In un recente report intitolato di Gartner “Top 10 Trends in Data and Analytics”, Un'intelligenza artificiale (AI) sempre più intelligente, responsabile e scalabile consentirà migliori algoritmi di apprendimento, sistemi interpretabili e tempi di valutazione più brevi.
Le organizzazioni inizieranno a richiedere molto di più dai sistemi di intelligenza artificiale e dovranno capire come scalare le tecnologie. Si prevede che dalla fine del 2024, il 75% delle aziende passerà da un utilizzo sperimentale a un uso operativo dell’AI. Questo comporterà la crescita del flusso di dati e delle infrastrutture di analytics.
In questo contesto, nell’era della trasformazione in cloud di servizi e progetti, la data analtiytics e tecnologie cloud assumerà un ruolo determinante per processare big data e rendere i dati fruibili grazie alla loro modellazione.
Il punto di partenza è la modellazione del dato.
Chi si occupa come me di progetti Analytics la fase di ETL, Extract/Transform/Load, potrà sicuramente concordare che in questa attività si investe la maggior parte della attenzione; per gestire correttamente la pulizia dei dati per ristrutturarli nella forma più consona.
In molti nostri progetti abbiamo affrontanto la modellazione dei dati con le tecnologie cloud di Microsoft come Azure Databricks.
Databricks e Data Lake due progettualità complementari
Azure Databricks è una piattaforma di data analytics sviluppata su cloud Azure che configura Apache Spark™ in pochi minuti, in maniera altamente scalabile e collabora su progetti condivisi in uno spazio di lavoro interattivo per grandi pipeline di dati. Azure Databricks supporta Python, Scala, R, Java e SQL, nonché framework e librerie di data science tra cui TensorFlow, PyTorch e scikit-learn.
Questa vuole essere solo un approccio a un progetto, ma c'è di più come il supporto completo e "semplificato" al mondo data lake.
A differenza di un data warehouse dove il dato è pulito, preparato e pronto al consumo, nel data lake sono presenti stream di dati strutturati e non strutturati dove è possibile configurare e riconfigurare facilmente modelli, query e app live e di procedere con attività di data analytics in modo più flessibile.
Al momento possiamo affermare che lo stato attuale della data analytics lungi dall'essere statico, riserverà ancora tante novità difficilmente prevedibili anche per gli addetti ai lavori.
(Franco Perduca | CTO di BiFactory)
Sara Bozzo, CEO di Bifactory condivide alcune riflessioni sulle opportunità della data strategy nel generare benessere.... continua a leggere.
Walter Gabetta, Head of Global Business Relationships, condivide alcune riflessioni sull'infobesità di dati che rende difficile orientarsi, decidere e agire.... continua a leggere.
BiFactory opera come Data advisor portando valore nelle aree:
Business Process Management & IoT- IIoT
Smart Project
Consulting and Projects
Data Modelling
Data Modeling in cloud Infrastructure
Business Intelligence
Presentation and interactive data visualization
Advanced Analytics
Machine Learning
Artificial Intelligence