AES_3 2023

INDAGINE Approfondimenti 44 Aprile 2023 n Automazione e Strumentazione creare report dinamici e contestualizzati, che va sotto il nome di Analytical Reporting. Si tratta di uno strumento di business operativo che consente ai decisori una lettura immediata, agile e contin- gente delle informazioni archiviate. Ciò è possibile grazie a report dati raccolti in tempo reale, e in seguito memorizzati in apposite repository. CRISP-DM (CRoss-Industry Standard Process for Data Mining) Uno degli approcci più noti per la conduzione dell’analisi dei dati e il miglioramento delle per- formance nelle applicazioni industriali è la meto- dologia CRISP-DM (Cross-Industry Standard Process for Data Mining). Nonostante non venga aggiornata da tempo, que- sta metodologia è valida ed è stata largamente adottata dalle aziende. Il metodo CRISP-DM ha valenza sia come metodologia che comprende descrizioni delle tipiche fasi di un progetto, sia come modello di elaborazione in grado di fornire una panoramica del ciclo di vita del Data Mining e di renderlo fruibile anche da persone con poche competenze specifiche sui processi, ma con ele- vata conoscenza del business. La metodologia fornisce un framework che prevede sei fasi da ripetere ciclicamente con l’obiettivo di revisionare e rifinire il modello previsionale: Business Under- standing, Data Understanding, Data Preparation, Modeling, Evaluation, Deployment. n determinare la linea d’azione da intraprendere in un problema o nel prendere una decisione. Sistemi Data Driven Il presupposto fondante per la creazione di un sistema Data Driven è che i dati di partenza siano affidabili, coerenti e provenienti da fonti sicure. Ciò premesso il primo tassello operativo è l’ac- quisizione dei dati. Questo comporta, nella mag- gior parte dei casi, due passaggi distinti ma altret- tanto fondamentali: la raccolta dei dati pregressi (data ingestion) e l’acquisizione dei dati presenti e futuri. Se per il secondo step è sufficiente impo- stare sistemi e parametri in modo corretto, il primo può comportare diverse difficoltà. Molto spesso, infatti, le aziende dispongono di dati sto- rici gestiti in modo disaggregato e archiviati su database diversi. Ecco perché nell’adozione di una strategia Data Driven è necessario aggregare i dati con tecnologie adeguate e uniformi. I dati raccolti devono essere gestiti, normalizzati, orga- nizzati e storicizzati in modo che si presentino in una forma coerente. Una volta creata una fonte unica di dati, è possibile passare all’analisi dove è fondamentale la conte- stualizzazione. Non è sufficiente avere a disposi- zione grandi quantità di dati, né limitarsi a inter- pretarli secondo schemi tradizionali come i grafici o le tabelle pivot. Quello che serve a un’azienda Data Driven è uno strumento moderno in grado di L’analisi dei dati in ambito produttivo prevede l’utilizzo di algoritmi, metodi e sistemi per estrarre conoscenza da dati, sia strutturati sia grezzi