NEWS

I vantaggi della Business Intelligence

Creato: Domenica, 10 Novembre 2013 09:08

Lo chiediamo a Michele Bergamasco di Quid Informatica, società partner di Simulware.

Cosa si intende per Business Intelligence e quali sono i campi di applicazione?

Per Business Intelligence si intende la capacità di una qualsiasi organizzazione, sia essa pubblica o privata, di capire il proprio “business” (in termini di processi, clienti, risorse, sistemi, contesti competitivi). L’obiettivo finale è di fornire conoscenza ai livelli decisionali per consentire a questi di intervenire sul business medesimo in modo consapevole, tempestivo, efficiente ed efficace facendo leva su una molteplicità di dati e informazioni (strutturate e non strutturate). In generale “la Business Intelligence può essere vista come un insieme di metodologie, processi, architetture e tecnologie che permettono di trasformare dati grezzi in informazioni significative e utili, che abiliti processi decisionali più efficaci sia a livello strategico che a livello tattico." [Report 2008 - Forrester Research Inc.] 

Qual è il vantaggio per un'azienda nel fare Business Intelligence?

Le aziende che usano la Business Intelligence di fatto conoscono meglio se stesse e il loro mercato di riferimento. Questa consapevolezza è sempre più importante in anni in cui il “cambiamento” è all’ordine del giorno. Saper leggere in anticipo le tendenze dei mercati è un fattore competitivo cui non si può rinunciare. La Business Intelligence aiuta anche in questo. 

Cos'è un datawarehouse (DWH)? Perché si dice che è "la base dati della verità aziendale"?

Per rispondere a questa domanda dobbiamo distinguere i dati strutturati (per esempio i dati di un ERP) dai dati non strutturati (tipici del web). Nel primo caso i sistemi di Business Intelligence si appoggiano ad una base dati certificata, non volatile, storicizzata e soprattutto frutto di un’attenta analisi del fabbisogno informativo. Il Datawarehouse, appunto. In sua assenza recuperare una informazione oltre a portar via molto tempo introduce il rischio di un calcolo “non proceduralizzato” che soffre quindi di elevati margini di errore. Per questo il DWH diventa la base della verità aziendale. Nel caso di dati non strutturati il concetto di DWH viene meno dato che le informazioni presenti sul web, per caratteristiche (numerosità, volatilità, …) e per dimensioni (…non a caso si parla di Big Data), difficilmente possono essere convogliate in una “struttura”. In questo caso ci sono nuovi strumenti di analisi, che lavorano a livello semantico, a supportare i processi decisionali (basti pensare agli studi di “sentiment analysis” o di “brand reputation”). 

Quali sono gli svantaggi per un'azienda che non ha un DWH?

Il processo decisionale sarà più lento, probabilmente basato su dati a consuntivo. Le capacità previsionali saranno limitate. Le possibilità di anticipare le tendenze dei mercati saranno ridotte.

Qual è la differenza tra un sistema di gestione aziendale e un sistema di warehouse?

I sistemi gestionali vengono sviluppati per ottimizzare la singola transazione (l’emissione di un ordine, lo stacco di una fattura, uno scarico di magazzino, …). I datawarehouse sono pensati per lavorare invece su milioni di record. Le metriche di valutazione di DWH sono i tempi di risposta e l’efficacia dell’informazione. Per questo il concetto di ridondanza, inaccettabile per gli ERP, nei sistemi di BI non rappresenta un problema.

Cos'è un ETL? Quali sono i livelli in cui è articolato?

ETL è un acronimo per Extraction, Transformation & Loading. E’ il processo che preleva i dati dai sistemi alimentanti (ERP, fonti terze, fogli Excel, ….) e li porta nel DWH certificandoli attraverso processi di Data Quality di Data Enrichment. Vi possono essere più livelli di ETL che corrispondono a più livelli di datawarehouse. Si parla di DWH di primo livello che conserva i dati di interesse al livello di dettaglio più alto rispetto al business (si parla di tabella dei fatti). Dal DWH di primo livello possono partire altri ETL (secondo livello o successivi) per costruire datamart specializzati (per utente, piuttosto che per particolari analisi) che consentono di ridurre i tempi di recupero delle informazioni necessarie a soddisfare fabbisogni informativi ben specifici. In questa fascia troviamo, per esempio, anche strutture dati multidimensionali per le cosiddette analisi OLAP (On Line Analytical Processing).

Si può dire che un'applicazione Business Intelligence è una soluzione software?

Si, ma ricordando sempre che ha lo scopo di supportare la comprensione del business e i processi decisionali.

