Con lo sviluppo e l’hype dei prodotti basati sull’Intelligenza Artificiale alcune aree tipiche dell’analisi dei dati sono passate in secondo piano, benché il loro utilizzo resti al centro di molte dinamiche della gestione aziendale. In questo senso la Business Intelligence rappresenta un esempio chiarissimo, essendo un settore in continuo sviluppo tecnico, di grande utilità per le imprese e, anzi, persino troppo poco adottato rispetto alle proprie potenzialità.
È indubbio, e già lo si può vedere chiaramente nei tool attuali, che l’AI è destinata ad essere parte integrante degli strumenti di Business Intelligence, arricchendone le funzionalità e le modalità di utilizzo. Questo in particolare nel rapporto con l’umano: ad esempio, tecniche di riconoscimento del parlato e di reportistica in linguaggio naturale connotano molte delle soluzioni cui si fa riferimento il quadrante Gartner di settore.
Le ragioni della crescita delle applicazioni di Business Intelligence
Anche grazie a queste migliorie e nonostante non conquisti titoli cubitali sui giornali, il mercato delle applicazioni di Business Intelligence ha visto negli ultimi anni una crescita a due cifre, un fenomeno che non sembra rallentare.
Le ragioni di questa crescita derivano da diversi fattori quali:
- l’aumento dei dati da trattare, motivato sia da ragioni di business che da imposizioni regolamentari che portano ad una sempre maggiore granularità. Si tratta di una tendenza che si può immaginare prosegua nel tempo considerando, ad esempio, come l’applicazione del framework ESG (Environmental, Social and Governance) porterà ad una ulteriore crescita dei dati;
- la necessità di ottenere informazioni in tempo reale o in tempi molto brevi, in particolare per finalità specifiche quali i performance report, il monitoraggio e la clusterizzazione della clientela, le proiezioni finanziarie. La relativa autonomia di queste applicazioni dalla infrastruttura IT rende possibile l’implementazione in tempi brevi, ovvero senza dover aspettare il successivo aggiornamento della architettura IT, accedendo direttamente ai source data ed evitando di dipendere anche dalla frequenza di elaborazione dei dati concordata a livello aziendale;
- lo sviluppo qualitativo delle possibilità offerte, quali ad esempio il process mining o funzioni analitiche avanzate (embedded analytics);
- l’ampliarsi delle sorgenti dati, soprattutto esterne all’ambito IT direttamente governato dall’azienda. Da ciò deriva la necessità di normalizzazione dei dati al fine di renderli confrontabili con quelli aziendali. Gli strumenti di BI proposti dai leader di settore hanno tra i loro obiettivi proprio quello di rendere sempre più facile unire dati dei sistemi aziendali con quelli provenienti da fonti esterne (web, data provider) o da specifiche fonti interne non direttamente afferenti ai software gestionali quali, ad esempio, quelli generati da attrezzature IoT.
Partendo da queste premesse, il quadrante Gartner dedicato alle soluzioni di BI prende in considerazione le varie piattaforme sulla base di dodici criteri:
- sicurezza;
- governance;
- funzionalità analitiche basate su cloud;
- connettività a sorgenti dati;
- preparazione dei dati;
- disponibilità di un catalogo;
- funzioni analitiche automatizzate;
- visualizzazione dei dati;
- possibilità di analizzare i dati attraverso righe di testo di tipo NLQ (Natural Language Query);
- capacità di creare “storie”, combinando dati, testi e contenuti multimediali;
- generazione di report in linguaggio naturale, capace di aggiornarsi automaticamente al variare dei dati;
- reporting.
L’obiettivo degli applicativi di BI
L’obiettivo ultimo di questi applicativi consiste nella possibilità di capitalizzare i dati tramutandoli in un asset aziendale a tutti gli effetti, così facendo in modo che i processi aziendali, in particolare quelli decisionali, siano supportati nel miglior modo possibile.
In questo modo si può ottenere il duplice beneficio di eliminare il reporting sviluppato dalle singole aree aziendali (spesso autoreferenziale e generato senza condivisione metodologica con altri reparti, men che meno con quello IT) e produrre dati certificati disponibili per i diversi ambiti dell’impresa.
L’introduzione di sistemi di BI è un processo impegnativo in quanto coinvolge potenzialmente l’intera aziendaeil cui successo dipende sia dall’applicativo scelto sia dalla accuratezza con cui esso è inserito nelle dinamiche d’impresa.
