Big data analytics: differenze tra le versioni

Versione delle 22:10, 9 apr 2018

Versione delle 12:51, 25 apr 2018

Riga 1:

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

'''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 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 ==

Riga 13:

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.

I principali obiettivi della Big Data analytics sono: