Le molteplici V dei Big Data

Oggigiorno, i Big Data si presentano come uno dei cardini su le imprese di maggior successo decidono di basare le proprie decisioni di business e di gestione. L’interesse nei loro confronti segue un trend crescente man mano che avanziamo inesorabilmente verso il futuro.

 

Come può l’utilizzo dei Big Data aver suscitato così tanto interesse nel mondo del business?

Tutto ciò ha avuto inizio con l’esplosione dell’e-commerce, che ha permesso a molti venditori di interagire con un numero maggiore di clienti e partner. Gli e-commerce hanno anche portato ad una quantità smodata di dati inerenti alle transazioni, tanto che i tradizionali approcci di immagazzinamento, elaborazione e analisi dei dati risultavano oramai inadeguati. Quindi, probabilmente, conviene cominciare a darsi risposte partendo dalla definizione di Big Data. Ne sono state coniate diverse nel tempo, ma è possibile dire che un po’ tutte convergono nella seguente, fornita da Gartner nel 2001:

I Big Data sono beni informativi caratterizzati da un elevato volume, un’elevata velocità e/o un’elevata varietà, i quali richiedono innovative ma convenienti forme di elaborazione volte a ottenere un miglioramento delle previsioni, dei meccanismi decisionali e dell’automazione dei processi”.

Difatti, proprio nello stesso anno l’analista di settore Douglas Laney ha proposto un modello che descrive i Big Data secondo le 3 V, intese come sfide per la gestione di questi, e che le imprese devono fronteggiare.

 

Le 3 V, sfide per le imprese nella gestione dei Big data

  • Volume: da uno studio condotto dai ricercatori di Berkeley pubblicato nel 2000, emerge una stima di circa 1.5 miliardi di gigabyte di dati prodotti solo durante il 1999, e tal numero è cresciuto (e cresce tuttora) esponenzialmente nel tempo. Infatti oggi, il mondo digitale è una immensa miniera di dati non strutturati, da cui è comunque possibile estrarre informazioni significative attraverso appositi algoritmi e metodi statistici in grado di trovare delle relazioni tra esse, a patto di disporre della necessaria capacità di storage e di computazione. È proprio in questo contesto che la figura professionale del Data Scientist acquisisce rilievo.
  • Velocità: vivendo nell’era digitale e della comunicazione, qualunque tra servizi e beni sono a portata di click per gli utenti. Ogni interazione online genera potenzialmente dei dati: considerando l’elevato numero di interazioni, e parallelizzandolo per il numero di utenti connessi alla rete, si può concepire quanto velocemente questi dati siano prodotti, e quanto ciò rappresenti l’urgenza di accedervi velocemente per chi li colleziona. Tutto questo al fine di essere sempre allineati con le nuove esigenze-opportunità di mercato, e ciò è sinonimo di vantaggio competitivo.
  • Varietà: o eterogeneità.Dovuta al fatto che si opera per lo più con dati non strutturati, provenienti da sorgenti diverse (ad esempio email, social network…). Ciò rende molto complicata la ricerca di un’elaborazione di questi dati al fine di ottenere informazioni significative.

 

A queste 3 V, ne sono state aggiunte altre nel tempo

  • Viralità: questa caratteristica è inerente alla velocità di generazione e successiva fruizione di questi dati, relativamente alle veloci conseguenze-reazioni che tale fruizione porta sul mercato, o nel contesto in cui le informazioni derivanti vengono utilizzate.
  • Variabilità: non sempre è detto che tutti i dati raccolti siano utili. La loro utilità dipende strettamente dal contesto in cui tali dati vengono elaborati per forgiare l’informazione.
  • Veridicità: non è sempre detto che le interazioni degli utenti producono dati veritieri: click per errore, stessi dispositivi utilizzati da persone diverse, comportamenti imprevedibili… i Big Data possono essere spesso perturbati, pertanto necessitano di tecniche volte a calcolarne l’affidabilità, al fine di prendere decisioni accurate e veritiere.

Qualora queste sfide fossero tutte soddisfatte, allora sì che i vostri Big Data avranno un grande Valore.

Post suggeriti

Leave a Comment