Data Mining e Business Intelligence

Notizia del 23.10.2018

Come già ribadito più volte, aumenta la consapevolezza all’interno delle aziende dell’importanza della raccolta dati e della loro analisi.

Il Data Mining, nello specifico, consiste in tutte le attività che hanno come obiettivo l'estrazione di informazioni da una indefinita quantità di dati. Ogni forma di conoscenza a partire dai dati grezzi.

Ciò che identifica questo strumento è la sua capacità di svolgere una funzione predittiva.

Le fasi del processo di Data Mining che portano dall'analisi dei dati ad un modello predittivo sono riassunte dal modello CRISP-DM, Cross Industry Standard Process for Data Mining, il processo open standard più utilizzato. Gli step che lo descrivono sono i seguenti:

1. Comprensione del Business: studio del settore ed obiettivi della ricerca

2. Comprensione dei Dati: capire con quali dati si ha a che fare ed effettuare un check della completezza dei dati in possesso

3. Preparazione dei Dati: trasformare i dati grezzi in dati strutturati attraverso la loro organizzazione

4. Modeling: i modelli con cui vengono applicati i dati possono essere già esistenti o costruiti

5. Valutazione dei risultati ottenuti, che spesso significa rivedere gli step precedenti

6. Deployment: i dati sono resi disponibili attraverso report o infografiche

Riuscire ad applicare questi step significa ottenere un incredibile vantaggio competitivo, perché permette di trarre valore dalle informazioni relative a tutti i processi produttivi e non solo.

E il valore si traduce in guadagno, ma soprattutto favorisce l’efficientamento del lavoro e la riduzione di errori e rischi procedurali.

A questo punto si inserisce il concetto di Business Intelligence e Business Analytics.

La Business Intelligence si distingue in passiva e attiva, nel primo caso si intende un sistema che raccoglie e ordina i dati per facilitarne l’interpretazione logica, nel secondo caso si parla di uno strumento strategico che permette di trasformare i dati in conoscenza e offre un panorama di proiezioni. Gli strumenti di Business Analytics permettono alle piattaforme di BI attiva di contare su statistiche, data mining, proiezioni e simulazioni di scenario.

Una volta raccolti i dati quindi vengono normalizzati. Si opera una sorta di pulizia individuando i dati più significativi rispetto agli obiettivi dell’analisi e procedendo alla loro validazione per inserirli nel software di Data Analysis, che può aggregare i dati con finalità di BI.

Infine si passa all’analisi attraverso alcuni modelli:

- Descriptive Analytics: questa analisi offre dati riferiti a situazioni attuali o precedenti, attraverso report e grafici e riguardano i principali KPI richiesti dai manager

- Predictive Analytics: i dati vengono analizzati da tool programmati per fornire risposte relative alle tendenze del mercato nel futuro e si avvalgono di strumenti matematici come il forecasting, la regressione e l’applicazione di modelli predittivi

- Prescriptive Analytics: si tratta di analisi dei Big Data che elaborano report e propongono ai decision maker azioni strategiche data driven

- Automated Analytics: è la più innovativa forma di analisi dei dati che, grazie a tecniche di machine learning, effettua automaticamente le azioni

In questo senso è facilmente comprensibile quali siano i benefici della Business Intelligence in ambito aziendale: una volta adottati gli strumenti, il processo di reporting e di analisi è effettuato in automatico e permette di monitorare in tempo reale l’efficacia delle decisioni strategiche assunte dal management, generando così un buon livello di economicità del processo. I manager di qualsiasi settore all’interno della stessa azienda possono condividere dati univoci sull’andamento del mercato, dell’azienda e sulle eventuali criticità da affrontare. Una comunicazione omogenea. Inoltre il lavoro di selezione dei dati e i risultati forniti dal software di BI consentono di assumere decisioni veloci e fondate su elementi certi. Infine un sistema di BI consente di rendere migliore, e dunque più sicura la gestione dei dati, nel rispetto del GDPR. Il che si traduce in una gestione più efficace.



Torna alla pagina precedente