La trasformazione digitale nelle imprese o Digital Transformation ha come primario ed immediato risvolto la generazione di dati raccolti attraverso il processo di digitalizzazione della realtà allo scopo di creare un modello della stessa in grado di rappresentarne il comportamento e l'evoluzione temporale. Questo modello viene identificato con il nome Digital Twin, nome che bene ne coglie l'essenza in quanto come un gemello in carne ed ossa ne ricalca l'aspetto esteriore ma anche e soprattutto i comportamenti.
Data driven decision - l'ottimizzazione dei processi e dei prodotti, vengono valutate tenendo conto delle "proposte" generate dagli algoritmi.
Da qualche tempo e sempre più spesso la parola digitalizzazione è entrata prepotentemente nelle nostre case e soprattutto è diventata un lessico di uso comune. Digitalizzare significa trasformare i fenomeni ed eventi che di per sé sono analogici in digitale cioè in cifre o meglio in numeri. Dati che si generano.
La trasformazione digitale nelle imprese o digital transformation ha come primario ed immediato risvolto creazione di dati raccolti attraverso il processo di digitalizzazione della realtà allo scopo di creare un modello della stessa in grado di rappresentarne il comportamento e l'evoluzione temporale. Questo modello viene identificato con il nome Digital Twin. Un digital twin o gemello digitale è una replica digitale di un'entità fisica, che può essere un oggetto semplice o complesso, una risorsa o un processo.
Tanto più accurato dovrà essere il modello da creare tanto più preciso dovrà essere il sistema di campionamento da utilizzare per raccogliere i dati essenziali a ricostruire digitalmente la realtà e tanto più la realtà è complessa tanti più dati si dovranno raccogliere per descriverla ed essere così in grado di elaborare previsioni sulla sua evoluzione temporale.
Big Data è un termine usato per descrivere una collezione di dati che cresce esponenzialmente nel tempo. In breve, questi dati sono così grandi e complessi che i tradizionali tools di gestione non sono in grado di memorizzarli né tanto meno processarli efficientemente.
I database NoSQL vengono definiti "non relazionali", "DB NoSQL" o "non SQL" per evidenziare il fatto che sono in grado di gestire volumi elevati di dati non strutturati in rapida evoluzione in modi diversi rispetto a un database relazionale (SQL) con righe e tabelle. I database NoSQL non sono tutti uguali.
Questa smisurata quantità di dati raccolti rappresenta un enorme valore per le imprese, tuttavia come si può ben capire i soli dati non sono sufficienti a creare valore, è necessario applicare ad essi algoritmi in grado di trasformare i dati raccolti in informazioni. L'informazione è l'insieme di dati, correlati tra loro, con cui un'idea (o un fatto) prende forma ed è comunicata.
Il vantaggio competitivo delle aziende si gioca oggi sulla capacità di investire su queste tecnologie e dunque diventare Data Driven Decision Making Companies cioè realtà in cui le strategie di business, l'ottimizzazione dei processi e dei prodotti, vengono valutate tenendo conto delle "proposte" generate dagli algoritmi.
I benefici del Data Driven Decision Making:
- Riduzione dei costi;
- Aumento della velocità;
- Miglioramento continuo;
- Decisioni collaborative;
- Pianificazione
Effetti importanti si possono vedere per esempio nella gestione dei processi produttivi ove la presenza di sistemi IIOT in grado di acquisire grandi quantità di dati in tempo reale sull'andamento del processo e sulla qualità dei prodotti, se affiancati da algoritmi di AI, possono prevedere in anticipo eventuali problemi ed evitare fermi di produzione per guasti ai macchinari. Oppure ancora sulla gestione del servizio di assistenza clienti affiancando Big Data e tecnologie in grado di elaborare il linguaggio naturale per leggere e valutare le risposte dei clienti.
Tutta questa nuvola di servizi e di dati non sono una entità impalpabile ed astratta, ma una realtà fatta di hardware e software, dunque una infrastruttura interconnessa costituita da milioni di dispositivi accesi 24 ore su 24 ore, 365 giorni all'anno, che per funzionare ha ovviamente bisogno di essere connessa alla rete elettrica e dunque consuma energia.
I data center e le emissioni di gas serra
Il ricercatore svedese Anders Andrae in una sua ricerca afferma che senza un elevato livello di efficienza energetica e l'impiego crescente di tecnologie pulite, l'intero settore mondiale dell'ICT potrebbe consumare da solo il 20% dell'energia elettrica su scala globale, generando il 5,5% delle emissioni nocive di diossido di carbonio (CO2) già entro il 2025, stimando un incremento nella domanda di energia elettrica di 2-300TWh annue, fino a 3000 TWh entro lo stesso anno.
Benché manchi un'origine e una definizione univoca del termine Big Data, il Data Warehousing Institute (TDWI) ha proposto nel 2010 un modello generalmente accettato, detto "delle 3V", che evidenzia le caratteristiche peculiari dei Big Data: Volume, Varietà e Velocità. Questo paradigma originale rimane valido ancora oggi ed è diventato delle 5V arricchendosi di due ulteriori V: Veridicità e Variabilità.
- Volume: ogni giorno, in moltissime attività della nostra vita quotidiana, generiamo dati. Con volume si fa riferimento quindi a quest'ingente massa di informazioni, che non è possibile raccogliere con tecnologie tradizionali. Questo volume di dati è in continua crescita;
- Varietà: è il confronto tra i dati. Lo scopo uno solo, ovvero quello di evidenziare le cause delle differenze tra i dati, i fenomeni che le hanno prodotte;
- Velocità: con questo termine ci si riferisce alla velocità con cui vengono prodotte e memorizzate le informazioni;
- Veridicità: organizzare i dati non sempre si rivela un'operazione semplice poiché vengono a crearsi delle incongruenze nella gestione dei dati stessi. Significa che i dati posso diventare disordinati a causa delle variabili descritte in precedenza e sono di conseguenza molto difficili da controllare;
- Valore: rappresenta la capacità dei dati di creare valore aggiunto in quanto consentono all'azienda che ne fa correttamente uso di indirizzarne le azioni in linea con le richieste del mercato.
Trasformazione digitale nelle imprese pro & cons
Se la trasformazione digitale nelle imprese da un lato fa bene all'ambiente portandole vicine a temi quali l'efficienza e la sostenibilità - recenti studi mostrano che utilizzando sistemi di intelligenza artificiale in settori come agricoltura, trasporti, energia e gestione idrica si potrebbero ridurre del 4% le emissioni di gas serra a livello mondiale entro il 2030 - dall'altro richiede tanta energia per funzionare. Questa è dunque una sfida globale che richiede di mettere in campo molte nuove tecnologie per l'efficientamento energetico.
Una sfida globale
Varie soluzioni sono state adottate, dall'utilizzo esclusivo di fonti energetiche completamente rinnovabili, all'utilizzo dell'intelligenza artificiale, al raffreddamento ad acqua fredda del mare adottata da Google nella sua sede in Finlandia, oppure si è dato avvio a progetti ancora più sperimentali come il progetto Natick di Microsoft che prevede l'installazione di data center in fondo al mare per potere sfruttare le basse temperature dell'ambiente marino.