La convergenza tra evoluzione tecnologica e revisione dei modelli di business sta facendo emergere in modo preponderante l'importanza degli strumenti di analytics. Da sempre, o perlomeno da quando esiste l'informatica, le aziende effettuano elaborazione dei dati per cercare di migliorare il proprio business ma, ora, l'enorme volume di informazioni prodotto, il loro carattere sempre più destrutturato e multimediale, la presenza di fenomeni importanti che attraversano in modo rapido il mondo e i mercati e altrettanto rapidamente si esauriscono, l'avvento dei social network, del cloud e del lavoro in mobilità fino all'era dell'Internet of Things che ci aspetta dietro l'angolo, portano a dover rivedere completamente non solo le modalità con cui analizzare i dati ma anche le finalità per cui farlo.
I tempi che caratterizzano gli scenari di business in ogni settore, dal manufacturing, al retail, al finance, sono ormati ridottissimi. La vastità dell'offerta e lo scenario altamente competitivo portano, infatti, le aziende a inseguire i gusti e i desideri dei clienti e questo significa comprendere in fretta quello che sta accadendo per decidere, altrettanto rapidamente, quali azioni intaprendere.
Real-time analytics
Per queste ragioni l'evoluzione delle tecnologie di analytics ruota sempre più attorno al concetto di "real time". Parlare di tempo reale in relazione alle applicazioni di analytics significa predisporre le condizioni per poter effettuare analisi dinamiche e produrre report sulla base di dati che sono stati inseriti all'interno di un sistema meno di un minuto prima del reale istante di utilizzo. Un obiettivo non semplice né in relazione all'acquisizione dei dati significativi, né rispetto alla capacità di elaborazione richiesta per analizzarli ed estrarre "pattern" utilizzabili dal business.
La capacità di analisi in tempo reale assume un significato ancora più circostanziato se correlata alle informazioni nel momento stesso in cui queste vengono prodotte. In tal caso si parla anche di stream analytics ovvero dell'analisi in tempo reale su dati forniti in streaming da dispositivi, sensori, siti Web, social media, applicazioni, infrastrutture, sistemi e così via.
Scenari adatti per il "real-time streaming analytics" si possono trovare in tutti i settori di mercato come, per esempio: analisi personalizzate del mercato azionario e degli avvisi offerti dalle società di servizi finanziari; rilevamento delle frodi in tempo reale; servizi di protezione di dati e delle identità; gestione e analisi dei dati generati da sensori incorporati all'interno di oggetti fisici (Internet of Things); applicazioni CRM in grado di avvisare quando l'esperienza del cliente si degrada (per esempio nel caso di abbandono della chiamata al call center al protrarsi dell'attesa); analisi dei click sui siti Web.
La domanda di questo tipo di servizi è in forte crescita e le aziende si indirizzano verso l'analisi in tempo reale dei dati in streaming legati a eventi nella continua ricerca di modi più flessibili, affidabili e convenienti per conseguire un vantaggio competitivo.
Per favorire l'avvicinamento anche delle aziende più piccole, con esigenze analoghe a quelle delle realtà enterprise ma minori disponibilità di risorse economiche, una buona opportunità è fornita dalla disponibilità di servizi di stream analytics in cloud, usufruibili in modalità "pay as you go" in base al volume di eventi processati e alla capacità di elaborazione utilizzata. Anche questo è un settore in rapida crescita.
Un tema che interessa sempre più il CFO
Il settore finanziario è uno di quelli in cui la capacità di analisi dinamica in tempo reale è più importante di altri per le ovvie implicazioni per il business e per la rapidità con cui possono evolvere i micro e macrio scenari economici.
All'interno delle aziende il settore finanziario è stato sempre "data-driven", ma con l'avvento dei big data e l'evoluzione delle tecnologie, i dati finanziari vengono utilizzati in modi sempre più diversificati che si estendono al di fuori degli obiettivi tradizionali appannaggio della funzione finanziaria, nella ricerca di nuovi modi per creare valore aggiunto. Di conseguenza, al CFO si chiede di collaborare in modo più stretto con le altre figure aziendali per attività cha vanno oltre la semplice capacità di fornire report finanziari che si ripetono in modo standardizzato anno dopo anno, facendolo diventare un candidato sempre più autorizzato a rivestire un ruolo attivo anche per il supporto decisionale e gli analytics.
In questo passaggio i CFO, attraverso l'utilizzo di funzionalità di analytics, affiancano alle responsabilità di tipo tradizionale legate alle decisioni strategiche quali pianificazione, budgeting e forecasting anche alcune legate all'peratività decisionale che in genere sono appannaggio di altre funzioni aziendali come, per esempio, specifiche business unit, il settore vendite o il marketing.
Analytics e marketing
Il marketing, in particolare, è una delle funzioni che entro breve non potrà più fare a meno di utilizzare le funzioni di analytics. L'analisi dei dati applicata al marketing consente, infatti, di misurare, gestire e analizzare le prestazioni delle campagne di marketing, soprattutto quelle sul Web, per poter valutare i risultati, massimizzarne l'efficacia e ottimizzare il ritorno sull'investimento.
