Sul blog dell’azienda dedicato al tema, Oracle ha condiviso cinque scenari reali, molto diversi tra loro, in cui le aziende utilizzano i big data.
Processi, comportamento dei clienti, problemi logistici, quasi qualsiasi cosa può essere identificato, esaminato e segmentato mediante big data. Inoltre, se vengono abbinati a strumenti quali analytics e machine learning, le aziende possono ottenere le capacità per prendere decisioni basate sui dati che innalzano gli obiettivi e ne accelerano il raggiungimento.
Nell’ambito dell’assistenza sanitaria, il primo esempio che fa Oracle, i big data giocano un ruolo nel semplificare la logistica. Man mano che le cartelle cliniche diventano elettroniche, infatti, la capacità dei big data di snellire i processi si estende a entrambi, sia alla gestione che ai pazienti. Dal punto di vista gestionale, i big data possono rivelare molte variabili critiche che influenzano il personale e la logistica.
Ciò consente alle strutture sanitarie di gestire tutto in modo appropriato: dal dimensionamento del personale al tempo assegnato per la prenotazione degli appuntamenti fino alle vaccinazioni antinfluenzali e ad altre esigenze stagionali. Questo, a sua volta, va a beneficio dei pazienti, in termini di maggiore trasparenza e accessibilità nel ricevere risposte ai loro bisogni. Allo stesso tempo, i big data consentono ai data scientist di un’organizzazione di sviluppare modelli per cose quali i richiami dei pazienti o l’identificazione di chi è a rischio o potrebbe trarre beneficio da nuove ricerche mediche.
Nel settore bancario, i big data sono preziosi per minimizzare le frodi. Quando si verifica una frode, spiega Oracle, questa consuma tempo e risorse preziose di tutte le parti in causa: le vittime, il personale della banca e la location in cui è stato effettuato l’acquisto fraudolento. Inoltre, l’attività fraudolenta danneggia la fiducia, che è forse l’elemento più importante del settore bancario. Secondo Oracle, tuttavia, i big data rappresentano l’innovazione più significativa nella prevenzione delle frodi da decenni.
I big data significano infatti innumerevoli byte di informazioni, tra transazioni, metriche, pagamenti, e così via, che forniscono dettagli sul comportamento degli utenti.
Anche in questo caso, se abbinati all’apprendimento automatico e all’analisi, i pattern possono essere identificati: man mano che il machine learning accresce questa capacità, le anomalie diventano più facili da individuare. Ciò consente alle banche di intercettare comportamenti fraudolenti all’inizio, riducendo al minimo le possibilità che possano diffondersi e danneggiare più account.
Nel manufacturing, i big data aiutano a identificare i colli di bottiglia. Il processo di produzione prevede molte parti mobili in un flusso di lavoro, dall’approvvigionamento dei componenti al controllo finale della qualità. Ognuna di queste fasi presenta numerose variabili: applicando metriche tracciate digitalmente a tutti questi passaggi e registrando grandi volumi di record, i big data possono fungere da base per identificare potenziali fonti di colli di bottiglia.
Ciò può funzionare sia direttamente che indirettamente. Un esempio del primo caso è nel mostrare se un determinato fornitore è costantemente in ritardo nella spedizione o l’origine di un errore di qualità. Come esempio di miglioramento indiretto, i big data possono aiutare i team di approvvigionamento a identificare i modi per massimizzare gli sconti dei fornitori.
Nel software, i big data dimostrano la loro utilità nell’identificazione del comportamento degli utenti. Quando un software viene rilasciato, sia che si tratti di un videogioco che di un’applicazione aziendale, l’obiettivo del team di sviluppo è che tutte le sue funzionalità siano utilizzate correttamente e regolarmente.
Questo, ovviamente, non è sempre il caso: il come e il perché dell’uso delle funzionalità può essere spiegato utilizzando i big data. Le metriche relative ai big data possono raccogliere dati che identificano le funzioni utilizzate, non solo attivate, e per quanto tempo, così come se si sono verificati bug o errori.
Gli strumenti di analisi possono quindi suddividere questi dati in segmenti più isolati per creare look definitivi. Ad esempio, forse un crash bug si verifica sempre in una delle funzionalità del software, ma solo quando un’altra funzione viene attivata contemporaneamente.
I big data raccolgono metriche situazionali per costruire la roadmap per un’iterazione futura, sia che si tratti di correggere le funzionalità instabili che di renderle obsolete a causa della mancanza di interesse da parte dell’utente.
Per le istituzioni governative, i big data aiutano a ottimizzare le risorse. Tutti i rami del governo gestiscono enormi quantità di dati. Le battute stereotipate sulla burocrazia hanno un certo livello di verità, ma nel mondo digitale le scartoffie sono ormai passate online. Questo in realtà trasforma un punto negativo in positivo: tutta quella documentazione ha posto le basi per le metriche da tracciare nello spazio digitale. Con questi grandi volumi di dati, improvvisamente quell’informazione è ora dinamica e fluida e, in molti casi, diventa molto più accurata, quando gli errori di trascrizione vengono ridotti al minimo.
Ciò porta a una revisione dell’uso delle risorse in molti modi. I big data possono portare allo sviluppo di processi automatizzati, che ottimizzano le risorse umane per impieghi più appropriati. Possono inoltre fornire informazioni su aspetti quali i pattern del traffico e l’utilizzo delle utility, l’identificazione dei problemi e la creazione di un percorso per il miglioramento delle infrastrutture.
In sostanza, il punto di vista di Oracle è che i big data sono né più né meno che il futuro di tutto. I cinque esempi che Oracle ha esposto provengono da aziende e settori industriali molto diversi, ma hanno tutti una cosa in comune: mostrano come i dati possono identificare i problemi in quasi tutte le circostanze.
Il volume dei dati è in continua crescita e ciò significa che i big data diventeranno sempre più grandi: allo stesso tempo, però, cresce anche la potenza degli strumenti di analisi nonché del machine learning e dell’intelligenza artificiale. Pertanto, la loro importanza per qualsiasi organizzazione in qualsiasi settore diventerà sempre più significativa.
