Sistemi web-based di analisi strategica: Business Intelligence e Big Data

Ogni organizzazione è oggi circondata da dati da catturare, analizzare e rappresentare. Con il lavoro di tesi si cerca di raccogliere ciò che nella letteratura interdisciplinare è stato finora descritto riguardo i sistemi informativi aziendali di supporto all'analisi strategica. Tale lavoro di ricerca segue un approccio formale e descrittivo nella prima parte, e più tecnico nella seconda, terminando con una simulazione di analisi strategica. Tutto ciò per raggiungere l'obiettivo del lavoro: raccogliere, strutturare ed applicare la conoscenza sulla tematica, molto variegata e multidisciplinare.
Nel lavoro viene studiata la Business Intelligence(da ora BI). La sua versione 1.0, basata su DataWarehouse e Data Mining, aveva natura statica e strutturata. Successivamente, la c.d. BI 2.0 ha integrato quanto già presente nella versione precedente con nuovi sorgenti informative, sfruttando il web 2.0. Essa rappresenta la versione maggiormente diffusa, date le grandi potenzialità d'analisi esplorativa. Con essa, nuove tecnologie di indagine hanno arricchito quanto già sviluppato. Tuttavia, oggi di essa si registra una nuova evoluzione, la BI 3.0, basata sul web semantico. Essa fonda la sua differenziazione sulle tecnologie in-memory per la modellazione dei dati, la capacità di fornire solo informazioni rilevanti e l'impiego di social tool per la cooperazione aziendale. Il tutto col fine di trasformare il web in un database, rendendo ogni dato sempre accessibile.
Il web è ormai da tempo una risorsa essenziale per ogni attività aziendale. La possibilità di raccogliere ed aggiornare i contenuti, in modo rapido e completo, seppur disordinato, è un valore aggiunto che ogni azienda necessita di comprendere. Tutto ciò, tuttavia, porta numerose problematiche mai affrontate e riguardanti quei dati che, per le loro caratteristiche di voluminosità, velocità e varietà(le c.d. “3 V”) definiscono nuovi paradigmi e nuove necessità. Tutti dati che, perciò, vengono definiti Big Data. Ad essi possono essere associati obiettivi d'uso distinti, dipendenti dallo specifico contesto, che possono investire ogni funzione aziendale. Affinché ciò si realizzi essi richiedono infrastrutture molto onerose le quali, però, grazie alle più recenti tecnologie computazionali, riescono a catturare una ricca mole di dati. Tuttavia, affinché tutto ciò si traduca in benefici reali è fondamentale disporre delle competenze di analisi. Esse sono oggi assenti nella gran parte della aziende. Tale risorsa, essendo rilevante, unica ed appropriabile, può distinguere un'azienda che le possieda. Purtroppo oggi tali competenze aziendali, statistiche ed informatiche, sono assenti nel mondo del lavoro, per cui coloro che ne dispongono possono contare su un elemento rilevante.
Tra le infrastrutture, rilevanti sono i tool di Big Data Analytic (BDA). È su questo tema che si sviluppa la parte centrale del lavoro. Tali strumenti assumono oggi diverse forme, con corrispettivi costi e funzionalità distinti. In esse diverse tecnologie sono di supporto ad ogni tipologia di analisi, statica o dinamica. Inoltre, tecniche di origine statistica ed informatica si aggiungono a ciò in modo innovativo. In particolare, all'interno dei tali tool, gli strumenti di Data Mining offrono la possibilità di identificare associazioni tra i dati, anche se presenti in strutture dati differenti. Tutto questo processo di analisi genera però anche la “sfida dei Big Data”, ossia un insieme di ostacoli legati a privacy, tempestività, collaborazione umana, scalabilità ed eterogeneità.
Oggi, nonostante siano molti i modi in cui i Big Data possono essere utilizzati per creare valore in diversi settori, ricerche mostrano che siamo solo sulla punta di un iceberg ricco di innovazioni, produttività e crescita. Le soluzioni di BI, con i loro riflessi in ambito strategico e competitivo, diverranno sempre più elemento fondamentale di ogni sistema di controllo, sia operativo che strategico.
In conclusione dell'elaborato, viene riportato un esempio di analisi strategica condotta mediante dei dati raccolti tramite piattaforme gratuite sul web, come “Mention”. Nello specifico viene studiato il caso dei Google Glass. Sono state raccolte oltre undicimila menzioni pubbliche sul web e riguardanti tale prodotto e quelli ad esso concorrenti, delle quali si è cercato di individuarne la polarità (positiva, negativa o neutra) distinguendo così quale tra i concorrenti è attualmente meglio visto dalla comunità della rete web. Ne è emerso che i canadesi Recon Jet ben sanno distinguersi dai competitor. La sezione applicativa viene conclusa poi con l'impiego delle tecniche di visualizzazione grafica dei dati ai fini di una più facile comprensione degli stessi, mediante la tecnica del Tag Cloud.
In tal modo si raggiunge l'obiettivo di applicare, infine, la conoscenza riportata nei capitoli precedenti, seguendo così un approccio sia formale che empirico.