Categoria: Chi trova un dato trova un tesoro

Chi trova un dato trova un tesoro: la scoperta e la lavorazione dei dati allo stato grezzo consentono la creazione di veri e propri giacimenti di un sapere pronto a innumerevoli usi. Le tecniche di estrazione di tali tesori sono nelle mani di veri e propri scienziati di settore che tra modelli, statistiche e “presentimenti” realizzano asset digitali di business.

Categorie
Big Data & C. Chi trova un dato trova un tesoro

Pitagora: dalla marea dei Dati "sommersi" ai Teoremi dei laghi.

[dropcap3]P[/dropcap3]itagora, celebre filosofo e matematico greco, ha influenzato profondamente con il suo genio l’evoluzione dell’approccio scientifico di tutta la cultura occidentale, nel riconoscere alla matematica un ruolo cruciale per la descrizione del mondo.
Non a caso è proprio il suo il nome scelto da chi i big data li porta in superficie – è il caso di dirlo – anche dal profondo delle acque dei laghi.
Con “Pitagora” è stato infatti battezzato il nuovo progetto di monitoraggio, in tempo reale, delle acque del Lago D’Orta e del Lago Maggiore, finanziato dalla Regione Piemonte.
In sintesi, si tratta di una piattaforma tecnologica creata per la raccolta di dati chimici, biologici e meteo-idrologici, allo scopo di generare e acquisire nuove e preziose informazioni da condividere con la comunità scientifica e da ridistribuire, opportunamente rielaborate, ai cittadini.
E vista la vocazione dell’ambizioso progetto, crediamo che l’illustre matematico sarebbe stato onorato, di dedicargli il proprio nome.
Ci piace anzi immaginare che, se Pitagora fosse entrato in contatto con l’era digitale e i suoi innumerevoli prodotti virtuali, i big data, avrebbe innescato un’appassionata attività di ricerca e di studio, mirata ad escogitare un complesso di teoremi in grado di disciplinare questi stessi dati in modo da permetterne l’utilizzo.

L’utilità dei Big Data per la preservazione ambientale delle acque dolci non è del resto sfuggita nemmeno oltreoceano, come ci riporta questo articolo: nello stato di New York, un analogo sistema monitora in real time la situazione delle acque del lago George, in un progetto che vede la collaborazione di Ibm Research.
Quello dei laghi è infatti un ecosistema complesso e dinamico, dove si interseca una fitta rete di relazioni tra gli organismi animali e vegetali presenti, così come con l’ambiente circostante.
Tornando in “casa nostra”, in particolare al territorio specifico del lago D’Orta nel quale si è sviluppato il progetto Pitagora, tutto italiano, questo è stato segnato da una storia ambientale piuttosto tormentata, tanto da rendere necessario un intervento che fosse davvero risolutivo.
In un recente passato, infatti, un inquinamento di origine industriale particolarmente invasivo ha compromesso la qualità delle sue acque, rendendo necessaria un’azione di risanamento che ha incluso un intervento di liming (ovvero l’aggiunta di carbonato di calcio alle acque per neutralizzarne l’acidità).
In questo contesto, la piattaforma Pitagora offre un insostituibile sistema di misurazione ed acquisizione, prima, e di trasmissione ed utilizzo, poi, dei dati, utile al costante controllo della qualità ambientale lacustre.

Il processo include boe e sensori ad energia rinnovabile, che eseguono le misurazioni ed acquisiscono dati relativi a numerosi elementi, come l’innalzamento e l’abbassamento del livello delle acque, la loro acidità, l’influenza delle precipitazioni e molti altri, rendendoli fruibili per le analisi degli esperti ambientali.
Il volume di dati raccolti dalla piattaforma è un insieme di Big & Fast Data: oltre a costituire un patrimonio di preziose informazioni da utilizzare a scopo preventivo e gestionale, offrono un quadro, aggiornato in tempo reale, dello stato delle acque.
Una volta elaborati, i dati sono poi diffusi attraverso applicazioni mobili rivolte sia alla cittadinanza, agli amministratori e ai turisti a scopo informativo – anche nell’ottica della diffusione sempre maggiore di una sensibilità ecologica e ambientale – che a operatori del settore.
Così ‘Pitagora’, canale di raccolta, validazione e fruibilità di Big Data, riesce a disciplinare l’equazione complessa dei laghi in una forma sapiente, così come sarebbe piaciuto al filosofo Pitagora, perfetto padrino spirituale del progetto, rendendo il giusto onore al suo nome.
[boxed_content type=”whitestroke” custom_bg_colour=”#e0e0e0″ custom_text_colour=”#000000″ pb_margin_bottom=”yes” width=”1/1″ el_position=”first last”]
[highlight]Per saperne di più[/highlight]

www.treccani.it
www.datamanager.it
www.telecomitalia.com
www.progettopitagora.it
www.lifegate.it
[/boxed_content]

Categorie
Big Data & C. Chi trova un dato trova un tesoro

Stasera cinema o televisione? Rispondono i Big Data!

