ZETA ACADEMY · 1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti (a cura di...
Transcript of ZETA ACADEMY · 1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti (a cura di...
BIG DATA
ZETA ACADEMY VI EDIZIONE
26 Gennaio 2017
AGENDA
1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti
(a cura di Francesco Tomaselli – Zeta Consulting)
2. Big data – analisi strategica
(a cura di Valerio Zoino – Zeta Consulting)
3. Big data – analisi industriale e tecnica
(a cura di Ciro Cennamo – Zeta Consulting
e Fabio Ficarra – Kubique)
5. Apertura discussione
(a cura di Valerio Zoino – Zeta Consulting)
6. Chiusura lavori
2
1. PRESENTAZIONE ZETA CONSULTING E
DELLE AZIENDE PARTECIPANTI
3
PRESENTAZIONE AZIENDE PARTECIPANTI
4
2. BIG DATA – ANALISI STRATEGICA
5
BIG DATA – ANALISI STRATEGICA
I dati (Big Data) rappresentano una nuova risorsa
Prima dell’evoluzione dei prodotti e dei processi:
Condivisione funzionale episodica e su base limitata
I dati vengono generati da: • Funzioni interne lungo l’intera catena del valore (dati di vendita, di produttività, …) • Ricerche esterne (ricerche, indagini, …)
6
BIG DATA – ANALISI STRATEGICA
Dopo l’evoluzione dei prodotti e dei processi:
I dati Aumentano => i dati interni dei processi produttivi SI AGGIUNGONO => i dati generati dai prodotti
7
BIG DATA – ANALISI STRATEGICA
Dopo l’evoluzione dei prodotti e dei processi:
I DATI PUNTUALI sono Fonte di Vantaggio Competitivo
8
BIG DATA – ANALISI STRATEGICA
Analitica dei dati:
L'analitica dei dati è una nuova Fonte di Vantaggio Competitivo • Serie storiche (singoli dati) • Combinazione di singoli dati e di serie storiche di una combinazione di dati
Esempio Utilizzo Sensori sull'olio Sensori sul filtro Riduzione singola rottura Aumento OEE
9
BIG DATA – ANALISI STRATEGICA
Criticità tecnologiche:
I dati sono destrutturati e diversi (sensori, posizione, temperatura, umidità, ...) limite dei fogli elettronici sulle VARIETA’ dei dati
Nuovi strumenti analitici (BIG LAKE) - descrittivo - diagnostico - produttivo - prescrittivo
10
COFFEE BREAK
11
3. BIG DATA – ANALISI INDUSTRIALE E
TECNICA
12
COSA SONO I BIG DATA
Big Data: il valore dei dati per creare /
mantenere un vantaggio competitivo
13
COSA SONO I BIG DATA
14
Dati intelligenti che rispondono a domande complesse.
• Sono un insieme di dati numericamente significativi (ma non per questo “enorme” – anche le
piccole realtà possono affrontare progetti di Big Data)
• Sono un insieme di dati che provengono da fonti varie, interne ed esterne al soggetto che va ad
analizzarli, e sono perlopiù dati non strutturati
• Sono l’occasione per rivitalizzare la propria realtà e dare una scossa positiva al suo sviluppo
• Per creare valore, vanno trattati in un modo nuovo, con nuove tecnologie e, soprattutto, una
nuova forma mentis che li interroghi in modo adeguato
OGNI SECONDO SU INTERNET
15
Un individuo oggi mediamente
elabora più dati in un solo giorno di quanti
una persona nel 1500 elaborava nell’intero arco della vita
LE 4 V DEL BIG DATA
16
(V)OLUME
17
Forse la caratteristica più immediata e intuitiva, dal momento che, come si evince dal termine
stesso, si tratta di grandi quantità di dati
Per offrire un quadro di contesto basti pensare che ogni secondo vengono trasmessi 5.700 tweet
nel mondo, vengono effettuati 52.196 "Like”, vengono inviati 3.402.778 email. Tutto ciò, aggiunto
alle restanti attività "digitali", danno luogo ad una spaventosa quantità di dati che permette, almeno
potenzialmente, di disporre di moltissime informazioni le quali a loro volta possono essere
incrociate tra loro
(V)ARIETA’
18
Come già osservato in precedenza, i dati sono in larga prevalenza non strutturati e quindi non
