ZETA ACADEMY · 1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti (a cura di Francesco Tomaselli – Zeta Consulting) 2. Big data – analisi strategica (a cura

BIG DATA

ZETA ACADEMY VI EDIZIONE

26 Gennaio 2017

AGENDA

1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti

(a cura di Francesco Tomaselli – Zeta Consulting)

2. Big data – analisi strategica

(a cura di Valerio Zoino – Zeta Consulting)

3. Big data – analisi industriale e tecnica

(a cura di Ciro Cennamo – Zeta Consulting

e Fabio Ficarra – Kubique)

5. Apertura discussione

(a cura di Valerio Zoino – Zeta Consulting)

6. Chiusura lavori

2

1. PRESENTAZIONE ZETA CONSULTING E

DELLE AZIENDE PARTECIPANTI

3

PRESENTAZIONE AZIENDE PARTECIPANTI

4

2. BIG DATA – ANALISI STRATEGICA

5

BIG DATA – ANALISI STRATEGICA

I dati (Big Data) rappresentano una nuova risorsa

Prima dell’evoluzione dei prodotti e dei processi:

Condivisione funzionale episodica e su base limitata

I dati vengono generati da: • Funzioni interne lungo l’intera catena del valore (dati di vendita, di produttività, …) • Ricerche esterne (ricerche, indagini, …)

6


Dopo l’evoluzione dei prodotti e dei processi:

I dati Aumentano => i dati interni dei processi produttivi SI AGGIUNGONO => i dati generati dai prodotti

7


Dopo l’evoluzione dei prodotti e dei processi:

I DATI PUNTUALI sono Fonte di Vantaggio Competitivo

8


Analitica dei dati:

L'analitica dei dati è una nuova Fonte di Vantaggio Competitivo • Serie storiche (singoli dati) • Combinazione di singoli dati e di serie storiche di una combinazione di dati

Esempio Utilizzo Sensori sull'olio Sensori sul filtro Riduzione singola rottura Aumento OEE

9


Criticità tecnologiche:

I dati sono destrutturati e diversi (sensori, posizione, temperatura, umidità, ...) limite dei fogli elettronici sulle VARIETA’ dei dati

Nuovi strumenti analitici (BIG LAKE) - descrittivo - diagnostico - produttivo - prescrittivo

10

COFFEE BREAK

11

3. BIG DATA – ANALISI INDUSTRIALE E

TECNICA

12

COSA SONO I BIG DATA

Big Data: il valore dei dati per creare /

mantenere un vantaggio competitivo

13

COSA SONO I BIG DATA

14

Dati intelligenti che rispondono a domande complesse.

• Sono un insieme di dati numericamente significativi (ma non per questo “enorme” – anche le

piccole realtà possono affrontare progetti di Big Data)

• Sono un insieme di dati che provengono da fonti varie, interne ed esterne al soggetto che va ad

analizzarli, e sono perlopiù dati non strutturati

• Sono l’occasione per rivitalizzare la propria realtà e dare una scossa positiva al suo sviluppo

• Per creare valore, vanno trattati in un modo nuovo, con nuove tecnologie e, soprattutto, una

nuova forma mentis che li interroghi in modo adeguato

OGNI SECONDO SU INTERNET

15

Un individuo oggi mediamente

elabora più dati in un solo giorno di quanti

una persona nel 1500 elaborava nell’intero arco della vita

LE 4 V DEL BIG DATA

16

(V)OLUME

17

Forse la caratteristica più immediata e intuitiva, dal momento che, come si evince dal termine

stesso, si tratta di grandi quantità di dati

Per offrire un quadro di contesto basti pensare che ogni secondo vengono trasmessi 5.700 tweet

nel mondo, vengono effettuati 52.196 "Like”, vengono inviati 3.402.778 email. Tutto ciò, aggiunto

alle restanti attività "digitali", danno luogo ad una spaventosa quantità di dati che permette, almeno

potenzialmente, di disporre di moltissime informazioni le quali a loro volta possono essere

incrociate tra loro

(V)ARIETA’

