Cos'è l'analisi aumentata?
L'analisi aumentata rappresenta una categoria di analisi basata sull'intelligenza artificiale (IA) e sull'apprendimento automatico (ML) che espande la capacità delle persone di interagire con i dati direttamente nel contesto. L'analisi aumentata si avvale di strumenti e software che facilitano l'analisi a più persone, con suggerimenti, approfondimenti o indicazioni sulle query.
Dall'azienda di ricerca e consulenza globale Gartner: "L'analisi aumentata ricorre a tecnologie come l'apprendimento automatico e l'intelligenza artificiale per agevolare la preparazione dei dati, l'individuazione di informazioni e la spiegazione di queste ultime, aiutando le persone a esplorare e analizzare meglio i dati nelle piattaforme di analisi e di BI".
Il ruolo dell'apprendimento automatico nell'analisi aumentata
L'apprendimento automatico è un'area dell'informatica che utilizza i dati per estrarre algoritmi e modelli di apprendimento; è una tecnologia fondamentale per molte caratteristiche dell'analisi aumentata. L'apprendimento automatico aiuta le persone a svolgere attività di analisi, spesso riducendo o eliminando le operazioni ripetitive per accedere più comodamente alle informazioni e prendere decisioni con i dati più velocemente. Aiuta a pulire, modellare, esaminare e filtrare i dati per un esame più accurato e approfondito.
Le funzionalità di apprendimento automatico delle piattaforme di BI presentano spesso i risultati degli algoritmi avanzati in forma di suggerimenti. Inoltre, alcune applicazioni dell'analisi aumentata sfruttano l'apprendimento automatico per "imparare", nel tempo, la terminologia dei diversi settori e delle organizzazioni, ma anche le preferenze degli utenti, affinché le domande e i risultati siano più personalizzati ed efficaci nel contesto aziendale durante l'analisi.
Analisi aumentata e automazione a confronto
L'automazione è diffusa nelle soluzioni di analisi aumentata, ma è importante conoscere la differenza tra l'automatizzazione delle attività, presente in molte tecnologie, e l'automazione dei processi decisionali resa possibile dall'analisi. L'automazione dei processi decisionali basati sui dati elimina la necessità di competenze personali, mentre le capacità aumentate mettono a disposizione una metodologia per la tecnologia sottostante che accompagna gli utenti nella scoperta di informazioni altrimenti invisibili o inaccessibili.
Da sempre la conoscenza dell'argomento è importante per l'analisi, ma l'analisi aumentata basata sull'intelligenza artificiale e sull'apprendimento automatico rende ancora più essenziale questo tipo di competenze. Spesso le persone hanno lacune rispetto al contesto che devono essere colmate utilizzando quindi le informazioni acquisite grazie all'analisi per prendere la decisione migliore per il problema in questione.
A chi è destinata l'analisi aumentata?
I business user e i dirigenti possono ottenere enormi vantaggi dall'analisi aumentata, perché le tecnologie coinvolte li aiutano a ricavare rapidamente valore dai dati, anche senza competenze tecniche approfondite o esperienza nel lavoro con i dati. L'analisi aumentata aiuta i business user e i dirigenti a trovare più facilmente i dati pertinenti, porre le domande migliori e individuare rapidamente le informazioni di cui hanno bisogno nel contesto della loro attività.
Il vantaggio dell'analisi aumentata consiste soprattutto nel facilitare le cose a chi non ha molta esperienza nel campo dell'analisi, ma aiuta anche analisti e utenti avanzati a realizzare analisi più approfondite e a preparare i dati più rapidamente.
Quali vantaggi offre l'analisi aumentata?
L'analisi aumentata può rendere più veloce, efficiente e accurato il lavoro degli analisti. L'apprendimento automatico e le tecnologie del linguaggio naturale aiutano anche gli esperti di settori specifici (persone coinvolte nell'attività aziendale) ad avvicinarsi ai propri dati, eliminando le barriere tecniche che ostacolano l'accesso all'analisi, anche offrendo tecniche più avanzate a chi ha meno competenze ed esperienza in materia di dati.
