Big Data: le fondamenta per i nuovi business
Nov 28, 2014
Big Data: le fondamenta
per i nuovi business
Le fondamenta dei Big Data
Da big data a DW/DBMS
DW/DBMS Foundations
DW/DBMS fundamentals
Shared-Nothing
MPP
Architecture
Parallel Data Flow Engine
Data distribution e parallel scanning
MapReduce Processing
Parallel Query
Data organization
Row-oriented DB vs
Column-oriented DB
Data organization
DB compression effectiveness
Data organization
Polymorph level of hybrid DBs
Non-structured data
The Hadoop Framework
A-W Appliance Evaluation Map©
4D DW/DBMS Evaluation Schema©
Affermazione #1 La finalità del modello è la definizione di una
mappa orientativa per la valutazione
comparativa delle piattaforme Big Data
Affermazione #2 Il modello Big Data è tipicamente un modello
“Data Driven”
Affermazione #3 Il volume dei dati è una (su quattro) delle dimensioni
di valutazione da considerare nel processo di
benchmark e selezione della piattaforma
Affermazione #4 Le quattro dimensioni del modello hanno, in sede di
benchmark, la stessa rilevanza ed importanza
Big data è un obiettivo mobile:
varia in base alla tipologia
dell’azienda e alla complessità
dei dati.
Data size
ERP-oriented
DW-oriented
DB-oriented
Data sources | tre approcci base
Data analytics
I motori infocube-less hanno la
capacità di gestire grandi
volumi di dati, fornendo
risposte istantanee a domande
totalmente libere.
Answers to unpredictable questions
DB row-oriented
vs
DB column-oriented
Data structure
Dal concetto di star-schema
al modello infocube-less.
Una nuova BI
Una nuova definizione di BI,
basata sui
database column-store.
Una nuova BI
INFOCUBE-LESS
BUSINESS
ANALYTICS
BUSINESS
DISCOVERY
ADVANCED ANALYTICS
DW/DBMS Business Discovery
Data mining Forecast &
Planning
Statistical
analysis Customer care
Social CRM Collaborative BI
Un esempio di sales
analytics in ambito retail.
24
25
26
27
28
Sales-focused BI
Ma i dati sono eterogenei e
aumenteranno sempre* *di 75 volte nei prossimi 10 anni [fonte: IDG]
[BIG DATA]
29
Big Data management
Visione di insieme dei KPI
aziendali per prendere
decisioni non solo corrette ma
realmente CONVENIENTI
corporate data
retail data
online|social data
[YOUR
BUSINESS
STRATEGY
HERE]
30
La business intelligence è la
raccolta e analisi di tutti i
dati aziendali per prendere
decisioni di business
convenienti.
31
Vecchio e nuovo a confronto
1. Analisi dati
2. Definizione variabili
3. Progettazione
4. Disegno interfacce
Risposte imprevedibili a
domande totalmente libere
«Voglio trovare anche quello
che non cerco!»
BUSINESS INTELLIGENCE
TRADIZIONALE
BUSINESS DISCOVERY
32
Non voglio
accontentarmi di
risposte a domande che
già conosco.
33
La nuova BI
Da qui comincia la
nuova BI
nessun vincolo strutturale del sistema
navigazione totalmente libera e creativa del
patrimonio informativo disponibile
34
Un esempio di Big Data
Management completo.
Social analytics
GRETA visita lo store
online di una casa di
moda che ama
Lascia un commento
negativo su delle
scarpe: il materiale
le sembra di
bassa qualità!
Si documenta su un
blog fashion che la
convince ad andare a
a vederle allo store
Compra anche una
cintura abbinata e
scrive un tweet
sull’accaduto
La settimana
successiva effettua un
acquisto sul mobile
commerce per un
altro prodotto, senza
andare nello store
Visita lo store
facendo check-in su
foursquare e, viste le
scarpe, le compra
con carta
36
Social analytics
Una % significativa di consumatori
mostra un comportamento simile
investimenti
nell’e-commerce investimenti in
social media
marketing
interventi
sull’assortimento
in store
Priorità identificate sulla base del
budget disponibile
Come è possibile iniziare
un percorso per arrivare
fino a qui?
38
Occorrono nuovi
strumenti concettuali e
tecnologici per conoscere
il nostro cliente.
39 Nuovi strumenti
La base per l’analisi social
L’utilizzo pieno di
informazioni strutturate
e non strutturate
consente di produrre
meglio ciò che si venderà
40
41
Il valore portato dal system
integrator.
Conoscere il cliente 42
APP
STORE
ONLINE
STORE
SITO
WEB
SOCIAL
Conoscere i sistemi 43
BI SYS
RETAIL
MGMT
CRM
CMS
DAM
Conoscere i migliori strumenti 44
Best of breed del
singolo canale
Ma non basta 45
Il capitale di conoscenza 46
KNOWLEDGE
BASE
Il capitale di conoscenza 47
VISIONE UNICA
NEUTRALITÀ
KNOWLEDGE BASE
TIFO PER IL CLIENTE
ADVICE
ESPERIENZA
Conoscenza degli strumenti 48
TECNOLOGIE
AFFERMATE
NUOVI VENDOR
Conoscenza dei team Innovation 49
IT TEAM
MARKETING TEAM
Stabilire obiettivi e percorso 50
Prendere coscienza dei dati social e
interrogarsi su cosa interessa ottenere e
definire le priorità.
Integrare i dati 51
Integrare le informazioni provenienti dai
social media con i dati aziendali: nuove
prospettive nella conoscenza del cliente
Analizzare i dati 52
Analizzare i dati social attraverso strumenti
dedicati e ricavare informazioni puntuali su
prodotti, distribuzione, promozione
Agire 53
Anticipare i desideri il cliente e supportarlo
nella scelta, ottimizzando i processi interni.
Il dream team delle analytics 54
CONSULTANTS SYSTEM INTEGRATOR
TOOLS
AGENCY
Grazie per l’attenzione
55 | 4 ottobre 2013