advanced analytics e strategie data driven per rimanere ...€¦ · dalla business intelligence...
TRANSCRIPT
Advanced Analytics e Strategie Data Driven per rimanere competitivi
28 Marzo 2019 - PADOVA
Big Data Accademy
Big Data Academy,verso una strategia data driven
Qual è il ruolo della Big Data Academy rispetto alla definizione di una Strategia Data Driven? Lo scopo è
definire gli steps fondamentali per capire come abilitare una strategia orientata al dato all’interno dell’azienda.
L’approccio di BNova, in quanto data intelligence company, è quello di condividere architetture/metodologie,
infrastrutture e tecnologie che possano aiutare in questo percorso.
#28 Marzo Data strategy - Da dove partire? Infrastrutture e soluzioni per la data governance e gli analytics
# 4 Aprile Database a grafo, un nuovo modo di ripensare i dati e le loro relazioni
#11 Aprile Ridefinire le soluzioni in ottica data strategy
#18 Aprile Analisi predittiva: conoscenza inattesa e risposte prima che il mercato faccia domande
Buon Lavoro a tutti
AGENDA
• BNova
• L’approccio progettuale di BNova
• Big Data & Analytics
• Tecnologia
• Organizzazione
Per affrontare con successo la sfida nei progetti di Big Data, BNova ha maturato anni
di esperienza e solide competenze in molteplici ambiti complementari e
selezionato soluzioni adatte ad trasformare i dati aziendali in valore aggiunto. Il Team Data Scientist di BNova aiuta le aziende a definire
strategie in base a tutto il patrimonio di informazioni disponibili e in tempi
rapidissimi, azzerando il margine di errore
BigData
Architetture big data – Data virtualization IOT–Data integration
Cognitive Computing
Predictive Analysis – recommendation - Analisi Semantica - Image Recognition - NQL
Bnova organizza l’analisi di varie forme di dati strutturati e non, provenienti da fonti
eterogenee utili alle aziende per programmare investimenti futuri: l’analisi di
tipo what-if risulta spesso necessaria per prevedere gli effetti di potenziali
cambiamenti nelle strategie aziendali. Bnova copre l’intero ciclo dei progetti in ambito
Advanced Analytics, dalla raccolta dati, alla trasformazione e aggregazione, fino alla data visualization, attraverso report e dashboard
adattabili alle esigenze dell’utente finale
AdvancedAnalytics
Data analytics - Analisi geo referenziataData visualization – What if Analysis
BNova: Le nostre principali aree di attività
Attraverso le tecniche di cognitive computing Bnova consente ai propri clienti
di sviluppare analisi predittive, comprendere e interpretare rapidamente
grandi quantità di dati inclusi suoni e immagini, ragionando, apprendendo e interagendo per prendere decisioni più accurate. Questo consente di generare
processi automatizzati e insight di valore sviluppando una data driven strategy in
grado di fornire grandi vantaggi competitivi per l’azienda
BNova è da sempre stata focalizzata solo su progetti in ambito analytics:
dalla business intelligence prima, aibig data ed agli advanced analyticspoi.Questo ha permesso all’azienda di
sviluppare sensibilità sulle tematichedi system integration specifiche dei
sistemi legati ai dati ed al loro utilizzo efficace edefficiente
Focus sul dato Competenze specifiche
BNova è formata da professionisticon esperienza decennale di progetti in
ambito analytics, con skill siatecniche che funzionali, permettendo così di
seguire i diversiaspettidell’integrazione e dell’utilizzo deidati.La seniority del team di BNova permette
inoltre di avere sempre ingaggiati sui progetti professionisti esperti e pronti
ad affrontare lediverse sfide che i progetti di advanved analytics oggi
comportano
Negli anni BNova ha sviluppato una solida rete di partnership con alcuni
dei più importanti player a livello mondiale nel mercato dei big data e degli analytics. La propria apertura e vicinanza al mondo dell’open source hanno permesso all’azienda diessere sempre a contatto con tecnologie di frontiera nel campo deglianalytics
Scoutingtecnologico
BNova: Le caratteristiche che ci differenziano
Advanced Analytics
BigData
Data Intelligence
Cognitive Computing
v
Data Virtualization - IOT –
Architetture e Piattaforme Data Driven
Predictive analysis –Recomendation -analisi
semantica - image recognition
Data analytics – Natural Query Language
Analisi geo referenziata
Data visualization - WhatifAnalysis
Partner
v
v
LARUS - GRAFI
KEPLERO - IOT
Bnova e i sui partner sono organizzati in un modello basato sulle interconnessioni di competenze ed esperienze per
ottenere servizi e soluzioni sempre più performanti
COLING LAB ANALISI SEMANTICA E MULTIMODALE
SEACOM MOTORI DI RICERCA PRIVATI
SPRINGFIRMCLOUD, HYBRID CLOUD
BNova: rete neurale di competenze e collaborazioni
AGENDA
• BNova
• L’approccio progettuale di BNova
• Big Data & Analytics
• Tecnologia
• Organizzazione
MODULARITA’
Il progetto è ideato in ottica Agile con delivarables
autoconsistenti, consegnando al cliente risultati in tempi
ragionevoli in modo da coinvolgere gli utenti il prima
possibile ed avere feedback sia tecnici che di processo
per reindirizzare i moduli successivi.
