È sempre più importante poter integrare e analizzare i dati in modo agile, veloce e semplice, senza dimenticare che, spesso, ciò che a una prima e superficiale lettura è visto come soggetto unico è, al contrario, un insieme di soggetti distinti che operano per un fine comune, sia questo vendere qualcosa, fornire un servizio o diffondere informazioni.

Quest’operare in modo armonico tra soggetti diversi ha nei dati l’elemento fondante, che diventano elemento di tessitura di concetti comuni, ma rappresentati in modo diverso come conseguenza del ruolo e delle responsabilità dei soggetti che a tale rappresentazione partecipano.

Ogni concetto complesso – il cliente, il cittadino, l’edificio, l’impresa – possiede alcune caratteristiche intrinseche che definiscono ciò che è, caratteristiche che possono modificarsi lungo il suo ciclo di vita. Lo stesso concetto, tuttavia, vive in un contesto specifico, connotato da elementi infrastrutturali, demografici, economici, sociali e culturali, che inevitabilmente lo plasmano e ne definiscono il modo in cui questo vada gestito, quale che sia il significato di tale parole alla luce dello specifico concetto.

È proprio la necessità di tener conto di questo contesto, spesso decisamente ampio, che suggerisce la necessità di tendere a una rappresentazione di tali concetti che superi le barriere della singola organizzazione, privata o pubblica che sia, e che al contrario si alimenti dei dati che sono funzionali a essa, indipendentemente da chi tali dati possiede, gestisce e condivide.

L’idea di una Augmented View cattura esattamente questa idea, divenendone strumento operativo al servizio di chi poi questi dati deve utilizzare.

Considerare il dato come prodotto non è solo un vezzo lessicale, ma un vero e proprio cambio di prospettiva, dove il dato, da semplice misura, diventa un asset strategico, la cui produzione, gestione e diffusione segue gli stessi principi che tradizionalmente definiscono il ciclo di vita di un prodotto tradizionale. 

È proprio questo cambio di prospettiva, con la conseguente chiara definizione dei ruoli e delle relative responsabilità, che rappresenta una leva fondamentale per rendere effettiva quella centralità del dato postulata dalla Data Driven Transformation

Sono questi i temi che abbiamo avuto modo di discutere con Marco Pegolo, Head of Data di Unieuro.

Il mondo dei droni e della mobilità aerea avanzata, nelle sue diverse sfaccettature, è in rapida evoluzione, con una tecnologia che progredisce in maniera costante e con campi di applicazione in continua espansione. 

Droni e veicoli che, oltre ad assolvere al compito per il quale sono progettati, sono dei potenti generatori di dati, il cui valore, se da un lato è chiaramente percepito, dall’altro è forse ancora solo parzialmente sfruttato, tanto che molto si sta facendo per migliorarne la gestione e, nel rispetto della normativa, l’uso, sia per quanto riguarda il controllo dei droni stessi, che per le informazioni che tali dati contribuiscono a produrre.  

È questo il tema che abbiamo avuto modo di discutere con Paola Olivares, Direttrice dell’Osservatorio Droni e Mobilità Aerea Avanzata del Politenico di Milano.

L’oramai diffusa e consolidata Data Driven Transformation, una trasformazione che interessa trasversalmente tutti i settori di mercato, ha imposto un nuovo modo di gestire e consumare i dati, suggerendo trasformazioni secondarie, come ad esempio quella della democratizzazione dei dati, cosa che giocoforza ha portato a dover rivedere il significato di Data Governance, passando da una sua lettura focalizzata su aspetti di controllo e compliance, ad una che abbracci l’intero ciclo di vita del dato, dalla sua rilevazione, fino al consumo. 

È questo il tema che abbiamo avuto modo di discutere con Giulio Di Nubila, Senior Manager e Client Leader di Iconsulting.

Si parla spesso della necessità di migliorare la comunicazione tra strutture tecniche e di business, una comunicazione necessaria a presentare un’idea, a giustificare un progetto, a trasmettere il risultato di un’attività di analisi o, infine, a spiegare perché un dato modello ha suggerito di prendere o non prendere una particolare decisione.

Comunichiamo sempre e dobbiamo farlo bene, perché in un mondo che si muove così velocemente e al quale le organizzazioni devono potersi adattare in tempi altrettanto rapidi, non ci si può permettere di sbagliare solo perché “non ci eravamo capiti”.