affrontabili con le tradizionali tecniche proprie dei database relazionali. In altri termini: i dati non
possono più essere collocati in tabella poiché sono in forma non strutturata (email, immagini, audio
video). Gli algoritmi più avanzati hanno la capacità di analizzare i dati non strutturati, con in media
una accuratezza del 93%-97% nell'analisi di dati di varia provenienza
(V)ELOCITA’
19
Riguarda i Big Data da differenti punti di vista. Velocità con cui i dati vengono generati (che va
ovviamente di pari passo con la loro quantità), in secondo luogo la velocità con cui le nuove
tecnologie consentono di accedere a questi dati, pur con architetture distribuite e strutture
complesse di dati, che talvolta sfiora l'accesso in tempo reale. La velocità di accesso ai dati e alle
informazioni comporta poi un miglioramento nella velocità del processo decisionale, uno degli
elementi più critici per poter mantenere un elevato livello di competitività negli attuali panorami del
mercato. Si pensi, ad esempio, al monitoraggio del sentimento del pubblico: un'azienda avrà la
possibilità di adottare nel più breve tempo possibile misure correttive o preventive per
ridimensionare o evitare un episodio di crisi
(V)ERIDICITA’
20
Una grande quantità di dati, di una grande varietà e con accesso rapido non sono sufficienti a
garantire il successo di un progetto di Big Data
I dati devono avere qualità e produrre risultati credibili, che consentono di intraprendere l'azione
giusta in un processo decisionale. Ricordiamo che i dati vengono analizzati per aiutarci a prendere
delle decisioni, per cui un dato errato ci aiuterà a “prendere” una decisione errata
(V)ALORE
21
Un insieme di caratteristiche che in realtà è riassumibile in una sola altra "V": il Valore. E' infatti la
capacità di comprendere e gestire adeguatamente tutti questi aspetti dei Big Data che consente di
estrarne il loro valore
TUTTO E’ (O SARA’ PRESTO) INTERCONNESSO
22
2016 6,4 miliardi di oggetti connessi nel Mondo (+30% rispetto al 2015)
2020*20,8 miliardi di oggetti connessi nel
Mondo Fonte: Gartner 2016
Mercato IOT cresciuto del 30% rispetto al 2014 e
oggi vale 2 miliardi di euro
Fonte: Osservatorio IoT Politecnico di Milano
LE FONTI DATI ASSOCIATE ALL'AMBITO BIG DATA
23
Le aziende associano inoltre all'ambito "Big Data" molte fonti dati provenienti dal proprio patrimonio interno (in forma principalmente di dati non strutturati), attualmente disponibile ma sotto-utilizzato come fonte utile a prendere decisioni migliori per il business
La fonte maggiore di dati di tipo Big Data risulta essere il web nelle varie forme (blogs, social, forum,..)
Fonte: SDA Bocconi, IBM, CIONET
ESEMPI STORICI/MOLTO NOTI
24
Web log Analytics
Social Network Chi è il mio utente? chi conosce? cosa gli piace e
cosa no?
ESEMPI MENO NOTI
25
• Amazon Shipping
- Cosa porta in generale gli utenti all'acquisto? Cosa porta LO SPECIFICO utente all'acquisto?
cos'altro potrebbe interessare all'utente?
• Google Maps e Urban Engines
• Analisi transazioni bancarie, analisi rischio finanziario
• Autocarri iperconnessi
AMAZON BREVETTA LA «LETTURA DEL PENSIERO»
26
Brevetto per “Anticipatory Shipping”:
il tuo prossimo pacco viene preparato prima del completamento dell’ordine
CONSEGNE
VELOCI!
CHI ordinerà
COSA,
DOVE e
QUANDO?
Ordini precedenti
Ricerche Preferenze e abitudini
Contenuto del carrello
Tempo speso nella scelta di un oggetto
Resi precedenti
CONSEGNE
VELOCI!
GOOGLE MAPS ACQUISISCE URBAN ENGINES PER MIGLIORARE LA MOBILITA’ IN CITTA’
27
Dati storici su movimenti delle
persone e dei mezzi nelle città
+
Informazioni sul traffico in tempo
reale
CONSEGNE
VELOCI!
