1. Made with love by Stefano Gatti
Big Data: opportunità o problema per le start-up?
29 Settembre 2016 – Singularity University Italia
2. 2
Qualcosa su di me …
• Data-lover & blogger
• Agile organization & mindset supporter
• A knowledge sharing and open-culture passionate
• Co-founder of CoderDojo Voghera & Iria Geeks
• Head of Innovation & Data Sources in Cerved
• A runner or better an endurance sports lover
More about me …
@micio1970
http://it.linkedin.com/in/gattistefano/
st.gatti@gmail.com
My blog about data: https://agilebigdata.wordpress.com/
My website: http://www.stefanogatti.info/
3. 3
Le quattro direttrici del fenomeno “big data”
Tecnologia
AlgoritmiDati
AgileBigData
Contesto
7. 7
Dati: Internet Of Things Data
E le cose «connesse» creano i dati …
6.58 DEVICES PER PERSON BY 2020
There are officially more mobile devices than
people in the world.
Gadgets like tablets, smart phones and not-
so-smart phones are multiplying five times
faster than we are.
%
World
Population
Connected
Devices
Devices
per Person
6.3bn 6.8bn 7.4bn 7.6bn
0.5bn 12.5bn 25bn 50bn
0.08 1.84 3.47 6.58
2003 2010 2015 2020
MORE CONNECTED DEVICES THAN PEOPLE
Fonte: Cisco
8. 8
Dati: opportunità perchè …
# Devono essere analizzati per creare valore
# Pervadono ogni settore di business
# Sono sempre più open
12. 12
Big Data & Algorithmic economy
L’evoluzione della Big data economy
«Co-fondatore del MIT Media Lab,
pioniere della human-machine
interaction e fra i data scientist più
importanti del mondo»
Sandy Pentland
Fonte: http://www.betterdecisions.it
13. 13
Algoritmi: i leader corrono veloce …
E stanno cambiando il mondo
«La rete neurale è stata capace di riconoscere correttamente il 3.6% delle immagini a
livello stradale e il 10.1% per quanto riguarda le città, indicando inoltre la nazione di
provenienza per il 28.4% di esse, salendo al 48% per quanto riguarda il continente.»
Provate anche voi!
14. 14
Algoritmi: … e li mettono a disposizione
E stanno cambiando il mondo
16. 16
Algoritmi: opportunità perchè …
# Ecosistemi di «algoritmi» open source
(soprattutto scritti in R & Python)
# Semplificano l’analisi dei dati creando
opportunità di business scalabile
20. 20
Tecnologia: Abilitatori e amplificatori dei “big data”
Verso il mercato …
qui
# Facilitano Integrazione
# Formato Leggero
# Data Monetization
API
21. 21
Tecnologia: Abilitatori e amplificatori dei “big data”
Dati ovunque …
qui
# Facilita SetUp
# Facilita Scalabilità
# Rende Costi Variabili
Cloud
22. 22
I trend nell’ambito della tecnologia “Big data”
# Data Lake
# NoSQL
# GraphDatabase
# SQLinNoSQL
# NoSQLinSQL
# PolyglotPersistence
23. 23
Tecnologia: opportunità perchè …
# Sta abbassando la soglia di investimento
per analizzare e creare valore sui dati
# Ha reso veloce il time-to-market: dall’idea
vincente al Cliente
27. 27
Copyright, privacy, diritto all’oblio e tanto altro …
Contesto: European Data Protection Law
Qui
#DataInteroperability
#RightToBeForgotten
#DataProtectionByDesign
#EUDataLawHarmonisation
#EUDataLawAlsoOutsideEU
#EUDataLawSimplification
«profondità temporale dei dati»
«protezione dei dati a partire dalla progettazione dei servizi»
«interscambiabilità dei formati dati»
«armonizzazione all’interno della UE»
«chi vende servizi in UE deve rispettare leggi UE»
«semplificazione clausole legali»
#RightToExplanation
#NotAutomatedDecisionMaking
«l’algoritmo deve essere spiegabile»
«alcuni tipi di decisioni non possono essere automatiche»
4 Maggio 2016
25 Maggio 2018
28. 28
Contesto: opportunità perchè …
# Essere «Agili» in una start-up è più
semplice
# L’interscambiabilità dei formati dati favorisce
i nuovi arrivati
# La libertà creativa e la serendipity
nell’analisi dei dati sono molto importanti
30. 30
Fenomeni in corso …
Prima e dopo … big data …
qui
Decentralizzazione
1969
Arpanet
1991
WWW
Rete
distribuita
2004
Web 2.0
Contenuti
distribuiti
2008
Hadoop
Computazione
distribuita
2009
BitCoin -
Blockchain
Transazioni
distribuite
31. 31
Nuovi Mercati
Il dato ovunque … ed è la colla tra materiale e immateriale
#InternetOfThings
#DataMonetization
#DataLocalization #Manifattura 4.0
#Robotica
#Nanotecnologie
35. 35
Il punto cruciale del 4° scalino della “conoscenza”
Il machine learning e la sua benzina: i dati
# le 5 tribù del Machine Learning
# la corsa a un «learner universale»
# idee di interazione e di business
tra uomo e machine learning
Qui