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