È questo il tema che abbiamo avuto modo di discutere con Nicoletta Di Blas, Professoressa associata in Pedagogia Speciale presso il Politenico di Milano.

Se da qualche anno si parla oramai di Data Strategy, da meno tempo lo si fa in riferimento all’intelligenza artificiale, complice forse il suo rapidissimo imporsi all’attenzione, con l’ultimo anno che ha visto la prorompente ascesa dell’intelligenza artificiale generativa e dei Large Language Model. 

Dati e intelligenza artificiale che sono temi ovviamente e strettamente connessi, dato che i primi sono ciò che consente alla seconda di sprigionare il suo potenziale. Questo legame suggerisce che Data Strategy e AI Strategy debbano necessariamente svilupparsi insieme, secondo quell’armonia che consenta di essere governate in modo coerente con gli obiettivi che ogni organizzazione si dà, pubblica o privata che sia.  

È questo il tema che abbiamo discusso con Nicola Russo, Head of Data & Intelligence in NTT DATA Italia.

La comunicazione e la diffusione del dato sono la narrazione di quel processo articolato, che dalla scelta del dato conduce, per il tramite del suo uso, a sprigionare quel valore di ritorno per chi quel dato ha reso disponibile, secondo quel principio di restituzione, sul quale costruire il senso di una comunità che vive e partecipa in un mondo sempre più veloce e fluido, per il quale i dati sono elemento imprescindibile per la sua comprensione. 

Affinché comunicazione e diffusione siano efficaci e in armonia con i dati e i suoi fruitori è essenziale, però, che queste diventino parte dell’intero processo e non, al contrario, esserne elemento accessorio, conclusivo, cosa che minerebbe alla base la possibilità di un loro racconto che ne trasmetta chiaramente significato e valore. 

Sono questi i temi che abbiamo avuto modo di discutere con Serenella Ravioli, Direttrice della Comunicazione e Diffusione di Istat.

La rapidità con la quale l’IA Generativa e i Large Language Model si sono presentati sul mercato ha, da un lato, creato un entusiasmo e aspettative probabilmente mai osservate prima, dall’altro ha innescato un rapido quanto attento momento di riflessione nelle aziende, volto a capire il valore potenziale, gli eventuali rischi connessi e i contesti più promettenti per una sua adozione e, parallelamente, ha reso necessario rivedere la Data Strategy, per adeguarla alle necessità che, in tal senso, hanno questi modelli e per il ruolo che i dati hanno nel condizionarne il comportamento. 

Sono questi i temi che abbiamo avuto modo di discutere con Eduardo Rispoli, Partner di Target Reply Roma.

I dati gestiti dalla Pubblica Amministrazione sono un patrimonio pubblico, di tutti noi, che deve e merita di essere utilizzato, restituendo a cittadini e imprese un valore, nella forma di servizi o informazioni, che rappresenti una sorta di ricompensa per ciò che questi hanno condiviso. 

Questo percorso verso la consapevolezza del valore dei dati e dell’importanza di condividerlo a beneficio della collettività è qualcosa di complesso e che investe dimensioni differenti – culturale, sociale, tecnologica, economica – motivo per cui deve essere intrapreso con un programma ampio, che comunichi in modo chiaro il percorso tracciato e coinvolga, nel suo incedere, tutti coloro che, a diverso titolo, ne sono coinvolti.

Sono questi i temi che abbiamo avuto modo di discutere con Sara La Bombarda, Responsabile per la Transizione Digitale presso l’Agenzia Regionale per la Tecnologia e l’Innovazione della Regione Puglia.

Il potenziale dell’intelligenza artificiale, generativa e non, è qualcosa che non può essere ignorato, ma in una realtà complessa e articolata questo potenziale deve rispondere a due domande fondamentali: il valore che può derivarne per il business e la possibilità di industrializzare ciò che normalmente nasce come sperimentazione. 

In queste realtà complesse, inoltre, qualsiasi iniziativa in tal senso non può essere scissa dalla definizione di una Data Strategy, che non solo definisca come i dati possano effettivamente alimentare i modelli di intelligenza artificiale, ma definisca un modello complessivo, a sostegno di un’intelligenza collettiva e che definisca come i dati diventino realmente il fulcro di un’organizzazione, esplorandone gli impatti che tale trasformazione ha su aspetti culturali, organizzativi e tecnologici. 

Sono questi i temi che abbiamo avuto modo di discutere con Francesco Giordano, Data Technologies, Analytics & BI Solutions di Generali Asset Management.