INFORMAZIONI
AZIONABILI E SCENARI
DI SIMULAZIONE UTILI
A:
• Cittadini per ottimizzare i tempi di viaggio e per avere informazioni su disponibilità di parcheggi
• Compagnie di trasporto per individuare aree sotto-servite e ottimizzare il servizio offerto
• Autorità locali per reagire con prontezza ad emergenze, incidenti e congestionamenti
LA GLOBALIZZAZIONE AUMENTA LA COMPETIZIONE
28
Diffusione dell'uso del web
Miglioramento delle infrastrutture di trasporto, "riduzione delle distanze"
Apertura dei mercati, Internazionalizzazione delle imprese
Clienti sempre più esigenti, importanza dell'esperienza di acquisto / di fruizione del servizio
Richiesta di prodotti servizi personalizzati ma a costo contenuto
"Servitizzazione" dei prodotti
Abbassamento della soglia d'ingresso in nuovi mercati
Aumento della competizione tra imprese dello stesso settore
Ingresso di nuovi player che fanno leva sul web e sulla capacità di sfruttare le informazioni in loro possesso
I BIG DATA COME LEVA PER CREARE UN VANTAGGIO COMPETITIVO
29
Non esiste settore in cui non si debba avvertire con impellenza l'urgenza di trovare nuove leve per mantenere / creare un vantaggio competitivo sui concorrenti
L'enorme e crescente disponibilità di dati e la disponibilità di nuove tecnologie ed applicazioni che permettono di elaborare grandi volumi di dati (Volume) di vario tipo (Variety) in tempi rapidi (Real Time Analytics) ed a costi sempre più abbordabili (anche grazie al Cloud ed all'Open Source) costituiscono leve formidabili per creare valore per la competitività delle imprese e per lo sviluppo degli Enti del Settore Pubblico
OPPORTUNITÀ OFFERTE DAI BIG DATA PER MIGLIORARE LA COMPETITIVITÀ
30
Innovazione di prodotto / servizio: riduzione time to market dei nuovi prodotti / servizi, personalizzazione del prodotto/servizio, miglioramento qualità
Ottimizzazione processi ed abilitazione di nuovi processi / nuovi modelli di business: riduzione lead times, aumento efficienza, riduzione costi, miglioramento efficacia, flessibilità e capacità di adattamento alle mutevoli condizioni del mercato (Real Time Enterprise), nuovi canali e mercati, …
Migliorare la capacità dell'impresa di prendere decisioni velocemente ma data-driven e fact-based
OPPORTUNITÀ OFFERTE DAI BIG DATA PER MIGLIORARE LA COMPETITIVITÀ
ALCUNI ESEMPI DI INNOVAZIONE DI PRODOTTO/SERVIZIO
31
Trend Intelligence, per identificare, anticipare ed analizzare in tempo reale i trend di mercato e guidare lo sviluppo di nuovi prodotti e il riallineamento del portafoglio prodotti
Sensitivity analysis per indirizzare lo sviluppo di nuovi prodotti in base al gradimento del pubblico
Root-cause analysis per individuare le cause di difettosità dei prodotti sulla base di dati raccolti durante il processo produttivo
Migliorare la qualità dei prodotti e dei servizi post vendita mediante la raccolta sistematica di dati generati dai processi di Customer Service e/o da sensori a bordo del prodotto
OPPORTUNITÀ OFFERTE DAI BIG DATA PER MIGLIORARE LA COMPETITIVITÀ
ALCUNI ESEMPI DI OTTIMIZZAZIONE PROCESSI
32
Miglioramento del processo di Demand Planning con l'utilizzo di dati provenienti anche dall'esterno; conseguente ottimizzazione dei processi di approvvigionamento e di pianificazione logistico – produttiva
Utilizzo di dati prodotti da sensori nelle varie fasi del processo produttivo per predire la qualità del prodotto finito ed intervenire nel corso del processo produttivo
Utilizzo di dati prodotti da sensori per pianificare la manutenzione degli impianti di fabbrica e/o processi di Service sulla base installata
Efficientamento energetico: Utilizzo di sensori per la rilevazione continua dei consumi di ogni impianto nel corso del processo produttivo
AUTOCARRI IPERCONNESSI
33
Secondo uno studio condotto da Volvo Trucks è possibile ridurre dell’80% i fermi imprevisti, se la manutenzione del camion viene effettuata in tempo
• monitorare l’utilizzo del veicolo in tempo reale
• pianificare l’assistenza con largo anticipo, prima che si verifichi un guasto
• ordinare i ricambi prima che il veicolo arrivi in officina
• posticipare un intervento di assistenza già programmato, se i componenti del veicolo subiscono un'usura minore del previsto
• +13,5% l’anno la base installata di strumenti telematici sugli autocarri
• entro il 2022 tutte le principali case automobilistiche offriranno un servizio di diagnostica remota gratuito
(Fonte: Frost & Sullivan, “Global Connected Truck
Market 2016 Outlook”)
CONDITION MONITORING REAL-TIME DI UN PROCESSO INDUSTRIALE
34
Ambito Condition monitoring delle prestazioni di un sistema (rete) di refrigerazione industriale installato in un’azienda produttrice di cibi pronti surgelati Obiettivi Definizione di un indicatore prestazionale (KPI) basato su Social Network Analysis a partire dalla rete di sensori Riduzione dei consumi energetici, migliore gestione dei tempi di manutenzione Metodologia Modellazione del processo come sistema complesso con graph-database e Multi-Agent System (MAS).
