Big Data: cosa sono e a cosa servono

Spesso definiti come "il nuovo petrolio", i Big Data sono un fenomeno pervasivo della nostra era, sebbene il loro volume reale e i vantaggi derivanti dalla loro gestione non siano sempre chiari. La produzione quotidiana di dati è così imponente che le informazioni accumulate negli ultimi due anni hanno superato l'ordine degli Zettabyte (1000 miliardi di Gigabyte), segnando un record per la civiltà umana. Secondo studi recenti, la "datasfera" globale è destinata a esplodere, passando dai 23 Zettabyte del 2017 ai 175 del 2025, con la dimensione dei dati che raddoppia ogni anno. Questa mole incredibile di dati eterogenei (testi, immagini, audio e dati numerici) viene raccolta dai social, dalle app, da sensori di ogni genere, da dispositivi di telemedicina, dal settore energetico, dalle rilevazioni meteo e da molto altro. È da questo contesto che nasce la rivoluzione dei Big Data, un termine che si riferisce non solo ai dati stessi, ma a ciò che è possibile fare con essi: utilizzare algoritmi in grado di trattare un'enorme quantità di variabili in poco tempo e con risorse computazionali limitate. In realtà il nome definisce vari aspetti correlati, come big data processing, big data analytics, big data technology e big data computing. Per coglierne appieno l'importanza, basta pensare che fino a pochi anni fa, analizzare una mole di dati oggi considerata "Small" o "Medium" richiedeva tempi lunghissimi e computer mainframe dal costo superiore ai 2 milioni di dollari. Oggi, gli stessi dati possono essere elaborati in poche ore con un semplice algoritmo e un laptop, grazie a piattaforme di analisi avanzate. Questa è, in sintesi, la rivoluzione Big Data.

Il concetto moderno di Big Data ha preso forma nel 2001, quando si delineò lo scenario con un modello semplice ma efficace, noto come le 3V:

• Volume: elevate moli di dati (superiori a 50 TB) o in forte crescita (oltre il 50% annuo).
• Velocità: rapidità di generazione e acquisizione dei dati.
• Varietà: eterogeneità dei dati per fonte e formato.

Successivamente, il paradigma è stato arricchito con altre due V, arrivando alle 5V:

• Veridicità: qualità e affidabilità dei dati, base per qualsiasi analisi corretta.
• Variabilità: mutevolezza del significato di un dato a seconda del contesto in cui viene interpretato.

Per essere più rigorosi sul concetto di Varietà: 

- i dati strutturati hanno un modello di dati rigido e predefinito (come fogli di calcolo e database relazionali) e si prestano ad essere elaborati con strumenti classici; 

- i dati non strutturati (come i Big Data) mancano di un modello fisso e possono essere testo libero, immagini, audio, video e anche dati strutturati, archiviati in formati nativi in database non relazionali o data lake. 

A cosa servono e come vengono utilizzati

L'importanza dei Big Data, nel settore pubblico e in quello privato, non risiede nella loro quantità, ma nel loro utilizzo. Analizzare dati provenienti da qualsiasi fonte permette di trovare risposte per:

• Ridurre i costi e accorciare le tempistiche.
• Sviluppare nuovi prodotti e ottimizzare l'offerta.
• Prendere decisioni più mirate e strategiche.

Nello specifico, combinando Big Data e Data Analysis, è possibile:

1. Determinare le cause di guasti, problemi e difetti in tempo quasi reale.
2. Generare coupon presso i punti vendita basati sulle abitudini d'acquisto dei clienti.
3. Ricalcolare interi rischi di portafoglio in pochi minuti.
4. Rilevare comportamenti fraudolenti prima che questi colpiscano l'azienda.

Gli obiettivi aziendali più comuni perseguiti con i Big Data sono:

• Migliorare la fidelizzazione del  cliente.
• Incrementare le vendite.
• Ridurre il time to market.
• Ampliare l'offerta di prodotti e servizi.
• Ottimizzare l'offerta per aumentare i margini.
• Ridurre i costi.
• Identificare nuovi mercati.

Come si utilizzano? Il processo inizia con la preparazione dei dati: accesso, profilazione, pulizia e trasformazione. Successivamente, si passa alla Data Analysis, che si articola in quattro tipologie:

1. Descriptive Analytics: analisi dei dati storici per comprendere i cambiamenti avvenuti in azienda.
2. Predictive Analytics: previsioni sui risultati futuri basate su dati storici e tecniche analitiche.
3. Prescriptive Analytics: strumenti di analisi finalizzati a supportare direttamente il processo decisionale.
4. Automated Analytics: capacità di rilevare automaticamente anomalie, modelli e tendenze, fornendo insight in tempo reale.

Alcuni esempi applicativi

• Industria e Manutenzione Predittiva: I Big Data permettono di avviare programmi di manutenzione predittiva, riducendo i tempi morti, allungando la vita delle attrezzature e ottimizzando la logistica dei ricambi. Secondo gli esperti del settore, questa strategia aumenta la produttività del 25%, riduce i guasti del 70% e i costi di manutenzione del 25%.
• Marketing e Raccomandazione: Netflix e Amazon sono esempi paradigmatici. Netflix raccoglie dati dai suoi 151 milioni di abbonati per analizzare il comportamento e i modelli di acquisto, impiegando queste informazioni per raccomandare contenuti. Oggi oltre il 75% dell'attività degli spettatori si basa su raccomandazioni personalizzate.
• Banche e Assicurazioni: L'uso dei Big Data è cruciale per identificare frodi bancarie, tentativi di phishing e truffe assicurative. Visa ha utilizzato algoritmi e AI per analizzare le transazioni globali, contribuendo a ridurre le perdite per frodi delle istituzioni finanziarie per più di 20 miliardi di euro in un solo anno.
• Sanità: I Big Data sono fondamentali per la medicina di precisione, trasformando alti volumi di dati in conoscenze utilizzabili per migliorare l'assistenza ai pazienti. Anche i dispositivi wearable, come smartwatch e fitness tracker, stanno agendo da "salvavita", monitorando in tempo reale le variabili fondamentali del nostro stato di salute.

In definitiva, i Big Data rappresentano una rivoluzione tecnologica e culturale il cui potenziale è solo all'inizio. La capacità di estrarre valore da questa immensa miniera di informazioni sta già ridisegnando i confini di ogni settore, dalla industria alla sanità, ponendo le basi per un futuro più efficiente, personalizzato e informato.