Cosa fare dei Big Data

Cosa fare dei Big Data

Nel termine Big Data già da qualche tempo il valore di Big stà assumendo un importanza minore rispetto al dato. La produzione di informazioni galoppa con una crescita stimata tra il 40 e il 60% in più all’anno (secondo Brad Anderson di Microsoft) e i problemi legati al mero stoccaggio sono in continua diminuzione. In questo scenario la capacità di analisi e di utilizzo dei dati dovrebbe essere il tema centrale della discussione sui Big Data mentre il possesso e la capacità di raccolta sembrerebbero destinate a rimanere in secondo piano.

In realtà la bilancia su cui siedono i proprietari dell’informazione da un lato e i detentori degli strumenti di controllo e di analisi dall’altro inizia a pendere in favore dei primi. Le singole competenze e la potenza di calcolo possono essere acquistate più facilmente di un database che si è impiegato anni a riempire. Acquisizioni come quella di Storsimple, che in un anno a visto crescere del 700% il suo valore, da parte di Microsoft dimostra come l’intelligenza di analisi e stoccaggio diventa merce indispensabile ma “facilmente” rintracciabile per chi vuole espandere il proprio business in quella direzione.

Da un’ indagine del Washington Post del 2010 sembrerebbe che l’ NSA collezzionasse già fino a 1,7 miliardi di comunicazioni al giorno tanto da dover investire 1,2 miliardi di dollari in un enorme datacenter in Utah. Riusciva (riesce) l’NSA a manipolare tutte queste informazioni in maniera soddisfacente? Poco importa. Con la consapevolezza che la capacità di analisi prima o poi arriverà l’importante era (ed è) raccogliere e conservare. 

Comprendendo che l’anello fondamentale delle value chain aziendali negli ultimi anni sono le informazioni già in loro possesso, le aziende impegnate nel settore stanno scoprendo anche che i veri nemici dell’ espansione della knowledge economy intorno ai Big Data sono quasi tutti interni. I maggiori impedimenti all’espansione del settore sono infatti da un lato la difficoltà di formare nuove figure professionali e dall’altro implementare la capacità di risposta agli stimoli e alle informazioni che i processi di analisi dovrebbero evidenziare.

La figura del data scientist sarà centrale nei prossimi anni ma ancora non è chiara quale sarà la giusta miscela di competenze che dovrebbe caratterizzarla. Ancora nebulosa anche la struttura aziendale più adatta per gestire i feedback prodotti e a rimodellare in tempo reale la filiera produttiva e commerciale. 

Centralizzare l’analisi delle informazioni diventa cruciale anche considerando quanto poco siano chiari i vantaggi ricavabili da densi dataset non strutturati. Il primo utilizzo (quello diretto, il motivo per cui si sono raccolte originariamente le informazioni) raramente è il più redditizzio. In molti casi solo interrogando i dati è possibile formulare nuove domande e quindi immaginare nuove forma di valorizzazione del capitale acquisito.

Sembra strano che un filone tecnologico fondato sulla convinzione che l’aumento esponenziale della conoscenza porti alla preveggenza e che dalla somma della parti si possa comprendere il tutto, debba poi far ancora ricorso alla peculiarità tutta umana di formulare delle ipotesi. La grande sfida, per le aziende che stanno investendo sui big data, sembra esser comunque la capacità di formulare domande intelligenti e concorrere alla nascita di competenze in grado di gestire le risposte.

Chi per primo riuscirà a gestire in maniera intelligente la crescente marea di dati avrà un ruolo centrale nell’arena commerciale di domani.