Flessibilità: accesso più rapido alle informazioni
Le capacità derivanti dall'intelligenza artificiale possono velocizzare l'individuazione delle informazioni delimitando l'ambito della ricerca, mostrando i dati opportuni alla persona giusta nel momento giusto e suggerendo percorsi di analisi efficaci. Tenendo diffusamente traccia dei comportamenti degli utenti, i sistemi possono indicare punti di partenza più intelligenti e suggerire azioni, oltre a ottimizzarle e personalizzarle nel tempo in base alle risposte delle persone. Rispondere più velocemente alle proprie domande sui dati permette di concentrarsi su attività più strategiche, riducendo il tempo necessario per esaminare i dati e ottenere informazioni.
Accuratezza: un quadro più completo
Le macchine non dormono, quindi eseguono molto bene le attività ripetitive e i calcoli. Le tecnologie di IA e ML su cui si basa l'analisi aumentata possono esaminare con efficacia ogni elemento, anche i meno evidenti, aiutando l'utente a prendere decisioni più consapevoli sulla base di un'analisi approfondita. Questa visione completa aiuta le persone a trarre conclusioni evitando il cosiddetto bias di conferma.
Efficienza: automatizzare le attività operative
L'apprendimento automatico e l'intelligenza artificiale hanno compiuto enormi progressi nelle applicazioni in cui gli algoritmi si basano su attività ripetitive altamente specializzate (pensiamo ad esempio ai siti web che offrono suggerimenti del tipo "ti potrebbe interessare anche…" riguardanti contenuti o prodotti correlati, o anche ai programmi per il rilevamento delle attività fraudolente). L'automazione delle attività resa possibile dall'analisi aumentata aiuta a risparmiare tempo ed energia quando si lavora con i dati, che si tratti di preparazione e individuazione, dell'esecuzione di analisi statistiche o di altre operazioni.
Fiducia: analisi affidabile nel contesto
Le tecnologie aumentate, generalmente facili da usare, favoriscono l'approccio al lavoro con i dati e rendono più accessibili le informazioni per gruppi di persone più estesi. Si possono adattare al fine di modellare e far emergere i dati nel contesto, consentendo di confermare le intuizioni e la qualità delle conclusioni. Magari i business user non comprendono a fondo le tecniche di analisi, ma conoscono il proprio campo di attività o settore e possono applicare questa conoscenza alla valutazione di come usare i risultati forniti dall'analisi aumentata. Alcune tecnologie aumentate sono integrate nei flussi di lavoro aziendali e integrate con altri strumenti e software, quindi aiutano le persone a esplorare rapidamente le loro domande specifiche senza interrompere l'analisi e in alcuni casi non sono necessari altri passaggi per preparare i dati.
Caratteristiche dell'analisi aumentata
Identificazione automatica dei dati
Alcune piattaforme di BI moderna utilizzano l'IA per rilevare automaticamente determinati attributi dei dati, ad esempio per verificare se un campo contiene informazioni geografiche (come un codice postale) o dati personali (come numeri di telefono o indirizzi e-mail).
Il sistema può anche leggere tabelle di dati in formati come PDF e documenti di testo, rimuovendo automaticamente la formattazione speciale e convertendo il contenuto per un'analisi efficace.
Tecniche statistiche
Le tecnologie di analisi aumentata possono anche selezionare automaticamente gli elementi migliori nelle previsioni e nel clustering, oltre che in altri algoritmi statistici, valutando quale offre la maggiore certezza. Alcuni sistemi eseguono automaticamente i modelli per recuperare nei dati informazioni passate inosservate e proporle agli utenti. Queste tecniche possono spiegare il "perché" di un punto dati, come i fattori che determinano un outlier o un valore inaspettato in un insieme di dati. Per l'utente finale queste funzionalità sono a portata di clic, anche senza competenze di calcolo o di programmazione.
Preparazione intelligente dei dati
Durante la preparazione dei dati, potenti algoritmi in background aiutano a preparare i dati più velocemente, riducendo al minimo la pulizia manuale. I sistemi di analisi aumentata possono indicizzare e raggruppare termini correlati, in base alla pronuncia o a caratteri comuni, facendo risparmiare tempo in attività di ricerca manuale e aggiornamento dei campi e dei valori.