DALLA BUSINESS INTELLIGENCE AL DATA-DRIVEN BUSINESS
35
PRIMA FASE SECONDA FASE TERZA FASE
Business Intelligence Tools (95% descrittiva, 5% predittiva)
Decision support systems, DWH, OLAP, Reports, Dashboard
Big Data Analytics (95% predittiva)
Predictive, Visualization, Real-time, Embedded)
Tecnologie Legacy
Mainframe. PC, SQL, RDBMS
Big Data Technology
Hadoop, NoSQL, In-memory, Cloud, Mobile, BI Dedicated HW
Business Intelligence Big Data
Reportistica di base e dashboard basati su dati storici e strutture dati provenienti principalmente da dati interni. Uso minimo di dati esterni all'organizzazione e di analisi predittiva
Nuove tecnologie HW e SW (es: in-memory) permettono la gestione di grandi moli di dati provenienti dall'esplosione delle sorgenti non strutturate
Tecnologie Big Data e di analisi avanzata convergono verso modelli di analisi predittiva per guidare il business
60s 70s 80s 90s 00s 2008 2010 2011 2012 2013 Oggi
An
alyt
ics
Tech
no
logy
ESTRARRE INFORMAZIONI «AZIONABILI» DAI DATI
36
Come possiamo ottimizzare il risultato atteso? Cosa accadrebbe se cambiassimo questo?
INFORMAZIONI AZIONABILI
CONOSCENZA
INFORMAZIONI
DATI
+ interpretazione
+ contesto
+ valore
+ strategia Cosa implica per il nostro business? Cosa possiamo prevedere in base a questo?
Cosa significa in relazione al contesto e ai dati storici?
Quali informazioni ci fornisce il dato?
AZIONI
SPIN - ESTRARRE VALORE DAI DATI, IN TEMPO REALE
37
INFORMAZIONI AZIONABILI
CONOSCENZA
INFORMAZIONI
DATI
++ varietà ++ volumi
SPIN - ESTRARRE VALORE DAI DATI, IN TEMPO REALE
38
INFORMAZIONI AZIONABILI
CONOSCENZA
INFORMAZIONI
DATI
Dati organizzati attraverso un modello non tradizionale di rappresentazione delle informazioni che abilita: • l’elaborazione di enormi volumi di dati quasi in tempo
reale • nuove tipologie di analisi (es. predittiva) • la misurazione dell’impatto sull’insieme creato da
variazioni di singole risorse interconnesse
SPIN - ESTRARRE VALORE DAI DATI, IN TEMPO REALE
39
INFORMAZIONI AZIONABILI
CONOSCENZA
INFORMAZIONI
DATI
Analisi e sintesi dati di consuntivo fruibili su ogni tipologia di dispositivo
SPIN - ESTRARRE VALORE DAI DATI, IN TEMPO REALE
40
Simulazioni in tempo
reale degli effetti delle
strategie sulla
produzione e sul conto economico
INFORMAZIONI AZIONABILI
CONOSCENZA
INFORMAZIONI
DATI
Risorse umane
Macchinari
Materie prime
Impianti
Volumi richiesti
4. APERTURA DISCUSSIONE
41
5. CHIUSURA DEI LAVORI
42
GRAZIE PER L’ATTENZIONE
43