L’analisi dei dati e il data mining fanno riferimento a un insieme di tecniche e strumenti in grado di estrarre valore da grandi volumi di dati (big data). Attraverso, la tecnologia analitica, gli algoritmi di machine learning e la data visualization è possibile, infatti, scoprire evidenze nascoste e trovare soluzioni ai problemi aziendanli.
In una società fortemente basata su sistemi informativi, a fronte di un numero sempre maggiore di dati disponibili, provenienti da fonti eterogenee, ad esempio social media, sensori remoti, report prodotti, il data mining offre gli strumenti in grado di sfruttare appieno i big data, trasformandoli in intelligenza fruibile.
Infatti, la possibilità attraverso il data mining di trattare, elaborare e analizzare informazioni tra loro differenti e spesso provenienti da fonti non direttamente connesse, porta alla trasformazione dei i dati grezzi a dati fruibili fondamentali per acquisire, ad esempio, nuova conoscenza o supportare le decisioni aziendali. Dati e informazioni diventano, quindi, la materia prima per costruire innovativi processi organizzativi e per intraprendere adeguate scelte strategiche.
In sintesi, parliamo di un insieme di tecniche e di processi multidisciplinari che comprendono varie discipline, dalla matematica alla statistica, dall’informatica all’elettronica, dando vita al data science, una scienza che concentra i suoi studi sull’analisi dei dati. Lo scopo principale della data science è proprio quello di analizzare grandi insiemi di dati, per individuare modelli comportamentali e formulare previsioni. Una scienza, dunque, con una duplice finalità:
Gli strumenti di analisi dei dati e data mining sono integrati in cruscotti executive, in grado di raccogliere informazioni dai big data da fonti eterogenee come ad esempio i dati provenienti dai social media, i feed dei sensori di IoT, i testi non strutturati, i video etc. Oggi il data mining è in grado di gestire, in modo conveniente e scalare, i dati provenienti da fonti diversificate, grazie all’uso del cloud e virtual computing.
Nel contesto attuale l’analisi dei dati e data mining hanno assunto un ruolo fondamentale all’interno di quasi tutti gli ambiti professionali e settori economici. Infatti, il data mining trova applicazione i molteplici settori, dal marketing alla finanza, alle tecnologie dell’informazione e della comunicazione, all’industria all'istruzione e all'assistenza sanitaria, al mondo della ricerca scientifica, e in tutti quegli ambiti dove è necessario elaborare dati con l’obiettivo di ottenere nuova conoscenza. Infatti, Un’azienda moderna in grado di competere nella digital economy non può fare a meno del data mining.
Le aziende che adottano un sistema di data mining sono in grado di ottimizzare e automatizzare i processi organizzativi sulla base degli insights. In questo modo, per definire strategie aziendali basate su insights devono necessariamente passare da un utilizzo dei dati di tipo descrittivo a un approccio predittivo e prescrittivo, come di seguito descritto nelle 4 tipologie di analisi dei dati:
Secondo questo processo di analisi, la capacità di prendere decisioni tempestive e informate diventa la caratteristica distintiva di un’organizzazione data-driven. Cioè un’organizzazione in grado di ottimizzare i processi e innovare i modelli di business. Un processo di analisi che comporta, anche, un cambiamento dell’organizzazione aziendale, dove tutte le unità di business e le figure professionali devono avere accesso alle informazioni e agli analytics. Dunque, le informazioni devono guidare qualsiasi attività operativa aziendale al fine di realizzare la data-driven enterprise.
Quindi, I dati diventano gli elementi guida del decision-making al fine di ottimizzare le attività di business, innovare i modelli operativi, razionalizzare i processi, ottenendo una maggiore efficacia strategica e riscontri positivi in termini di qualità dell’offerta, fidelizzazione del cliente, risparmi economici, in senso più generale un incremento significativo del profitto aziendale.
Capita l'importanza dell'analisi dei dati e del valore che il data mining aggiunge all'impresa, dii seguito si riportano alcuni esempi di data mining:
La tecnologia per l'analisi dei dati e del data mining si evolve costantemente, puntanto anche a sviluppare sistemi e servizi accessibili anche anche alle PMI (p.e. SAP Analytics Cloud, Qlik Sense, RapidMiner, IBM SPSS Modeler, SAS Advanced Analytics e molti altri).