Machine Learning nelle aziende italiane

Ott 26, 2017
 

di Vittorio Arighi, Practice Leader di NetConsulting cube

 

Nei mesi di settembre e ottobre 2017, NetConsulting cube ha effettuato una survey rivolta ai professionisti dell’IT di un panel di 55 realtà di media e grande dimensioni sul tema del Machine Learning.L’indagine ha avuto come obiettivo principale il rilevare la presenza di progetti, le modalità di gestione, le competenze necessarie e gli ambiti di impatto del Machine Learning.

 

Presenza progetti di Machine Learning

L’introduzione di POC e di progetti di Machine Learning nelle imprese attive in Italia evidenzia una forte crescita già nel 2016 e prevede una impennata nei due anni a seguire. Le industry più attive nell’implementazione di soluzioni di Machine Learning sono quella delle Utilities (62%) che ne fanno uso sia per temi di predictive maintenance che per l’ottimizzazione delle attività di trading, ma anche per la gestione ottimizzata dei clienti, e il comparto dei Financial Services (es: scatola nera bordo auto, fraud detection, etc.). L’aumento generalizzato su tutti i settori (dal 9% al 36%) è un chiaro segnale di come le aziende italiane inizino a comprendere il reale valore associato all’utilizzo di tecniche avanzate per la gestione del dato e la generazione di insight.

 

Team interfunzionali per gestire le attività progettuali

La gestione ottimizzata del dato passa attraverso la generazione di team interfunzionali che vedano, oltre alla presenza dei business owner, anche quella di professionisti con competenze diffuse di matematica, informatica, statistica e modellistica che si amalgamino tra di loro, fornendo una strada effettivamente percorribile all’indirizzamento di un problema di business. Da questo punto di vista, circa la metà delle aziende (52%) non è ancora organizzata in tal senso e il 10% di esse pensa di istituire questa tipologia di team solo in un prossimo futuro.

 

Skills necessari

L’interesse nei confronti delle soluzioni di Machine Learning si scontra quindi con l’esigenza di poter beneficiare di skills di nuova generazione, che abbiano competenze e sensibilità nell’applicare modelli ed algoritmi a singole e specifiche problematiche. I Data Scientist risultano essere le figure professionali oggi più ricercate (65%), anche perché le competenze che li caratterizzano non sono ancora chiaramente indirizzate a livello accademico e perché questi professional devono disporre di una serie articolata di competenze tecnologiche da affiancare a soft skills quali la passione per i dati, l’interesse per il business, la capacità di comunicare e di rappresentare in modo chiaro i risultati.

Sono richiesti (42%) anche Software Engineers specifici sul Machine Learning; figure con competenza atte ad ingegnerizzare e disegnare un sistema come un’architettura; Applied Machine Learning Engineers (55%), capaci di applicare librerie ed algoritmi appropriati alle singole esigenze; Data Analyst (50%) capaci di gestire e valutare un data modeling.

 

Ambiti impattati dai progetti di Machine Learning

Da un’analisi dei casi d’uso e dell’applicabilità delle soluzioni di Machine Learning all’interno dei diversi contesti aziendali emerge come, in primis, queste soluzioni vadano a traguardare l’organizzazione interna (58%) in particolare a supporto delle funzioni HR, legal, Amministrazione, Plant e processi di help desk. A seguire, il Machine Learning permette di ottenere insight di rilievo su Clienti e Prospect (52%). Consistenti sono infatti le attività di profiling e clustering dei Clienti piuttosto che attività di listening della rete. Sono ancora poco indirizzati i processi che regolano le relazioni tra e aziende e i loro Partner e Fornitori (30%).

CONDIVIDI L'ARTICOLO SUI SOCIAL

Comments are closed.