18

Come già osservato in precedenza, i dati sono in larga prevalenza non strutturati e quindi non

affrontabili con le tradizionali tecniche proprie dei database relazionali. In altri termini: i dati non

possono più essere collocati in tabella poiché sono in forma non strutturata (email, immagini, audio

video). Gli algoritmi più avanzati hanno la capacità di analizzare i dati non strutturati, con in media

una accuratezza del 93%-97% nell'analisi di dati di varia provenienza

(V)ELOCITA’

19

Riguarda i Big Data da differenti punti di vista. Velocità con cui i dati vengono generati (che va

ovviamente di pari passo con la loro quantità), in secondo luogo la velocità con cui le nuove

tecnologie consentono di accedere a questi dati, pur con architetture distribuite e strutture

complesse di dati, che talvolta sfiora l'accesso in tempo reale. La velocità di accesso ai dati e alle

informazioni comporta poi un miglioramento nella velocità del processo decisionale, uno degli

elementi più critici per poter mantenere un elevato livello di competitività negli attuali panorami del

mercato. Si pensi, ad esempio, al monitoraggio del sentimento del pubblico: un'azienda avrà la

possibilità di adottare nel più breve tempo possibile misure correttive o preventive per

ridimensionare o evitare un episodio di crisi

(V)ERIDICITA’

20

Una grande quantità di dati, di una grande varietà e con accesso rapido non sono sufficienti a

garantire il successo di un progetto di Big Data

I dati devono avere qualità e produrre risultati credibili, che consentono di intraprendere l'azione

giusta in un processo decisionale. Ricordiamo che i dati vengono analizzati per aiutarci a prendere

delle decisioni, per cui un dato errato ci aiuterà a “prendere” una decisione errata

(V)ALORE

21

Un insieme di caratteristiche che in realtà è riassumibile in una sola altra "V": il Valore. E' infatti la

capacità di comprendere e gestire adeguatamente tutti questi aspetti dei Big Data che consente di

estrarne il loro valore

TUTTO E’ (O SARA’ PRESTO) INTERCONNESSO

22

2016 6,4 miliardi di oggetti connessi nel Mondo (+30% rispetto al 2015)

2020*20,8 miliardi di oggetti connessi nel

Mondo Fonte: Gartner 2016

Mercato IOT cresciuto del 30% rispetto al 2014 e

oggi vale 2 miliardi di euro

Fonte: Osservatorio IoT Politecnico di Milano

LE FONTI DATI ASSOCIATE ALL'AMBITO BIG DATA

23

Le aziende associano inoltre all'ambito "Big Data" molte fonti dati provenienti dal proprio patrimonio interno (in forma principalmente di dati non strutturati), attualmente disponibile ma sotto-utilizzato come fonte utile a prendere decisioni migliori per il business

La fonte maggiore di dati di tipo Big Data risulta essere il web nelle varie forme (blogs, social, forum,..)

Fonte: SDA Bocconi, IBM, CIONET

ESEMPI STORICI/MOLTO NOTI

24

Web log Analytics

Social Network Chi è il mio utente? chi conosce? cosa gli piace e

cosa no?

ESEMPI MENO NOTI

25

• Amazon Shipping

- Cosa porta in generale gli utenti all'acquisto? Cosa porta LO SPECIFICO utente all'acquisto?

cos'altro potrebbe interessare all'utente?

• Google Maps e Urban Engines

• Analisi transazioni bancarie, analisi rischio finanziario

• Autocarri iperconnessi

AMAZON BREVETTA LA «LETTURA DEL PENSIERO»

26

Brevetto per “Anticipatory Shipping”:

il tuo prossimo pacco viene preparato prima del completamento dell’ordine

CONSEGNE

VELOCI!

CHI ordinerà

COSA,

DOVE e

QUANDO?

Ordini precedenti

Ricerche Preferenze e abitudini

Contenuto del carrello

Tempo speso nella scelta di un oggetto

Resi precedenti

CONSEGNE

VELOCI!

GOOGLE MAPS ACQUISISCE URBAN ENGINES PER MIGLIORARE LA MOBILITA’ IN CITTA’

27

Dati storici su movimenti delle

persone e dei mezzi nelle città

+

Informazioni sul traffico in tempo

reale

CONSEGNE

VELOCI!