Questo metodo implica una forte condivisione
progettuale e di conoscenza con il cliente, in
conseguenza di ciò qualora durante lo svolgimento
progettuale il cliente ritenga di avere acquisito sufficienti
conoscenze potrà essere sempre più coinvolta negli
sviluppi e le attività potranno essere di conseguenza
rimodulate.
MODULARITA’
Sempre in ottica Agile, suggeriamo di sviluppare il
progetto in un’ottica prototipale ed iterativa.
Questo consente di coinvolgere da subito gli utenti
rendendoli corresponsabili delle parte di produzione del
dato e della modalità di fruizione dello stesso, creando
un circolo virtuoso di miglioramento costante. Inoltre
in questo modo risulta più semplice, anche a chi
sviluppa, trasferire il know how sulle soluzioni che
verranno adottate e far capire all’utente punti di forza,
limiti e differenze del front end che verrà adottato
anche rispetto a quanto già in uso.
ITERAZIONE
Approccio Progettuale generale : caratteristiche
Il progetto sarà caratterizzato dall’apertura, intesa come
possibilità di crescita. Questo concetto sarà applicato alle
scelte architetturali, alle scelte software, ed ai dati.
Relativamente all’architettura, «apertura» significherà
progettare da subito un qualcosa che possa crescere nel
tempo sia per volumi che tipo di dati trattati.
In termini di scelte software significherà valutare con
particolare attenzione soluzioni open source,
caratteristiche del mondo Big Data e più facilmente
customizzabili ed integrabili di altre.
In termini di dati significherà essere pronti anche in fase di
sviluppo ad aggiungere dati non valutati in prima battuta
APERTURA
Il termine condivisione, declinato nel contesto
progettuale, sarà relativo al coinvolgimento dell’IT del
cliente nelle fasi di sviluppo vero e proprio; tale
coinvolgimento sarà attuato mediante incontri
schedulati e soprattutto sotto forma di training on the
job e formazione strutturata, al fine di fare conoscere al
cliente metodologie e strumenti e trasferire da subito le
competenze necessarie per manutenzione e/o futuri
sviluppi in autonomia; quanto dovrà essere spinto tale
coinvolgimento verrà concordato con il cliente stesso.
Lo stesso tipo di coinvolgimento, soprattutto in merito
alla scelta e validazione del dato e delle regole
applicate, dovrà essere effettuato con gli utenti
CONDIVISIONE
Approccio Progettuale generale : caratteristiche
La formazione in aula che Bnova suggerisce prevede che prima di
ogni fase di sviluppo venga fatta formazione in aula ai tecnici IT
del cliente, sugli strumenti software che verranno utilizzati
nell’immediato. Questo tipo di formazione è propedeutica per:
• coinvolgere il team del cliente negli sviluppi;
• rendere più semplice la comunicazione cliente-fornitore
durante lo sviluppo stesso.
Alla fine di ogni rilascio viene fatta invece un formazione tecnica
calata sul progetto, questa fase è propedeutica a:
• consentire la manutenzione ed eventuali piccole
implementazioni da parte del cliente
• rafforzare le conoscenze acquisite sullo strumento.