[dropcap3]Q[/dropcap3]Quanti di voi sono andati al cinema per vedere ‘The Lone Ranger’?
Indubbiamente pochi, trattandosi di uno dei più recenti insuccessi dell’attuale industria cinematografica statunitense: costato 215 milioni di dollari ne ha incassati ‘solo’ 261, nonostante la presenza di una star protagonista del calibro di Johnny Deep e la regia di Gore Verbinski.
L’equazione insegna che grandi investimenti e attori celeberrimi non innescano più in automatico la soddisfazione del pubblico, sempre più esigente in fatto di narrazioni tanto avvincenti da appagarlo al punto che il costo del biglietto diventa un regalo concesso a se stesso.
Ecco allora che anche le major cinematografiche della dorata Hollywood hanno bisogno del supporto dei Big Data: carte di credito, fidelity card, siti web, pagine e profili sui social network ricompongo il puzzle dei gusti e delle preferenze dell’utente, ricostruiti attraverso la sentiment analysis.
L’ascolto mirato e scientifico, attuato in tempo reale, dei pensieri e delle reazioni degli utenti davanti a un qualsiasi genere di evento, oltre che la rielaborazione di questi stessi input, consente l’accesso ad una miniera d’oro in termini di informazioni utili.
Secondo un modello appositamente redatto, sembrano essere ben dodici i fattori che le case di produzione dovrebbero tenere d’occhio per prevedere il successo o meno di un lungometraggio, suddivisibili a loro volta in due macro-aree di variabili: quelle dipendenti dalla produzione, quali il paese d’origine, il genere, il regista e gli attori, e, ancora, i numeri della distribuzione e della stagionalità, e quelle invece dipendenti  da fattori esterni, come ad esempio la presenza o meno di competitor, le previsioni sul numero degli spettatori possibilmente interessati etc.
Certamente occorre considerare anche l’opinione della stampa e dei critici, ma – se la sentiment analysis è compilataopportunamente – è possibile stimare in anticipo (e con una certa precisione) il futuro gradimento di pubblico di un determinato film, riuscendo a prevedere  il numero di biglietti venduti ancor prima che lo stesso entri in produzione.
Il medesimo approccio è applicabile anche nell’ambito dell’intrattenimento televisivo: Netflix, il popolare servizio statunitense di streming video approdato anche in Italia, ha deciso di sfruttare la grande mole di dati raccolti dai propri abbonati fino al minimo dettaglio, tenendo conto ad esempio di quali scene invece sono viste più volte rispetto ad altre. L’opportunità offerta da questo tipo di analisi non è stata sterile, tant’è che ha portato Netflix alla produzione di contenuti davvero originali, con la creazione di serie TV di successo come “House of Cards” e “Orange is the new black”, osannate dalla critica e pluripremiate.
Ma non è tutto un Dato quello che luccica! Esemplare e in controtendenza vanno infatti gli Amazon Studios, la più grande libreria virtuale sul mercato che ha iniziato a cimentarsi con la produzione d’intrattenimento televisivo, non senza difficoltà.
Dopo una serie di insuccessi iniziali, Amazon ha intascato diversi riconoscimenti durante l’ultima cerimonia dei Golden Globes per la produzione originale “Transparent”. Cosa è cambiato?
Se le scelte del reparto creativo erano determinate inizialmente dai Big Data, con il risultato di una serie iniziale di fallimenti, è arrivata la decisione di affiancare a tali pratiche i migliori sceneggiatori di Hollywood, capaci di miscelare una buona dose di elementi di successo fino alla serie da Golden Globe.
Nessuna illusione dunque, in materia di creatività e contenuti: i Big Data sono preziosi, a volte indispensabili, ma hanno bisogno di “sentimenti” e non solo di sentiment, sapientemente dosati dall’estro e dalla genialità degli autori, ancora fattori al di fuori del controllo delle analisi statistiche e dunque irrinunciabili. Così da vivere tutti felici e contenti, numeri, parole e… pellicole!
[boxed_content type=”whitestroke” custom_bg_colour=”#e0e0e0″ custom_text_colour=”#000000″ pb_margin_bottom=”yes” width=”1/1″ el_position=”first last”]approfondimenti
[highlight]Per saperne di più[/highlight]
 
– Ilsole24ore.com
– Corriere.it
– Ilfoglio.it
– Bitmat.it
– Bestmovie.it
[/boxed_content]

Categorie
Big Data & C. Chi trova un dato trova un tesoro

Dai Big Data ai Relevant Data: alla ricerca di un tesoro nascosto.

