Firenze – L’argomento dell’articolo che segue è già stato toccato, in parte, su queste pagine. Ma visto il grande rilievo che assume per comprendere come anticipare i cambiamenti di gusto, di opinione e di atteggiamento, abbiamo creduto opportuno approfondirlo.
La questione della “predizione” si pone in un mondo che ha bisogno sempre più di fare continue verifiche per capire quello che potrebbe succedere domani; obiettivo tentare di azzeccarci!
Gli algoritmi costruiti per fare Predictive Analysis o analisi predittiva sono fra le applicazioni più affascinanti del mondo dei Big Data: vengono usati per la comprensione del mercato o di nuovi mercati, per prevedere il comportamento dei clienti e degli Stakholder e per contribuire a migliorare le varie strategie di marketing e allo stesso tempo per generare anche nuove opportunità di business.
L’utilizzo dei dati per ottimizzare la governance aziendale ha sempre rappresentato oramai da più di trenta anni un fattore prioritario, solo che rispetto a prima la differenza è che oggi vengono raccolte molte più informazioni in tempi molto più rapidi e con costi sempre più bassi.
Mettiamoci dalla parte di un utente per comprendere meglio il fenomeno o i fenomeni che viaggiano su un doppio binario di comunicazione, da una parte di chi spesso e volentieri a sua insaputa produce dati e dall’altra parte chi ha interesse a raccoglierli per poterli analizzare a suo piacimento.
Con internet prima e con l’evoluzione del mobile dopo, come gli smartphone e altri moderni devices, mai prima d’ora abbiamo avuto così tanta facoltà di scelta su come selezionare prodotti, su come relazionarsi con le aziende per ricavarne informazioni, ma dall’altra parte mai prima d’ora le aziende hanno avuto a disposizione così tanti dati sui loro clienti o potenziali clienti, con le loro preferenze e i loro bisogni in maniera così facile da intercettare i gusti e le loro abitudini.
L’applicazione dell’analisi predittiva non è solo concentrata sul business, può avere una sua utilità anche in campo sociale e culturale, ad esempio avere un quadro in anticipo sulle opinioni delle persone, anche facilmente integrabile con un analisi completa accorpata assieme al Sentiment Analysis tale da farne un tutt’uno.
La Predictive Analysis non nasce oggi, diciamo che è stata anticipata negli anni passati prima dei Big Data ma anche prima dell’avvento del Web da analisi di tipo descrittivo che avevano il compito di individuare dei dati acquisiti da fatti che potevano essere in quanto già accaduti prima; fare tesoro delle informazioni pregresse.
Alla base della costruzione della Predictive Analysis ci sono dei modelli matematici che grazie a delle equazioni producono dei risultati in un determinato stato o istante temporale; viene costruito un vero e proprio modello predittivo che utilizza metodi matematici e numerici per visualizzare l’anticipazione di un evento o un risultato.
Non solo business analytics: un altro esempio per descrivere un’applicazione pratica dell’analisi predittiva può essere la manutenzione di un sistema complesso di macchinari di una catena di montaggio. Operazione che può essere enormemente facilitata per eliminare gli imprevisti e gli errori grazie all’installazione di sensori intelligenti che producono dati, vedi Internet delle cose (IoT). Questi dati di diversa natura vengono poi combinati e studiati in modo tale da dare la possibilità di anticipare accadimenti che prima non erano anticipabili. In questo caso il predictive agisce come individuazione di guasti prima che avvengano realmente, con grande risparmio di costi.
In conclusione l’analisi predittiva è uno strumento che nella misurazione dei Big Data ha lo scopo di comprendere in anticipo degli scenari futuri ed è sempre più utilizzata facendola essere sempre più al centro delle più importanti strategie di tipo aziendale ma non solo.
