29
Information Builders Summit 2012 I trend della Business Intelligence e Analytics: miti e mode! Paolo Pasini
Information Builders Summit 2012
I trend della Business Intelligence e Analytics: miti e mode!
Paolo Pasini
Business Intelligence: la situazione italiana
Guardando la situazione media italiana, è necessario distinguere 3 casistiche in 3 fasi di maturità della BI:
1. Aziende nella fase di Introduzione della BI: è rilevante capire il Perchèc’è bisogno della BI
2. Aziende nella fase di Crescita della BI: è rilevante capire su quali aree2. Aziende nella fase di Crescita della BI: è rilevante capire su quali areesviluppare ulteriormente la BI e come, cioè quali sono i fattoricritici che garantiscono il successo dei progetti di BI e ilsuccesso nell’utilizzo della BI
3. Aziende nella Fase di Integrazione/Ottimizzazione della BI: è rilevantecapire come sfruttare al meglio e razionalizzare gli investimenti in BI, gestire e valorizzare il portafoglio applicativo di BI e fare unaBI Governance a livello di impresa
2
Perché c’è bisogno di Business Intelligence e Analytics
1. Complessità nella gestione d’impresa = incertezza + velocità (metafora del “navigatore aziendale”)
2. Esperienza, intuito + “fatti oggettivi” + fortuna e caso
3. Fatti oggettivi e razionalità = cosa/perchè è successo + 3. Fatti oggettivi e razionalità = cosa/perchè è successo + cosa/perchè sta succedendo + cosa/perchè succederà
4. Data Velocity “matters”
3
La piramide di esperienza della BI
Creatività sul mercato e nei
Business Model
Nuovi Prodotti e Servizi
Migliorare i processi aziendali e le relazioni con clienti e
PRECA BRUMMEL. Il processo di
definizione del briefing (e del budget) di
A2A. Il processo di
simulazione e di definizione
di nuovi contratti luce-gas
RCS DIRECT. Il processo di scelta delle campagne
marketing (per gli abbonamenti RCS e per i clienti
esterni). TESCO. Dalla grande distribuzione alle fiere.
Modelli decisionali
per GDO + FONIA
MOBILE +
CARBURANTI
Migliorare i processi aziendali e le relazioni con clienti e fornitori (rete del valore)
“Anticipare i problemi e Guidare il Business” nel Breve-Medio Termine
“Capire e dare un senso al Business, al passato”
4
(Fonte: Osservatorio BI, SDA Bocconi, 2010)
definizione del briefing (e del budget) di
collezione e pianificazione dei lanci di
produzione.
COREPLA. Il processo di
pianificazione finanziaria
pluriennale. MAPEI. Budgeting e
forecast mensile.
AZIENDA OSPEDALIERA
DI PADOVA. Il
monitoraggio di
prenotazioni e
pagamenti delle visite.
Processi decisionali core business per settore e relative Analytical Applications
Settore Core Analytical Applications Portfolio
Servizi finanziariCredit scoring, fraud detection, pricing dinamico, claims analysis, customerprofitability, channel profitability, compliance
Retail
Promotions analysis, ottimizzazione dei riassortimenti, ottimizzazione degli scaffali, demand forecasting, ottimizzazione della logistica e dei centri distribuzione, pricing, geo-intelligence
Supply chain optimization (matching tra stabilimenti-magazzini-PdV), Manifatturiero
Supply chain optimization (matching tra stabilimenti-magazzini-PdV), demand forecasting, analisi garanzie, previsione personalizzazione e innovazione prodotti
Health careDiagnosi preventiva, previsione visite, revenue management, financialresource analysis e forecasting
Energy, UtilityEnergy management, trading allocation, demand forecasting, compliance, pricing and contracts differentiation
TelcoCustomer retention, demand forecasting, capacity planning, network optimization, customer profitability
Web channelsWeb site metrics, customer recommendations and advs, Social MediaAnalysis, Location based services analysis
5
The new BI scenario
BI Tools
What’s the best that can happen?
What will happen next?
What if these trends continue?
Why is this happening?
Co
mp
eti
tive
Ad
va
nta
ge
Decision Optimization
Predictive Analytics
Forecasting
Statistical models
BI Analytics
What actions are needed?
Where exactly is the problem?
How many, how often, where?
