Cosa sono i big data?

Tecnologia: Customer Intelligence     Topic: Dati & Analytics  Dati Informazioni Insights  

Oggi è possibile raccogliere un’innumerevole quantità di dati da tutte le interazioni attraverso Internet, l’Internet of things e dalla diffusione della cosiddetta app economy. I dati che vengono prodotti sono molteplici, come per esempio i dati degli utenti di un sito web, dei loro post su Facebook, o dell’utilizzo di un’app o degli oggetti collegati alla rete, ecc.

Ma non si tratta “semplicemente” di quantità enormi e di tipologia differente, quello della disponibilità e del loro cambiamento in tempo reale è un altro elemento che caratterizza i big data. Ecco perché li si definisce con il modello di crescita tridimensionale delle 3 V definito nel 2001 dall’analista Douglas Laney: volume, varietà e velocità, alle quali si sono aggiunte nel corso del tempo veridicità e valore.

Volume: il nome big data stesso è correlato alla dimensione, che è enorme. La dimensione dei dati gioca un ruolo cruciale nel determinarne il valore, essi sono veramente preziosi solo se il set di dati ha un volume veramente grande. Altrimenti si parla di small data o semplici database. Oggi come si diceva non è difficile raggiungere una grande quantità di dati generati ogni secondo da sorgenti eterogenee quali: sensori, log, eventi, email, social media e database tradizionali.

Varietà: un altro aspetto dei big data è la loro varietà, riferita sia alla eterogeneità delle fonti, sia alla natura dei dati, strutturati e non strutturati. Oggi i dati sono reperibili attraverso e-mail, foto, video, dispositivi di monitoraggio, PDF, audio e testo.

Velocità: si riferisce alla tempo che occorre per acquisire ed elaborare i dati. La velocità determina il potenziale reale dei big data.

Veridicità: riguarda il concetto basilare della qualità del dato. Inizialmente, ci si è concentrati più sulla quantità e varietà dei dati disponibili, finendo con il prestare minore attenzione alla loro qualità. Salvo poi trovarsi con dati talmente inquinati da rendere qualsiasi analisi inattendibile. Oggi la veridicità è considerata una caratteristica intrinseca del dato da inserire nel processo di analisi.

Valore: ci si riferisce alla capacità di trasformare i dati in valore. Anche questo è un concetto sul quale oggi si insiste molto: bisogna definire con chiarezza, in stretta relazione con chi gestisce ill processo che genererà un determinato dato, quali sono gli elementi che caratterizzano il dato stesso. In questo modo l’analytics porterà veramente valore di business misurabile. Per esempio: in un progetto di loyalty possono esserci molte ambiguità nella definizione di cliente infedele: se non si conosce bene il processo di business, se non si definisce con precisione cosa caratterizza il cliente infedele, l’analisi che ne deriverà non potrà essere corretta.

Tecnologia: Customer Intelligence     Topic: Dati & Analytics  Dati Informazioni Insights  

VOCI CORRELATE