Il passaggio dalla Business Intelligence di primo livello a quella avanzata (parte prima): contesto e riferimenti

Mi sono occupato nei precedenti post della business intelligence e dei risultati dei due osservatori di due delle principali istituzioni scientifiche milanesi l' Università Bocconi ed il Politecnico.

L’attenzione che dedico al settore specifico deriva anche dalla mia attività professionale che ha come focus, in questo momento, proprio la business intelligence. Si parla molto del tema ed il settore di mercato appare tra quelli maggiormente in crescita, sia nel passato che nel futuro prossimo, insieme ad enterprise content management, collaboration, unified communications e pochi altri, ma la percezione che si ricava dall’osservazione sullo stato dell’arte è che ci sia ancora molta strada da percorrere.


Primo livello di approccio alla BI

Le conclusioni dei due laboratori citati evidenziano che il macro tema può essere genericamente diviso in due sottocategorie, la BI elementare e quella avanzata, dove nella prima possono essere compresi tutti gli strumenti di organizzazione e navigazione dei dati ed appare come il livello di utilizzo al momento maggiormente diffuso.

Certamente questo primo passo permette di desumere informazioni sintetiche dalla mole di dati presenti in una azienda e questo fa si che i principali fruitori dei servizi di BI e dei suoi risultati siano soprattutto i livelli direttivi e di management.

Al tempo stesso però appare una grossa limitazione, soprattutto in considerazione del lavoro necessario a raggiungere questi risultati e dal gap, proporzionalmente minimo, per raggiungere risultati di ben altro spessore.


Principale barriera: quantità e qualità dei dati

Come infatti ci evidenzia la School of Management del Politecnico la maggiore difficoltà percepita dalle aziende è quella di avere a disposizione dati in maniera corretta e completa. Questa percezione è lo specchio della difficoltà reale costituita dall’organizzare una raccolta sistematica delle informazioni dai vari processi operativi, soprattutto in realtà con strutture organizzative complesse, come sono appunto le banche di cui principalmente mi occupo. Decine di procedure, gestite da divisioni e aziende diverse, i cui dati devono essere raccolti e resi omogenei.

Un grande lavoro di organizzazione, di sviluppo ma anche di verifica dei risultati ed infine di manutenzione.

Stupisce perché a questo punto, quando il lavoro più impegnativo, in termini di impegno di risorse umane ed economiche, è stato realizzato, non si sfrutti appieno la capacità informativa di questo mapping della conoscenza aziendale.


Business Intelligence evoluta

Quella che abbiamo definito BI avanzata, ovvero quella fa uso di strumenti statistico-probabilistici e “sistemi esperti”, non ha ancora fatto il suo ingresso estensivo nelle aziende, a parte alcuni settori first mover, che ne fanno uso al momento, in particolare si tratta di settori che si occupano di marketing o rischio.

Il limite, in questo momento, è a mio avviso, costituito dalle competenze, che sono diverse da quelle abitualmente disponibili nel mondo dell’IT e che quindi, essendo poco presenti in azienda, non riescono a dare un impulso decisivo all’utilizzo di questi metodi. C’è anche da dire che la rivoluzione digitale è tutto sommato recente e ancora più recente è la consapevolezza del patrimonio costituito dall’informazione digitale.


Disponibilità di adeguate figure professionali

Il costo quindi per fare questo ulteriore scatto in avanti nel dominio della conoscenza non è più un costo misurabile con variabili quantitative, ma un costo determinato da esigenze qualitative. Se la BI di primo livello si basa essenzialmente su sistemi di organizzazione e rappresentazione delle informazioni, dai classici strumenti di reportistica a quelli più evoluti di navigazione nell’informazione, la BI di secondo livello utilizza motori di calcolo, modelli matematici e sistemi ad auto-apprendimento.

Nel primo caso la funzione di intelligence è soprattutto demandata alla capacità ed alla competenza di chi analizza i dati, supportato da meccanismi di “lettura” delle informazioni, mentre nel secondo livello lo strumento informatico si pone come un mezzo in grado di fornire delle sue autonome interpretazioni delle informazioni, basate sulla capacità di dotare il sistema delle medesima competenza di un esperto.

Si usano in questo caso sistemi di apprendimento basati su modelli di previsione che utilizzano diversi metodi statistici, dalle celebri reti neurali, all’analisi discriminante, alla support vector machine, etc.

Ma in cosa si traduce tutto ciò?

continua nel post successivo: trasferimento di competenza tra uomo e macchina