What happened?Co
mp
eti
tive
Ad
va
nta
ge
Degree of Intelligence Insight
Alerts
Query/drill down
Ad hoc reports
Standard reports
(adattamento da Davenport, 2007)
Information
6
What Business Managers think about the future of analytic activities
(MIT Sloan Management Review in collaboration with the IBM Institute for Business Value, “Big Data, Analytics and the Path From Insights to Value, winter 2011)
7
Nuovi trend della BI e delle Analytics: miti e mode
Visioning nell’ICT = individuazione dei fenomeni di cambiamento + previsione dei tempi di manifestazione (dalle sperimentazioni ai pionieri all’innovazione diffusa)
È nei tempi di manifestazione che tutti gli analisti sbagliano maggiormente (a volte anche nei fenomeni)!
Forse non impiegano le Predictive Analytics?!!
Attenzione quindi ai Trend della BI!
Il futuro della BI si gioca sulla percezione di innovazione, di valore e di utilità daparte dei Business manager, e sul “pivoting” e supporto da parte delle direzioni IT in azienda.
8
Nuove suggestioni o trend reali?(Fonti: Gartner, Forrester, Datawarehousing Institute -TDWI.com, Information-Management.com, Osservatorio
BI-SDA Bocconi - sdabocconi.it/obi)
Maturità della BI ed Evoluzione delle applicazioni di BI:
1. Più BI Decision-oriented e meno BI Reporting-Based1. Più BI Decision-oriented e meno BI Reporting-Based
2. Big Data: “Umbrella term”!
• Open Data• Web BI: dalle Web Metrics & Analytics alla Social Web BI• Geo-Data
3. Near Real Time BI
9
È un fenomeno di management, non solo di ICT!
10
e-Survey: “Big Data: le nuove frontiere
della conoscenza aziendale”
• Ricercare reali nuove analisi e insight, rese possibili dalle nuove tecnologie hw-sw di data generation e traceability, di intelligence e analisi, dai Cloud Services
• Risolvere nuovi problemi– Nel mondo fisico-scientifico e R&D (medico-farma, clima-eventi naturali, …)– Nel mondo del management aziendale
BIG DATA: nuove frontiere della conoscenza aziendale
– Nel mondo del management aziendale
• “Start with questions or start with collecting data?– ”Ricercare l’inaspettato, con requirement più Bottom-Up, cioè derivanti
dalla nuova disponibilità di dati in termini di:• Volume• Velocità (di generazione, raccolta, elaborazione/analisi e distribuzione)• Variabilità (di fonti e formati)• Valore potenziale nuovo
11
Ogni persona o evento genera attorno a sé in modo sempre più automatico centinaia o migliaia di dati strutturati e non strutturati (nel privato, nell’ambiente o in azienda)
(“The human face of big data” Project:Un esempio diCrowdsourcing via
Le origini dei BIG DATA
Comprensione dei gusti/esigenze e nuove forme di “member get member”!
Apps)
Comprensione del comportamento di persone (consumatori o professionisti) e di dispositivi in rete
12
� Social networks e social media (es. Twitter, FB, blogs, forum, …)� Email� Transazioni� Documenti cartacei digitalizzati� Registrazioni video� Registrazioni audio� Immagini� Dati di geo-posizionamento (GPS)
Fonti di BIG DATA
� Dati di geo-posizionamento (GPS)� Dati generati da trasmettitori e sensori (cellulari, wifi, bluetooth, Rfid,
NFC, …), o misuratori digitali (digital meters)� M2M (Machine to Machine) data - Internet of Things� Automazione processi produttivi� Digitalizzazione dei processi di R&D (es. nella bioinformatica e
biogenetica, chimica, climatologia, ecc.)� Clickstream – Web Log� …
13
BIG DATA Applications:
B2C ma non solo!(reti di field service, reti di puntivendita o figure commerciali, retidi flotte, etc.)
consumer
RECENCY, FREQUENCY,
MONETARY
FIDELITY CARD, PUNTI PREMIO
SOCIAL WEB DATA (RT e non RT)
BASKET E MIX
DI ACQUISTO
PROFILO SOCIO-DEMO
PROFITABILITY
Un esempio di BIG DATA
consumerGEO-POSITIONING
FEEDBACK E-SURVEY
INFORMAZIONI E RECLAMI
AL CONTACT CENTER
VIDEO-INTELLIGENCE
(riconoscimento volti e
Comportamento fisico)
GARANZIE PRODOTTI
15
FASCICOLO SANITARIO
DATI RT DI TELEMEDICINA
E TELEASSISTENZA
SOCIAL WEB DATA (RT e non RT)
CURE E TERAPIE IN CORSO
Un esempio di BIG DATA
pazienteGEO-POSITIONING
(paziente in movimento)
VIDEO-INTELLIGENCE
(riconoscimento
Comportamento fisico)
DATI DAL CONTESTO DOMESTICO
…
…
16
BIG DATA as a real opportunity
Non è un problema di Volumi!
È un problema cognitivo e analitico!