INFORMAZIONI

AZIONABILI E SCENARI

DI SIMULAZIONE UTILI

A:

• Cittadini per ottimizzare i tempi di viaggio e per avere informazioni su disponibilità di parcheggi

• Compagnie di trasporto per individuare aree sotto-servite e ottimizzare il servizio offerto

• Autorità locali per reagire con prontezza ad emergenze, incidenti e congestionamenti

LA GLOBALIZZAZIONE AUMENTA LA COMPETIZIONE

28

Diffusione dell'uso del web

Miglioramento delle infrastrutture di trasporto, "riduzione delle distanze"

Apertura dei mercati, Internazionalizzazione delle imprese

Clienti sempre più esigenti, importanza dell'esperienza di acquisto / di fruizione del servizio

Richiesta di prodotti servizi personalizzati ma a costo contenuto

"Servitizzazione" dei prodotti

Abbassamento della soglia d'ingresso in nuovi mercati

Aumento della competizione tra imprese dello stesso settore

Ingresso di nuovi player che fanno leva sul web e sulla capacità di sfruttare le informazioni in loro possesso

I BIG DATA COME LEVA PER CREARE UN VANTAGGIO COMPETITIVO

29

Non esiste settore in cui non si debba avvertire con impellenza l'urgenza di trovare nuove leve per mantenere / creare un vantaggio competitivo sui concorrenti

L'enorme e crescente disponibilità di dati e la disponibilità di nuove tecnologie ed applicazioni che permettono di elaborare grandi volumi di dati (Volume) di vario tipo (Variety) in tempi rapidi (Real Time Analytics) ed a costi sempre più abbordabili (anche grazie al Cloud ed all'Open Source) costituiscono leve formidabili per creare valore per la competitività delle imprese e per lo sviluppo degli Enti del Settore Pubblico

OPPORTUNITÀ OFFERTE DAI BIG DATA PER MIGLIORARE LA COMPETITIVITÀ

30

Innovazione di prodotto / servizio: riduzione time to market dei nuovi prodotti / servizi, personalizzazione del prodotto/servizio, miglioramento qualità

Ottimizzazione processi ed abilitazione di nuovi processi / nuovi modelli di business: riduzione lead times, aumento efficienza, riduzione costi, miglioramento efficacia, flessibilità e capacità di adattamento alle mutevoli condizioni del mercato (Real Time Enterprise), nuovi canali e mercati, …

Migliorare la capacità dell'impresa di prendere decisioni velocemente ma data-driven e fact-based


ALCUNI ESEMPI DI INNOVAZIONE DI PRODOTTO/SERVIZIO

31

Trend Intelligence, per identificare, anticipare ed analizzare in tempo reale i trend di mercato e guidare lo sviluppo di nuovi prodotti e il riallineamento del portafoglio prodotti

Sensitivity analysis per indirizzare lo sviluppo di nuovi prodotti in base al gradimento del pubblico

Root-cause analysis per individuare le cause di difettosità dei prodotti sulla base di dati raccolti durante il processo produttivo

Migliorare la qualità dei prodotti e dei servizi post vendita mediante la raccolta sistematica di dati generati dai processi di Customer Service e/o da sensori a bordo del prodotto


ALCUNI ESEMPI DI OTTIMIZZAZIONE PROCESSI

32

Miglioramento del processo di Demand Planning con l'utilizzo di dati provenienti anche dall'esterno; conseguente ottimizzazione dei processi di approvvigionamento e di pianificazione logistico – produttiva

Utilizzo di dati prodotti da sensori nelle varie fasi del processo produttivo per predire la qualità del prodotto finito ed intervenire nel corso del processo produttivo

Utilizzo di dati prodotti da sensori per pianificare la manutenzione degli impianti di fabbrica e/o processi di Service sulla base installata

Efficientamento energetico: Utilizzo di sensori per la rilevazione continua dei consumi di ogni impianto nel corso del processo produttivo

AUTOCARRI IPERCONNESSI

33

Secondo uno studio condotto da Volvo Trucks è possibile ridurre dell’80% i fermi imprevisti, se la manutenzione del camion viene effettuata in tempo

