Corso - Big Data - essentials

Dai Dati ai Big Data

• Principi e sfide di Big data
• Le 5V di Big Data: Volume, Velocità, Varietà, Veridicità, Valore
• Raccolta ed elaborazione di dati strutturati, semi-strutturati e non-strutturati
• Trasformazione dei dati in informazioni: dall'analisi dei report all'analisi predittiva.
• Creazione di valore dai dati: esempi di monetizzazione
• Gestione del ciclo di vita dei dati: dall'acquisizione alla governance

Alcune delle principali applicazioni dei Big Data in azienda

• Commerciale: adattare e personalizzare l'offerta; proporre azioni commerciali istantanee; monitorare la concorrenza e adattarsi rapidamente
• Soddisfazione del cliente: conoscere in tempo reale il comportamento e la soddisfazione dei clienti
• Comunicazione digitale: monitorare e analizzare conversazioni online; gestire la reputazione elettronica; costruire e sviluppare la reputazione e la visibilità dell'azienda
• Marketing digitale: ottimizzare le prestazioni del sito; personalizzare la relazione; integrazione col mondo social (Google, Twitter, Youtube,…); profilazione dei consumatori: DNA digitale
• Sicurezza informatica (log studio): identificazione di tentativi di attacco
• Riepilogo dei criteri di successo per un progetto Big Data e molte cause di errore

Realizzare un progetto di Big Data

• Mappatura dei bisogni: elementi da considerare
• Comprendere gli elementi fondamentali delle principali tecnologie 
  • Archiviazione dei dati da elaborare: Data Lake
  • Tipologie di database NoSQL
  • Hadoop: un modello di elaborazione dati distribuito (HDFS, YARN, MapReduce ...)

• Implementare i Big Data: 3 approcci metodologici
  • Soluzione on-premise
  • Implementazione di piattaforme Big Data in cloud
  • Soluzione locale distribuita: Hortonworks, MapR, Cloudera
  • Gli approcci a confronto: difficoltà tecniche e precauzioni da prevedere (metriche di qualità, sicurezza, ...)
• I principali player di mercato: le piattaforme cloud pubbliche di Big Data a confronto
  • IBM Analytics
  • Amazon Web Services (piattaforme di archiviazione e analisi dei dati)
  • Google Big Data
  • Big data di Microsoft Azure

La qualità e sicurezza del dato

• Best practice di governance dei dati
• Qualificazione dei dati (temporali, contestuali, collegamenti ad altri dati ...)
• Formati aperti e proprietari
• Arricchire i propri dati con Open Data / WiKiData
• Sicurezza dei dati e privacy
  • GDPR e Big Data
  • Raccomandazione dell'International Cloud Security Alliance (CSA)
  • Panoramica dei mezzi tecnici di sicurezza dei dati e accesso al data center (crittografia e Data Loss Prention: prevenzione della perdita di dati ....)

Il futuro prossimo: impatto dei Big Data su prodotti/servizi e processi aziendali

• Evoluzione delle fonti di dati (IoT, mobilità ...)
• Revisione dei processi aziendali
• Impatti sulle competenze dei team IT esistenti
• Nuovi ruoli (Data Scientist, Data Steward ...) e nuove competenze da acquisire
• Ruolo dell’Information System di fronte all'ascesa dei Big Data e alle attività digitali dell'azienda