Embed Size (px)
Citation preview
Social media web e smart apps (A.A. 2014/2015) Gianluigi Cogo
Lezione 12: Big Data
Università degli Studi di Venezia – Corso di Laurea in InformaticaCodice Insegnamento: CT0323
di cosa s3amo parlando
Big Data è un tormentone!
Nell’approccio ‘folkloris3co’ sen3amo dire spesso:
‘creeranno milioni di pos3 di lavoro!’
Ma l’Italia non è l’America!
Quando diciamo: ‘tuEo ciò succederà tra poco!’ dovremmo contestualizzare: dove?
Dato e Informazione non sono sinonimi! Il dato è un elemento basico (o informazione grezza) ed è spesso cos3tuito da simboli non ancora elabora3.
I fondamentali
L’informazione è un elemento più ricco, che deriva dall’elaborazione di più da3 e che res3tuisce un
valore, solitamente consapevolezza, comprensione dei faP e verità.
L’informazione è il risultato di un’elaborazione da3.
I fondamentali
La CONOSCENZA è l'autocoscienza del possesso di informazioni connesse tra di loro, le quali, prese singolarmente, hanno un valore e un'u3lità inferiori.
I fondamentali
Il tuEo è maggiore della somma delle sue par3!
(Aristotele – l’inventore dell’approccio sistemico)
I fondamentali
Il conceEo di Big Data è proprio del campo dei database: il termine indica grandi aggregazioni di da3, la cui mole richiede strumen3 differen3 da quelli tradizionali, in tuEe le fasi del processo (dalla ges3one, alla cura3on, passando per condivisione, analisi e visualizzazione).
(Wikipedia)
I fondamentali
Il progressivo aumento della dimensione dei dataset è legato alla necessità di analisi su un unico insieme di da3 correla3 rispeEo a quelle che si potrebbero oEenere analizzando piccole serie con la stessa quan3tà totale di da3 oEenendo informazioni che non si sarebbero potute oEenere sulle piccole serie.
(Wikipedia)
I fondamentali
Due termini rela3vamente nuovi: cura3on e dataset!
I fondamentali
DEFINIZIONI
hEp://ed.ted.com/lessons/explora3on-‐on-‐the-‐big-‐data-‐fron3er-‐3m-‐smith/
I Big Data sono l'elemento fondamentale per la creazione di nuovi livelli di valore per il business. Grazie a storage integrato, analisi e applicazioni, i Big Data contribuiscono a migliorare efficienza, qualità, prodoP e servizi personalizza3, producendo livelli più eleva3 di soddisfazione ed esperienza del cliente. (EMC2)
DEFINIZIONI
I Big Data sono la grande, enorme massa di da3 di cui dispongono oggi le aziende, che cos3tuiscono un problema se non u3lizza3 o usa3 poco o male, ma che possono trasformarsi in una formidabile opportunità quando vengono sfruEa3 nel modo correEo. (SAS)
DEFINIZIONI
Le aziende sono sommerse di da3 più che mai. L’informazione che può fare la differenza per il vostro business è nascosta in questa mole di da3. L’analisi dei Big Data, vi aiuterà a trasformare i vostri da3, apparentemente senza significato e sconnessi tra di loro, in informazioni u3li creando il vantaggio compe33vo. (R. Jacobs).
DEFINIZIONI
DEFINIZIONI
hEp://youtu.be/7D1CQ_LOizA/
DEFINIZIONI
Hot on the heels of Web 2.0 and cloud compu3ng, Big Data may well be the Next Big Thing in the IT world. Whereas Web 2.0 links people and things online, and cloud compu3ng is about the transi3on to an online compu3ng infrastructure, Big Data generates value ……… (CONTINUA)
hEp://www.explainingcomputers.com/big_data.html/
Oggi le aziende devono essere in grado di u3lizzare pienamente tuEe le risorse di da3. Purtroppo i da3 non struEura3 vengono integra3 in quelli struEura3 o, molto spesso, nemmeno soggeP a raccolta e tantomeno a conservazione.
RIFLESSIONI
L'aumento del volume, velocità e varietà dei da3 spesso supera la reale capacità delle aziende di ges3rli ed elaborarli con efficacia nei tempi u3li. Una complessità che rende difficile far fronte alle sempre più urgen3 e crescen3 esigenze del business. Il paradigma delle 3V riassume l'impaEo dei big data sulle aziende (SAS)
RIFLESSIONI
3V = le proprietà dei Big Data
Volume: la mole di da3, spesso destruEura3, aumenta in maniera esponenziale. Diventa sempre più difficile individuare per tempo quelli a maggior valore per il business (Brontobyte?). Varietà: la 3pologia di da3 non è più uniforme e legata solo ai sistemi legacy. Ci troviamo di fronte a da3 in formato testuale, audio, video, streaming, provenien3 da blog, web e social network (social-‐unstructured-‐data > enterprise-‐structured-‐data). Velocità: i da3 vengono prodoP con una velocità e frequenza sempre maggiore. Il "3me to decision" richiesto all'IT si sta riducendo sempre di più. La sfida è quella di riuscire a ges3re ed elaborare informazioni in tempi sempre più rapidi. + Valore o Veridicità: i modelli anali3ci sono sempre più complessi e impongono capacità elabora3ve fino a poco tempo fa impensabili. Diventa determinante sapere individuare i da3 a valore rispeEo agli altri .
