3 pilastri su cui si sviluppa un’azienda innovativa: Big data, Analytics, IoT

I servizi di nuova generazione, basati su Big data e Analytics, sono sempre più al centro dell’offerta IoT, in grado di abilitare nuovi modelli di Business

Big data e Analytics sono fondamentali per le aziende

Il cambiamento più importante degli ultimi dieci anni – e probabilmente anche dei prossimi dieci – nelle aziende, e nel lavoro di tutti i giorni, è la disponibilità di enormi quantità di dati. Internet e le piattaforme online ne mettono già a disposizione tantissimi, i sensori dell’IoT, presenti sulle automobili, nelle fabbriche, negli ospedali e presto ovunque, ne forniscono ancora di più, e più dettagliati. Per comprendere il senso di tutti questi dati e informazioni servono gli Analytics, e al momento stiamo solo vedendo la superficie dell’entità dei cambiamenti che tutto ciò produrrà nel nostro lavoro e nelle nostre vite.

La pervasività dei dati sta cambiando le tecnologie che utilizziamo per analizzarli, e i luoghi in cui si effettuano le analisi: gli Analytics si producono e gestiscono sempre più ai confini e nella periferia del sistema che li genera (Edge), sia esso una fabbrica, un impianto o una rete logistica. La forte diffusione dei dati implica anche un altrettanto forte bisogno di strumenti migliori – compresi quelli di Machine learning – per gestire (pulire, integrare, abbinare e così via) i dati stessi. E i dati hanno ora un ruolo più importante anche nella creazione e nel perfezionamento dei modelli, operativi e di Business, che è lo scopo primario del Machine learning.

Per l’analisi dei dati e prendere decisioni, la tendenza sempre più marcata è questa: usare più sistemi di decisione e Analytics autonomi, invece di affidarsi agli esseri umani. Le tecnologie cognitive, l’intelligenza artificiale, il Machine learning e il Deep learning stanno già aumentando – e lo faranno sempre di più in futuro – la capacità delle macchine intelligenti di svolgere analisi automatiche e di agire in modo autonomo. Il Machine learning sta già contribuendo all’aumento di produttività degli analisti che operano nelle aziende, attraverso la creazione di migliaia di modelli nello stesso tempo che in passato serviva per crearne uno solo.

Analytics e decisioni al momento giusto, quando servono

Un’altra tendenza molto rilevante in corso è l’uso crescente di Analytics in tempo reale, o quantomeno “al momento giusto”, quando servono. In passato le aziende avevano bisogno di tempo – da alcuni giorni a intere settimane – per estrarre i dati dai sistemi, caricarli nelle applicazioni analitiche e interpretarli attraverso l’analisi.

Ma i manager hanno bisogno di prendere decisioni più rapide e le aziende stanno cercando di implementare gli Analytics in tempo reale, almeno nel caso di alcune decisioni, quelle più delicate e strategiche, che riguardano prezzi dei prodotti, acquisti e forniture, valori di mercato. Alcuni sistemi che operano in tempo reale utilizzano soluzioni per decisioni autonome, così da escludere completamente gli esseri umani dal processo.

L’antenato di queste applicazioni che operano in tempo reale è il sistema Orion del corriere espresso Ups, che indica i percorsi agli autisti dell’azienda. Prima di utilizzare questa soluzione, gli autisti ripetevano lo stesso percorso ogni giorno. Sempre uguale, per non sbagliare. Oggi, ricevono ogni mattina un percorso diverso, in base alle consegne e ai ritiri comunicati nel corso della notte precedente. Domani, o comunque nel giro di pochi anni, i loro percorsi saranno modificati in tempo reale, nel corso della giornata e delle ore, in base a variabili come le richieste e gli ordini dei clienti, il traffico, le condizioni del meteo.

Tutto ciò è in pratica flessibilità e velocità, operativa e di produzione: due delle principali nuove virtù, due dei maggiori vantaggi, che le nuove tecnologie stanno portando nelle aziende di ogni settore, dai trasporti alla manifattura alla grande distribuzione.

