Big Data o Small Data: questo è il problema

Dal dato alla conoscenza per generare valore

Big Data o Small Data: questo è il problema

Big Data o Small Data: questo è il problema 1425 815 Finanza Café

Nel mondo iperconnesso di oggi, quando camminiamo, entriamo in un ristorante, cerchiamo informazioni sul nostro telefono o scorriamo il mouse sui diversi elementi che popolano una pagina web, lasciamo migliaia di tracce.
Quelle tracce raccolte, analizzate ed organizzate, possono dire ad un attento lettore chi siamo, dove andiamo, cosa pensiamo o persino penseremo. Quelle tracce sono Big Data. Migliaia di dati prodotti continuamente da ognuno di noi sia nella vita privata che professionale.
Le domande che sorgono spontanee sono molte. Non saranno troppi? Servono davvero tutti? La gestione dei Big data è esclusiva delle grandi imprese? È meglio gestire Big Data o Small Data?


Tempo di lettura stimato: 7 minuti

Pillola di Big Data e Small Data

Nell’era pre-internet e/o pre-cellulare (inteso come versione tascabile del web) ci muovevamo come in una miniera, dov’era necessario cercare e scavare per trovare informazioni preziose.
Oggi in piena trasformazione digitale, è come se vivessimo nella foresta pluviale, piena di vita in ogni dove, dove vi sono informazioni ovunque, ne siamo circondati.
La sfida oggi è trovare la via d’uscita utilizzando solo le informazioni che ci servono davvero. Organizzare i Big data per sfruttare gli Small Data.

Il mondo dei Big Data

I Big Data sono quantità crescenti di informazioni che vengono prodotte dalla trasformazione digitale in corso e che assegnano ad ognuno di noi, in azienda o nella vita privata, il primario ruolo di produttori. Dell’importanza di queste informazioni, Finanza Café ne ha discusso in un precedente articolo parlando di Customer Experience e Supplier Experience, riferendosi  al ruolo che i social media hanno nella raccolta ed utilizzo dei Big Data.

I Big Data sono la materia prima, con la quale si costruiscono i modelli (i cosiddetti Big Data Analytics) che consentono alle imprese di analizzare, interpretare e gestire in maniera più efficace la realtà.  I Big Data sono utilizzati ad esempio per capire la reazione dei mercati a fronte della proposizione di un nuovo prodotto, oppure per identificare i fattori chiave che spingono il consumatore all’acquisto, per sprigionare la forza predittiva dell’azienda grazie ad uno storico di dati che mostra le relazioni tra gli stessi di fronte a diversi scenari.

Nel 2001, Doug Laney ha rappresentato un modello che descrive in maniera sintetica e più scientifica cosa si intende per Big Data con un riferimento iniziale alle tre “V”.  Si tratta di Big Data, quanto sono contemporaneamente presenti Volume (ovvero grandi quantità), Velocità (capacità di raccolta, calcolo e reazione) e Varietà (i Big dati non provengono da un’unica fonte ne si presentano in un’unica forma).  Oggi, a quasi 20 anni di distanza, le  tre “V” originali sono diventate cinque, arricchendosi di Veridicità (fake o errori) e Variabilità (la complessità data dalla iperconnessione produce sempre nuovi modelli).

Se è vero che le web company ed i social media sono nati sfruttando il concetto dei Big Data, è altrettanto vero che tutte le imprese, indipendentemente dalle loro dimensioni, non possono non provare a sfruttare il nuovo oro.
Il paradigma Big data per big company e Small Data per le piccole imprese, poi sarebbe assolutamente fuorviante. Tutte le aziende producono migliaia di dati ed hanno bisogno di organizzarli per sfruttare le potenzialità gestionali e digitali. Un’azienda può essere Data Driven a prescindere dalla dimensione.

I Big Data e l’impresa

Rispetto al passato recente, le imprese sono passate dall’utilizzare una molteplicità di informazioni a dover fronteggiare un enorme quantità di dati che si differenziano rispetto al passato, proprio per le qualità identificate nelle cinque “V”. Risulta fondamentale innanzitutto comprendere le diverse forme che questi assumono (Varietà: anche le immagini sono dati) e prendere consapevolezza delle diverse fonti che li generano per poterle presidiare.

