I dati rappresentano oggi il maggior agente trasformativo della società e delle imprese.

Sono a tutti gli effetti la materia prima di una nuova rivoluzione industriale appena iniziata, la trasformazione digitale, in cui siamo immersi e di cui facciamo ancora fatica a comprendere la natura e l’impatto. La pervasività delle tecnologie digitali, dall’IoT al web e ai social media, genera dati esaurienti su tutte le dimensioni della produzione e del consumo, dalla filiera produttiva alla struttura logistica e di distribuzione, al comportamento degli utenti/consumatori, alla percezione e alla valutazione da parte degli utenti. Permette di analizzare e comprendere una azienda come un ecosistema che lega mercato a produzione, un sistema di relazioni complesso in grado di adattarsi alle dinamiche sociali per ottimizzare performance, resistere a shock, creare valore, rispondere ad esigenze mutevoli. Per raggiungere questi risultati è necessario valorizzare i giacimenti di dati, estrarne conoscenza secondo prospettive nuove, adottare una prospettiva sistemica su sotto-sistemi tradizionalmente separati che oggi possono essere messi in relazione, appunto, da dati fino a ieri indisponibili. Occorre creatività analitica, occorrono competenze per dispiegare la potenza degli strumenti di data mining e di Big Data e Analytics mettendoli al servizio della trasformazione digitale delle imprese e della società.

È certamente vero che la rivoluzione digitale distrugge lavori, anche di alto livello, rendendoli obsoleti.

Le aziende oggi raccolgono grandi moli di dati da sensori eterogenei che sono dislocati ovunque: nei macchinari utilizzati in azienda, nei sistemi di identificazione dei prodotti, nella gestione dei magazzini e della logistica, nei sistemi di monitoraggio della produzione. Spesso questi dati sono esaminati con tecniche di analisi molto elementari che hanno semplicemente lo scopo, per esempio, di valutare se il macchinario sta funzionando in modo corretto o deve essere lanciato un allarme.

Tuttavia, ci sono tecniche ormai consolidate che aiutano ad estrarre conoscenza importante da questi dati. Queste tecniche vengono individuate come tecniche di data mining e possono servire, come visto nei capitoli precedenti, a prevedere quando un possibile guasto del macchinario si possa verificare, o quando debba essere effettuata la manutenzione del macchinario stesso per evitare possibili guasti (manutenzione predittiva). Sebbene il termine data mining significhi letteralmente “estrazione di dati”, nella realtà individua l’estrazione di conoscenza dai dati. Diverse tipologie di algoritmi possono essere applicate a questo scopo. Le più usate rientrano sicuramente nel contesto del machine learning, ossia di quel settore dell’Intelligenza Artificiale che investiga come i computer possono imparare basandosi sui dati.