Cosa si intende per Big Data
Ogni dispositivo raccoglie migliaia di informazioni (Big Data)
Ogni smartphone durante il suo uso registra in modo continuo una grande quantità di informazioni (Big Data): sulla posizione e spostamenti (tramite GPS, celle telefoniche) i telefoni con i quali comunica, le app utilizzate (banca, prenotazione viaggi, letture, e-commerce ecc..). I veicoli di ultima generazione raccolgono dati sui tragitti, gli stili di guida, la manutenzione del veicolo (stato del motore, freni, sensori, computer di bordo). Mentre le scatole nere, installate su ogni veicolo, raccolgono milioni di informazioni, pensiamo alle scatole nere sugli aeroplani quante informazioni possono raccogliere, ogni minimo dettaglio sul funzionamento è registrato. Anche lo smartwatch, al giorno d’oggi di tendenza, raccoglie moltissime nostre informazioni (posizione, sessioni di allenamenti, chiamate, musica…).
anche nel mondo dell’industria?
Certamente si, nelle fabbriche, in cui l’elemento robotico (fabbrica 4.0) è ormai di gran uso soprattutto grazie all’introduzione del piano industria4.0, vengono raccolti migliaia di dati. Ogni macchinario è dotato di sensori che registrano e comunicano informazioni, per migliorare i prodotti, per la manutenzione, per l’efficientamento della produzione e per l’interazione uomo-macchina.
Crescita esponenziale di dati ci sarà un limite?
Il volume di dati immagazzinati su scala mondiale è destinato a crescere sempre più in relazione al maggior utilizzo di dispositivi connessi tra loro e all’utilizzo del 5G. Nel White Paper, IDC ha predetto che nel 2025 il global datasphere crescerà fino a 175 zettabytes. (1 zettabytes equivale a circa mille miliardi di Gigabytes).
Tanto che Big G (Google) ha comunicato ai suoi utenti che da giugno 2021 lo spazio di archiviazione su Google Foto, servizio di salvataggio delle proprie foto sul cloud, non sarà più illimitato, ma avrà un limite di 15GB.
Big Data non sono solo dati archiviati
Tutti i dati raccolti non rimangono archiviati in un server, ma vengono raccolti per essere sfruttati: analizzati, correlati, modellizzati. Sono dati funzionali alle necessità operative di miliardi di oggetti che registrano i nostri comportamenti e raccoglie quello delle macchine in modo da alimentare diverse forme di generazione di conoscenza (IA). Possono essere utilizzati a favore della popolazione: marketing, e-commerce, servizi e sicurezza, ma spesso questi dati sono immagazzinati sul cloud e gestiti sui vari datacenter dislocati oltre confine a scapito della riservatezza. I dati Big Data hanno delle caratteristiche alla base:
- Volume: La dimensione è una caratteristica particolarmente importante per i dati;
- Velocità: la grande velocità con cui possono essere raccolti, si pensi ai dati in real time, e generano comunque grandi volumi di dati;
- Varietà: si fa riferimento alle differenti tipologie di dati, fonti eterogenee, sistemi transazionali e gestionali aziendali, ma anche sensori, social network, open data. Dati sia strutturati che non strutturati;
- Valore: vanno individuati ed estratti i dati che creano valore, oggi considerati come il nuovo oro;
- Veridicità: devono essere affidabili, essere, veri. L’aumento delle tecnologie e delle numerose fonti rende difficile avere qualità e l’integrità delle informazioni che però rimane però una caratteristica imprescindibile;
Creare opportunità dai Big Data
I Big Data sono una risorsa strategica per lo sviluppo e la crescita delle aziende. L’accesso a tali informazioni richiede una corretta gestione, divisa in tre fasi:
- raccolta e conservazione dei dati: far sì che i dati raccolti, esistenti diventino Big Data;
- analisi ed estrazione dell’informazione: formare figure e porre le condizioni per lo sviluppo di metodi in grado di analizzare i dati;
- data driven decision: ottenere risultati positivi per l’azienda dalle informazioni estratte;
L’offerta didattica per creare figure di data scientist
Le offerte, prettamente di istruzione magistrale, sono concentrate nei contesti delle facoltà scientifiche (informatica, ingegneria e matematica). In Italia, ci sono laurea triennale in Data Analytics, all’Università della Campania di Caserta, Data Science a Napoli. Per le lauree di secondo livello, ci sono le università di Milano (Bicocca), Padova, Trento, Roma (La Sapienza); Altre lauree magistrali Data Science and Economics alla Statale di Milano, Data Science and Business Analytics alla Bocconi, Data Science and Business Informatics a Pisa, Data Science, Business Analytics e Innovazione a Cagliari. Le lauree magistrali Stochastics and Data Science a Torino e Data Science and Scientific Computing a Trieste e Informatica Applicata (Machine Learning e Big Data) a Napoli Parthenope, l’Università dell’Aquila Data Science Applicata.
Ci sono anche due master universitari in Data Science, di primo livello a Roma Tor Vergata e di secondo livello a Bari. Inoltre, sono presenti oltre ai classici percorsi universitari, percorsi tramite MOOC o Bootcamp che a livello di costi sono sicuramente meno ingenti.