La formazione utente viene effettuata ad ogni rilascio direttamente
sui dati che essi conoscono
FORMAZIONE
Durante il progetto le risorse di Bnova pongono molta
attenzione al passaggio di competenze verso le risorse del
cliente, così da garantire durante lo sviluppo e nelle fasi
immediatamente successive all’esecuzione del progetto,
autonomia nel controllo della soluzione rilasciata e la
possibilità di provvedere ad alcuni sviluppi in autonomia.
Inoltre, tramite un continuo richiamo a quanto visto
durante la fase di formazione, le risorse Bnova aiuteranno
risorse del cliente a capire come estendere l’utilizzo delle
tecniche apprese ad altri ambiti aziendali.
Al fine di coinvolgere in questo processo di trasferimento in
progress anche gli utenti. Sarà fatto un workshop di
presentazione del progetto e delle soluzioni che saranno
adottate, subito dopo il kick-off
TRAINING ON THE JOB
Training e condivisione
AGENDA
• BNova
• L’approccio progettuale di BNova
• Big Data & Analytics
• Tecnologia
• Organizzazione
Big Data & AnalyticsBusiness and Consumer
Big data sono tutte quelle informazioni interne ed esterne – ad es. social e IoT tech - alle aziende che vanno a formare un patrimonio talmente di valore da rendersi necessario l’utilizzo di tecnologie e strumenti dedicati per poterlo sfruttare.
L’efficace «lettura» ed utilizzo dei Big Data necessita di:- Tecnologia - Organizzazione
Big Data & Analytics
AGENDA
• BNova
• L’approccio progettuale di BNova
• Big Data & Analytics
• Tecnologia
• Organizzazione
La tecnologia al servizio degli Advanced Analytics deve portare:• Efficienza nella lettura e interpretazione del dato• Qualità del dato a qualsiasi livello• Democratizzazione del dato• Nuovi modelli di business• Aumentare la collaborazione aziendale• Velocizzare i processi decisionali e di business• Aumentare per gradi la propria maturità analitica• Rendere la pianificazione degli investimenti un processo
condiviso e distribuito (tempo e organizzazione)• Consapevolezza delle proprie necessità grazie agli output
degli step precedenti
Big Data & Analytics Tecnologia
Big Data & Analytics Tecnologia
Big Data & AnalyticsIn sintesi
AGENDA
• BNova
• L’approccio progettuale di BNova
• Big Data & Analytics
• Tecnologia
• Organizzazione
Un'organizzazione Data-Driven è quella che comprendel'importanza di utilizzare i dati per prendere ogni tipo didecisione, è focalizzata nel renderli disponibili a chi ne habisogno quando ne ha bisogno e favorisce lacollaborazione e l’interfunzionalità tra i «dataprofessional» e tutte le aree aziendali.
Essere un compagnia Data-Driven non significa utilizzarereport preconfezionati da consultare all'inizio dellagiornata o ogni mese, si tratta a tutti gli effetti di forniread ogni livello il potere di esplorare i dati in modoindipendente, anche nel caso si debbano trattare grandifonti di dati eterogenee tra loro.
L’organizzazione Data Driven
Principalmente perchè paga.Mentre nel 2006 tra le prime 10
compagnie che performavanomeglio in termini operativi e
finanziari, la sola Microsoft avevaadottato un approccio di tipo
Data-Driven, oggi la situazionevede ai primi 5 posti solo aziende
che hanno adottato questo tipodi modello.
“Data gives you a clear and real picture of your situation and tells you what works”
L’organizzazione Data DrivenPerché?
Identificare, combinare e gestire una pluralità di
fonti dati diverse ed eterogenee tra loro
DATA MANAGEMENT
Costruire modelli di analisiavanzata per descrivere, predirre ed ottimizzare i
risultatiANALYTICS
Trasformare l’organizzazione e la cultura per fare in modo che
i dati producano decisionimigliori
ORGANIZZAZIONE
Le compagnie Data-Driven hanno sviluppato alcuni skills fondamentali e interdipendenti tra loro, Che devono essere presidiati da centri di competenza interni, AL FINE DI SUPERARE I SILOS INFORMATIVI
L’organizzazione Data Driven3 pilastri della strategia Data Driven
Molte iniziative di big data falliscono perché non sono in sincronia con i processi quotidiani e le abitudini
decisionali di un'azienda. I data professional devono capire quali decisioni prendono i loro utenti aziendali e
fornire gli strumenti necessari per prendere tali decisioni. Quindi, perché falliscono così tante iniziative sui big data? Uno studio di PwC ha rilevato che solo il 4% delle aziende
con iniziative sui big data ritiene che abbiano avuto successo. Quasi la metà (43%) delle aziende "ottiene pochi benefici tangibili dalle proprie informazioni" e il 23% "non
ricava alcun beneficio". Nonostante quindi i vantaggi di una cultura basata sui dati, crearla in azienda può
rivelarsi difficile. Richiede un cambiamento importante nel modo di pensare e una collaborazione continua tra tutte le
figure che si occupano dei dati al fine di trasmetterla al resto della compagnia.
