Big data analytics: differenze tra le versioni

Versione delle 09:26, 6 ago 2022

Versione delle 03:32, 16 mar 2025

Riga 1:

[[File:BDA.png|BDA|destra]]

'''Big data analytics''' è il processo di raccolta e [[Analisi dei dati|analisi]] di grandi volumi di [[dati]] ([[big data]]) per estrarre [[informazione|informazioni]] nascoste. Associati a sofisticate analisi di business, i [[big data]] hanno il potenziale di dare alle [[impresa|imprese]] [[Insight#Nelle discipline di marketing|intuizioni]] sulle condizioni di [[mercato]]<ref>{{Cita pubblicazione|nome=Claudio|cognome=Vitari|data=9 settembre 2019|titolo=Big data analytics business value and firm performance: linking with environmental context|rivista=International Journal of Production Research|pp=1–211-21|lingua=en|accesso=23 ottobre 2019|doi=10.1080/00207543.2019.1660822|url=https://www.tandfonline.com/doi/full/10.1080/00207543.2019.1660822|nome2=Elisabetta|cognome2=Raguseo}}</ref>, sul comportamento dei clienti, rendendo l’attività decisionale più efficace e veloce rispetto alla [[concorrenza (economia)|concorrenza]]<ref>{{Cita pubblicazione|nome=Elisabetta|cognome=Raguseo|data=3 agosto 2018|titolo=Investments in big data analytics and firm performance: an empirical investigation of direct and mediating effects|rivista=International Journal of Production Research|volume=56|numero=15|pp=5206–52215206-5221|lingua=en|accesso=23 ottobre 2019|doi=10.1080/00207543.2018.1427900|url=https://www.tandfonline.com/doi/full/10.1080/00207543.2018.1427900|nome2=Claudio|cognome2=Vitari}}</ref>, discostandosi dalle tradizionali soluzioni di [[business intelligence]] perché operano su grandi volumi di dati e richiedono pertanto un’[[elaborazione dati|elaborazione]] più lenta e meno efficiente. Oggi sono fornite diverse tecnologie e tecniche di analisi per scoprire patterns nascosti e connessioni tra i dati.

Tale processo di analisi permette di operare un’[[analisi predittiva]], ovvero permette di conoscere anticipatamente cosa accadrà: ciò diventa possibile 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 poi intervenire sul futuro mediante un'analisi prescrittiva, ovvero si vanno a cercare le condizioni affinché un certo evento accada.

Riga 17:

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.

I principali obiettivi della Big Data analytics<ref>{{Cita pubblicazione|nome=Elisabetta|cognome=Raguseo|data=2018-2|titolo=Big data technologies: An empirical investigation on their adoption, benefits and risks for companies|rivista=International Journal of Information Management|volume=38|numero=1|pp=187–195187-195|lingua=en|accesso=23 ottobre 2019|doi=10.1016/j.ijinfomgt.2017.07.008|url=https://linkinghub.elsevier.com/retrieve/pii/S0268401217300063}}</ref> sono:

* ''Ridurre i costi'': sono introdotte nuove tecnologie per ridurre i costi di gestione e analisi di grandi volumi di dati.

* ''Velocità'': le analisi condotte devono essere capaci di produrre un risultato in breve tempo, oggi si fa sempre più riferimento ad analisi real time.