In alcuni casi il sistema può anche suggerire specifiche fasi di pulizia, come la rimozione dei valori NULL o la suddivisione dei campi in colonne separate.
Suggerimenti
Un'importante caratteristica di molti sistemi di analisi aumentata è la possibilità di fornire suggerimenti basati sull'intelligenza artificiale riguardanti la preparazione dei dati, l'individuazione, l'analisi e la condivisione. Ad esempio, un sistema può indicare delle origini dati da unire o può consigliare delle operazioni di pulizia durante la preparazione, oppure suggerire i tipi di grafici da usare in base alle righe e alle colonne di dati che l'utente visualizza.
Si ricevono anche suggerimenti per esplorare i contenuti dell'analisi in base al ruolo, al team di appartenenza e al comportamento di navigazione nell'analisi, un po' come accade con i consigli di tipo "ti potrebbe piacere anche…", che possono aiutare i nuovi utenti ad acquisire dimestichezza con il sistema più rapidamente e a trovare le risorse di dati più rilevanti per le loro esigenze.
Interazione in linguaggio naturale
Le query in linguaggio naturale sono una caratteristica dell'analisi aumentata che permette di "porre domande" ai dati digitandole in modo diretto, anziché utilizzare un linguaggio o un codice specifico per l'interrogazione dei dati. Il sistema fornisce un'esperienza guidata traducendo il testo in una query e offrendo dei suggerimenti per colmare eventuali lacune al fine di comprendere le intenzioni e il contesto delle domande dell'utente. Diventa quindi più semplice ricavare informazioni dai dati senza dover comprendere il modello di dati sottostante.
L'elaborazione del linguaggio naturale crea descrizioni testuali relative alle informazioni ricavate dai dati, che possono contenere spiegazioni delle visualizzazioni. Con queste spiegazioni in un linguaggio semplice è più facile capire il contenuto dei dati anche senza competenze approfondite di navigazione e interpretazione delle visualizzazioni.
Scopri come l'analisi aumentata di Tableau può potenziare il tuo processo decisionale
Casi d'uso dell'analisi aumentata
Nei numerosi casi d'uso dell'analisi aumentata, l'intelligenza artificiale e l'apprendimento automatico velocizzano e semplificano l'analisi più avanzata consentendo a un maggior numero di persone, indipendentemente dalle competenze e dalle capacità tecniche in materia di dati, di ricavare valore dai dati ponendo domande migliori e prendendo decisioni più consapevoli.
Esempi in base ai ruoli
- I team commerciali possono affidarsi all'analisi aumentata per esaminare le tendenze delle quote di vendita e delle transazioni.
- I dirigenti possono utilizzare l'analisi aumentata per esplorare facilmente i dati in tempo reale in consiglio di amministrazione, anziché basarsi su dei report statici.
- Il personale informatico può ricorrere all'analisi aumentata per scoprire i fattori che determinano i picchi di utilizzo dei server e dei sistemi.
- Gli analisti e gli amministratori dei dati possono utilizzare l'analisi aumentata per pulire, modellare e preparare più velocemente i dati da analizzare.
Esempi in base al settore
- Gli amministratori della supply chain possono utilizzare l'analisi aumentata per capire i motivi per cui alcune sedi non consegnano i prodotti nei tempi previsti.
- Nel settore dei viaggi e del turismo l'analisi aumentata può aiutare a trovare le offerte ottimali e personalizzate per l'upselling o il cross-selling.
- Le agenzie di marketing e comunicazione possono avvalersi dell'analisi aumentata per valutare l'efficacia delle campagne pubblicitarie e scoprire eventuali variabili nascoste nei dati.
Altri casi d'uso frequenti
- Le grandi aziende spesso si affidano all'analisi aumentata quando estendono il proprio programma di analisi a nuovi utenti, perché molte funzionalità aiutano a velocizzare l'onboarding di chi ha meno esperienza con i dati.
