Augmented Analytics

“Trovare manualmente modelli nei dati è come cercare un ago nel pagliaio. L’Augmented Analytics aiuta a trovare l’ago più velocemente agendo come un magnete gigante sopra il fieno.” (Gartner, Augmented Analytics Is the Future of Analytics, Rita Sallam, Carlie Idoine, 30 Ottobre 2019)

Le tech company del gruppo Datrix sviluppano e usano soluzioni proprietarie di Augmented Analytics per finalità di Marketing, Sales, Editoria e Finanza.

Cosa è l’Augmented Analytics

L’Augmented Analytics è l’evoluzione necessaria della Data Analytics e consiste in un nuovo approccio all’analisi dei dati che integra tecniche di AI (machine learning, deep learning e processamento del linguaggio naturale NLP, etc.) per moltiplicare la capacità delle persone di comprendere i dati e di applicarla al business. L’Augmented Analytics individua i dati utili allo scopo già presenti in azienda (strutturati e non) con la possibilità di aggiungere e integrare nuove fonti dati esterne (Alternative Data) che tradizionalmente non sono trattate. Una volta puliti e analizzati i dati in modo automatico e imparziale, scopre schemi e trend, identifica anomalie e ne predice le cause. Nella parte finale del processo offre insight e suggerimenti operativi rilevanti, facilmente comprensibili e applicabili da chi è sul mercato. La decisione finale delle azioni da intraprendere tra quelle proposte è quindi lasciata all’esperto “umano” la cui intelligenza è stata aumentata dall’elaborazione dei dati.

Perché la Business Intelligence ha bisogno dell’Augmented Analytics. 

Il governo dei dati, la capacità di arricchirli e analizzarli in modo corretto ed efficiente distinguerà sempre più le aziende che riusciranno ad essere competitive sul mercato da quelle che ne usciranno. Vale per tutte le aziende B2B e B2C, nessuna esclusa.

Nonostante la crescente presenza di sistemi di analisi dati (data analytics), le organizzazioni non sono riuscite a sfruttarne al massimo la potenza e ciò ha avuto come conseguenza un’alta moria dei relativi progetti. Nel tempo i dati sono cresciuti in termini di volume, sono diventati più complessi e dinamici e le soluzioni di Business Intelligence tradizionali non sono riuscite a tenerne il passo. Le lacune dei data analytics possono ricondursi a mancata estrazione di dati, difficoltà di gestione, tempi troppo lunghi di preparazione, comprensione problematica e carenza di data scientist. Il tutto aggravato dal fatto che le fasi di preparazione, esplorazione e operatività dei dati erano per lo più manuali.

L’Augmented Analytics è nato per risolvere i problemi dei Data Analytics. L’Augmented Analytics rende infatti accessibili e comprensibili i dati, gli insight, le predizioni e le possibili azioni da intraprendere a più persone, non necessariamente tecniche, a tutti i livelli aziendali.

Piattaforma di marketing predittivo DataLysm by 3rdPlace

Il trend dell’Augmented Analytics

“Entro il 2020, l’Augmented Analytics sarà un driver dominante per i nuovi acquisti di analytics e business intelligence, nonché di piattaforme di data science, machine learning e analisi integrate” Gartner Predicts

Il termine Augmented Analytics è stato coniato nel 2017 dalla società di ricerca Gartner e sta rapidamente diventando una parte essenziale del futuro di tutte le aziende. Gartner stessa oggi stima che il mercato dell’Augmented Analytics raggiungerà 1,88 miliardi di Dollari entro il 2022, con un CAGR del 20,6% dal 2017.

A cosa e a chi serve l’Augmented Analytics

L’Augmented Analytics rende più potenti le aziende, indipendentemente dalle dimensioni e dalle risorse. L’Augmented Analytics aumenta la capacità di prendere decisioni e la probabilità di successo. Perché decisioni migliori significano risultati migliori.
I dati sono inutili per un’azienda a meno che l’azienda non sia in grado di ricavarne informazioni significative. Molte organizzazioni, in particolare quelle medie e piccole, non sono in grado di estrarre informazioni rilevanti e suggerimenti operativi dai dati. Senza data scientist o risorse disponibili a interpretare i dati e trasformarli in azioni commerciali, i vantaggi dei dati rimangono bloccati. Questa situazione cambia con l’Augmented Analytics.

Grazie all’AI, le soluzioni di Augmented Analytics preparano i dati, cercano modelli nei dati, scoprono informazioni operative preziose senza il coinvolgimento dei data scientist. L’analisi può quindi essere resa “parlante” e condivisa con gli “umani”, ossia gli utilizzatori finali che grazie al contributo della “macchina” vedono così aumentata la loro intelligenza. Il reporting è facile da capire anche per persone non tecniche.