17
BIG DATA & BIG BROTHER:threaths, individual perceptions, privacy
18
Turismo e cultura
• musei• archivi e
biblioteche• beni culturali• mostre / eventi /
spettacoli• itinerari turistici e
cicloturistici
Sport
• Strutture sportive
• Piste ciclabili• Impianti sci e
skipass• Eventi sportivi
PMI e Commercio
• Fiere e mercati• Grandi strutture
di vendita• Negozi storici• Imprese
artigiane• Bandi di
finanziamento
Agricoltura
• Imprese agricole• Aree agricole• Patrimonio
faunistico• Catasto terreni• Coltivazioni
Ambiente e Territorio
• Basi geografiche di riferimento (Carta tecnica, Ortofoto, DTM, Stradario)
• Parchi e aree protette
• Aree dismesse
(Public) Open Data
cicloturistici• Itinerari culturali• uffici turistici • agriturismi• alberghi,
ristoranti• terme• eventi
enogastronomici / tradizioni
finanziamento• Brevetti• Iter autorizzativi
commerciali• Punti di
erogazione carburante
• Aree dismesse• Qualità dell’aria• Risorse idriche• Rete idrografica• Vincoli
paesaggistici• Piani di Governo
del Territorio• Uso del suolo• Impianti energia• Impianti
trattamento rifiuti• Carta geologica• Frane e
valanghe
(fonte: Regione Lombardia, 2012)
19
Prevenzione e Protezione
• Sedi di Polizia locale
• Alert Protezione Civile
• Rete Protezione Civile
Trasporti
• Rete stradale• Rete ferroviaria• Rete navigli e
lacuale• Porti e aeroporti• Fermate
Sanità
• Cittadini assistiti• Strutture
sanitarie: ospedali, ASL, farmacie, MMG e pediatri, RSA
Pubblica Amministrazione
lombarda
• Sedi Regione Lombardia
• Enti locali e loro sedi
• Informazioni amministrative
Statistica
• Dati ISTAT da censimenti
• Zone di censimento
• Indicatori su popolazione
(Public) Open Data
Civile• Opere di difesa
del suolo
• Fermate trasporto pubblico locale
• Orari trasporto pubblico locale
• Linee metropolitane
pediatri, RSA• Prenotazioni
sanitarie• Pronto soccorso
(AREU)• Prevenzione
sanitaria (IMPRES@)
amministrative sui Comuni
• Limiti amministrativi PA lombarda (Comuni, Province, Comunità montane)
• Toponomastica (stradari, vie e civici)
popolazione• Indicatori su
imprese• Indicatori su
agricoltura• Indicatori da
Osservatori Regionali
(fonte: Regione Lombardia, 2012)
20
Tipologia di AnalisiReputation
NewConceptTesting
Opinion & SatisfactionMonitoring
New ProductCompetition
Sentiment / Perception
Profiling,Behaviour, Experience
Social Web Network
Unità di Analisi
Business Policy ALCATEL COMUNE TO COMUNE TO
Brand aziendale ALCATEL, ERIF ALCATEL, BINDAALCATEL,
EDENRED
Brand di prodotto ALCATEL, ERIFALCATEL, BINDA,
ALCATEL,
BINDA, FM,
Social Web BI: Matrice Unità di analisi/Tipologie di analisi
Fonti WebSocial
NetworkBlogs
Communitiestematiche
Forum, Newsgroups
Fonti mainstream
Siti web istituzionali
21
Brand di prodotto ALCATEL, ERIFALCATEL, BINDA,
FM, PIRELLIBINDA, FM,
PIRELLI
Personale aziendale
Prodotti/Servizi attuali ALCATEL, ERIF
ALCATEL,COMUN
E, ERIF, FM,
PIRELLI
ALCATEL,
BINDA,
COMUNE TO,
ERIF, FM,
PIRELLI
Nuovi Prodotti/Servizi o Eventi BINDA COMUNE TO COMUNE TO
Nuovi Concept Prodotti/ServiziBINDA,
EDENRED, ERIF
Customer TUTTI I CASI
Processi aziendali ALCATELBINDA,
COMUNE TO
ConcorrentiALCATEL, FM,
PIRELLI
ALCATEL, ERIF,
FM, PIRELLI
(Fonte: Osservatorio BI, SDA Bocconi, 2010)
GEO-INTELLIGENCE
Geo-data: un quadro di riferimento
RealtimeDinamici
Controllo di performance aziendali e
Controllo di fenomeni fisici
Tip
olo
gia
di dati im
pie
gati n
elle
mappe
Geo-Spatial intelligence (es. controllo sicurezza
urbana, meteo, controllo del traffico o dell’affollamento, analisi ambientale, anti-terrorismo, tracciamento di una
flotta)
Location-Based Service
(es. self-
StoriciStatici
aziendali e supporto a decisioni di management
fenomeni fisici e supporto a decisioni più operative
Tip
olo
gia
di dati im
pie
gati n
elle
mappe
Obiettivi dell’applicazione di Geo-Intelligence
GIS di mktg o logistici
GIS per gli impianti o le infrastrutture (es. SIT, field
services)
(es. self-positioning e POI, LB-Mktg; LB Social
Networking)
22
Nuove suggestioni o trend reali?