IoT e Big data da usare sempre più in tempo reale

iot o Internet of Thing La maggior parte delle organizzazioni, in tema Big data e Analytics, dovrebbe adottare un approccio in tempo reale, in cui il tempo di decisione per certe operazioni è determinato all’interno dell’azienda, e i dati e i processi analitici necessari sono attivati perché queste decisioni siano prese nel tempo stabilito. Per il momento, per la gran parte delle aziende tutto ciò è ancora Fantascienza, ma la direzione è questa. E, come sempre, l’innovazione è trainata dalle cosiddette ‘lepri’, le più veloci a seguire il cambiamento. Gli altri seguono, o rincorrono, o restano fermi e poi chiudono.

Nel 2019 il mercato Internet of Things (IoT) in Italia è arrivato a toccare i 6,2 miliardi di euro, con una crescita del +24% rispetto al 2018 (+1,2 miliardi di euro nell’ultimo anno). Il tasso di crescita risulta allineato a quello di altri Paesi occidentali, che si assesta tra il 20% e il 25%. Resta fondamentale l’offerta IoT ‘classica’, che si compone di hardware e software, con l’aggiunta di nuovi servizi: un esempio è la manutenzione predittiva dei macchinari all’interno delle fabbriche, in cui si sfruttano i dati relativi al funzionamento per comprendere quando aumenta il rischio di guasto, e agire in ottica preventiva.

Big data e Analytics cambiano i modelli di Business tradizionali

Ma sempre più aziende sono in grado di raccogliere grandi quantità di dati dagli oggetti e strumenti connessi, grazie ai quali integrano la propria offerta con nuovi servizi di valore.
Il trend è chiaro: i servizi sono sempre più al centro dell’offerta, in grado di abilitare nuovi modelli di Business per le imprese. I servizi applicati all’IoT hanno raggiunto quota 2,3 miliardi di euro lo scorso anno,, in crescita del +28% rispetto al 2018, sempre secondo le analisi di mercato dell’Osservatorio Internet of Things del Politecnico di Milano.

Si assiste a un vero e proprio processo di ‘servitizzazione’ dei modelli di Business tradizionali, che evolvono sempre più verso logiche di Pay-per-use o Pay-per-performance, e che richiedono un radicale cambio di passo da parte di tutti gli attori della filiera tecnologica e manifatturiera. Come nel caso delle prime automobili Smart car che prevedono di adattare il piano dei pagamenti sulla base dell’effettivo utilizzo, come sta già facendo Toyota, per fare un esempio. E anche nel settore Smart building, con lo sviluppo delle prime soluzioni IoT per l’illuminazione degli edifici, con cui al cliente viene data la possibilità di pagare solo la luce consumata, senza dover comprare gli apparecchi di illuminazione utilizzati.

Più in generale, e in prospettiva, lavorando al fianco dell’IT, i dirigenti nelle aziende devono impegnarsi nella creazione e nell’utilizzo di dati di alta qualità che siano scalabili, integrati, ben documentati, coerenti e standardizzati. E devono fare in modo che l’architettura analitica sia flessibile e capace di adattarsi ai mutevoli bisogni del Business e agli obiettivi. Un’architettura rigida non risponderebbe ai bisogni dell’azienda in un ambiente in rapido cambiamento.

Stefano Casini
Informazioni su Stefano Casini 5 Articoli
Giornalista specializzato nei settori dell'Economia, imprese, tecnologie e innovazione. Dopo il master all'IFG, l'Istituto per la Formazione al Giornalismo di Milano, in oltre 20 anni di attività, nell'ambito del giornalismo e della Comunicazione, ha lavorato per Panorama Economy, Il Mondo, Italia Oggi, TgCom24, Gruppo Mediolanum, Università Iulm. Attualmente collabora con InnovationPost, Corriere Innovazione, Libero, Giornale di Brescia, La Provincia di Como.