SEONanny by Bytek

Leggi l’articolo del nostro blog

AI e PMI

Prima dell’Augmented Analytics, le aziende avevano bisogno di assumere data scientist o analisti per dare un senso ai dati, e questo era finanziariamente possibile solo per alcune. Anche se i soldi fossero disponibili per retribuire un data scientist, questo potrebbe essere difficile da reperire: il McKinsey Global Institute prevede che entro il 2024 ci sarà una carenza di circa 250.000 data scientist solo negli Stati Uniti. Inoltre, una parte significativa  di ciò che i data scientist dovevano fare (si stima l’80% del tempo) era raccogliere dati da varie fonti (data ingestion), etichettarli e ripulirli, ossia un lavoro ripetitivo che l’Intelligenza Artificiale può fare abbastanza facilmente e senza errori. Gartner prevede che i progressi nell’intelligenza aumentata potrebbero entro il 2020 rendere automatizzato il 40% delle attività di data science.

Ad Netword DataLit.AI by PaperLit

Inoltre, i data scientist raramente hanno il “senso degli affari” per indicare l’azione aziendale che deve essere intrapresa a partire dall’analisi dei dati. Pertanto, un commerciale con quel “senso degli affari” dovrebbe lavorare a stretto contatto con il data scientist per acquisire informazioni dettagliate e trasformarle in azioni aziendali. E il tempo per fare questo spesso non c’è.

L’Augmented Analytics democratizza i dati: tutti possono accedere direttamente ad approfondimenti e previsioni basate sui dati. Consente a tutte le aziende, indipendentemente dalle loro dimensioni, di estrarre informazioni significative da più fonti dati, ricavare e proporre suggerimenti di guida intelligente del business. Tutti possono avere velocemente risposte (“the vital shift from big data to big answers“).

I data scientist possono stare tranquilli: continueranno ad essere ancora molto richiesti anche con l’Augmented Analytics, non più per compiti ripetitivi di raccolta e preparazione dei dati, ma per attività più strategiche e progetti speciali. Sia nelle aziende più piccole, sia in quelle grandi in cui l’Augmented Analytics accelererà notevolmente i tempi dei progetti che potranno partire da output già consolidati.

Sempre più persone (definite come citizen data scientist) possono essere facilmente “potenziate” dai dati parlanti, che diventano così parte delle loro attività e decisioni quotidiane e non solo riservate a data scientist in senso stretto e analisti. I dati diventano un ambiente coinvolgente e sempre attivo, interrogabile anche vocalmente (conversational analytics). Gli assistenti intelligenti possono informare i decisori quando qualche dato positivamente o negativamente anomalo necessita della loro immediata attenzione e reazione, mentre accade, invece di aspettare che venga cercato.

Esempi di Augmented Analytics

Sebbene esistano strumenti software sul mercato per aiutare a visualizzare e comunicare le analisi svolte dai data scientist ai decisori aziendali, la maggior parte di questi strumenti non analizza i dati e nessuno propone azioni. L’Augmented Analytics è in grado di fare tutto, si vedano ad esempio:

  • la piattaforma di marketing predittivo DataLysm della nostra tech company 3rdPlace che individua i cluster di utenti più propensi all’acquisto (compreso lead scoring B2B) e li attiva,
  • la piattaforma di Alternative Data Intelligence per gli investimenti creata dalla fintech company FinScience,
  • la piattaforma SEONanny di ByTek per l’ottimizzazione data-driven del posizionamento sui motori di ricerca, identificando trend e anomalie competitive,
  • la piattaforma VoiceLit di PaperLit in grado di analizzare automaticamente le richieste vocali sugli smart speaker e migliorare sempre di più le risposte in funzione delle reali necessità degli utenti,
  • la suite di digital publishing MobiLit sempre di PaperLit capace di adattare intelligentemente l’ordine delle notizie all’interno di un magazine sulla base dell’analisi dei comportamenti precedenti,
  • l’ad network DataLit.AI di iper-profilazione e iper-targeting per Editori & Blogger, online Retailer e Advertiser,
  • le strategie di investimento Quantamental di FinScience.

Piattaforma di Alternative Data Intelligence by FinScience

MobiLit by PaperLit

Il futuro dell’Augmented Analytics

Le piattaforme di Augmented Analytics avranno componenti “social” sempre più rilevanti. Invece di creare report e aspettare di presentarli in una riunione, facendo perdere tempo prezioso e rallentando il processo decisionale, gli utenti, una volta individuati gli insight, li condivideranno, taggeranno altri colleghi all’interno dell’azienda e non solo del loro team, aggiungeranno note e costruiranno una narrazione più ampia e soprattutto potranno adattare a tali dati la trasformazione tattica o strategica dell’azienda o dell’operatività, tutto all’interno della piattaforma.

I sistemi di Augmented Analytics diventeranno sempre più strumenti di produttività, amplificatori di efficienza e generatori di ricavi.

Leggi anche

Lunga vita all’Analytics, ma Augmented!

Lunga vita all’Analytics, ma Augmented! 999 562 Datrix