L’evoluzione delle tecnologie di analisi dei dati sta apportando uno sviluppo ai dispositivi che automatizzano numerose operazioni nel mondo produttivo e certamente facilitano l’attività dell’uomo. Generano molti dati con un’elevata velocità e con differenti formati: sono i Big Data.
Si parte dal database relazionali e SQL (Structured Query Language); la seconda fase riguarda i data Warehouse (aggregazione di dati strutturati) e business intelligence; la terza fase on-line Analytical processing (ULAP). La quarta fase è il Data Mining (l’estrazione dei dati).
Vi sono poi i livelli della struttura di un Data Warehouse a partire dalle: fonti dei dati, alimentazione dati, warehousing, analisi dei dati. Proseguendo abbiamo il Cloud Computing, l’architettura dei dati, la gerarchia degli Analytics, i livelli dei business Analytics e i modelli di Data Mining.
Altro argomento cardine è quello del business intelligence e machine Learning che vuol dire un insieme di modelli matematici-statistici e di metodologie di analisi atti ad esplorare i dati. Il business intelligence si basa sull’intelligenza artificiale, con la quale è possibile trasformare i dati in informazioni e quindi in conoscenze utili a decisioni marker. Ci sono dei fattori abilitanti un sistema di business intelligence a partire dalle tecnologie hardware e software che rappresentano un importante fattore abilitante degli ambiti di business intelligence, sia presso le imprese che presso le organizzazioni nel suo complesso.
Presso la SI-IES abbiamo esaminato il flusso di lavoro di machine Learning e relativi fasi di costruzioni di un modello di machine Learning: acquisizione dei dati, preparazione dei dati (in direzione delle variabili del modello), scelta dell’algoritmo di apprendimento e sistema dei parametri del modello, utilizzazione del modello per stimare i valori di test, ulteriori passaggi nella costruzione del modello ed infine la distribuzione del modello come servizio web predittivo. Sarebbe utile trattare il ruolo dei data mining: segmentazione, previsioni al lancio di prodotti e Customer Satisfaction. L’argomento riguarda il processo di esplorazione e di analisi di insiemi di dati, normalmente di grandi dimensioni per estrarre conoscenze e ricavare regole significative.