Tutte le relazioni digitali delle persone coinvolte nell’impresa, che si parli di flussi interni (tra i reparti aziendali), esterni (il dipendente che si relaziona con gli stakeholder) o persino flussi rappresentati dai dipendenti che utilizzano i social media aziendali, continuano a produrre dati.
I Big Data, inoltre, si producono ad una velocità crescente man mano che aumentano le relazioni tra le fonti.
Si può comprendere come analizzare, strutturare, conservare e gestire Big Data siano attività caratterizzate da una complessità e specificità tali da richiedere l’intervento di figure professionali dedicate.
Ecco allora che sono nati i data Architect, che progettano i sistemi di dati e le relazioni tra gli stessi, i Data Engineer, che sono in grado di indentificare soluzioni basate sui dati analizzati, i Data Scientist, che analizzano i dati e sviluppano algoritmi per la loro gestione, i Business Translator, che fanno da raccordo tra le esigenze del business e il lato tecnico.

Purtroppo il numero di individui che sono oggi in grado di ricoprire queste posizioni è estremamente inferiore alla domanda del mercato, effettiva e potenziale, a causa del ritardo con il quale il sistema scolastico italiano ha abbracciato le nuove esigenze dettate dal digitale. Se si è tuttavia disposti ad abbracciare nuove forme di collaborazione, a progetto, a distanza ed internazionali, si possono acquistare queste competenze dall’estero in attesa di costruirle al proprio interno. Il governo italiano, in attesa che si dimostri efficace il supporto al cambio culturale per recuperare il gap di conoscenza digitale, si è dimostrato disposto ad aiutare le imprese economicamente, con misure come il Voucher Digitale o gli incentivi per l’adozione di un Innovation Manager.

I Big Data ed il Finance

Gestire un’attività di impresa significa avere a che fare come molte attività che riferiscono alla funzione amministrativa e finanziaria. La sopravvivenza dell’impresa stessa, dipende in grande parte dalla capacità di controllare e gestire le risorse a disposizione, di aiutare a rintracciare opportunità o scovare minacce, in altre parole un controllo di gestione ampliato nel significato e potenziato nella capacità di verifica.

Il Big Data Management può fornire un grande aiuto in questo senso. In particolare i sistemi predittivi, basati sui Big Data, sia come serie storiche che come flussi in streaming da catturare.

  • Usare software e sistemi predittivi per scannerizzare le operazioni al fine di eliminare degli errori, (soprattutto su temi ad alto impatto sulla fiscalità), o per suggerire, in base ad un’azione, i diversi scenari valutando gli effetti fiscale e finanziario.
  • Usare software per analizzare le minacce di Cybersecurity, andando ad anticipare i comportamenti e gli strumenti che mettono a rischio la sicurezza. Passando quindi ad una prevenzione non più basata sulla protezione dalle minacce conosciute ma sui comportamenti che facilitano l’intrusione delle minacce.
  • La generazione di report sempre più sofisticati, tramite l’istallazione di Business Analytics in grado di generare in maniera dinamica, sintetica e semplificata le informazioni utili al business.
  • L’analisi della rischiosità dei clienti tramite la creazione di un contenitore di Big data che raccolga le informazione da tutte le risorse ufficiali, interne ed esterne, ma anche da web e social network per tracciare in modo più preciso il profilo di rischio.

