Digital Trasformation: innovazione tecnologica tra l’intelligenza artificiale (IA) e la gestione dei dati (Big Data).
Uno degli obiettivi del DIHV è sostenere le PMI nel percorso verso la Digital Trasformation, sia in termini di processi e sia nel modello di business, in questo caso nel settore dei servizi. Insieme alla Dott.ssa Marilena Giordano ed altri colleghi del DIHV, condividiamo la convinzione che sia opportuno, se non addirittura necessario, trovare un modello operativo per il mondo forense e universitario adattabile, con certi accorgimenti, anche ad altre professioni. In esso, il modello di maturità digitale per l’attività forense “è preparatorio rispetto all’erogazione di un adeguato questionario ed alla successiva preparazione di un piano personalizzato di investimento in innovazione tecnologica, al fine di fornire un completo affiancamento ai soggetti interessati”.
Come proiettarsi verso la Digital Trasformation
La Quarta Rivoluzione Industriale permette di incrementare la produttività e l’efficienza, nonché creare le condizioni per sviluppare nuovi modelli di business. L’attuazione, in azienda, consiste nel connettere i macchinari ai sistemi informativi, in cui dominano un insieme di tecnologie definite 4.0, quali IA, Big Data, IoT, Cloud, Realtà Virtuale ed altre. Un’azienda che si approccia alla Digital Trasformation ha una difficoltà iniziale a stabilire il proprio livello attuale di sviluppo digitale, in termini di strumenti in uso e in termini di know-how verso le tecnologie 4.0. La disponibilità di un Maturity Model consente di auto valutare la propria maturità digitale rispetto alle tecnologie di Industria 4.0, quindi il MM si pone come strumento diagnostico di avvio per la Digital Trasformation.
L’importanza dei dati (Big Data)
Uno dei modi più immediati per comprendere l’utilizzo dei dati riguarda i social. Navigando in internet o scorrendo le nostre bacheche, possiamo assistere alla comparsa di pubblicità che rispondono al nostro bisogno, puntuali, precise, personalizzate sui nostri gusti e preferenze, proponendo il prodotto più opportuno al momento giusto. L’avvenimento di questo fenomeno si basa più “semplicemente” su calcoli di tipo statistico legate ai dati e sull’utilizzo di intelligenze artificiali, in questo caso legati alla cd. pubblicità comportamentale online. Seguendo queste linee di marketing una gran quantità di dati vengono utilizzati per profilare l’utente ed in tal modo si possono conoscere le abitudini e i bisogni da colmare. Così come per fini di marketing anche con altre finalità si utilizzano i dati, moli innumerevoli da immagazinare ed archiviare. Ad esempio, se analizziamo i dati in un contesto aziendale, è noto che questi sono distribuiti nei medesimi canali e più difficili da gestire, trovare ed analizzare. Pertanto, alcune indicazioni adottabili sono quelle di sviluppare una vera e propria strategia di intelligenza artificiale nel proprio modello di business, oltre ad una corretta architettura dei dati.
L’architettura dei dati (data architecture) descrive la struttura delle risorse di dati logiche e fisiche e delle risorse di gestione dei dati di un’organizzazione, e comprende i modelli, le policy, le regole e gli standard che governano la raccolta, l’archiviazione, la disposizione, l’integrazione e l’uso dei dati nelle organizzazioni.
Le architetture di dati moderne
Le moderne architetture di dati devono essere progettate per usufruire delle tecnologie emergenti come l’intelligenza artificiale (AI), l’automazione, l’internet delle cose (IoT) e la blockchain. Certamente è necessario che le architetture abbiamo determinate caratteristiche, quali:
- il Cloud-native: servono per supportare scalabilità elastica, alta disponibilità, sicurezza end-to-end per i dati in movimento e dati inattivi e scalabilità di costi e prestazioni.
- Pipeline di dati scalabili:servono per sfruttare le tecnologie emergenti, lo streaming di dati in tempo reale e le raffiche di dati in micro-batch.
- Perfetta integrazione dei dati: si integrano con le applicazioni legacy utilizzando interfacce API standard, perfezionati per la condivisione dei dati tra sistemi, aree geografiche e organizzazioni.
- Abilitazione dei dati in tempo reale: servono a supporto di implementare convalida, classificazione, gestione e governance automatizzate e attive dei dati.
Adottando uno corretto utilizzo dei dati si possono convertire le esigenze aziendali in dati e requisiti di sistema e gestirli con il relativo flusso all’interno dell’azienda. Inoltre, un corretto utilizzo dell’architettura dei dati comporta numerosi vantaggi per un’azienda:
- Notevole ampliamento delle informazioni alle quali si ha accesso
- Riduzione dei costi di archiviazione e spazio infinito
- Riduzione dei costi di consolidamento dei dati
- Condivisione e democratizzazione dell’accesso alle informazioni
