Big Data & Analytics

La disponibilità di una grande mole di dati anche eterogenei (parametri di processo, eventi, allarmi, dati macchina, etc) rappresenta una grande opportunità per il
responsabile di produzione. L’uso di evoluti strumenti di analytics e machine learning capaci di riconoscere pattern nascosti, correlazioni tra variabili, tendenze, etc. può supportare una comprensione più profonda dei processi produttivi e abilitarne una loro ottimizzazione.

La definizione e l’uso dei KPI che ne derivano aiuta ad aumentare la visibilità su quanto sta accadendo a livello Operations e a prevedere quanto accadrà, al fine di migliorare efficacia ed efficienza dei processi.

Raccogliere i dati non significa però governare i processi produttivi e per questo resta fondamentale l’utilizzo di una piattaforma software che supporti l’implementazione delle decisioni attraverso soluzioni avanzate di workflow.

La disponibilità di una grande mole di dati anche eterogenei (parametri di processo, eventi, allarmi, dati macchina, etc) rappresenta una grande opportunità per le aziende se unito all’uso di evoluti strumenti di analytics e machine learning capaci di supportare una comprensione più profonda dei processi e abilitarne una loro ottimizzazione, come pure la creazione di nuovi modelli di business.

Strumenti di visualizzazione e analytics sono usati da diverso tempo. L’elemento nuovo consiste nel combinare in un unico modello dati di tipo business con dati di tipo “operation” e usare avanzati strumenti statistici per ricavarne informazioni.

L’approccio all’utilizzo di queste tecnologie deve essere incrementale ed evitare l’adozione di soluzioni monolitiche. Al contrario occorre prediligere una piattaforma flessibile e adattabile che non richieda giorni o settimane per ripulire i dati, introdurre nuovi modelli di dati o modificare quelli esistenti.

Progetti di Big Data e Analytics sono interfunzionali, poiché prevedono il coinvolgimento di diverse funzioni aziendali e richiedono competenze oggi non sempre presenti nelle aziende, che occorre quindi reperire nell’ecosistema di partner e system integrator.

La disponibilità di una grande mole di dati anche eterogenei e l’uso di evoluti strumenti di analytics per analizzarli sono da sempre dominio dell’Information Technology.

La novità è rappresentata dalla disponibilità di dati di tipo Operation (parametri di processo, eventi, allarmi, dati macchina, etc) che possono essere combinati con quelli di tipo Business per una comprensione più profonda dei processi e una loro ottimizzazione.

Raccogliere i dati e portarli nel cloud non equivale però a governare i processi. I dati anche in presenza di evoluti strumenti statistici rischiano di non essere utilizzati, di avere un limitato contenuto informativo o di generare decisioni che non possono essere attuate.

È importante notare anche che in molti casi è difficile decidere a priori quali dati serviranno, quali saranno inutili, quali benefici porteranno. Per questa ragione, l’approccio all’utilizzo di questi strumenti deve essere incrementale, evitare l’adozione di soluzioni monolitiche e prediligere l’uso di una piattaforma flessibile e adattabile che non richieda giorni o settimane per ripulire i dati, introdurre nuovi modelli di dati o modificare quelli esistenti.

Progetti di Big Data e Analytics sono interfunzionali, poiché prevedono il coinvolgimento di diverse funzioni aziendali ma un ruolo fondamentale è ricoperto certamente dal responsabile IT, capace di coordinare e mediare tra requisiti diversi componendoli in una visione di progetto unica.