Quante volte avete sentito utilizzare l'espressione "i dati parlano chiaro"? Tante, vero? Bene, il problema è che i dati non parlano mai chiaro, anzi, non parlano affatto e, nell'epoca dei Big Data, forse è il caso di schiarirsi un po' le idee e di illustrare, brevemente, quali siano le risorse per ottenere risultati concreti e rapidi dalla loro analisi.
Dai dati alle informazioni
I dati sono solo fatti e statistiche su "condizioni, eventi, idee o oggetti" espressi in numeri o testo, privi di qualsiasi significato se presi da soli. Vengono raccolti, registrati, ed è anche abbastanza facile farlo, ma non dicono niente di specifico di per sé. Il saldo di un conto, una geolocalizzazione, le misure di un mobile eccetera, lette così non ci comunicano nulla. Il saldo di un conto di una persona (ma siamo già in presenza di due dati letti insieme (abbiamo dunque in gioco un punto di vista analitico, sia pure elementare): il saldo e l'identità di un soggetto) non è detto ci racconti molto, perché il titolare potrebbe avere altri conti, potrebbe essere in attesa di un grosso bonifico in entrata, di un pagamento in uscita e via dicendo. Questi numeri e parole sono grezzi, elementari, disorganizzati, non specifici. A questo stadio della raccolta non è neanche detto che tutto quanto si ottiene abbia una utilità. Semplicemente, a questo punto iniziale non è possibile stabilire se un dato serva o meno.
Quando i dati vengono processati, analizzati, inseriti in un contesto, diventano leggibili, cioè organizzati e dotati di un significato (o di molti significati), quindi assumono una loro specificità sulla base di come è stata fatta l'analisi e perché. Si trasformano in informazione e acquistano utilità. Certo, non esiste informazione senza dati, quindi la prima è dipendente dai secondi, ma, soprattutto, è dipendente dalla presenza di un soggetto che intervenga con la propria analisi, con la propria capacità di inserire in un contesto quanto prima appariva caotico e scollegato ed offrire ad un interprete umano (con la possibilità che sempre più spesso non lo sia grazie alla sfida della Intelligenza Artificiale) senso e significato. "Informare", in latino, vuol dire esattamente "dare forma", ed è quello che avviene nel passaggio dalla rozzezza dei dati alla loro elaborazione analitica dell'informazione. L'analisi delle mie geolocalizzazioni in un periodo, affiancata alle spese effettuate con il mio bancomat nello stesso lasso di tempo, acquistano un significato.
Dalle informazioni all'intelligence
Per un decisore, però, questo non è sufficiente. L'informazione deve a sua volta essere fruibile. Una volta trasformati i dati in informazioni, bisogna confezionare un prodotto che sia comprensibile per il decisore e a lui (o lei) utile per impostare la propria azione nel settore sotto analisi. Un dirigente d'azienda (o, più verosimilmente, di più di uno), vuole sapere che cosa succede nel proprio settore, come si muove il suo mercato di riferimento. Dati e informazioni vanno elaborati secondo il loro contesto, nel quale trovano un senso per il decisore, e non un senso intellettuale, ma operativo. La cornice nella quale inquadrare il problema dei dati e delle informazioni è il problema da risolvere, l'azione da intraprendere, la minaccia da evitare, attenuare, contrastare.
Analisi della situazione e previsione sono dunque il prodotto dell'attività di intelligence, che si specifica nell'espressione Actionable Intelligence nel caso in cui si richieda un "immediato impatto operativo" a fronte di una minaccia imminente, come da definizione del Glossario Intelligence del DIS italiano (Dipartimento delle Informazioni per la Sicurezza), in un contesto caratterizzato da una soverchiante mole di dati da analizzare. Big Data e velocità, dunque.
Big Data e Actionable Intelligence
Sono anni ormai che si fa un gran parlare di Big Data, definiti addirittura "il petrolio del XXI secolo", con il data scientist come professione dal gran futuro. La actionable intelligence è quella disciplina che si prefigge il compito di offrire a un decisore di qualsiasi settore un prodotto, basato sull'analisi delle informazioni ottenute dalle immense quantità di dati che oggi tutti noi produciamo, che si possa trasferire in azioni reali in un certo campo e in tempi brevi, per portare a compimento la propria strategia o mettere in atto le contromisure per contrastare quella di un competitor o di una minaccia. Come dice Keith B. Carter - studioso inglese del settore e autore del libro "Actionable Intelligence: A Guide to Delivering Business Results with Big Data Fast!", Wiley, 2014 - "avere l'informazione giusta, nelle mani della persona giusta, nel momento giusto, per poter prendere la giusta decisione e fare la differenza". Non si tratta di spionaggio industriale, attenzione! Dati come i prezzi della concorrenza, il loro target di mercato, l'identificazione di diversi pattern di utilizzo dei servizi online, casalinghi o professionali, per esempio, sono essenziali per comprendere le esigenze dei propri clienti. In un'economia digitalizzata, un lavoro di questo tipo facilita il network planning, ossia come rendere prioritario il traffico per una cosa o per un'altra, a seconda delle esigenze identificate con la propria attività di intelligence. Ancora K. Carter riassume l'actionable intelligence in tre passaggi concatenati: sapere, decidere, agire. L'immensa quantità di dati che produciamo deve farci porre domande strategiche come: che cosa si impara da questi dati? Sono i dati che mi servono per affrontare il mio problema? Come trasformo questa conoscenza in realtà operativa?
L'actionable intelligence non è utile solo al mondo finanziario, commerciale e industriale. Nel settore informatico, l'evoluzione della rete, le nuove capacità, le sfide, i bisogni e la varietà dei casi d'uso delle tecnologie connesse ad internet aumentano il valore della conoscenza di quanto si registra. Della conoscenza intelligente, però. Tecnologie come il 5G moltiplicheranno i dispositivi connessi (IoT, l'internet delle cose), le funzioni, le minacce, i dati da gestire e da comprendere. La raccolta e l'analisi dei dati di utenti, applicazioni, infrastrutture che possono mettere a rischio un'azienda completano e integrano la tradizionale Security Threat Intelligence. Nel settore della salute (healthcare) l'utilità dell'actionable intelligence va dalle politiche sanitarie generali al prendersi cura del singolo paziente elaborando dati con finalità previsionali sull'evoluzione del suo stato di salute.
Per concludere, è sì importante avere dati e sapere come trattarli, ma, per ottenere questo risultato, è importante sapersi porre la domanda giusta per poter prendere la decisione corretta e puntuale, in un periodo di tempo limitato, di modo che il processo possa produrre un'azione concreta ed efficace.