Big Data vs Fast Data

Estrarre valore dai dati in tempo realedi

Introduzione

Nell’attuale panorama produttivo, per le aziende è quanto mai fondamentale avere a disposizione dati precisi e aggiornati da cui estrarre insight di valore. La mole dei dati creata, però, è esplosa: IBM ha stimato che negli ultimi due anni sia stato prodotto il 90% dei dati della storia del Web, a un ritmo di 2,5 quintilioni di byte di dati al giorno! [1]

Gli strumenti un tempo considerati utili ormai non sono più sufficienti; nel frattempo, le aspettative degli utenti sono cresciute: le applicazioni moderne devono fornire risposte in tempo reale, esperienze personalizzate, always-on e omnicanale.

Inoltre, lo sviluppo in altre aree IT — pensiamo a IoT, geolocalizzazione, e così via — ha cambiato il modo in cui i dati vengono raccolti, archiviati, distribuiti, elaborati e analizzati, complicando ulteriormente questo scenario e rendendo necessari nuovi strumenti e architetture adeguate per gestire queste sfide in modo efficiente.

È qui che entrano in gioco i Fast Data.

 

Dati, una marea in continua crescita

Le necessità delle aziende cambiano continuamente e rapidamente. Se pensiamo ai dati, poi, questa affermazione è ancora più evidente: nuovi strumenti e nuove metodologie di raccolta, analisi e utilizzo dei dati si susseguono a un ritmo impressionante.

La motivazione di questi cambiamenti repentini e imprevedibili risiede nelle caratteristiche proprie del mercato contemporaneo, globale e iperconnesso: un mondo nel quale i clienti si muovono al ritmo di un tap da un’applicazione all’altra, la concorrenza può arrivare da ogni dove e i grandi player globali stabiliscono standard molto alti di risposta ai bisogni degli utenti.

All’interno di questo scenario di trasformazione, cosa è successo ai dati? Com’è cambiato il contesto e quali sono le risposte in termini di strumentazione?

Enorme quantità

Il volume di dati prodotti è in continuo aumento. Nel 2019, Internet ha raggiunto il 56,1 % della popolazione mondiale, corrispondente a 4,39 miliardi di persone connesse, ogni giorno, da diversi device  [2]. I dati rendono evidente la portata del fenomeno; tuttavia, anche se i numeri aumentano, il valore rischia di essere disperso, laddove i dati a disposizione non vengano immediatamente processati ed elaborati correttamente.

Poca strutturazione

Uno degli elementi chiave di questo fenomeno è costituito dall’ammontare dei dati non strutturati — email, video, audio, dati social, contenuti di testo di carattere narrativo — che rappresentano oggi la porzione maggiore dell’intero volume di dati raccolti dalle aziende, stimata intorno al 90 % [3].

Nuovi strumenti di analisi

Storicamente, a causa delle difficoltà di elaborazione dei dati e della limitata capacità di storage, questi dati non venivano conservati e non erano sfruttati per generare valore. Oggi però, con l’avvento di nuovi strumenti di analisi che permettono di analizzare e sfruttare anche i dati non strutturati, il volume di dati di questa tipologia è cresciuto enormemente.

 

Big Data e sue applicazioni tipiche

Il termine Big Data è entrato nel linguaggio comune verso la fine dello scorso decennio, quando le aziende hanno iniziato a investire nella raccolta ed elaborazione di grandi moli di dati per generare insight di valore per il proprio business.

Figura 1 – Big Data (photo by Carlos Muza on Unsplash).

Figura 1 – Big Data (photo by Carlos Muza on Unsplash).

 

Le caratteristiche proprie di questi dati — grandi volumi e notevole varietà — hanno reso necessaria l’elaborazione di tecnologie e metodologie di analisi specifiche. In particolare, i dati vengono raccolti in serie storiche da diverse fonti, e così organizzati e conservati in un database; in un secondo momento, vengono estratti ed elaborati per blocchi con l’obiettivo di ottenere informazioni utili a generare nuovi stimoli per i clienti, o ad anticiparne i bisogni.

Vantaggi e limiti dei Big Data

L’utilizzo di questi dati si è molto diffuso nelle grandi aziende, soprattutto negli ultimi anni, specialmente allo scopo di realizzare analisi predittive. Per fare un esempio, da tempo ormai i grandi retailer utilizzano i dati di vendita delle stagioni precedenti per elaborare modelli predittivi di comportamento per le stagioni a venire.

Nonostante gli sforzi, tuttavia, la maggior parte di queste informazioni — costituita da dati non strutturati — spesso rimane ancora inutilizzata per l’incapacità di elaborare, organizzare e analizzare i dati in tale stato.

I dati rischiano così di diventare un costo più che un valore: grandi “bidoni” che contengono potenzialmente tonnellate di informazioni, ma che sono costosi da conservare, difficili da analizzare e dei quali spesso non è nemmeno chiaro lo scopo della raccolta.

