Read Aloud the Text Content

This audio was created by Woord's Text to Speech service by content creators from all around the world.

Text Content or SSML code:

sap ha iniziato a guardare al futuro utilizzando uno dei geni più famosi del passato.. Leonardo. sap Leonardo rappresenta il portafoglio di applicazioni e strumenti che connettono persone, processi e dispositivi. Offre la possibilità di sviluppare applicazioni intelligenti che permettono di potenziare e automatizzare i processi, elaborare dati ad alta velocità e sostenere nuovi modelli di business con soluzioni su misura. IoT, Machine Learning, Data analytics, Blockchain, Data Intelligence, Big Data e tutto ciò che è sinonimo di digital transformation ora è riunito all’interno della stessa piattaforma. Per rispondere con velocità e tempestività alle continue mutazioni del mercato le aziende sono spinte a evolversi attraverso un’innovazione digitale costante. L’innovazione riguarda tre aspetti: la strategia di automatizzazione, l'analisi predittiva, l' integrazione tra sistemi interni ed esterni all’azienda. Vediamoli uno ad uno. Poniamo che l'azienda abbia già iniziato questi percorsi di cambiamento radicale e necessiti di un supporto per quel che riguarda la connessione dei sistemi di produzione automatizzati con i processi gestionali, come la manutenzione, l’aggiornamento delle quantità prodotte, lo stockaggio e quindi la registrazione dei costi ad esso connessi. Per questi processi ci sono già degli Innovation Services presenti su Leonardo che possono essere integrati con l’attuale gestionale per fornire un approccio di trasformazione step by step. Veniamo ora alla parte analitica, quando si raccolgono molti dati è fondamentale capire cosa farne, e anche qui la suite di servizi Leonardo entra in gioco permettendo di analizzare grosse moli di dati e proponendo servizi scalabili per gestire questo tipo di problematiche con modelli predittivi che permette la rilevazione di connessioni tra dati apparentemente slegate tra loro fornendo degli importanti indicatori per definire le strategie di business. Integrare cosa significa? Significa far parlare sistemi diversi tramite lo stesso linguaggio, come quando andiamo in ferie, ci buttiamo provando qualche parola di tedesco studiato alle superiori con il vicino di ombrellone o il vicino di asciugamano, giorno dopo giorno alleniamo il nostro corpo e così fa sap con i suoi clienti integrando i propri sistemi gestionali dando a disposizione di clienti e fornitori i tool che servono per avere un miglior rapporto di interconnessione, ad esempio l’e-commerce per i clienti B2B, oppure gli ordini direttamente fatti sulla piattaforma del cliente. Tutti questi aspetti dovranno sempre essere più integrati per permetterci di intraprendere un percorso agile di digitalizzazione connessa che può velocizzare da un lato l’assimilazione dei dati in azienda rapidamente e dall’altro la possibilità di aggregare i dati permettendo analisi sempre più dettagliate. Ma veniamo ora ai Big Data o Business Analytics, termini molto utilizzati ultimamente che conferiscono valore ad una conversazione. Big Data è un termine che racchiude in sé non solo un numero elevato di informazioni esistenti ma una serie di caratteristiche su come immagazzinare, riconoscere, capire i dati di cui stiamo parlando. Questi dati raggiungono delle moli impensabili fino a poco tempo fa, non soltanto in termini di spazio occupato ma finalmente anche come scoperta di valore per le realtà aziendali, che possono, grazie a macchine sempre più potenti e performanti analizzare situazioni destrutturate e metterle in relazione tra loro andando ad approfondire tematiche legate all’utilizzo della modalità di acquisto come possibile fonte di dati da relazionare con gli acquisti già avvenuti. Queste attività vengono fatte molte volte tramite l’utilizzo di tool di business intelligence che approfondiremo successivamente. Business Analytics è un termine utilizzato per incapsulare l’approfondimento di quelle che sono le modalità di approccio per analizzare i comportamenti sul perché alcune cose sono avvenute in azienda e quindi poter sfruttare quelle informazioni. Ad esempio, quando avviene un acquisto da parte di un cliente questo dato viene analizzato e messo in relazioni sia con le attività interne avvenute per vendere il prodotto e quindi poterle migliorare ma anche con le attività esterne che in sinergia hanno permesso l’acquisto stesso. Riuscendo a collegare queste informazioni in un dato strutturato questo può essere utilizzato dall’azienda per effettuare azioni mirate al miglioramento di questa sinergia e ragionare sui possibili scenari successivi. Andiamo ora ad aggiungere qualche parola per quanto riguarda i Big Data. A CHI servono i BigData? Sicuramente non solo al reparto IT, che li utilizza già per le sue analisi, ma direi soprattutto al Business che vuole ragionare su di essi per scoprire le relazioni finora occulte di quello che è il meccanismo di acquisto dei prodotti e quindi rendere più