I Big Data come nuovo centro del business

 In Uncategorized

Oggi molte imprese si dichiarano interessate ai Big Data e intenzionate a incrementare gli investimenti  nei prossimi anni in questo ambito, ma sono poche le aziende che hanno una strategia precisa in merito.

C’è infatti ancora molta confusione riguardo ai concetti di Big Data, Intelligenza Artificiale, Machine Learning e Deep Learning.

Giovanni Giuffrida, Ceo di Neodata e ricercatore presso il dipartimento di Scienze Politiche e Sociali dell’ Università di Catania, ha fatto chiarezza in merito a questi concetti e alle interconnessioni che li legano.

In un mercato dove i dati rappresentani la risorsa più preziosa, le aziende per restare competitive devono necessariamente familiriazzare con il concetto di Big Data.

Le caratteristiche principali dei Big Data delineate da Gartner sono:

  • Volume, poiché i big data sono di fatto una raccolta di dati estremamente estesa;
  • Velocity, intesa come l’elevata velocità con cui questi dati si rendono disponibili;
  • Variety, ovvero la grande eterogeneità di questi dati.

Da queste caratteristiche dunque si evince che i Big Data sono grandi quantitativi di dati eterogenei, che vengono prodotti e fatti circolare in maniera estraneamente veloce. È a causa di queste caratteristiche che tali dati necessitano di particolari e avanzate tecnologie per poter essere analizzati e dunque perché se ne possa estrarre valore e conoscenza. Negli anni sono state delineate altre due caratteristiche, ovvero la Virality, intesa come la propagazione e la diffusione veloce di questi dati nel mondo, e la Variability, cioè la possibilità del dato di essere interpretato in maniera diversa in funzione del modo in cui viene raccolto e analizzato.

Queste caratteristiche portano subito alla luce alcune delle problematiche legate ai big data, ovvero la difficoltà nel raccogliere costantemente questi dati, nello strutturarli e classificarli oltre che nell’analizzarli per estrarne una esatta conoscenza.

Già negli Anni Novanta c’era la volontà di estrarre conoscenza e valore dai dati e i primi tentativi per raggiungere questo obiettivo erano stati fatti attraverso lo sviluppo dell’Intelligenza Artificiale. Gli studi in quest’ambito partivano dal presupposto che fosse possibile descrivere ogni aspetto dell’intelligenza e del ragionamento umano in modo così preciso da poter essere riprodotto da una macchina, che dunque poeva agire in modo intelligente.

Adesso l’intelligenza artificiale è sempre più legata ai dati poiché si è compreso che l’obiettivo non dev’essere “rendere le macchine intelligenti” ma “insegnare alle macchine”, che per imparare necessitano di enormi quantità di dati – i Big Data appunto – da elaborare.

Anche il tema dell’intelligenza artificiale è complesso e c’è molta confusione in merito. L’intelligenza artificiale è di fatto un ambito di studi informatici che riguarda la realizzazione di software e hardware programmati per compiere operazioni simili a quelle che compie l’intelletto umano.

Una sottocategoria dell’intelligenza artificiale è il machine learning, che fa riferimento alla programmazione di macchine in grado di apprendere, e dunque, attraverso l’analisi dei dati, di incrementare la loro conoscenza e compiere analisi predittive.

Il deep learning è una sottocategoria del machine learning che si basa su una struttura simile a quella dei neuroni del cervello, attraverso cui avviene l’analisi anche di elementi estremamente complessi.

Profili professionali competenti su tali tematiche sono necessari alle aziende che necessitano di essere accompagnate e istruite su come mettere in atto una trasformazione rivolta all’adozione di nuove tecnologie. Ma a monte è fondamentale che all’interno delle aziende nascano l’interesse e il desiderio di comprendere questi concetti e le opportunità che possono offrire al business.

 

 

About Author: Francesca Lupi

Nata nel 1994, da bambina sono sempre stata affascinata dagli spot televisivi e dai cartelloni pubblicitari, così ho deciso di studiare comunicazione, laureandomi alla triennale in Comunicazione, Tecnologie e Culture Digitali alla Sapienza Università di Roma. Alla triennale ho compreso l'evoluzione del mondo della comunicazione, e mi sono appassionata alle opportunità comunicative offerte dai nuovi media in ambito aziendale, dedicando la mia tesi di laurea allo studio dell'utilizzo dello storytelling nella comunicazione d'impresa. Ho proseguito gli studi laureandomi con 110 e lode alla magistrale in Organizzazione e Marketing per la Comunicazione d'Impresa alla Sapienza Università di Roma, dove mi sono appassionata alle nuove tecnologie e alle loro possibili applicazioni nell'ambito del marketing. Per questo motivo ho dedicato la mia tesi di laurea allo studio dei chatbot applicati all’ assistenza al cliente. Ho anche svolto un tirocinio presso la starup Biotiful, gestendo principalmente i social media dell'azienda. View all posts by

Recent Posts

Leave a Comment

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

This site uses Akismet to reduce spam. Learn how your comment data is processed.