1,7 miliardi di euro, questo il giro di affari fotografato dal Politecnico di Milano nell’Osservatorio Big Data Analytics & Business Intelligence, con una crescita del 23% rispetto al 2018 e oltre il doppio rispetto al 2015. Un quadro roseo che però non può che evidenziare il divario tra le grandi aziende e le pmi in termini di adozione di questi tipi di soluzione: il 93% per le prime contro il 62% per le seconde. Ma quali sono le voci di spesa che il Politecnico ha fotografato? In sintesi:
- 47% software (di cui 53% visualizzazione dei dati)
- 20% risorse infrastrutturali per abilitare gli analyticss
- 33% servizi per personalizzazione software, integrazione e la consulenza per riprogettazione dei processi
Anche trai settori si evidenziano differenze. Nel dettaglio:
- 28% banche
- 24% manifatturiero
- 14% telco e media
- 8% servizi, GDO e retail (8%)
- 6% assicurazioni
- 6% utility
- 5% PA e sanità
Le Pmi stanno comunque investendo risorse negli analytics soprattutto nell’integrazione dei dati interni (80%), nella formazione delle risorse umane per l’analisi dei dati (66%) e l’integrazione dei dati interni con fornitori esterne (57%). Crescono anche le applicazioni di analisi predittive. Gli ambiti maggiormente in sviluppo sono l'ottimizzazione della supply chain, l’analisi competitiva e il marketing. Tuttavia solo il 16% delle Pmi ha in casa una figura di data scientist che determina anche una percezione sull’innovatività dei progetti molto superiore a situazioni in cui sono utilizzati collaboratori esterni. Le grandi aziende si focalizzano soprattutto sull’analisi dei dati (l’80% circa, di cui più oltre la metà in iniziative di Advanced Analytics), in infrastrutture per incrementare il livello di integrazione dei dati (62%) e per migliorarne la qualità (54%). L’inserimento in organico di nuove competenze vale il 47% mentre la formazione di base sull’analisi dei dati si ferma al 27%.
Un mercato dinamico quindi, in cui emergono, secondo il Politecnico di Milano almeno cinque trend.
- Re-Thinking business intelligence. Le attività di business intelligence sono considerate fondamentali per la trasfromazione del modello aziendale in data-driven.
- Unstructured data. L'analisi di business comincia ad essere efettuata utilizzando fonti eterogenee di dati quali testi, immagini, video e altro.
- Collaborative Data Science. È costruito un team che si occupa di questo ambito con coinvolgimento degli stakeholder.
- Multi cloud ed edge analytics. L'utilizzo di questi asset di dimostra vincente per felssibilità, ottimizzazione dei costi, riduzione della latenza.
- Actionable Analytics. Dalle analisi in real time, all'utilizzo dei risultati in modo immediato con un ripensamento dei processi.
Secondo Carlo Vercellis, responsabile scientifico dell’Osservatorio “Le organizzazioni più mature hanno già internalizzato le necessarie competenze e stanno intraprendendo un percorso di sperimentazioni crescenti e di maggiore complessità, che ora li vede impegnate nella sfida di governare i progetti dal punto di vista organizzativo e cambiare i processi in ottica data-driven”. Per Alessandro Piva, responsabile della ricerca dell’Osservatorio "Storicamente, il freno principale dichiarato dalle aziende all’implementazione di progetti di Analytics è stata la mancanza di competenze e figure organizzative interne, accentuato dalle difficoltà a reperirle all’esterno. Nel 2019, però, una grande impresa su due ha già inserito almeno un Data Scientist, le aziende che hanno già da tempo introdotto figure di questo tipo ne hanno incrementato il numero e una su tre lo ha addirittura raddoppiato. Grazie a questi profili, oggi riescono a elaborare progetti più complessi dedicati a machine learning, dati non strutturati, analisi in tempo reali. Chi non li ha ancora denuncia ancora difficoltà nel reperire le figure sul mercato. Anche per questo motivo, accanto al Data Scientist, nell’ult imo anno aumenta la diffusione di altre figure legate alla manipolazione del dato, come Data Analyst, presente oggi nel 76% di aziende, il Data Engineer (51%) e il Data Visualization Expert”.