chiaro ancora all’acquirente il valore del prodotto per come lui lo percepisce e quindi rendere unica la sua esperienza di acquisto. Scavare tra le informazioni diventerà un nuovo modo di lavorare, esplorare nuovi panorami per vedere i dati sotto altre forme, riuscire ad aggregare dati che prima si pensavano senza valore. L’ERP di fatto era nato con questo intento di vedere dati integrati, ora sono talmente tanti che per vederne l’integrazione è necessario aggregarli, in modo corretto, e vederne il possibile sviluppo, la prospettiva corretta per arrivare ad analizzare con successo le varie specifiche. Le tipologie di analisi che si possono fare sui Big Data sono fondamentalmente 5: Prescrittiva --> una delle analisi più efficaci, rivela quali azioni si devono intraprendere come ad esempio quali offerte fare e quali azioni per trattenere i clienti si devono fare Diagnostica --> uno sguardo alle performance passate per determinare cosa è avvenuto e perché, esempio sono le analisi dei motivi di perdita del cliente o lo stato di salute attuale del cliente Descrittiva --> la più costosa in termini di tempo e con valore minore a livello di risultato, intercetta rispetto ai dati storici i trend che si delineano e serve poi per andare a scavare nel dettaglio con altre tecniche Predittiva --> la più utilizzata, usa modelli previsionali su cosa può accadere in specifici scenari, modelli per vedere la quantità di riduzione dei clienti oppure gestione di rischi Risultato --> questo tipo di analisi mira a capire il comportamento del cliente, per aiutarci a conoscere come interagisce con i nostri prodotti e servizi Queste analisi sui Big data vengono fatte tramite strumenti informatici e si sta pian piano facendo largo un utilizzo di linguaggi di programmazione che permettono, tramite librerie specifiche, di aumentare le tipologie di analisi che possono essere svolte. Inoltre c’è l’ambito nuovo e interessante per quel che riguarda l’utilizzo del Machine Learning dove alcuni processi potranno essere ripensati grazie all’analisi dei dati e liberare risorse da destinare ad altri utilizzi specifici. Persone che prima avevano dei compiti e che domani saranno le macchine a farli si troveranno assegnati lavori sempre più intriganti perché più focalizzati verso la propria specializzazione. Torniamo ora a parlare nel dettaglio di come SAP affronti questi ambiti permettendo ai clienti di analizzare i dati che sono presenti in azienda. Ricordiamoci sempre che parliamo di aziende strutturate che crescono anche internazionalmente, sia internamente che esternamente e hanno bisogno di costante controllo soprattutto in periodi di incertezza come l’attuale e quindi hanno 3 necessità: affidabilità, versatilità, sicurezza. SAC, Sap Analytic Cloud, è la risposta che coniuga la concretezza di SAP che da solo offre garanzie indiscutibili e coniuga una user experience chiara con un prodotto pronto per gli utilizzi più disparati. Ha già i connettori predisposti per i prodotti SAP più importanti, lavora in cloud che offre sicurezza e scalabilità. Se le necessità sono di un’azienda con utenti in movimento, con molti prodotti integrati presenti nel landscape e si tratta di una realtà in crescita o con variabili di utilizzo, la strada è sicuramente orientata ad un prodotto cloud. SAC è un prodotto che viene gestito con le subscription da parte di SAP, quindi in base alle esigenze puntuali c’è un canone correlato, le varie utenze possono utilizzare i dati per fare analisi sia storiche che predittive o di risultato, quelle menzionate precedentemente quindi. Quando parliamo di analisi di dati si parla solitamente di analisi storiche cioè basate su dati esistenti in azienda e dal valore e significato consolidato, dati sulle vendite, correlate agli acquisti e alle campagne di marketing. Oggi si parla anche di analisi predittive che permettono di usare delle formule matematiche specifiche per utilizzare in maniera semplice la statistica in azienda. Il vantaggio di un sistema come SAC è la capacità di calcolo per mettere in relazione migliaia, se non milioni di dati, in pochissimo tempo e dati resi disponibili dagli applicativi sottostanti in tempo reale. Questo velocizza i tempi di applicazione delle strategie basate sui dati e quindi la reazione del prodotto alle dinamiche del mercato. Con SAC è possibile anche utilizzare degli algoritmi di intelligenza artificiale per poter fare dei ragionamenti decisionali sempre più strutturali e quindi correlare dati che prima era molto complesso riuscire ad elaborare in poco tempo rendendoli efficaci. Tre cose da tenere a mente sono: Cercare, Analizzare, Pianificare. Queste guidano le decisioni in azienda, partendo da un approccio ampio di ricerca delle fonti di dati e delle basi di dati di cui abbiamo bisogno, per poi arrivare ad analizzare nel dettaglio tutti i dati aggregandoli o splittandoli cercando di trovare quelle correlazioni che sono sfuggite alla concorrenza e che noi, da bravi analisti, riusciamo a percepire e trasformare in valore aggiunto.