You need to create a DataOpsculture!
L’organizzazione Data DrivenIl cambiamento organizzativo
Negli ultimi anni alcune compagnie stanno adottando un insieme di best practices conosciute come DevOps che
migliorano il coordinamento tra gli sviluppatori e il team operativo al fine di ottimizzare il processo IT e supportare
meglio le esigenze del business nell'era della digitalizzazione. Il DevOps ha l’obiettivo di creare una cultura ed un
ambiente nel quale progettazione, testing e rilascio del software possano avvenire in maniera rapida, frequente ed
efficiente e sta cambiando il modo in cui le applicazioni vengono sviluppate e implementate all'interno delle aziende.
Ora un modello simile, chiamato DataOps, sta cambiando il modo in cui i dati vengono consumati. Il DataOps è una
pratica che promuove la comunicazione e l'integrazione tra dati, team e sistemi con processi, organizzazione e
tecnologie mirate a facilitare le relazioni tra tutti coloro che gestiscono i dati: sviluppatori, data engineers, data
analysts/scientists e utenti aziendali.
«DataOps closelyconnects the people who collect and prepare the data, those who analyze the data, and those who put the findings from those analyses to good business use»
L’organizzazione Data DrivenDataOps – Agevolare il cambiamento
«At the core of the data-driven enterprise are executive support, a centralized data infrastructure and democratized data access»
Quali sono i trends che giustificano la necessità di un modello DataOps?
• La richiesta di una maggiore agilità con i datiLe aziende oggi viaggiano a un ritmo molto veloce, quindi se i dati non si muovono allo stesso ritmo, non vengono considerati nel processo decisionale.
• La comprensione dell’efficacia dei datiI dati sono sempre più fondamentali per l’ottimizzazione dei risultati di business e di conseguenza la necessità di democratizzarli e renderli accessibili è più sentita nelle aziende moderne. Consente di spingere il modello culturale legato al dato tra le persone del business
In questo modello, i dati vengono elaborati, analizzati per approfondimenti e riutilizzati.
L’organizzazione Data DrivenIl modello DataOps
https://www.dataopsmanifesto.org/
1. Soddisfa continuamente il tuo cliente2. Produci Analitiche di Valore (ambiente e contenuto)3. Abbraccia il cambiamento4. E’ uno sport di squadra!5. Iterazioni Giornaliere6. Self-organize (analisi dirette)7. Riduci gli eroismi (i processi ed i metodi a sostegno delle analisi devono
essere sostenibili!)8. Rifletti9. Le analitiche sono codice10. Orchestrazione11. Riproducibilità12. Ambienti monouso (ambienti per sperimentazioni) 13. Semplicità14. Le pipelines di Analytic sono simili alle linee di produzione (sono simili a
processi che devono essere continuamente ottimizzati)15. La qualità è fondamentale16. Monitora qualità e performance17. Riuso18. Minimizza i tempi degli sprint (dei cicli)
L’organizzazione Data DrivenI principi dei DataOps
Le aziende hanno un passato articolato, composto da eventi e dati creati da persone, processi organizzativi e flussi operazionali che devono essere messi al centro del processo di trasformazione.
Avere la conoscenza ‘unica e vera’ di ciò che è avvenuto in azienda è un processo che può assorbire importanti risorse umane, economiche e tecnologiche ed è tanto più complesso quanto più i dati di partenza provengono da fonti diverse e con diversa struttura.
È dunque indispensabile attuare un insieme di strategie, processi e regole che consentono di mappare il passato per poter «prevedere» il futuro che possiamo sintetizzare in Data Governance.
Allineare le strategie aziendali con la strategia sui dati con , orchestrando persone, processi e tecnologie di gestione del dato.
L’organizzazione Data DrivenDa dove iniziare?
