AS_05_2019

Giugno/Luglio 2019 Automazione e Strumentazione INDAGINE approfondimenti 60 dalle policy aziendali. Accanto all’Hybrid Cloud sta riscuotendo un crescente interesse il tema dell’ Edge Computing , ovvero l’adozione di architetture con risorse distribuite che supportano le risorse centralizzate Cloud, avvicinando speci- fiche elaborazioni e analisi al punto in cui le infor- mazioni vengono effettivamente raccolte. L’analisi predittiva Non ultimo per importanza, un tassello fon- damentale per l’estrazione di dati utili dai dati grezzi è l’ analisi predittiva , pratica strettamente legata al Data Mmining e all’ apprendimento automatico . Ciò presuppone l’adozione di un modello predittivo che individua la probabilità con cui un certo evento potrà accadere. Maggiore è l’accuratezza del modello utilizzato dall’analisi predittiva, maggiore è la probabilità che un deter- minato evento accada nell’immediato futuro. Per questo motivo, l’analisi predittiva implica la ricerca di relazioni significative tra le variabili e la rappresentazione di tali relazioni nei modelli. Secondo Thomas W. Miller, uno dei massimi esperti di Big Data e Machine Learning, esistono tre approcci generali alla ricerca e alla modella- zione impiegati nell’analisi predittiva. L’ approc- cio tradizionale prevede di definire una teoria o un modello specifico che si basa su metodi statistici, come la regressione lineare e logistica. L’ approccio adattabile ai dati prevede che si cerchino degli ‘utili predittori’. I metodi di adat- tamento dei dati si adattano ai dati disponibili, rappresentando relazioni non lineari e interazioni tra variabili. L’ approccio modello-dipendente prende avvio dalla specificazione di un modello e lo utilizza per generare dati, previsioni o rac- comandazioni da confrontare con i dati reali. Le analisi mostrano che a funzionare meglio sono le combinazioni di modelli e metodi differenti. In ogni caso l’analisi predittiva permette di dare una risposta alle previsioni che si decide di for- mulare. Molti data scientist hanno individuato alcuni limiti dei modelli predittivi (affidabilità limitata, ipotesi non note a priori, scarsa adat- tabilità ad alcuni settori). Tuttavia la possibilità di predire il corso imminente di azioni o eventi, studiando i dati storici, rappresenta un vantaggio enorme. E le tecnologie di intelligenza artificiale, così largamente impiegate, hanno la capacità di aumentare la crescita della Data Science e con essa dell’economia. Modello hybrid cloud per Big Data (IBM) Le tecnologie di intelligenza artificiale, grazie anche a risorse hardware disponibili in maniera massiccia, stanno incrementando la diffusione della Data Science e delle sue applicazioni