Why Big Data is still Little Data

Here I try to explain why Big Data is still Little Data, at least in Italy.

Over the last years the ability in Data Analysis e Data Visualization has been experiencing an amazing evolution. The capacity of what makes Big Data big – that is, volumes, speed, variety, reliability, and complexity – are all growing exponentially. In particular complexity, i.e. to the ability to “connect” sources and heterogeneous info to obtain, through critical interpretation, valuable insights, is experiencing a moment of great attention and investment, both academic and professional, as well as a certain relevance in business and generic media.

Beyond fashions (business has always been about fascinations, once lasting a decade, now changing year by year), the challenges and opportunities associated with Big Data are very, very concrete: capture, storage, analysis, data curation, search, sharing, transfer, visualization, querying, updating and security. Even those lacking knowledge or practice of Data Management can perceive that in an era of post-knowledge economy (from product to knowledge to socialization: the value of companies and their ecosystems is increasingly in the data and in its socialized transaction) these opportunities are cash, as well as incredible competitive advantage creating platforms.

Few years ago everybody talked about the evolution of companies into software companies. Not all industries have physically transformed into software, something different and more complex has happened: all industries, their ecosystems, customers and partners lives have been hybridized by ubiquitous technologies and now we almost cannot distinguish between work and life, technology and humanity, economic transaction and tout court transaction. The software metaphor as dematerialization of the productive moment was partial, a mere abbrive of the so-called Digital Transformation. The most striking metaphor is now the “Internet of Things,” a mix of physical and digital in which wealth isn’t in what’s produced, but in what happens; tracked and interpreted; fast, continuously, humanly.

There is broad awareness, even just epidermic, of the value of data for the future of every business. So why do Big Data fail to break through and become protagonist of businesses today? Why, despite an increasingly qualified workforce (new university courses, tools and platforms, communities, sponsors and think tanks about Big Data), this fail to impose a turning point on and impact on business? Why such a slow and modest impact?

I am referring to the Italian business context, for my perception and experience, knowing that here and there we have cases of excellence. But they seem like experiments, inspiration flashes, bolts from the blue. The rule in Italy is that a company does not make Big Data, and when it does, it means it has a freshly graduated playing on the visualization of some consolidated data or the analysis of small harmless data sets.

I think this is the problem: it’s not about skills, nor technologies, but about the (will of) data interpretation. Who interprets data in Italian companies? Who gives meaning to the mass of information? Who views the reports and takes a decision? Only the manager. Typically a top manager. That survived unscathed – they are often really the same people! – to so many (small and large, tech and non-tech) business revolutions, from industrialization to computerization to clouding.

In Italian companies there never really existed a Scientist who could either replace or even cripple the manager’s ability (or rather power) of decision-making. Well, it’s good to consult data; very good to have more and more; excellent to handle, massage and bend data to motivate a decision or another. But it won’t be a Data Scientist that will change this tradition! I could say that this is – as any other issue – a cultural problem (ie. science at work), but in fact, and fortunately, it’s something more circumscribed and approachable.

I think that Italian management is not refusing Data Science: it’s simply enjoying it as with all other sciences before: putting it at the service (in dependencies of) of an “human, all too human” approach to business, made up from gut feeling, personal vision of a master. Companies are increasingly complex, markets are global and faster – everybody knows it, all future managers learn it – yet Italian management viscerally knows that, while informed by increasingly sophisticated and reactive business intelligence, the final decision, the die will be cast from the Manager. He knows. Like no other. Notice: I am the first fan of the use of human intelligence to make critical and creative analysis, I do not hope for a mere transition from human to machine.

However, in the Italian scenario, data management and its use in predictive and behavioral analysis, and in autonomous decision-making (ie. unrelated to contingency and emotional momentum, supported by augmtented intelligence) has no chance. It scares. Just like AI. It seems we still can’t find an integration between human and non-human intelligence, nor a way to improve decision-making. This is stuff that steals your job! At the end of the day who predicts, who really knows, is the manager, the master. There are Italian companies that are equipping with state-of-the-art Big Data tech and teams; so why it is not bringing the disruption or the productivity that other parts of the world are beginning to see? It’s not just a question of maturity, I believe it is due to this ancestral management’s repulsion to integrate its intelligence with other sources that are not their experiences and feelings.

