È l’ora dei Big Data: lo conferma anche una recente ricerca dell’Osservatorio Big Data Analytics e Business Intelligence del Politecnico di Milano, secondo cui il mercato italiano è passato da 693 milioni di euro nel 2014 a 1103 milioni nel 2017.
Ma cosa sono i Big Data analytics e quali vantaggi possono offrire nel processo di digitalizzazione dell’energia e nella migliore gestione in ottica smart city del tessuto urbano?
“Data analytics è un termine piuttosto generale, seppure oggi molto in voga. Esso definisce uno strumento in grado di offrire ai decisori la possibilità di trarre conclusioni utili per prendere decisioni a partire da una gran mole di dati, che per la loro ingente quantità rendono difficile l’attività esplorativa. I data analytics presuppongono l’uso di tecniche specifiche per estrarre le informazioni”. Lo spiega Stefano Rizzi, professore ordinario presso il corso di Laurea in Ingegneria e Scienze informatiche dell’Università di Bologna, dove insegna business intelligence e ingegneria del software.
“Non nascono oggi i data analytics, ma già se ne parlava negli anni Novanta, sotto forma e nome di business intelligence e mediante le tecniche di data warehouse. La differenza sta nel fatto che quando si consideravano questi due aspetti, la mole di dati cui ci si riferiva era limitata esclusivamente all’ambiente aziendale e finalizzata ai processi interni. Ora, invece, specie parlando di Big Data analytics, si amplia ulteriormente il contesto, dato che nel processo decisionale viene considerata una mole ancora più imponente di dati, provenienti anche da contesti esterni all’azienda, per esempio gli open data “catturati” dall’amministrazione pubblica. Inoltre, presuppone l’inclusione di tecniche ancora più sofisticate per l’analisi dei dati, alcune già affermate altre che stanno attirando sempre più interesse come il machine learning”.
Vi sono vari esempi di utilità, dalla gestione del traffico e della mobilità a contesti più particolari a favore, per esempio, della predizione – e prevenzione – del crimine. Sulla base dei dati raccolti da telecamere e da altre fonti di informazioni mirate è possibile arrivare a rafforzare la presenza delle forze dell’ordine in determinate zone e in orari in cui è più probabile l’attività criminale. Non è fantascienza: esperimenti di questo genere sono stati avviati negli Stati Uniti, ad esempio a Los Angeles.
Da questo punto di vista il contesto maggiormente sfidante è quello legato ai prosumer. Qui sta la vera difficoltà algoritmica nella gestione della rete: ovvero nel momento in cui gli stessi consumatori producono, la rete di distribuzione dovrà essere attiva nei due versi (consumo/produzione) e nello stesso tempo essere necessario accumulare energia in maniera estremamente intelligente per ridurre al minimo i distacchi da sovraccarico. Qui entriamo nel mondo dell’IoT, in cui è possibile contare su una rete di interconnessione estremamente fitta tra strumenti anche piuttosto semplici (come uno smart meter) che permette di ri-direzionare in tempo reale i flussi energetici.
L’IoT è una fonte ulteriore di Big Data. Potendo contare su una serie piuttosto ampia di sensori che generano un flusso continuo d’informazioni in tempo reale, occorre immagazzinarli e procedere all’analisi, processo possibile attraverso gli analytics.
Un esempio: in Emilia Romagna è in corso un progetto regionale per l’agricoltura di precisione in cui si sono posizionati sui campi agricoli sensori che permettano di misurare la presenza d’insetti infestanti. La gran mole di dati prodotti vengono combinati con quelli provenienti dai satelliti sulle aree verdi con i dati provenienti dai sistemi geografici che permettono di confrontare le diverse coltivazioni presenti sul territorio e con le informazioni desunte dai sistemi meteorologici. Dalla loro integrazione si riescono a mettere a punto trattamenti mirati che solo qualche anno fa non era nemmeno pensabile attuare, in quanto i dati venivano gestiti in maniera separata. Qui è possibile vedere in pratica come entrano in gioco IoT, integrazione di dati e innovazione tecnologica anche sotto forma di data analytics.
I Big Data analytics sono già oggi parte di questo campo di applicazione e finalizzati alla gestione ottimizzata del traffico e dei servizi collegati che se messi a sistema possono avvantaggiare il territorio. In termini di mobilità elettrica, quando sarà una realtà più significativa il loro utilizzo potrebbe essere utile, per esempio, nella gestione smart dei punti di ricarica.
Se consideriamo l’ambito della ricerca, qui possiamo constatare un rapido e continuo sviluppo, non solo perché si stanno battendo nuove vie e sperimentando novità tecnologiche, ma anche perché si stanno recuperando tecnologie e metodi già esistenti. A mio avviso, ciò che è decisamente sorprendente è l’approccio del mondo aziendale: fino a qualche anno fa era restio e tardivo a includere al proprio interno temi e soluzioni provenienti dal mondo della ricerca, oggi invece fa quasi da traino e da sprone al processo di innovazione.
Già in termini di data analytics e machine learning sono le aziende stesse, dei più disparati settori, che ci pungolano e ci stimolano interrogandoci su nuove opportunità e potenzialità. È un aspetto sorprendente, ma decisamente positivo per l’ambito accademico-scientifico. Le aziende stanno avendo un ruolo importante in questa piccola rivoluzione.
Perché in parte non è un mondo così nuovo: in molti casi si tratta di tecniche già collaudate, almeno a livello algoritmico e applicate in un contesto differente. Tuttavia, l’elemento nuovo e “disruptive” c’è e riguarda la dimensione gestionale dei dati, per esempio sul fronte modellistico e tecnologico, dove si è assistito a vere e proprie rivoluzioni. Anche in questi casi le aziende sono state molto veloci a impadronirsene, a volte anche in modo affrettato, ma comunque ottimo come stimolo.
A tutto questo va aggiunto il fascino esotico di alcune tecnologie generato dalla moda del momento, ma anche dalla maggiore consapevolezza della loro importanza in ambito business.
Certamente. Le stesse soluzioni che, pur in ambito più ristretto, esistevano già alcuni anni fa, ma non erano sufficientemente impiegate, ora stanno conoscendo uno sviluppo notevole in termini di utilizzo. Ciò favorirà l’utente finale con benefici fino a poco tempo fa impensabili proprio perché la disponibilità e la quantità di dati coincide con la possibilità di gestirle in maniera intelligente e mirata.
