Si fa presto a dire “data-driven”. Ma quali sono gli strumenti di data analytics che possono aiutarci davvero a prendere decisioni basate sui dati?

I dati non celano una risposta univocamente corretta, sta a noi interpretarli per trovare le informazioni utili a guidarci nelle decisioni di business.

Destreggiarsi tra le molteplici soluzioni di data analytics non è impresa facile. Il mercato pullula di provider, gli strumenti sono tra loro molto diversi per costi, funzionalità, semplicità d’uso, curva di apprendimento. L’output richiesto varia da caso a caso, l’analista vorrà grafici dettagliati o addirittura accesso al dato grezzo, mentre i C-level vorranno informazioni semplici, sintetiche e immediate. Ancora, forse il Marketing vorrà vedere i dati disposti in un modo specifico e graficamente accattivante per poterli condividere con giornalisti e clienti.
Insomma, mettere tutti d’accordo non pare banale.

D’altra parte è appurato che l’attività di analisi dei dati diventerà sempre più preponderante dell’attività di lavoro di ciascuno di noi, e di conseguenza i tools di data analytics diventeranno strumenti di uso quotidiano – qualora già non lo siano ovviamente.

Software is eating the world, data is filling the universe

Se è vero che il software si sta mangiando il mondo, come disse Marc Andreessen nel 2011, i dati stanno invece riempiendo l’universo.

Eh sì, in senso letterale! Se tutti i dati del mondo nel 2020 fossero stati delle dimensioni di una mela, nel 2030 tale oggetto avrà le dimensioni di una palla da calcio. Ma nel 2050, avrà le dimensioni di un intero stadio!

Si stima che in un solo anno si generino nel mondo così tanti dati, che essi potrebbero essere stipati in una pila di DVD alta dalla terra alla luna. Non scherziamo quando diciamo che i dati stanno riempiendo l’universo.

La generazione di dati sta crescendo in modo esponenziale. Entro il 2030 avremo circa 572 zettabyte di dati, ossia circa 10 volte di più rispetto a oggi.
Entro il 2050 tale ammontare arriverà fino a 500.000 zettabyte, 10.000 volte di più!

E come se non bastasse, circa il 50% di questi dati saranno generati in tempo reale. Ciò significa che il loro valore intrinseco sarà decrescente nel tempo: il valore di un dato generato oggi, domani sarà molto meno interessante. Tra due mesi, probabilmente sarà freddo. Tra due anni, buono solo per l’archivio.

Un esempio? Oggi un’azienda è estremamente interessata a sapere come ho interagito con i suoi contenuti di marketing, le recensioni che ho lasciato, come ho interagito con i loro prodotti. Ma via via che ci allontaniamo dall’evento, il tutto si raffredda: magari avrò acquistato un prodotto, magari sarò passato alla concorrenza, magari sarà finita la campagna di vendita.

Quindi tornano prepotentemente in auge gli strumenti di data analytics di cui parleremo tra poco: se non siamo in grado di generare i dati velocemente, siamo destinati a soccombere sotto il loro peso.

I dati vanno interpretati

Torniamo anche a dire che i dati non celano al loro interno una risposta univocamente corretta. I dati sono asettici e raccontano solo qualcosa che è successo in un dato istante. L’interpretazione, ossia l’intelligenza per comprenderli e utilizzarli ai fini di trarre decisioni, spetta in gran parte a noi.

Sì, in gran parte in quanto i computer, grazie a algoritmi di intelligenza artificiale, possono supplire a tale processo, analizzando e individuando pattern, trovando anomalie e correlazioni, permettendoci di trovare ordine in una matassa apparentemente caotica. Ma difficilmente potremmo delegare il processo decisionale in toto ad un computer per quanto sofisticato sia, quando esso riguarda aspetti core o sensibili del nostro business.

Diversi strumenti di data analytics per diverse finalità

A questo punto possiamo quindi dire che non ci siano strumenti di data analytics migliori o peggiori in senso assoluto, ma piuttosto strumenti diversi per finalità diverse per diverse tipologie di utilizzatori.
Addentriamoci quindi in questa lista e vediamo quelli che possono fare al caso nostro in base alle diverse tipologie di utilizzo.

Data Analytics Tool – la lista aggiornata al 2022

Microsoft Excel

Colpo di scena direte voi! Accidenti, dopo tanto, il primo tool nella lista è il caro, vecchio, amato e odiato Excel?
Sì, e ritengo che ad oggi fare a meno di Excel sia non solo errato, ma anche non possibile. Excel permette una flessibilità senza pari e inoltre è uno strumento universalmente utilizzato nel mondo del business, una sorta di passe-partout. Excel è anche davvero molto potente: permette la connessione a sorgenti dati esterni, la creazione di automatismi, la creazione di tabelle pivot, l’integrazione con script (VBA e similari). Da non sottovalutare.

