L'analisi dei dati - o per meglio dire, oggi, la (big) data analytics e la parte collegata di data management - dovrebbe ormai fare parte del DNA tecnologico delle principali imprese, che hanno da tempo compreso l'importanza di analizzare in dettaglio i dati operativi di cui dispongono. Gartner però avvisa che, qualsiasi sia la propria posizione in campo data analytics, le innovazioni portate dall'AI stanno cambiando lo scenario applicativo.

"La potenza dell'AI e la crescente importanza della GenAI stanno cambiando il modo in cui le persone lavorano, i team collaborano e i processi operano", ha spiegato in questo senso Ramke Ramakrishnan, VP Analyst di Gartner. "In questa rivoluzione tecnologica, le organizzazioni che non riescono a sfruttare efficacemente la data analytics in generale, e l'AI in particolare, non avranno successo".

La rivoluzione tecnologica di cui parla Gartner non è solo collegata all'AI generativa, che in fondo fa solo da fattore scatenante per diverse trasformazioni della data analytics. Le quali si concretizzano, secondo gli analisti, in quattro tendenze chiave.

La prima viene chiamata da Gartner "Betting the Business", espressione un po' colorita per indicare che il management aziendale deve credere talmente nei propri responsabili della data analytics e nelle loro capacità da scommetterci quasi letteralmente l'azienda. Espresso in termini meno drammatici, il concetto è che chi fa data management e data analytics deve essere considerato talmente affidabile e importante da essere la guida delle strategie AI aziendali.

Non basta più, insomma, essere considerati - o avere un approccio - "good enough". Questo significa in particolare saper dimostrare un legame diretto fra la data analytics e i migliori risultati dell'azienda. Tanto che la data analytics possa diventare, come afferma Gartner, "un driver strategico di crescita per l'organizzazione".

Il principale problema in questa evoluzione è, manco a dirlo, quello dei costi. i sistemi di data management e analytics sono complessi e la loro complessità si può contenere solo fino a un certo punto. Questa complessità va quindi gestita sempre meglio - ed è un altro trend del 2024 - per evitare il caos tecnologico e quindi una esplosione dei costi collegati. In questo l'AI può aiutare - anche se è essa stessa un fattore di costo - come anche l'approccio FinOps e l'adozione di architetture data fabric.

Un altro tema chiave è quello della fiducia, nei dati che alimentano la nuova AI come nei risultati che questa produce. Per entrambi gli aspetti non siamo messi troppo bene, secondo Gartner. Il modello della "single source of truth" non convince più abbastanza le aziende, che oggi sono preoccupate della qualità dei loro dati e la metteranno sempre in dubbio, anche perché devono affrontare sempre delicate questioni di compliance e privacy.

In questo 2024 starà a chi fa data analytics in azienda creare un clima di fiducia nei confronti dell'AI dei dati, sviluppando procedure affidabili di analisi e decision-making, oltre a forme specifiche di governance dell'AI. Il punto è fare sì che i dati aziendali siano "AI-ready", spiega Gartner. Ossia siano "gestiti in modo etico, sicuri, privi di bias" in modo da produrre risultati accurati.

L'ultimo trend che Gartner segnala è quello della "Empowered Workforce". "È importante che i dipendenti si sentano responsabilizzati dall'uso dell'AI nella data analytics, piuttosto che minacciati o frustrati da essa", sottolinea in questo senso Ramakrishnan.

Più facile a dirsi che a farsi, ovviamente. Per avere una forza lavoro "empowered", e non "overloaded", le aziende - secondo gli analisti - devono fare formazione sul tema AI, aiutare i singoli dipendenti a capire da dove vengono le informazioni che usano, gestire le informazioni in maniera affidabile, avere processi affidabili di governance dei dati. Per tutto questo servono fondi, che il management aziendale metterà a disposizione dopo le prime esperienze negative, in cui i ritorni dell'AI e della nuova data analytics non saranno stati quelli sperati.