Industrial Analytics con l’intelligenza artificiale: come funziona e le tecniche più diffuse
I fattori che determinano la scelta del tool giusto
Trattandosi di strumenti con una possibilità di impiego pressoché illimitata, i fattori che determinano la scelta di questo o quel tool possono essere sintetizzati da tre punti di vista:
- User prospective
- IT prospective
- Procurement-costi diretti e indiretti
User prospective
Uno dei fattori che porta alla scelta di soluzioni di BI è supportare la cosiddetta “Data Democratization”, definizione che per quanto impropria rispetto al significato del termine “Democracy”, indica la possibilità di estendere sempre più l’accesso degli stakeholder interni a dati certificati e, a partire da essi, creare i modelli di analisi e visualizzazione necessari a supportare le attività di business.
Per questo motivo il driver principale riguarda la facilità di uso, che deve consentirne lo sfruttamento anche da parte di operatori con limitate competenze tecnologiche e informatiche.
In questo senso Microsoft BI ha un vantaggio non indifferente, perché il suo utilizzo si basa su modalità tipiche dei più comuni e conosciuti applicativi Microsoft, sebbene l’utilizzo di funzioni complesse richieda comunque una notevole conoscenza del prodotto, talvolta persino maggiore di quella necessaria per ottenere analoghi risultati con applicazioni dei concorrenti.
Sempre guardando i tool dal punto di vista dell’utente, la facilità di implementazione e la presenza di use case sono elementi che impattano sulla reale diffusione del loro uso. In questo senso applicazioni come IBM Cognos che offrono una grande varietà di use case e varie possibilità di implementazione possono risultare molto appetibili.
Le possibilità di utilizzo di funzioni di drag and drop e low code sono anch’esse rilevanti ai fini della facilità di utilizzo, in quanto riducono, e talvolta annullano, la necessità di conoscenza di un qualche linguaggio di programmazione. Nella selezione della piattaforma di riferimento è quindi importante individuare il giusto compromesso tra facilità d’utilizzo e potenzialità funzionale, in particolare riguardo alla bonifica dei dati. In questo senso, si trovano da un lato soluzioni quali Tableau, che fornisce la possibilità all’utente di analizzare i propri dati tramite un sistema drag and drop e, dall’altro lato, applicazioni che richiedono una preliminare buona conoscenza di SQL per poter utilizzare le capacità più avanzate.
In senso più generale, far prevalere un modello rispetto all’altro deriva sostanzialmente da due scelte metodologiche riguardanti le attività di normalizzazione (se affidate all’area IT oppure alle specifiche divisioni aziendali) e quelle di reporting (se delegate a personale qualificato oppure invece alle singole funzioni di business).
Quanto alle modalità di implementazione, ci si concentra sempre più sulla possibilità di avere già interfacce costruite per i principali applicativi e fonti dati. In particolare, in questo momento si punta su interfacce web in grado di facilitare la creazione di sentiment analysis e di effettuare il text mining di varie informazioni, una caratteristica che si renderà ancora più necessaria in ottica ESG. Allo stesso modo, la presenza di built in reports può rivelarsi un elemento fondamentale per la rapida introduzione della BI in azienda.
Molti degli applicativi selezionati da Gartner hanno anche funzioni analitiche incorporate (Embedded Analytics), così da consentire di trattare il dato grezzo fino al risultato finale. In molti casi si parla ormai di augmented analytics, tramite cui è possibile generare in automatico vari livelli di analisi. Si tratta di una evoluzione importante che, partendo dalla applicazione di statistica descrittiva, what if e bootstrapping, text mining, arriva ora a generare analisi finali. Anche in base a ciò, alcune soluzioni trovano una propria verticalizzazione settoriale, come nel caso di Pyramid, particolarmente adatto per l’ambito finanziario.
IT prospective
Dal punto di vista IT le priorità che condizionano la scelta dello specifico software di BI sono ben diverse, trattandosi di fattori che devono essere in linea con i principi che sottendono la architettura IT aziendale.
In termini di architettura e data feed, va segnalato come tutte le grandi piattaforme quali SalesForce, SAP, Oracle, AWS e Google comprendano un proprio strumento di BI o siano disegnate per fornire i dati automaticamente a uno o più framework. Va osservato tuttavia che, a parte il caso SalesForce/Tableau, tutti gli altri applicativi sono prevalentemente utilizzati solo all’interno della piattaforma di riferimento.
In questo contesto, Microsoft ha il vantaggio competitivo di offrire un intero stack basato sui principi di Microsoft 365.
In questa prospettiva , il supporto alla Data Governance ha un significativo impatto. Oggi come oggi, tutti i tool presi in considerazione sono disegnati per garantire feature di data lineage (cioè di identificazione e rappresentazione del ciclo di vita del dato, dal sistema di origine fino a quello di destinazione, evidenziando le trasformazioni subite in itinere, i processi cui fa riferimento e le relazioni di interdipendenza con altri dati) e alcuni anche per aggiornare in automatico determinate strutture quando cambiano gli schemi delle fonti dati.
