Big data analytics: differenze tra le versioni

Versione delle 17:44, 5 gen 2019

Versione delle 17:49, 5 gen 2019

Riga 2:

'''Big data analytics''' è il processo di raccolta e analisi di grandi volumi di [[dati]] per estrarre [[informazione|informazioni]] nascoste. Associati a sofisticate analisi di business, i [[big data]] hanno il potenziale di dare alle [[impresa|imprese]] intuizioni sulle condizioni di [[mercato]], sul comportamento dei clienti, rendendo l’attività decisionale più efficace e veloce rispetto alla [[concorrenza (economia)|concorrenza]]. Oggi sono fornite diverse tecnologie e tecniche di analisi per scoprire patterns nascosti e connessioni tra i dati. Essi si discostano dalle tradizionali soluzioni di [[business intelligence]] perché operano sui [[big data]] e pertanto richiedono un’[[elaborazione]] più lenta e meno efficiente.

Esso permette di conoscere anticipatamente cosa accadrà. Ciò rientra nell’[[analisi predittiva]], poiché se abbiamo un modello e abbiamo dati storici a sufficienza possiamo determinare cosa succederà in un futuro prossimo (una tendenza) con basi o fondamenti [[statistica|statistici]]. Sulla base di queste previsioni è possibile intervenire sul futuro mediante un'analisi prescrittiva, ovvero si vanno a cercare le condizioni affinché un certo evento accada.

Quindi, i big data rappresentano il nuovo strumento che rende "misurabile" la [[società (sociologia)|società]]. Spingono verso una nuova scienza dei dati, in grado di misurare e, in prospettiva, prevedere crisi economiche, epidemie, diffusione di opinioni, distribuzione delle risorse economiche, bisogni di mobilità.<ref>{{cita pubblicazione|autore1=Dino Pedreschi|lingua=EN|anno=2012|titolo=Siamo tutti pollicini digitali|url=http://novareview.ilsole24ore.com/lavitanova/230787|accesso=2017-06-30}}</ref>

== Storia ==

Per molti anni si è parlato di Big Data, ma solo recentemente molte organizzazioni hanno compreso la loro importanza. Catturare l’innumerevole mole di dati, che viene condivisa ogni giorno nel proprio business, permette ad un’azienda di analizzare ed estrarre informazioni significative e talvolta vitali per le proprie [[decisione|decisioni]]. Inizialmente, prima ancora che il termine “Big Data” venisse usato, le attività commerciali erano basate su semplici analisi numeriche per scoprire informazioni e andamenti nascosti. Oggi invece le informazioni sono recuperate da enormi volumi di dati, dove l’analisi, ormai diventata veloce, permette di anticipare le scelte future in modo più accurato.

== Descrizione ==

=== Definizione e caratteristiche ===

Si tratta di un processo di Business Intelligence adattato ai Big Data. Sono, quindi, necessari strumenti automatici che possano aiutare i [[manager]] ed i responsabili dell'azienda a prendere le decisioni giuste per massimizzare i profitti ed evitare gli sprechi dovuti a scelte sbagliate, soprattutto negli ultimi anni in cui la [[crisi economica]] lascia ancora meno margini per gli errori.

La presenza di dati non strutturati, rende necessario un diverso approccio nell’analisi che differisce dai tradizionali sistemi di gestione delle basi di dati. In questo contesto bisogna disporre di architetture software predisposte alla gestione di grossi volumi di dati, capaci di elaborazioni parallele su sistemi [[computer cluster|cluster]]. Tecnologie emergenti come [[Hadoop]], [[MapReduce]] e [[NoSQL]] databases.