I do not expect any revolution in the short term. I do not expect, for example, that a manager suddenly give up an obsolete secretory support and instead search for a Business Intelligence support. His career path, in most cases, was not built on open confrontation, rather in saying yes to the right partners at the right time. An approach that has nothing to do with business decisions increased by a systematic interpretation of data. However, I would expect a manager let himself be amazed by the new data analysis capabilities that many data teams can now bring, let them take to his desk some reporting he would not even have thought of. Then ok, the manager can trash it, if he wants to rely on his guts. But meanwhile teams of small, medium and big data analysts would grow their sensitivity to what business asks and expects. It’s not a philosophical battle between human and technology: we must find how potential of technology meet human demand. Occasions, occasions, occasions to try. Otherwise, Big Data is destined to remain little: small, superfluous, ignored.

This can be a way hava a less rhetorical approach on change than the usual ” “Kodak moment” and “Nokia case” and perhaps, this time, find yourself in the right part of it.

[Pic from marketoonist.com]

 


Provo a spiegare perché i Big Data sono ancora Little Data, per lo meno in Italia.

La capacità di analisi e visualizzazione dati sta vivendo negli ultimi anni un’evoluzione incredibile. La capacità dei fattori che caratterizzano i Big Data come “grandi” – ossia i volumi, la velocità, la varietà, l’attendibilità e la loro complessità – sono tutti in crescita esponenziale. In particolare la complessità, intesa come abilità nel “collegare” fonti e informazioni eterogenee per ottenerne, con interpretazione critica, insight di valore, sta vivendo un momento di grande attenzione e investimento, sia in termini accademici che professionali, oltre a una certa rilevanza sui media di business e generici.

Al di là di una certo fattore moda (il business ha sempre vissuto di fascinazioni; prima duravano un decennio, ormai cambiano di anno in anno), le sfide e le opportunità legate ai Big Data sono molto, molto concrete: la raccolta, l’archiviazione, l’analisi, la condivisione, la visualizzazione, l’interrogazione, l’aggiornamento, la sicurezza. Anche chi non ha competenza o pratica di Data Management può intuire che in questa era di post-knowledge economy (dal prodotto alla conoscenza alla socializzazione: il valore delle aziende e dei loro ecosistemi sta sempre più nel dato e nella sua transazione socializzata) queste opportunità sono denaro contante, oltre che incredibile vantaggio competitivo nel creare piattaforme.

Pochi anni fa si parlava dell’evoluzione delle aziende, tutte, in software company. Non tutte le industry si sono fisicamente trasformate in software, è successo qualcosa di diverso e più complesso: tutte le industry, i loro ecosistemi, le vite di clienti e partner sono state ibridate da tecnologie ubique e non si riesce quasi più a distinguere lavoro e vita, tecnologico e umano, transazione economica e relazione tout court. La metafora del software come dematerializzazione del momento produttivo è risultata parziale, mero abbrivio della cosiddetta trasformazione digitale. Metafora più calzante comincia ad essere quella dell'”internet delle cose”, mix di fisico e digitale in cui la ricchezza sta nel dato non di quanto viene “prodotto”, ma di quanto accade. Tracciato e interpretato. Continuamente, velocemente, umanamente.

E’ ampia la consapevolezza, anche solo epidermica, del valore del dato nel futuro di ogni business. Allora perché oggi i Big Data non riescono a sfondare e diventare protagonisti del business? Perché, nonostante la crescente popolazione lavorativa preparata su questi temi (nuovi corsi universitari, strumenti e piattaforme, comunità di riferimento, sponsor e think tank), questa non riesce a imporre una svolta fattiva ai business che impatta? Perché un impatto così lento e modesto?

Mi riferisco al contesto di business italiano, nel limite del mio percepito e esperito, conscio che poi qua e là ci possano essere realtà di eccellenza. Che però paiono come sperimentazioni, casi illuminati, fulmini a ciel sereno. La norma odierna, in Italia, è l’azienda che non fa Big Data o, se lo fa, si intende che ha un ragazzo fresco laureato che gioca col marketing sulla visualizzazione di qualche dato consolidato o sulla interpretazione di piccoli set “innocui”.