Questo, ad esempio, è il punto forte di Domo, che utilizza a tale scopo dei connettori tipo API. Per alcuni strumenti tuttavia – quali Alibaba – sono necessarie licenze aggiuntive. Inoltre, in alcuni casi, ad esempio Microsoft, la facilità con cui vengono creati workspace va a discapito della necessità’ di garantire una governance adeguata.
Ulteriore parametro rilevante è dato dalla opportunità di lavorare in diverse configurazioni: on premise, Saas, on Cloud, Multicloud.
Tra i tool considerati da Gartner solo alcuni possono operare in configurazione Multicloud. Questo appare ad esempio il limite più importante per AWS, in quanto Amazon Quicksight lavora solo su AWS, così come Oracle. Inoltro applicazioni come Power BI on premise offrono ridotte possibilità rispetto alla versione on cloud.
ELT anziché ETL: le piattaforme presentano il notevole vantaggio di poter operare in modalità ELT – Extract, Load, Transform – che è un aspetto fondamentale per assicurare l’allineamento di questi dati e definire le grandezze che si vogliono rappresentare, riducendo sensibilmente il tempo richiesto per andare in produzione. In particolare, applicazioni come Incorta usano un sistema di DDM (Direct Data Mapping) per contenere ulteriormente il tempo necessario per giungere alla analisi dei dati. TIBCO Spitfire fornisce invece un sistema efficiente per la data preparation, che comprende anche la identificazione delle relazioni tra tabelle.
Supporto modalità di sviluppo Agile, Data mesh. La struttura dei tool BI è disegnata per supportare intrinsecamente modalità di sviluppo come Agile e Data Mesh perché lavorano in ambiente collaborativo, come ad esempio Alibababa Quick BI integrato con DingTalk, Microsoft con Team
Quanto a flessibilità e scalabilità va notato che prodotti basati su cloud, ad esempio AWS QuickSight, permettono di gestire picchi di utilizzo con costi limitati.
Procurement
Il terzo punto di vista è dato dal procurement e più in generale dai costi, diretti e indiretti, e dalla possibilità di avere supporto locale.
Il costo delle licenze varia in maniera significativa, ma dovrebbe tenere conto delle varie funzionalità che sono fornite con l’applicativo. In particolare, nel caso di embedded analytics è possibile gestire un modello distribuito in forma autonoma. AWS applica un modello di pay per use, particolarmente conveniente nel caso di utilizzo del modello Q per attività di NLQ – Natural Language Query. Il sistema di licenze adottato da Qlik è piuttosto complesso soprattutto a causa di vari Add-On rispetto alla licenza base di Qlik Sense.
Quanto al supporto, esso è fornito generalmente in forma remota, e l’eccessiva localizzazione di alcuni applicativi può renderne complicata l’adozione al di fuori della regione geografica di riferimento. Il livello di supporto è per esempio un punto debole di Microstrategy, così come l’assenza di augmented analytics.
Nell’analisi condotta i costi di implementazione non sono praticamente presi in considerazione, mentre sarebbe assai utile averne una stima su base storica o almeno una metodologia per effettuare una valutazione dei costi con ragionevole approssimazione.
Alfine di aumentare la diffusione delle proprie soluzioni, alcuni produttori offrono per periodi di tempo più o meno estesi processi di certificazione anche a titolo gratuito, che risultano particolarmente utili soprattutto nel caso si vogliano prendere in considerazione anche le funzionalità analitiche più approfondite. Alibaba Cloud, ad esempio, ha promosso un suo programma di training sulla Data literacy, così come Qlik Data Literacy Program.
Parimenti nel caso di software a maggiore diffusione risulta più facile ricorrere a consulenti esterni già certificati, così da accelerare il processo interno di adozione o sviluppare applicazioni particolari che poi saranno mantenute internamente.
Un aspetto, infine, che va sempre considerato in un progetto di questo tipo è la formazione degli utenti, partendo dal principio che le conoscenze riguardo al dato e alla sua fruizione sono estremamente diversificate all’interno delle aziende. Inoltre, identificare correttamente e sin dal principio chi possa essere responsabilizzato quale Data e Business Owner nel singolo dipartimento è di certo un elemento in grado di facilitare l’estensione dell’uso di questo genere di strumenti, tanto di maggior aiuto quanto più se ne allarga la fruizione.
Conclusioni
In buona sostanza esistono 6-7 applicazioni di BI che risultano ugualmente valide nel loro complesso. La scelta verso l’una o l’altra dovrebbe quindi basarsi sia sullo scopo principale legato alla adozione di un tool di BI (se legato alla mera reportistica o invece finalizzato a generare analisi più articolate), così come alle prospettive di medio termine di evoluzione della architettura informatica.