Su quest’ultimo punto vale la pena fermarsi per fare una rapida digressione sul credito alle PMI. Quante volte le micro e piccole imprese si sono viste negare un finanziamento a causa della scarsità di informazioni?
Ci si raccomanda sempre di garantire ai finanziatori la massima trasparenza fornendo il maggior numero di dati possibile a partire da bilanci accurati e Business Plan. Non sempre tuttavia ciò è sufficiente o possibile. Le imprese che per loro natura giuridica non sono obbligate a presentare un bilancio o le start-up che un bilancio lo devono ancora costruire sono vittime di un gap informativo. Il mondo dei Big data sarà molto presto in grado di colmare questo gap, andando sia ad aumentare le informazioni rintracciabili sul mercato che a conferirgli significatività. Si pensi ad esempio se fosse possibile, nella fase di valutazione per decidere se dare un prestito ad un ristorante, utilizzare le recensioni (numerosità, frequenza, attendibilità, ripetizione parole chiave) dei siti specializzati. Una volta ridotta al minimo l’intrusione dell’elemento “fake”, tali recensioni rappresenterebbero una fonte preziosa per giudicare la fattibilità e bontà dell’operazione.

Gli Small Data e il dilemma

Il Big Data management è già una realtà consolidata per le imprese lungimiranti che hanno capito come attraverso soluzioni tecnologiche si possono raccogliere, filtrare, interrelazionare ed organizzare i dati per darli in pasto agli algoritmi di calcolo. Si può essere certi che questa attività porti sempre ad assumere decisioni corrette? Alla retorica della domanda, si può rispondere accennando all’importanza degli Small Data.
Per Small Data si intendono quelle informazioni o meglio indiscrezioni che si raccolgono attraverso l’osservazione diretta di un fenomeno. E’ il mondo legato alla capacità umana di sapere cogliere i segnali deboli, gli indizi, sapere usare l’esperienza e la coscienza critica. Il teorico degli small data, il guru del neuromarketing , Martin Lindstrom, nel suo libro del 2016 intitolato “Small data: the tiny clues that uncover huge trends”, afferma con convinzione che i Big Data sono impersonali e poco fruibili per la definizione di azioni future.
Gli Small data al contrario dei loro “fratelli maggiori”, sono piccoli ma ben strutturati e possono fornire informazioni puntuali basate sull’analisi di dettagli. Ciò significa, ad esempio, andare a comprendere le esigenze del consumatore, non più partendo dall’analisi di tutte le statistiche di marketing che lo hanno reso un “consumatore tipo”, ma dalle espressioni, dall’uso di alcune parole, dalla postura, dalle diverse reazioni di fronte a particolari domande, raccolte per esperienza diretta ad esempio tramite interviste.

Se usciamo dal mondo del marketing di prodotto e di brand, per un’analisi più ampia, gli Small Data rappresentano quelle piccole tracce nascoste, che hanno un grande significato in un’ottica previsionale. Come dice Lindstrom nel titolo di uno dei suoi più celebri libri, sono “ i piccoli indizi che svelano i grandi trend”.
Riprendendo la metafora iniziale, cercare gli Small Data significa non più cercare le venature d’oro nelle miniere o le pepite nei fiumi, come nell’era in cui avere un’informazione era prezioso. Oggi la ricerca delle fonti preziose, della piccola informazione predittiva, viene fatta nella ricca foresta pluviale, dove tutto è vita e tutto comunica.
Il manager del futuro, per cogliere gli indizi, è chiamato a muoversi nel mare magnum delle migliaia di informazioni destrutturate e strutturate che riceve dai Big Data Analytics.

Big data e Small Data non rappresentano un’alternativa gli uni agli altri ma sono complementari. Rappresentano, i primi, l’analisi di tipo quantitativo, in grado di fornire risposte efficienti, veloce e precise nel definire il quadro d’insieme, riducendo significativamente le possibilità di errore; le seconde l’analisi di tipo qualitativo, puntuale e basata sui dettagli.  Entrambe sono figlie si una strategia aziendale Data Driven.

Last thought

Internet of Things , Intelligenza Artificiale, Machine Learning e Robot Advisory, sono tutti concetti/strumenti  o processi collegati ad algoritmi che gli permettono di funzionare.
I Big Data sono la materia prima. Tuttavia, sono gli Small Data, che la coscienza critica dell’uomo è in grado di rintracciare, i protagonisti vincenti nel business.
Questa è una grande verità ed anche una gran bella soddisfazione.