi o le lamentele in modo proattivo.
- Efficienza: attraverso i big data di possono analizzare e valutare la produzione, i feedback dei clienti ed anticipare le richieste future. Possono anche essere utilizzati per migliorare il processo decisionale in linea con la domanda corrente di mercato. Tutto ciò migliora l’efficienza operativa aziendale.