Nel 2000 il 75% delle informazioni era raccolto sulla carta, sulla plas3ca magne3ca, su altri suppor3 analogici e solo il 25% era in digitale. Nel 2013, l’analogico è ridoEo al 2% mentre il 98% delle informazioni è registrato in digitale. I da3 digitali raddoppiano ogni tre anni.
hEp://www.ilsole24ore.com/art/tecnologie/2013-‐08-‐30/grandissimi-‐numeri-‐192132.shtml
Le decisioni che un’organizzazione deve prendere, oggi possono (o meglio devono) essere basate anche sui feedback dei clien3, sui report
di stato, sulle valutazioni delle prestazioni e non solo sui da3 demografici e opera3vi.
MOLTI VANTAGGI PER LE AZIENDE SONO DUNQUE CONSEGUENZA DIRETTA DELLA LORO CAPACITA’ DI PREDIZIONE
L'analisi dei da3 è un processo di ispezione, pulizia, trasformazione e modellazione con il fine di evidenziare informazioni che suggeriscano conclusioni e suppor3no le decisioni strategiche aziendali.
hEp://it.wikipedia.org/wiki/Analisi_dei_da3
L'analisi prediPva permeEe alle aziende (o meglio alle organizzazioni) di capire cosa succederà nel
futuro e reagire di conseguenza.
Prevedendo cosa accadrà nel futuro si potranno pianificare e portare avan3 strategie che suppor3no e migliorino il processo decisionale.
(Data Mining con l’ausilio delle tecnologie) è il processo di estrazione di conoscenza da banche da3 di grandi dimensioni tramite l’applicazione di algoritmi che individuano le associazioni “nascoste” tra le informazioni e le rendono visibili. Viene anche deEo: ‘Knowledge Discovery in Databases’ (KDD)
L’analisi prediPva con la ‘Sen3ment Analysis’ prevede l’analisi qualita3va delle conversazioni in rete e mira a comprendere lo stato d’animo degli uten3 rispeEo un par3colare brand, prodoEo, tema, servizio. Viene anche deEa: ‘Opinion Mining’
hEp://vincos.it/2012/08/30/cose-‐la-‐sen3ment-‐analysis/
Prendendo in esame le conversazioni degli uten3 nei diversi spazi della rete (blog, forum, social network) si può determinare come è percepito e considerato un determinato brand o prodoEo e orientare le strategie di comunicazione future di conseguenza a queste analisi.
Dunque i da3 sono solo numeri? -‐ quan3 uten3 per quel servizio -‐ quanto prodoP vendu3 in quel luogo -‐ quante chiamate al call-‐center per assistenza -‐ ecc.
Il perimetro dei da3, per effeEo della consumeriza3on, diventa molto più ampio!
E con il mobile diventa infinito!
Social media e consumeriza3on cambiano tuEo!
I social media cambiano tuEo!
hEp://hedonometer.org/index.html
I social media cambiano tuEo!
hEp://www.blogsvoices.unimi.it/index.html
I social media cambiano tuEo!
hEps://youtu.be/0eUeL3n7fDs
Esempio: Staso{ (Dell)
hEps://www.youtube.com/watch?v=Ga2jMY5nzzY/
Esempio: LiveHelpNow
hEps://www.youtube.com/watch?v=N5mE-‐LzIKCI
Esempio: digital adver3sing Se fino ad oggi il digital adver3sing era una pra3ca approssima3va e spesso si procedeva per tenta3vi, nell’ul3mo decennio si è evoluto in un metodo scien3fico che permeEe di realizzare campagne personalizzate per un pubblico targePzzato.
Ogni azienda dispone ormai di enormi quan3tà di da3 rela3vi ai propri clien3: da quelli delle transazioni raccol3 quando un cliente acquista un prodoEo online o in store, a quelli acquisi3 nel momento in cui un cliente contaEa il call center. Per non parlare poi dei da3 raccol3 dalle newsleEer, dalle email, da mobile, ecc.
Ques3 da3 rappresentano una fonte preziosissima di informazioni e cos3tuiscono il punto di partenza per conoscere a fondo e meglio il proprio pubblico/target. Dunque basta capire come poter ges3re le informazioni che si hanno a disposizione al fine di oPmizzarle e allinearle agli obiePvi di business per oEenere il miglior ritorno possibile.
L’esempio di Turn, piaEaforma leader nel cloud marke3ng, permeEe di riassumere l’intero processo fornendo cinque linee guida u3li a capire chi sono gli uten3 con cui si sta interagendo e come rapportarsi con loro non perdendo d’occhio l’obiePvo finale di intraprendere campagne di successo e replicabili.