- Alcune organizzazioni stanno addirittura sostituendo i report statici con delle dashboard aumentate e interattive. Questo non solo permette agli analisti che le preparano di risparmiare tempo, ma elimina le barriere all'ingresso per chi utilizza le dashboard per rispondere con efficacia alle proprie domande sui dati.
Le sfide legate all'utilizzo dell'analisi aumentata
Pregiudizi su IA e ML
A causa delle complessità intrinseche dell'intelligenza artificiale e dell'apprendimento automatico si tende ancora a concentrarsi sulla tecnologia in sé anziché sui modi in cui le persone comuni interagiranno con essa e ne trarranno beneficio. Insieme ai luoghi comuni sul fatto che le macchine toglierebbero il lavoro alle persone, questo può ostacolare l'adozione di soluzioni vantaggiose per chi lavora con i dati. Le persone non usano l'IA e l'analisi aumentata se non le capiscono e non si fidano del valore che offrono.
Limitazioni dell'analisi aumentata
D'altro canto, alcuni potrebbero avere aspettative eccessive a proposito di ciò che questi tipi di tecnologie possono realizzare e offrire, il che può comportare notevoli perdite finanziarie se si fanno ingenti investimenti senza capire i modi in cui la tecnologia può effettivamente aiutare le persone o senza una strategia di implementazione e supporto ben definita.
Occorre anche capire in quali ambiti le persone riescono meglio rispetto alle macchine. Per una macchina è difficile capire le intenzioni di una persona in un contesto limitato. La macchina ha i dati ma non è in grado di comprendere la situazione generale come invece può fare una persona che ha esperienza in un settore. Monitorando il comportamento in relazione all'utilizzo e grazie al feedback degli utenti, le macchine dovranno memorizzare le preferenze delle persone nel tempo.
Alfabetizzazione dei dati e competenza nell'analisi
Gli strumenti e la tecnologia sono sicuramente elementi importanti, ma i collaboratori devono anche imparare a pensare ai dati in modo critico. Agire sui dati sbagliati (o sui suggerimenti sbagliati di un sistema di IA) comporterà decisioni sbagliate e spreco di risorse. È qui che entrano in gioco l'alfabetizzazione dei dati, il pensiero critico e lo sviluppo personale.
L'analisi aumentata ha successo solo se le organizzazioni hanno dato priorità alle competenze di analisi nei vari reparti, in modo che le persone possano parlare e comprendere con sicurezza la lingua dei dati. Spiegazioni e suggerimenti sono utili solo se chi ne fa uso capisce i concetti legati ai dati e la loro relazione con i propri dati aziendali. Ad esempio, se un utente conosce il contesto aziendale può confermare o negare più facilmente il nesso di causalità dopo che una macchina scopre una correlazione.
Governance, gestione e cura dei dati
I dati costituiscono le fondamenta di ogni sistema di intelligenza artificiale. La qualità e l'affidabilità dei suggerimenti prescrittivi o delle attività automatizzate che l'IA rende possibili sono direttamente correlate alla qualità e all'affidabilità dei dati utilizzati per l'addestramento del sistema. Le organizzazioni che non hanno investito in una solida governance dei dati o gestione dei dati o che hanno avuto difficoltà a lanciare e rendere affidabile l'implementazione della BI hanno scarse possibilità di adottare l'IA con successo.
Uso etico dell'IA
Via via che gli algoritmi e i modelli diventano più sofisticati, è fondamentale che non diventino incomprensibili. Questo significa che le organizzazioni devono diffidare delle soluzioni di intelligenza artificiale non trasparenti. Il concetto di IA trasparente e "spiegabile" è significativo: le persone devono poter comprendere le operazioni e la logica applicate per giungere a una risposta. In questo modo non solo si evita che le organizzazioni utilizzino modelli distorti, ma si crea fiducia nell'affidabilità delle risposte con cui prendere decisioni.