Nuovi metodi di BI design e delivery:
1. Agile BI, Usability
2. Self-Service BI
3. User centric design, Design sperimentali, iterativi, User test continuocontinuo
4. Autocertificazione dei dati • Velocità di generazione (bassa latenza)• Dati non certificati da procedure o sistemi ufficiali• Poca consapevolezza e metodi
5. Embedded analytics nei processi operativi (es. gestione di un reclamo, Web Advertising, prevenzione medica, ecc.); molto sviluppo custom!
23
Nuove suggestioni o trend reali?
Nuove tecnologie di BI:
1. Advanced visualization: la grafica è il punto di partenza delle analisi, non l’arrivo!
2. BI collaborativa: integrazione con workflow, portali aziendali, strumenti di messaging e communication; grande potenziale inespresso
3. InMemory: prestazioni e verso la RT information
4. Analytical Platform: nicchie di applicazioni4. Analytical Platform: nicchie di applicazioni
5. BI Mobile: quanto “spinge” realmente la BI e le Analytics?• Apps per la raccolta dati e Apps analitiche• Smartphone: solo per data collect e information presentation• Tablet: anche per information analysis; i device sono decisamente più “cool”,
ma la logica del “baratto” con l’utente rimane: l’adozione del tablet è diversa dall’adozione della BI/Analytics aziendale!
• Gestione di più piattaforme oggi presenti sul mercato (non solo Iphone e Ipad!)
“Still dreams”:1. BI in SaaS, in Cloud
2. BI Open sourceNecessità crescente di una maggiore BI Governance
24
BI Governance: BI Maturity Model, SDA Bocconi, © 2009
1. Strategia aziendale di BI
2. Budget dedicato alla BI
3. Diffusione/penetrazione dei sistemi di BI
4. Grado di Copertura dei fabbisogni informativi
5. Grado di esperienza nella BI
6. Architettura BI
7. Standard tecnologici
BI Strategy
BI Diffusion
Fase 1Sperimenta-
zione
Fase 2Crescita
Fase 3Integra-zione
Fase 4Ottimizza-
zione
Fase 5Distintività
AssessmentBI Governance
Profilo
25
7. Standard tecnologici
8. Data Quality Management
9. Ownership e Accountability della BI
10. Unità organizzative dedicate alla BI
11. Relazioni specialisti-utenti e SLA
12. Analisi costi/benefici
13. Misurazione dei risultati
14. BI sourcingValori Medi delle imprese italiane, dati 2008
BI Architecture
BI Organization
BI Measurement
BI Sourcing
Punti diforza e didebolezza
Piano disviluppodella BI
Strategia aziendale di BI
Budget della BI
Diffusione/Penetrazione
Grado di copertura dei fabbisogni informativi
Grado di esperienza
Architettura di BI
Standard metodi e tecnologie
2,6
2,0
2,8
2,8
2,6
2,3
2,8
2,5
3,0
2,2
2,5
3,0
3,5
1,5
Va
ria
bil
i de
l B
I M
atu
rity
Mo
de
lBI Governance nel gruppo Multiutility: punti di forza e possibili azioni di miglioramento
1 2 3 4 5
Data Quality Mgmt
Ownership-Accountability della BI
Unità organizzative per la BI
Relazioni specialisti-user e livelli di servizio
Analisi costi/Benefici della BI
Misurazione risultati ex-post della BI
BI Sourcing
2,4
2,2
2,0
2,5
2,3
3,2
2,0
1,5
2,0
3,5
3,0
2,0
2,5
2,5
Fasi di maturità
Va
ria
bil
i de
l B
I M
atu
rity
Mo
de
l
media aziende italiane26
BI/Analytics Organization
BICCcentrale
27
(MIT Sloan Management Review in collaboration with the IBM Institute for Business Value, “Big Data, Analytics and the Path From Insights to Value, winter 2011)
BICCdivisionale
BI/Analytics: l’esperienza migliora ma gli ostacoli sonosempre gli stessi!
Culture
Competences
28
Competences
Capabilities
Costs