• monitorare l’utilizzo del veicolo in tempo reale

• pianificare l’assistenza con largo anticipo, prima che si verifichi un guasto

• ordinare i ricambi prima che il veicolo arrivi in officina

• posticipare un intervento di assistenza già programmato, se i componenti del veicolo subiscono un'usura minore del previsto

• +13,5% l’anno la base installata di strumenti telematici sugli autocarri

• entro il 2022 tutte le principali case automobilistiche offriranno un servizio di diagnostica remota gratuito

(Fonte: Frost & Sullivan, “Global Connected Truck

Market 2016 Outlook”)

CONDITION MONITORING REAL-TIME DI UN PROCESSO INDUSTRIALE

34

Ambito Condition monitoring delle prestazioni di un sistema (rete) di refrigerazione industriale installato in un’azienda produttrice di cibi pronti surgelati Obiettivi Definizione di un indicatore prestazionale (KPI) basato su Social Network Analysis a partire dalla rete di sensori Riduzione dei consumi energetici, migliore gestione dei tempi di manutenzione Metodologia Modellazione del processo come sistema complesso con graph-database e Multi-Agent System (MAS).

DALLA BUSINESS INTELLIGENCE AL DATA-DRIVEN BUSINESS

35

PRIMA FASE SECONDA FASE TERZA FASE

Business Intelligence Tools (95% descrittiva, 5% predittiva)

Decision support systems, DWH, OLAP, Reports, Dashboard

Big Data Analytics (95% predittiva)

Predictive, Visualization, Real-time, Embedded)

Tecnologie Legacy

Mainframe. PC, SQL, RDBMS

Big Data Technology

Hadoop, NoSQL, In-memory, Cloud, Mobile, BI Dedicated HW

Business Intelligence Big Data

Reportistica di base e dashboard basati su dati storici e strutture dati provenienti principalmente da dati interni. Uso minimo di dati esterni all'organizzazione e di analisi predittiva

Nuove tecnologie HW e SW (es: in-memory) permettono la gestione di grandi moli di dati provenienti dall'esplosione delle sorgenti non strutturate

Tecnologie Big Data e di analisi avanzata convergono verso modelli di analisi predittiva per guidare il business

60s 70s 80s 90s 00s 2008 2010 2011 2012 2013 Oggi

An

alyt

ics

Tech

no

logy

ESTRARRE INFORMAZIONI «AZIONABILI» DAI DATI

36

Come possiamo ottimizzare il risultato atteso? Cosa accadrebbe se cambiassimo questo?

INFORMAZIONI AZIONABILI

CONOSCENZA

INFORMAZIONI

DATI

+ interpretazione

+ contesto

+ valore

+ strategia Cosa implica per il nostro business? Cosa possiamo prevedere in base a questo?

Cosa significa in relazione al contesto e ai dati storici?

Quali informazioni ci fornisce il dato?

AZIONI

SPIN - ESTRARRE VALORE DAI DATI, IN TEMPO REALE

37


CONOSCENZA

INFORMAZIONI

DATI

++ varietà ++ volumi


38


CONOSCENZA

INFORMAZIONI

DATI

Dati organizzati attraverso un modello non tradizionale di rappresentazione delle informazioni che abilita: • l’elaborazione di enormi volumi di dati quasi in tempo

reale • nuove tipologie di analisi (es. predittiva) • la misurazione dell’impatto sull’insieme creato da

variazioni di singole risorse interconnesse


39


CONOSCENZA

INFORMAZIONI

DATI

Analisi e sintesi dati di consuntivo fruibili su ogni tipologia di dispositivo


40

Simulazioni in tempo

reale degli effetti delle

strategie sulla

produzione e sul conto economico


CONOSCENZA

INFORMAZIONI

DATI

Risorse umane

Macchinari

Materie prime

Impianti

Volumi richiesti

4. APERTURA DISCUSSIONE

41

5. CHIUSURA DEI LAVORI

42

GRAZIE PER L’ATTENZIONE

43

Documents

ZETA ACADEMY · 1. Presentazione di Zeta Consulting Srl e delle aziende partecipanti (a cura di Francesco Tomaselli – Zeta Consulting) 2. Big data – analisi strategica (a cura