Dalla Business Intelligence alla Artificial Intelligence

Negli anni Novanta gli strumenti di Business Intelligence erano pensati per determinati scopi quali dashboard, analisi predittive, reporting e si basavano su database relazionali. Questo significava che il loro utilizzo era stand-alone ed era molto complesso integrarli tra loro.

L’evoluzione da Business Intelligence a Advanced Analytics

Nel tempo si sono evoluti in piattaforme di Advanced Analytics, open-environments che supportano gli strumenti di Business Intelligence e girano su un’unica architettura basata sui metadata (data driven). Ciò permette di estrapolare e mettere in relazione un’enorme mole di dati (Big Data) eterogenei, strutturati e non strutturati. Lo scopo è di scoprire i legami tra fenomeni diversi e prevedere quelli futuri.
Quindi se la Business Intelligence analizzava dati storici per esaminare fenomeni passati, gli Advanced Analytics elaborano informazioni aggiornate dinamicamente e predicono gli effetti che potrebbero comportare eventuali azioni di business.

“L’Advanced Analytics è la possibilità di analizzare in modalità autonoma o semi-autonoma dati e contenuti, con strumenti che superano quelli della tradizionale Business Intelligence, con l’obiettivo di scoprire relazioni e correlazioni, di sviluppare analisi previsionali, sviluppare raccomandazioni.”

Fonte: Gartner

Ovviamente il contributo all’evoluzione di queste piattaforme lo hanno dato sia le più performanti componenti hadware che le piattaforme moderne quali il mobile, il web e il cloud. Infatti tali piattaforme permettono di accedere ai dati on premise attraverso VPN, con la possibilità di pubblicare report su portali o server.

Ma Advanced Analytics e Artificial Intelligence sono sinonimi?

Gartner ci da una mano a capire la relazione tra le due. Nel report “Augment and Automate Supply Chain Decision Making with Advanced Analytics”, l’Artificial Intelligence viene definita come “una delle forme più evolute di Advanced Analytics, che include machine learning, deep learning, comprensione e utilizzo dei linguaggi naturali.”

L’obiettivo dell’Artificial Intelligence è di simulare i processi del pensiero umano attraverso modelli computazionali, “automatizzare” la fase decisionale senza intervento umano (sistema cognitivo). Questo avviene attraverso il Machine Learning (apprendimento automatico). Infatti, attraverso metodi statistici, si migliora la performance di un algoritmo nell’identificare pattern nei dati, costruendo in modo induttivo un modello basato su dei campioni.

Per concludere, possiamo dire che le capacità descrittive, prescrittive e predittive dell’Advanced Analytics si sono ampliate con l’apprendimento e l’automazione, attraverso l’AI. Sostanzialmente si è passati dal chiedere ad una macchina “cosa è successo o cosa potrebbe accadere?” a farci dire quali domande dobbiamo porgli.