A parte le ovvie applicazioni legate alle vendite e alla lead generation, il "marketing analytics" può fornire una comprensione profonda sulle preferenze dei clienti e i trend in atto.
Le scoperte più efficaci dal punto di vista commerciale sono, a volte, le più sorprendenti e nascono dalla capacità degli strumenti di analytics di individuare correlazioni tra eventi che, senza l'aiuto di strumenti informatici, sarebbe impossibile individuare.
Si tratta di un processo che può essere visto come l'evoluzione su scala globale delle tecniche di data mining che per anni hanno, per esempio, governato il mondo del retail stabilendo i criteri in base ai quali accoppiare sugli scaffali prodotti di diverso tipo che, per varie ragioni non sempre evidenti, avevano ottime possibilità di essere acquistati insieme.
Le sfide della "social media analytics"
Una delle arene su cui queste sfide si stanno giocando è quella dei social network, che rappresentano uno strumento privilegiato di comunicazione per l'ovvio potenziale di impatto che rivestono su un campione estremamente ampio e diversificato di utenti (non a caso, le stime per l'advertising sui social sono elevate e in costante aumento).
Gli strumenti di analytics forniscono un modo per misurare l'impatto di iniziative e campagne e per estrarre conoscenza dai social media. Si tratta di un tipo di attività che si scontra con la difficoltà di individuare le metriche corrette, poiché il Web include un numero sempre più elevato di social media, ciascuno dei quali richiede di essere misurato in modo differente in base alle proprie specificità: si pensi, per esempio, alle differenze tra Instagram, Facebook e YouTube.
Pertanto, non è solo necessaria una conoscenza approfondita delle metriche legate ai differenti social media, ma anche la capacità di definire i corretti indicatori (KPI) da estrarre e misurare, per poterli successivamente inserire in modo adeguato all'interno di report utilizzabili per gli specifici obiettivi di business dell'azienda.
La scelta degli strumenti adatti richiede quindi competenze tecnologiche e conoscenza del mercato e, anche in presenza di soluzioni di analytics per social networks che vengono proposte come pronte all'uso, affrontare efficacemente questo tipo di attività richiede uno specifico know-how e risorse competenti senza le quali risulta impossibile estrarre risultati utili e significativi dall'enorme flusso di dati trattati.
Analytics sui big data della sicurezza
La crescente proliferazione e sofisticazione degli attacchi mette sempre più a dura prova le soluzioni di protezione che devono affrontare tanto il tema l'aspetto del rilevamento e risposta agli attacchi quanto quello di prevenirli.
Da anni le cosiddette soluzioni SIEM (Security Information and Event Management) rappresentano uno dei principali e più efficaci strumenti di sicurezza per aggregare informazioni e aiutare a identificare comportamenti anomali che potrebbe essere l'evidenza di un'intrusione.
Sotto la continua spinta del cybercrime, che dispone nel proprio arsenale di tecniche e strumenti sofisticati e potenti quanto mai prima d'ora, anche queste soluzioni, a volte, non bastano e scricchiolano soprattutto quando si tratta di fronteggiare il rilevamento degli incidente e di abilitare una capacità risposta in tempi rapidi.
Uno dei problemi difficili da affrontare è che i dati e i log di sicurezza prodotti da innumerevoli dispositivi (firewall, IPS, IDS, anti spammer e così via) vengono prodotti in un volume impressionante. Si tratta ormai di veri è propri big data e la loro analisi richiede competenze e capacità di calcolo sempre più elevate che richiedono l'uso di tecnologie adeguate, di personale specializzato e di una strategia di individuazione e risposta alle minacce.
Ecco perché cominciano a comparire sul mercato soluzioni che sfruttano lo stato dell'arte delle tecnologie di analytics per incrementare la capacità di individuare e analizzare le minacce di nuovi tipo, impedire la sottrazione e diffusione dei dati riservati e fronteggiare le minacce provenienti dall'interno dell'organizzazione aziendale.
L'ambizione delle soluzioni di "security analytics" è di fornire una vista completa su tutte le attività presenti sula rete aziendale combinando e integrando molteplici tipologie di telemetria IT, funzioni di correlazione e segnalazione dei sistemi SIEM, capacità di rilevamento di malware, protezione dal "data leakage", analisi e visibilità di rete (NAV), protezione degli endpoint, analisi comportamentale e strumenti investigativi provenienti dal mondo dell'analisi forense.
In tal modo, la "security analytics" si propone, non solo di supportare le aziende nei processi di identificazione degli eventi dannosi e degli attacchi in corso, ma anche di fornire un assessment costantemente aggiornato del livello di sicurezza interno dell'azienda al fine di prevedere ciò che potrebbe verificarsi in futuro e abilitare decisioni proattive di sicurezza.