Analytics Analytics Quando si parla di Analytics si

Analytics

Analytics • Quando si parla di Analytics si fa riferimento all’analisi statistica e matematica dei dati, al loro raggruppamento in cluster e segmenti, anche in un’ottica predittiva. • Nelle Advanced Analytics si parla di data mining, di text mining, di machine learning, di data visualization, di analisi semantica, di sentiment analysis, simulazioni, elaborazione di eventi complessi, reti neurali. • Siamo alla terza fase del percorso evolutivo della Business Intelligence: quella, per l’appunto delle piattaforme di Advanced Analytics.

Analytics • Uno degli elementi fondanti le Advanced Analytics è quello di garantire la connessione e la gestione di qualunque tipo di dato, strutturato, semi-strutturato, non strutturato. È anche questa una delle differenze più evidenti rispetto ai precedenti sistemi di Business Intelligence, che si basavano esclusivamente sui database relazionali. • Advanced Analytics e Artificial Intelligence non sono sinonimi. L’AI è una delle forme più evolute di Advanced Analytics, che include fra gli strumenti il deep learning e la comprensione/utilizzo dei linguaggi naturali.

Analytics Per HR Analytics si intende l’applicazione, all’interno della Direzione HR, di soluzioni e modelli di Data Intelligence, progettati integrando elementi qualitativi con dati quantitativi. Consentono: • Misurazione delle competenze e del potenziale, nonché analisi e correlazione delle prestazioni individuali / comportamentali agli obiettivi di business (Performance management) • Organizzazione e pianificazione della forza lavoro (Workforce management) • Identificazione delle modalità formative e dei contenuti (Training & Learning) • Progettazione di politiche di retribuzione e incentivazione (Compensation & Reward)

Analytics • Sensori e oggetti connessi offrono alle manifatture moderne l’accesso a un bacino potenzialmente infinito di dati che, se correttamente trattati ed elaborati, generano insight utili per ridurre i fermi macchina, migliorare la pianificazione della produzione (evitando gli out-of-stock e contenendo anche gli investimenti in scorte) • Tre sono, in particolare, le aree sulle quali i risultati degli approcci tecnologici legati alla fabbrica connessa tendono a essere più rapidi: diagnosi in tempo reale del funzionamento di macchinari e apparati (propedeutica alla manutenzione predittiva), monitoraggio dei prodotti e monitoraggio dei sistemi energetici.

Analytics • L’utilizzo combinato di sistemi di rilevamento fotografici e advanced analytics permette di intervenire immediatamente sulla produzione in caso di difetti o difformità del prodotto rispetto agli standard di qualità adottati in azienda. • I sensori Io. T raccolgono dati sulla composizione delle materie prime utilizzate, la temperatura nelle varie fasi della produzione, gli scarti… Se inclusi nel prodotto finale, i dispositivi Io. T possono fornire indicazioni utili sul modo in cui i clienti fanno uso del prodotto, su quel che trovano utile e sugli aspetti che, invece, andrebbero migliorati.

Analytics • Non si può parlare di Io. T se non in tandem con advanced analytics e artificial intelligence, che assicurano la capacità di mappare quel che avviene nello shopfloor, diagnosticare ma soprattutto predire. • Combinando e confrontando le ricorrenze e le eccezioni, le piattaforme di AI letteralmente imparano a determinare tramite calcoli probabilistici quale causa comporta quale effetto, e quindi a fare previsioni sul modo in cui si comporteranno macchinari e prodotti in situazioni reali e simulate. • Si passa a un paradigma totalmente nuovo: è il sistema che avvisa, dispositivo per dispositivo, tramite punteggi predittivi, quali criticità possono verificarsi, inoltrando notifiche agli operatori che possono valutare la situazione, verificare e intervenire se davvero necessario (manutenzione predittiva).

Analytics Con la Ricerca 2016, l’Osservatorio del Polimi aveva clusterizzato i modelli di analytics in quattro categorie principali: - Descriptive Analytics, l’insieme di strumenti orientati a descrivere la situazione attuale e passata dei processi aziendali e/o aree funzionali - Predictive Analytics, strumenti avanzati che effettuano l’analisi dei dati per rispondere a cosa potrebbe accadere nel futuro - Prescriptive Analytics, tool avanzati che, insieme all’analisi dei dati, sono capaci di proporre al decision maker soluzioni operative - Automated Analytics, strumenti in grado di implementare azioni autonomamente sulla base delle analisi svolte

• Data Warehouse: vi è un archivio informatico che raccoglie i dati dai sistemi operazionali aziendali integrandoli con i dati provenienti dalle fonti estrne; si tratta dei classici database per dati strutturati • Data Lake: ambiente di archiviazione dei dati nel loro formato nativo, fin quando non è necessario dar loro una struttura; è così possibile avere l’integrazione di elevate quantità di dati di qualsiasi formato e provenienti da qualsiasi fonte • Modello Integrato: l’organizzazione ha a disposizione sia un data lake sia un data warehouse che lavorano in modalità integrata per rispondere alle differenti esigenze