Io penso stia qui il problema: non di competenze, non di tecnologie, ma di (volontà di) interpretazione del dato. Chi interpreta dati nelle aziende italiane? Chi dà significato alla massa di informazioni? Chi visiona i report e estrae una decisione? Sempre e solo il manager. Tipicamente il top manager. Sopravvissuto indenne – spesso davvero si tratta delle stesse persone! – a tante piccole e grandi rivoluzioni di business, tecnologiche e non, dall’industrializzazione alla computerizzazione alla nuvolizzazione del lavoro.

Non è mai esistito davvero in azienda uno scientist che potesse sostituire o anche solo incrinare la capacità (o meglio il potere) decisionale del manager. Bene consultare dati, benissimo averne sempre di più, eccellente poterli maneggiare, massaggiare e piegare per motivare una decisione piuttosto che un’altra. Ma figuriamoci se sarà il Data Scientist a cambiare questa tradizione! Potrei dire si tratta, come sempre, di un “problema culturale” (quello della scienza al lavoro), ma in realtà per fortuna è qualcosa di più circoscritto e, volendo, affrontabile.

Penso che il management italiano non stia rifiutando la scienza dei dati, semplicemente ne sta fruendo come ha fatto con tutte le altre scienze: le pone al servizio (nel senso basso del termine) di un approccio al business “umano troppo umano”, fatto di pancia, di grande visione personale, di padronalità. Le aziende sono sempre più complesse, i mercati veloci, globali – lo sappiamo e lo insegnano a tutti i futuri manager – eppure visceralmente il management italiano sa che, pur potendo fruire di business intelligence sempre più sofisticate e reattive, la decisione finale, il dado verrà tratto dal Manager. Egli sa. Come nessun altro. Attenzione: sono il primo fan dell’uso dell’intelligenza umana per fare analisi critiche e creative, non auspico un passaggio secco da umano a macchina.

Però in questo scenario italiano, la gestione dei dati e il loro utilizzo in analisi predittive, analisi del comportamento, decisioni in un certo senso autonome, cioè slegate dalla contingenza e dal momento emotivo e collocate in campi di computazione e intelligenza aumentate rispetto a quelle umane, non ha possibilità di essere. Fa paura. Così come l’intelligenza artificiale. Non si riesce ancora a capire di integrazione tra intelligenza umana e non umana, decision making aumentato. Roba che può rubarci il lavoro! Chi predice, chi sa e può davvero farlo, alla fin fine è il manager, il padrone. Ci sono aziende italiane che si stanno dotando di tecnologie e team all’avanguardia su applicazione di dati e intelligenza artificiale; del perché ciò non porti né la discontinuità né semplicemente la produttività che in altri luoghi del mondo stiamo cominciando a vedere non è solo questione di maturità, io credo sia dovuto a questa ancestrale repulsione del management ad integrare la propria intelligenza con fonti altre che non siano quelle della propria esperienza e sentimento.

Non mi aspetto rivoluzioni in tal senso a breve. Non mi aspetto, ad esempio, che il manager rinunci improvvisamente alla figura obsoleta di supporto di segreteria e si doti invece di supporto di Business Intelligence. Il suo percorso di carriera, nella maggior parte dei casi, non si è costruito sul confronto aperto, quanto sul dire ai partner giusti al momento giusto. E ciò non ha niente a che fare con decisioni di business aumentate dall’interpretazione sistematica dei dati. Mi aspetterei però che il manager, che quotidianamente consulta report, si lasci stupire dalle nuove capacità di analisi di dati che molti team ora possono garantire, per portare sulla scrivania qualcosa a cui lui non avrebbe nemmeno pensato. Per poi magari cestinarlo, affidandosi alla pancia. Ma intanto team di analisti di piccoli, medi e grandi dati crescono e con essi la sensibilità di cosa le aziende si aspettano dai dati, dove sta (la percezione de) il valore. Non è una battaglia filosofica tra umano e tecnologia: prima devono incontrarsi la richiesta dell’umano con le potenzialità della tecnologia. Occasioni, occasioni, occasioni. Altrimenti, i big data sono destinati a restare little data: piccoli, superflui, ignorati.

Questo è un modo per parlare in modo meno retorico dei soliti “momento Kodak” e “caso Nokia” e forse, questa volta, trovarsi dalla parte giusta.

 

 

 

 

 

 

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

w

Connecting to %s