Qual è il valore della Data Analysis nello scenario attuale che vede i dati come protagonisti dei processi aziendali? Sfruttare al meglio questa risorsa, oggi, permette non solo di incrementare i profitti ma anche di garantire la soddisfazione dell’utilizzatore finale e di rimanere competitivi sul mercato.
Nell’epoca attuale, le aziende si avvalgono dei dati come sistema per veicolare l’innovazione, i processi decisionali e perfezionare i servizi e prodotti proposti. Non solo, quindi, per incrementare i profitti e consolidare e potenziare la propria presenza nei mercati, ma anche con l’intento di garantire al meglio la soddisfazione dei fruitori finali.
Pertanto, l’analisi dei dati nell’ambito di processi aziendali diventa oggi un fattore produttivo importante se non fondamentale, che consente di individuare quelle che sono le reali necessità dei clienti, nonché di indirizzare, sulla base di queste ultime, le offerte dei mercati e comprenderne l’andamento.
Questo tipo di processo, per funzionare al meglio, richiede un’elevata disponibilità di dati. Fino a poco tempo fa questo aspetto ha rappresentato un elevato costo per le imprese poiché i dati reali a disposizione delle aziende soffrivano spesso di essere disordinati e privi di alcune informazioni importanti, di scarsa qualità, spesso affetti da bias e, in ultimo, di difficile trattamento in quando soggetti alle sempre più stringenti normative sulla privacy (basti pensare ai dati finanziari, assicurativi o medici).
Dunque, attingere a informazioni consistenti e utilizzabili richiedeva spesso un’attività di bonifica Time-demanding costosa in termini di tempo e di risorse (come l’etichettatura dei dati per l’addestramento degli algoritmi di ML).
Oggigiorno, le Data Driven Company per ovviare a queste criticità si avvalgono dell’utilizzo di dati sintetici, ovvero, di dati generati artificialmente attraverso algoritmi di AI e apprendimento automatico, imitando il “mondo reale”. Da quest’ultimo affondano le proprie radici, ma il risultato ottenuto è un datapoint completamente nuovo senza relazioni one-to-one con i dati originali. Questo implica che nessuno dei datapoint sintetici può essere ricondotto al dato originale. Per questo sono esenti dalle vigenti normative sulla privacy.
I dati sintetici garantiscono l'arricchimento e l'ottimizzazione dei modelli cui si riferiscono, assicurando:
-
Qualità dei dati, ovvero, maggior equilibrio e varietà dei dati consentendo previsioni più accurate;
-
Scalabilità, aiutando ad integrare i dati del mondo reale per ottenere un range più ampio in termini di input;
I dati sintetici sono applicabili agli ambiti più disparati. Alcuni esempi si trovano nel campo della finanza, delle assicurazioni o dell’assistenza sanitaria. Sono stati utilizzati, per esempio, per la creazione di esseri umani sintetici: identità umane del tutto simili alla realtà, ottenute “scansionando” peculiarità proprie di esseri umani reali (espressioni facciali, movimenti del corpo…).
Ulteriori utilizzi riguardano simulazioni di contesti inusuali o di scenari futuri, come ad esempio la simulazione Monte Carlo o la simulazione di eventi “Cigno Nero”.
Attualmente, solo l’1% dei dati utilizzati è di natura sintetica; sorprendenti previsioni come quella della società Gartner, mostrano tuttavia un’inversione di tendenza. L’azienda stima infatti che entro il 2024, il 60% dei dati utilizzati per lo sviluppo di progetti di AI e di analisi diventerà sintetico, dato confermato anche da McKinsey nella sua “Global Survey on AI” 2022.
Questo è chiaramente solo l’inizio: come per ogni neotecnologia serviranno studi e sperimentazione per conoscere appieno i reali impatti e anticipare o risolvere eventuali problematiche. Intanto, però, il mercato dei dati sintetici continua a crescere e con questi presupposti il futuro potrebbe davvero essere sintetico.