Con il termine Big Data s’intende un quantitativo enorme di dati che arrivano in volumi crescenti e con più velocità da una varietà di fonti completamente eterogenee tra di loro. I fattori che li identificano sono principalmente:
-
Volume: si riferisce esattamente alla grandezza dei dati.
-
Velocità:si riferisce alla rapidità nell’accumulazione dei dati.
-
Varietà: si riferisce alla natura dei dati
-
Veridicità: indica il livello di affidabilità o inaffidabilità dei dati.
-
Valore: indica capacità di portare insight e dunque benefici
La raccolta di grandi strutture di dati (come telemetria, tracce GPS, sensori, banche dati, testi, blog, Web, commenti, video, fotografie, chat IM, notizie feed e altro ancora) e il loro successivo processo di analisi, permette di ricavarne valore tramite la scoperta di modelli nascosti, correlazioni sconosciute, tendenze di mercato, preferenze dei clienti, spunti per ottimizzare i processi produttivi e altre informazioni utili a prendere decisioni sempre più efficaci. È dunque fondamentale per le organizzazioni saper acquisire, categorizzare ed analizzare l’enorme mole di dati disponibile per ottenere poi le informazioni utili a prendere le migliori decisioni. I Big Data & Advanced Analytics, sono anche un fattore chiave e di abilitazione per l’Industrial Internet of things – IIoT – in quanto forniscono analisi storiche, predittive e prescrittive, che possono dare informazioni su ciò che accade realmente all’interno di una macchina o di un processo. In combinazione con la nuova generazione dei dispositivi auto-consapevoli e auto-predittivi, l’analisi può fornire accurati piani di manutenzione predittiva per macchinari e beni, mantenendoli più a lungo in servizio produttivo e riducendo le inefficienze e i costi di manutenzione non necessaria. Ciò è stato accelerato dall’avvento del cloud computing nell’ultimo decennio, dove fornitori di servizi come Amazon Web Service forniscono vaste capacità di elaborazione, storage e networking efficaci e a basso costo che sono necessarie per i Big Data.
Come già evidenziato, dalle complesse analisi di enormi quantità di dati, grazie ad algoritmi potenti e raffinati, si possono raccogliere informazioni che i manager possono trasformare in conoscenza. Per questo prima di investire in sistemi di Analytics, le aziende devono progettare un percorso strutturato che identifichi quali sono i dati chiave da raccogliere e le analisi da effettuare al fine di ottenere i risultati sperati. I vantaggi ottenibili attraverso tale raccolta e analisi dei dati sono numerosissimi, di seguito un elenco dei più significativi:
- migliore gestione operativa attraverso processi efficaci,
- efficienza del processo produttivo e della manutenzione predittiva,
- riduzione dei fermi macchina e dei costi connessi,
- riduzione degli scarti e del time-to-market dei prodotti,
- miglioramento della qualità della produzione,
- marketing più efficace e un servizio clienti personalizzato,
- vantaggi competitivi rispetto alle organizzazioni concorrenti,
- nuove opportunità di guadagno e migliori rendimenti,
- maggior soddisfazione delle risorse umane
- e tanti altri ancora.
Nonostante gli evidenti vantaggi, in molte aziende non si è ancora diffusa la cultura della raccolta strutturata e organizzata dei dati con conseguente carenza di tali fonti di informazione o di un loro parziale utilizzo o di una scarsa focalizzazione sugli obiettivi. Tutto ciò richiederà nei prossimi anni uno sforzo culturale delle aziende per assorbire e implementare il tema dell’industry 4.0 e una vasta diffusione di precise informazioni circa gli aspetti tecnici su cui puntare per sfruttare appieno i vantaggi che ne possono derivare.
SZ