La seconda edizione di “ExplAIn your tomorrow, today”, l’evento ideato da Oracle Italia per far toccare con mano alle aziende i benefici di Intelligenza Artificiale, Machine Learning e approcci data driven, riserva diverse sorprese. Ad alternarsi sul palco partner e clienti, a testimoniare come, grazie agli algoritmi matematici, al lavoro dei data scientist e a una solida infrastruttura, è possibile migliorare la qualità dei prodotti e la gestione delle risorse umane, aumentare le occasioni di business, rafforzare il rapporto con i clienti, ridurre la complessità dell’IT. «Viviamo in un mondo – esordisce Stefano Maio, Country Sales Leader Big Data & Analytics di Oracle – dove le macchine si guidano da sole, i razzi atterrano da soli, i pasti si consegnano da soli, i macchinari industriali si autogestiscono. Ma per far sì che tutto questo accada è fondamentale per le aziende ragionare in ottica data driven. Se le organizzazioni vogliono concentrarsi sull’estrarre il valore vero dai dati, quello che dobbiamo fare noi come partner tecnologico è assicurarci che possano farlo al meglio». Semplificare l’infrastruttura abilitante è, quindi, un aspetto chiave: «La gestione autonoma dei dati diventa un componente fondamentale dei progetti AI. Noi come Oracle, con il nostro Autonomous Database e gli Analytics Cloud Service ci concentriamo sull’ascolto del dato, quindi sul back end, e così facendo lasciamo i nostri clienti liberi di concentrarsi sui business needs, senza preoccuparsi di tutto il resto». Se il database è autonomo dal punto di vista della gestione dei dati, con funzionalità di self-tuning, auto-repair, self patching e aggiornamento automatico alle nuove release software, tutta l’architettura diventa in qualche misura “trasparente” per il cliente e si riduce la complessità dell’IT per questi progetti.
Le Big Data Analytics evolvono in Augmented Analytics: il caso CNP Vita
Dal palco arriva l’invito a guardare a tutti gli ambiti applicativi di Intelligenza Artificiale e autoapprendimento, al di là dei (seppur utilissimi!) chatbot. Bruno Aziza, Group VP Analytics, AI & Cloud di Oracle, in particolare, sottolinea il ruolo chiave di queste tecnologie per migliorare gli approcci strategici data driven. «Solo il 35% degli operatori in azienda utilizza i Big Data, mentre il 65% ne ignora completamente le potenzialità – spiega –. Oggi, però, con l’aiuto di AI e Machine Learning siamo in grado di estendere i benefici delle Big Data Analytics in ottica di Augmented Analytics». Il termine, coniato da Gartner, fa riferimento all’opportunità di automatizzare la preparazione dei dati e la generazione di insight grazie agli algoritmi di Machine Learning, alla data discovery visuale e alle tecnologie semantiche. Così facendo, data expert e data scientist vedranno ridursi progressivamente il tempo speso nell’esplorazione dati e potranno focalizzarsi sulle attività a maggior valore aggiunto. «L’AI che funziona è quella invisibile», si dice poi convinto il manager, che spiega l’importanza di creare una user experience seamless e fluida per l’utente, che si tratti di un impiegato, di un commerciale o di un cliente. Anche eventualmente ragionando a “due velocità” come ha fatto CNP Vita con il suo progetto di Augmented Analytics per la funzione finance. «L’iniziativa – spiega Giorgio Vergani, Business Intelligence Manager di CNP Vita – prevedeva il ranking delle filiali bancarie che vendono i nostri prodotti assicurativi, e grazie al motore mappale della dashboard oggi siamo in grado di geolocalizzarle in modo puntuale. Questo ha reso più semplice il lavoro dei nostri ispettori, che con un colpo d’occhio hanno la fotografia delle aree geografiche più problematiche, quelle in cui sono presenti le filiali meno performanti. Gli ispettori sono tutti dotati di tablet e possono facilmente condividere con il direttore di filiale le anomalie di performance. Questo significa che i dati non solo sono più facili da interpretare, ma è anche aumentata la loro condivisione in azienda». Il secondo step ha visto l’ottimizzazione del workflow informativo utile a sostenere al meglio i processi di budgeting.
Oggi, a disposizione degli utenti più avvezzi alla tecnologia c’è uno strumento di Data Visualization evoluto in aggiunta alla dashboard tradizionale che, ancor prima dell’input dell’utente, trova correlazioni tra due variabili con una confidenza del 95%. A questo, sempre per gli utilizzatori più “smart” c’è un tool che permette di compiere analisi iterative attraverso il data modeling. Anche la reportistica è automatizzata, grazie allo strumento Data Insight di Oracle, che sfrutta gli algoritmi di Machine Learning per esporre all’utente, prima ancora che proceda con la richiesta, le informazioni salienti per il suo lavoro. Nel 2018, poi, l’assicurazione ha migrato il data warehouse e il database a un ambiente completamente autonomous. «Con la macchina che si autogestisce – prosegue –, le prestazioni sono automatizzate, non abbiamo più problemi di obsolescenza tecnologica e gli errori umani sono ridotti al minimo. Il risultato è che il database è molto più sicuro e performante. Grazie all’elasticità dell’ambiente autonomous, poi, riusciamo ad aumentare la potenza di calcolo in soli 30 secondi senza dover riavviare nulla».
Sisal punta sui dati aumentati per migliorare le campagne marketing
Anche il colosso delle scommesse Sisal, che da sempre cavalca le nuove frontiere dell’innovazione digitale, ora punta su Machine Learning e AI per concretizzare meglio gli approcci strategici data driven. Daniele Perego, Demand and Application Manager DWH & Analytics di Sisal, ha illustrato due dei principali progetti in cantiere. «Il primo è un’applicazione di anti fraud management per il servizio di pagamento SisalPay. In questo momento, le frodi vengono gestite e controllate tramite una dashboard “a regole”. Il passo in più che vogliamo fare è anticipare e, per quanto possibile prevenire, le frodi finanziarie con l’aiuto del Machine Learning, attraverso l’identificazione di pattern non previsti». La seconda iniziativa è quella che punta sul Marketing Mix Modeling. Si tratta dell’evoluzione in chiave AI di uno strumento di valutazione della validità delle campagne marketing già in uso. «La metodologia che usiamo è buona ma i dati che stanno dietro ai processi non sono sfruttati pienamente. Quello che vogliamo fare è “aumentare” i dati sfruttando l’Intelligenza Artificiale e l’autoapprendimento per generare più valore dai record acquisiti sia internamente che al di fuori del perimetro dell’azienda. Ecco perché abbiamo deciso di andare sul cloud Oracle e migrare all’Oracle Autonomous Data Warehouse, per superare anche l’ultimo miglio dei limiti della capacità umana».