Per questo oggi le aziende hanno iniziato a spostare l’attenzione dai Big Data ai Fast Data, concentrandosi non tanto sulla quantità di dati, quanto sulla loro qualità e velocità.

 

Fast Data e sue applicazioni tipiche

I Fast Data rappresentano un’evoluzione dei Big Data, nella ricerca di una maggiore velocità di elaborazione e di analisi. Permettono, infatti, alle aziende di raccogliere subset di dati da diverse sorgenti e di elaborarli contestualmente, ottenendo così informazioni aggregate e sempre disponibili in tempo reale.

Figura 2 – Fast Data (photo by Christina Morillo on Pexels).

Figura 2 – Fast Data (photo by Christina Morillo on Pexels).

 

Queste informazioni “veloci” vengono oggi utilizzate dalle aziende fondamentalmente per tre scopi: Real-Time Automated Decisions, Omnichannel Single Views e Data Enrichment & Traceability.

Real-Time Automated Decisions

Il primo ambito di utilizzo sono le Real-Time Automated Decisions: in questo caso la tecnologia Fast Data cattura e anonimizza sottoinsiemi rilevanti di dati, dandoli in pasto a sistemi matematici in grado di prendere — o suggerire — decisioni in tempo reale sulla base di quelle informazioni.

Ciò viene applicato ad esempio ai meccanismi di pricing dinamico delle compagnie aree o dei car rental, ma anche all’ottimizzazione dei processi produttivi e distributivi, dove la disponibilità di notizie in tempo reale è spesso il fattore critico di successo.

Omnichannel Single Views

Un’altra applicazione oggi di grande interesse è la semplificazione delle esperienze degli utenti. La tecnologia Fast Data in questo caso consente di organizzare dati da fonti diverse secondo specifiche esigenze di business, per servire quelle informazioni in modo facile ai canali di interazione con l’utente.

È questo il caso ad esempio delle moderne App delle compagnie telefoniche, che consentono di controllare in tempo reale lo stato dei propri consumi, di verificare la correttezza dei pagamenti e cambiare piano tariffario con un clic; oppure quello dei portali di Home Insurance nei quali è possibile vedere in un unico punto tutte le proprie polizze e attivare rapidamente una richiesta di indennizzo per un sinistro.

I Fast Data qui non solo semplificano l’esperienza utente ma consentono anche di arricchirla con servizi e funzionalità nuove: il “Click & Collect” dei grandi retailer, ad esempio, integra in tempo reale i sistemi dell’e-commerce, del magazzino e del punto vendita per garantire un’esperienza realmente omnicanale.

Data Enrichment & Traceability

Il terzo ambito di applicazione dei Fast Data è la creazione di sistemi di arricchimento dei dati e di previsione: la tecnologia può essere usata ad esempio per tracciare la produzione di un capo di abbigliamento attraverso tutta la filiera. È così possibile seguire il “ciclo di vita” dell’oggetto dal disegno del bozzetto alla vendita in negozio, monitorando in tempo reale lo stato di lavorazione, il tempo di consegna, l’impatto ambientale, con la possibile certificazione in ogni momento dell’originalità del prodotto, così da combattere il mercato nero e il mercato grigio.

L’importanza del “tempo reale”

In conclusione, i Fast Data, grazie a un approccio differente e a tecnologie che consentono di leggere i dati “in movimento” — si parla di millisecondi o addirittura di microsecondi — consentono di usufruire in tempo reale delle informazioni più rilevanti per una determinata esigenza di business, così da poterne estrarre subito il maggior valore.

 

Conclusione

Riprendendo le caratteristiche tipiche dei Big Data — grandi volumi e varietà di dati — è evidente che si sia realizzato un cambiamento epocale. Se con i Big Data l’attenzione era focalizzata sul volume, oggi sono centrali gli aspetti di precisione, qualità e velocità. In questo modo è possibile includere non soltanto informazioni transazionali, ma anche dati aziendali, metriche IoT, informazioni operative e dati di comportamento.

Per questo oggi i Fast Data rappresentano lo strumento più funzionale, in grado di estrarre immediato valore dagli asset fondamentali e permettere alle aziende di realizzare nuove opportunità di business, servendo i propri clienti in modi innovativi.

 

Riferimenti

[1] Jack Loechner, 90% Of Today's Data Created In Two Years. MediaPost, 22 dicembre 2016

https://t.ly/AxNkO

 

[2] Data Never Sleeps 7.0. Domo

https://www.domo.com/learn/data-never-sleeps-7

 

[3] Eric Griffith, 90 Percent of the Big Data We Generate Is an Unstructured Mess. PC Mag, 15 novembre 2018

https://t.ly/1JgwE

 

Condividi

Pubblicato nel numero
256 dicembre 2019
Communication Master in Mia-Platform, cerca di colmare il gap tra analogico e digitale per capire la realtà e poterla raccontare. Appassionato esploratore del mondo, scrive di innovazione, in tutte le sue forme: tecnologie, processi, tecniche, metodi, strumenti, organizzazioni.
Ti potrebbe interessare anche