Best practice per l'analisi aumentata
Iniziamo con solide basi di analisi moderna
La BI moderna ha dato a tutti gli utenti, con qualsiasi livello di competenza, la possibilità di rispondere alle domande bilanciando la flessibilità con le esigenze di sicurezza e governance. Per le piattaforme di BI moderna le funzionalità di IA e ML costituiscono un'estensione di questo concetto; rappresentano un ulteriore passo verso la trasformazione digitale e allontanano le organizzazioni dalla BI e dal reporting tradizionali, avvicinandole a un moderno, ambiente self-service nel quale tutti possono porre domande sui propri dati.
Dimostrare il successo prima di incrementare gli investimenti nell'analisi basata sull'IA
Nel caso di nuove idee audaci il modo migliore per procedere consiste nell'iniziare con un test mirato, senza voler esagerare cercando di realizzare il sistema perfetto. Inizia in un ambito molto specifico, come un particolare reparto o caso d'uso. Dopodiché, una volta dimostrato il valore dell'investimento, estendilo a gruppi più grandi nell'intera l'organizzazione.
Abbatti i pregiudizi e occupati della formazione per rafforzare la fiducia e l'alfabetizzazione dei dati
Un'efficace formazione nel campo dei dati richiede competenze pratiche e creative. Per l'introduzione dell'analisi basata sull'IA nei processi aziendali il personale deve avere fiducia in queste tecnologie e deve apprezzarle. I data scientist, dall'alto della loro esperienza, potrebbero non fidarsi di una macchina, mentre gli utenti alle prime armi con l'analisi dovranno imparare a interagire con i suggerimenti offerti dall'analisi aumentata e a convalidarli, applicando conoscenze umane per correggere il corso degli eventi.
Favorire il successo con la collaborazione e la community
Queste funzionalità saranno incorporate nei flussi di lavoro esistenti, perciò una buona comunicazione tra i Campioni di dati e gli esperti di settore aiuterà gli utenti a raggiungere il successo e a incoraggiare l'adozione. Gli analisti che creano dashboard per gli altri devono tenere conto di come le persone utilizzano l'intelligenza artificiale e le funzionalità di apprendimento automatico, incoraggiando una comunicazione aperta a proposito delle spiegazioni e dei dati in sé. Gli analisti possono fornire agli esperti di specifici argomenti i dati ottimali e il contesto adeguato per approfondire i punti dati importanti; ad esempio, una dashboard pre-impostata che consenta interattività, esplorazione e adattamento.
Il ruolo dell'analisi aumentata nella business intelligence (BI)
I dati sono l'indispensabile carburante che consente di migliorare la customer experience, rendere più efficienti le attività e aprire nuovi flussi di entrate. Le organizzazioni migliori nell'analisi dei dati saranno le più competitive e avranno un impatto maggiore. Ecco perché sono molte quelle che si stanno dedicando alle tecnologie di analisi basata sull'IA e di analisi aumentata, come l'apprendimento automatico, l'interazione in linguaggio naturale e gli algoritmi complessi, per conquistare una posizione di vantaggio e migliorare ulteriormente le capacità di analisi delle persone, favorire la trasformazione digitale e rendere l'azienda più resiliente nei confronti del cambiamento.
L'analisi aumentata aiuta a passare più facilmente dalla curiosità delle persone a risposte pertinenti. Queste funzionalità estenderanno l'utilizzo dell'analisi e raggiungeranno molte persone che ancora non si sentono a proprio agio nel lavorare con i dati. In questo modo tutti, nelle organizzazioni, avranno la possibilità di ottenere con fiducia le risposte che cercano partendo dai propri dati.
Noi di Tableau ci affidiamo all'intelligenza artificiale per aiutare le persone a rispondere alle domande e a prendere decisioni significative con i dati. Dalla preparazione intelligente dei dati e dall'analisi statistica con un solo clic fino alle domande in linguaggio naturale, le nostre funzionalità di analisi aumentata aiutano sempre più utenti a ricavare dai propri dati le informazioni necessarie, con più fiducia nei risultati che ottengono. Offriamo a un numero sempre maggiore di persone la possibilità di rispondere alle domande con i dati, aiutando le organizzazioni a valorizzare il volume crescente di dati.
Ulteriori informazioni sull'analisi aumentata di Tableau.
Ulteriori risorse