[dropcap3]P[/dropcap3]arlando di Dati e delle diverse tecnologie che li trattano, è sempre più evidente come la capacità di leggerli, analizzarli e interpretarli sia in primo piano, rispetto alle tecniche pur innovative utilizzate nei processi della loro elaborazione. Il passaggio cruciale è quello che va dai Big Data – definiti semplicisticamente dall’occorrenza di quattro variabili, ovvero volume, varietà, velocità e veridicità – fino ai Relevant Data, dati portatori di particolare interesse e valore. La materia prima non manca, anzi “deborda” in pressoché tutti gli ambiti.
I fiumi di dati generati negli ultimi decenni hanno prodotto giacimenti di informazioni riguardanti ogni attività, umana e non, tanto preziosi quanto spesso trascurati, sottovalutati e incompresi: si tratta di un potenziale di altissimo valore che si dispiega unicamente quando viene tradotto in informazioni utili.
E nonostante le imprese, le aziende e gli enti pubblici siano depositari di enormi riserve “auree” di dati, acquisiti grazie a sistemi di IT automatizzati ormai comunemente utilizzati, un tale diluvio di informazioni rischia di offuscare la potenziale qualità insita in tale sovrabbondanza.
Per tutelarsi dalla perdita di tali potenziali significati occorre agire sul processo di interpretazione di questi volumi di “anonimi” dati, mitigandone il rumore di fondo in modo da reperire e tracciare informazioni selezionate cui poter attingere, magari con nuovi automatismi utili a produrre benefici e utilità varie.
L’attuale processo innovativo sta proprio nello sviluppo di prodotti dedicati ai dati rilevanti che, attraverso soluzioni tecnologiche di ultima generazione, siano in grado di riconoscerli in quanto tali, trasformarli e metterli a sistema,  al servizio di necessità peculiari.
È possibile descrivere la filiera di trasformazione dei Big Data in Relevant Data in un processo costituito da quattro fasi:

  • [highlight]Feed[/highlight](acquisizione): è la fase in cui il dato grezzo, proveniente da sensori o da altri sistemi  software, viene acquisito dal sistema e trasformato per renderlo il più possibile omogeneo.
  • [highlight]Enrich[/highlight] (arricchimento): i dati acquisiti dalla fase precedente possono essere arricchiti, dal punto di vista semantico, per cercare di attribuire loro un significato. Le operazioni che vengono svolte in questa fase sono quelle di: estrazione di concetti, classificazione di documenti, annotazione semantica (identificazione di entità, disambiguazione).
  • [highlight]Relate [/highlight](comprensione): in questa fase ci si occupa di identificare e validare dei fatti o degli eventi, trovare delle correlazioni ed eseguire quindi delle azioni di aggregazione tra dati omogenei.
  • [highlight]Evaluate [/highlight](decisione): il risultato delle fasi precedenti viene messo a disposizione dei “decisori” (che possono essere altri software o persone). Possibili operazioni che vengono svolte in questa fase: ricerca in un archivio di eventi o fatti, produzione di flussi real time di eventi o fatti, cruscotti analitici, sistemi di alert…

Questo processo a step successivi rende i dati di partenza non solo visibili e leggibili, ma capaci di generare nuove informazioni di senso e nuovi significati, finalmente utili per le varie finalità attribuite in fase di progettazione.
Per fare qualche esempio concreto possiamo parlare di alcuni sistemi di ricerca che apprendono qualcosa di noi e delle nostre necessità osservando il nostro comportamento all’interno dei siti che consultiamo.
Questi algoritmi unfatti, grazie alla capacità di analizzare e contestualizzare le scelte da noi fatte in precedenza, ci mostrano in tempo reale altri risultati attinenti a ciò che stavamo cercando, facendoci risparmiare tempo con suggerimenti appropriati.
E’ il caso ad esempio del sito Walmart che, dopo aver inserito sul proprio sito di e-commerce un motore di ricerca con queste caratteristiche, ha aumentato del 15% le proprie vendite online.
O anche di FedEx, che ha implementato un sistema di supporto alle decisioni in grado di suggerire i percorsi ottimali per la sua filiera logistica con l’obiettivo di far arrivare le merci nei tempi previsti e con costi sempre più bassi.
I dati che vengono presi in considerazione per questo fine sono molteplici: la posizione dei mezzi, le condizioni e previsioni meteo, le  condizioni del traffico e così via.
Le decisioni su come le merci devono proseguire nel loro percorso vengono prese in tempo reale, e questo permette  di ridurre l’impatto negativo che eventuali e imprevisti accadimenti esterni possono avere sull’azienda stessa e la sua organizzazione.
I risultati sono stati straordinari e in breve tempo l’investimento si è abbondantemente ripagato (430% di ROI).
Tutti esempi decisamente concreti e positivi, dunque, che confermano come i Big Data, trasformati in Relevant Data, non solo sono in grado di generare utilità in senso assoluto, ma sono capaci di produrre valori di business vero e proprio.
Per vedere in maniera approfondita come si generano asset digitali di business, vi rimandiamo a un altro articolo. A presto!