Quali sono le caratteristiche di un DWH?

In parte le abbiamo già anticipate. Una definizione di datawarehouse più formale potrebbe essere la seguente: “Un Data Warehouse è un ambiente operativo strutturato ed estensibile, progettato per l’analisi di dati non volatili provenienti da applicazioni eterogenee (sorgenti dei dati), trasformati logicamente e fisicamente in modo da allinearli alla logica del business, aggiornati periodicamente e conservati per lunghi periodi di tempo, modellati secondo la logica del business ed aggregati in modo tale da rendere le operazioni di analisi il più veloce possibile”.

All'interno dell'azienda, chi utilizza in genere questi dati?

Senz’altro i centri decisionali delle aziende: il management, il controllo di gestione, i responsabili commerciali, il marketing, …. In contesti pubblici spesso anche strutture non necessariamente con poteri decisionali ma con necessità di “conoscenza” elevate (pensiamo ai reparti di un ospedale, agli epidemiologi, agli uffici demografici, etc…)

In quali settori la Business Intelligence diventa davvero strategica?

Per quella che è la mia esperienza: tutti!

In quali ambiti la Business Intelligence è maggiormente diffusa in Italia?

Anche in questo caso devo dire in tutti gli ambiti; forse il settore più debole è quello della PMI. Direi che la diffusione della Business Intelligence in Italia è limitata più in termini qualitativi che quantitativi. Si fa ancora molto reporting, data retrieving, cruscotti, ma si fa poca Business Intelligence di alto livello (analisi previsionali, modellazioni, mining, etc…).

Parliamo invece delle interfacce grafiche a supporto del sistema. Come vengono gestite?

Le interfacce devono essere sviluppate in funzione degli utenti finali e delle capacità analitiche degli stessi. Per chi prende decisioni ad alto livello la parola d’ordine è “user friendly”. Poche informazioni (strategiche) in pochi click. I cosiddetti power user invece (possiamo pensare ad un controllo di gestione) possono avere necessità analitiche molto variabili, che mutano nel tempo, che riguardano molti ambiti. In questo caso si daranno strumenti più flessibili, necessariamente più complessi e che possono richiedere una formazione dedicata (per esempio strumenti di tipo OLAP).

Cosa si intende per sistemi di analisi multidimensionali?

OLAP! Appunto. Facciamo un esempio: “L’Ospedale X, nel secondo semestre 2012 ha dimesso, per alcune diagnosi, 247 pazienti provenienti da diverse aree del territorio regionale, per un costo complessivo di 430.000 euro ” In questa frase si racchiudono i concetti di misura (numero di pazienti e costi dei ricoveri) e di dimensione: il tempo (semestre 2012), lo spazio (territorio regionale), l’organizzazione (l’ospedale e le diagnosi). Un controllo di gestione potrebbe avere bisogno delle stesse misure ma per un solo trimestre e per un particolare distretto sanitario o ancora per l’intero anno ma solo per le patologie che interessano l’apparato cardiovascolare. Un sistema OLAP mette a disposizione una struttura multidimensionale di dati pre-sommarizzati che consente ad un utente esperto di impostare punti di vista diversi in funzione di diverse esigenze analitiche.

In questo contesto, cosa si intende per (piattaforma) SAS?

SAS rappresenta una delle piattaforme di riferimento per i sistemi di datawarehousing e di Business Intelligence. E’ una piattaforma perché copre l’intero arco di funzioni legate alla BI: dall’ETL, al Data Quality, al Master Data Management; dal reporting, alle dashboard, alle Balanced Scorecard; dall’OLAP, al mining, al forecasting. SAS, negli anni, grazie alle esperienze maturate in migliaia di progetti di BI, ha sviluppato anche le cosiddette Solutions, ovvero soluzioni verticalizzate in ambiti specifici: Risk Management, Performance Management, Supply Chain, CRM, Fraud Detections e molte altre. SAS investe ogni anno il 25% dei propri ricavi in ricerca e sviluppo e questo fa sì che i prodotti SAS siano sempre all’avanguardia nel proprio settore di mercato. SAS Visual Analytics, l’ultimo nato in casa SAS, coniuga in sè tutte le nuove funzionalità degli strumenti di BI di ultima generazione: analisi in memory, big data, supporto mobile, self service BI, BI collaborativa.

Quale può essere l’interesse dell’elearning nella Business intelligence?

Sicuramente può essere interessante studiare la mole di dati che provengono dalle piattaforme didattiche di tipo LMS. È utile a capire il ROI della formazione erogata, soprattutto se si ragiona su periodi a medio-lungo termine.