Advanced Analytics: dimmi i dati che hai e ti dirò quel che Vedrai!

Tag: Advanced Analytics, Artificial Intelligence, Vedrai Spa

Udire Artificial Intelligence (AI) è sicuramente intimidatorio. Non intimidatorio del tipo che ci chiede il pizzo ma fa un po’ paura perché sembra qualcosa di veramente assurdo.

Sapete cosa si nasconde in realtà dietro quell’acronimo

ARTIFICIAL INTELLIGENCE = NUMERI

Solo numeri, calcoli complessi, equazioni e statistiche. Insomma, i calcoli di cui si ciba l’AI non hanno molto a che vedere con quella matematica che la maggior parte di noi ha studiato a scuola.

I numeri dell’AI, danzando insieme, rivelano previsioni e ci aiutano a scoprire che ci sono dei balli all’orizzonte degni di essere ballati

L’Advanced Analytics rappresenta l’insieme delle metodologie che utilizziamo per leggere la “danza dei numeri” e che permette al nostro software di consigliarvi quali scarpe indossare per il prossimo ballo.

Implementare un progetto di Advanced Analytics non è di certo una cosa semplice. Parliamo di uno sforzo computazionale che cresce esponenzialmente e risulta essere necessario per effettuare previsioni di elevata affidabilità.

SBAGLIANDO S’IMPARA, FORSE.

Uno dei principi cardine del nostro software è il concetto che sbagliando s’impara. Infatti il machine learning, a seguito di errori nell’interpretazione dei dati, fornirà previsioni future molto più accurate.

Il punto di partenza del nostro algoritmo sono i dati.

Parliamo sia di dati interni, cioè lo storico dell’azienda, come vendite passate, assunzioni e investimenti, che esterni, come prezzi delle materie prime, volumi di ricerca su Google e valore delle azioni.

A questo punto, attraverso l’AI, vengono effettuate previsioni sugli andamenti aziendali sulla base quindi, di una matematica molto avanzata.

La capacità di correlare questa mole di dati richiede una potenza di calcolo elevatissima: la mente umana avrebbe bisogno di centinaia di migliaia di anni per analizzarla.

DATI SINCERI COME PUNTO DI PARTENZA.

Concludiamo ricordando l’importanza di dare sempre al sistema dati di qualità, per evitare di confonderlo e di compromettere la qualità dei consigli stessi.

L’AI ha bisogno di dati sinceri e puliti per costruire un rapporto proficuo e corrette previsioni. È un po’ come mentire ad un amico, prima o poi questa piccola bugia causa dei problemi, che possono essere piccoli, così come catastrofici.