1. La consapevolezza: prendere aGo dei daH di cui si dispone 2. La struGura: creare un ritraGo completo del pubblico 3. La strategia: coinvolgere il pubblico con una comunicazione
mirata 4. La replicabilità: ampliare il mercato aGraverso un modello Look
Alike 5. La conclusione: analizzare, oLmizzare, ripetere
hEp://3nyurl.com/BDPIONERO/
Esempi: Traffico e ordine pubblico
hEp://www.datainterfaces.org/2014/03/protest-‐maps/
Esempi: Polizia inves3ga3va
hEp://www.bbc.com/news/technology-‐22008497
Lezione per le imprese
I Big Data aiutano • ad accelerare il marke3ng
• favorire la fidelizzazione con l’utente
Cosa serve?
• Capacità di raccogliere da3
• Capacità di organizzare da3
• Capacità di analizzare da3
• Capacità di reagire
E tuEo ciò si fa ANCHE con le tecnologie, non SOLO!
Campi applica3vi
Chi vincerà? Chi saprà integrare da3 struEura3 e da3 non
struEura3 e coordinarli/organizzarli per favorire un miglioramento/cambiamento
Tecnologie
Dove stanno i da3? Chi è obbligato a raccoglieri? Perchè tenere anche quelli non obbligatori? UNICO DATO CERTO E’ CHE I DATI CRESCERANNO E DA QUALCHE PARTE VANNO RACCOLTI
Problemi della tecnologia • Cos3 (storage costa meno ma ne serve di più)
• Spazi per i data center …. CLOUD ECONOMY!
• Nuove tecnologie come I dischi SSD ….
• Consumi di energia?
hEps://www.palan3r.com/products/
PalanHr analizza da3 per risolvere i problemi di sicurezza dalla truffa, al terrorismo. I loro sistemi sono sta3 sviluppa3 con finanziamen3 della CIA e sono ampiamente u3lizza3
dal governo degli Sta3 Uni3 e dalle agenzie di sicurezza federali.
Il faEurato dello scorso anno è stato di circa 418 milioni dollari mentre il valore dell’azienda,
in odore di IPO, è stato recentemente valutato a $ 15 miliardi.
hEp://blog.uber.com/tag/uberdata/
Anche l’aPvità di Uber si basa sull’analisi dei da3.
Con i da3 rileva3 su conducen3 e passeggeri, Uber alimenta un algoritmo per trovare corrispondenze opportune e convenien3, nonché le tariffe più adaEe.
Uber sta tessendo alleanze con catene di Hotel, negozi fashion e provider musicali.
hEp://www.fla3ron.com/
Flaitron usa i Big Data contro il cancro.
Analizzando automa3camente nella sua OncologyCloud terabyte di da3 raccol3 durante diagnosi e cure dei pazien3 affeP da cancro, Flaitron spera di fornire da3 u3li per curare quel
96% di pazien3 sui quali non vengono raccol3 e traEa3 da3.
L'anno scorso ha ricevuto 130 milioni di dollari di finanziamento da Google
hEp://www.affec3va.com/
AffecHva ha creato una "tecnologia di misura emozionale" che si basa sul riconoscimento facciale e consente, analizzando foto e video, di determinare lo stato d'animo e il sen3mento
delle persone presen3 in un determinato luogo.
La tecnologia può essere u3lizzata per valutare la reazione del pubblico alla pubblicità, misurare lo stato d'animo delle persone che interagiscono con un servizio, o giudicare l'umore del pubblico durante un dibaPto poli3co. Coca Cola ha u3lizzato Affdex per effeEuare analisi
di marke3ng.
Lezione per tuP Mi serve un dato: -‐ Ho archiviato tuEo per bene e ho un sacco di storage, ma quel dato che cerco non lo trovo;
-‐ Non basta avere tecnologie, spazi e strumen3, è necessario agevolare la ricerca e per poterlo fare bisogna ripensare i modelli stessi di ricerca in funzione di quello che fa il consumatore e non a quello che fanno le aziende;
-‐ Google è nato per questo. O no?
Si traEa di un cambiamento nella pragma3ca della conoscenza. I da3 sono più numerosi, facili da trovare e meno costosi da archiviare. La fine della scarsità dei da3 non riduce il rispeEo del loro significato e non annulla la necessità di una profonda consapevolezza epistemologica. Ma certamente favorisce una pra3ca della sperimentazione matema3ca alla ricerca di paEern emergen3 e correlazioni, piuEosto che un ricorso all’approccio basato sui campioni sta3s3ci, le ipotesi causali a priori, le teorie in aEesa di verifica. «Meno why e più what». Si traEa di un cambiamento economico, perché lo sfruEamento dei giacimen3 di da3 è un grande valore per le mega compagnie che li raccolgono ma anche per le startup che ne individuano nuovi u3lizzi. hEp://blog.debiase.com/2013/09/big-‐data-‐the-‐book/
Conclusioni
@webeconoscenza hEp://www.gigicogo.it