Vantaggi
  • Grande flessibilità.
  • Strumento universalmente adottato.
  • Potenza di gestione.
  • Possibilità di analizzare il dato a livello atomico.
  • Estendibile a piacere grazie alle funzionalità avanzate.
Svantaggi
  • É un tool a pagamento.
  • Complesso gestire grandi moli di dati.
  • Poco sicuro.
  • Non offre tracciabilità delle azioni fatte.
  • Potenzialmente complesso per utenti non avanzati.

Microsoft Power BI

Power BI è probabilmente oggi lo strumento di data analytics più diffuso nelle grandi aziende. Permette di creare report anche molto complessi, che si aggiornano in real time ad esempio, e condividerli con l’intera organizzazione in modo auditabile (chi ha visto cosa). É perfettamente integrato nella suite Office e l’integrazione con i dati è tutto sommato immediata (sebbene poi l’utilizzo del tool sia invece non triviale.

Vantaggi
  • Strumento potente e versatile.
  • Graficamente eccellente.
  • Standard del settore.
Svantaggi
  • É un tool a pagamento.
  • Di complesso utilizzo.
  • Curva di apprendimento ripida.

Tableau

Tableau è una piattaforma di data analytics che consente di analizzare grandi ammontare di dati e gestirne dinamicamente la rappresentazione visiva. Nel 2019 è divenuto un asset Salesforce, che l’ha acquistata per 16 miliardi di dollari. Tableau sta guadagnando velocemente quote di mercato, in parallelo alla penetrazione di mercato delle soluzioni Salesforce.

Vantaggi
  • Ottimo motore grafico.
  • Grande scelta di template preconfigurati.
  • Possibilità di generare report predittivi su base statistica.
Svantaggi
  • Poco flessibile.
  • Complessità di utilizzo per funzioni avanzate.
  • Strumento dal costo elevato.

Qlik Sense

Molti di voi conosceranno questo strumento con il nome precedente, QlikView. Sì, Qlik si è conquistato una nomea tra gli strumenti di data analytics sul campo, diventando di fatto la scelta d’elezione per chi fosse a proprio agio tra tabelle SQL ma necessitasse di maggiore rapidità e capacità di data visualization.

Vantaggi
  • Engine di analisi potente e rapido.
  • Integrazione nativa con logica e architettura dei db relazionali con logica associativa.
  • Ampiamente personalizzabile.
Svantaggi
  • Curva di apprendimento elevata.
  • Soluzione proprietaria a pagamento.
  • Necessita di figure specialistica per un utilizzo proficuo.

Klipfolio

Klipfolio è una soluzione molto apprezzata nel mondo del marketing specialmente, in rapida crescita. Si basa a differenza dei tool fin qui menzionati su una GUI (Graphical User Interface) intuitiva e immediata che consente di generare report in modo agile e graficamente accattivante, unendo funzioni di analytics.

Vantaggi
  • Plug & play su moltissime sorgenti di dati.
  • Semplicità d’uso.
  • Superba resa grafica.
Svantaggi
  • Complesso andare oltre le funzioni preimpostate.
  • Non molto personalizzabile.
  • I costi salgono rapidamente con l’aumentare degli utenti.

Apache Spark

Apache Spark è uno framework open source per l’analisi avanzata di grandi moli di dati. A differenza delle piattaforme di BI nate per un utilizzo business, Apache Spark nasce in ambiente accademico e pertanto è orientato a un uso massiccio di analisi, svolto da personale con competenze specialistiche. Tuttavia la sua diffusione rendono meritoria una citazione in questa lista.

Vantaggi
  • Potente motore di calcolo ad alte prestazioni.
  • Integra funzionalità complesse dalla raccolta all’analisi alla rappresentazione grafica dei dati.
  • Ampia community di riferimento.
  • Soluzione open source.
Svantaggi
  • Richiede skill specifiche per un uso proficuo.
  • Non adatto a qualsiasi tipo di analisi e\o business.
  • Non è possibile creare report senza una precedente configurazione specifica del dataset.

Google Data Studio

Google Data Studio è la suite Google per la rappresentazione visuale dei dati raccolti da diverse fonti, a partire, ma non solo, dai servizi inclusi nell’ecosistema Google. A differenza degli altri tool di data analytics qui esposti, Google Data Studio non offre soluzioni di BI ma semplicemente di data visualization e reporting.

Vantaggi
  • Di immediato utilizzo.
  • Graficamente accattivante.
  • Agile condividere con terzi e con team di lavoro.
  • Soluzione gratuita (o meglio inclusa nell’ecosistema Google).
Svantaggi
  • Non offre soluzioni di BI e intelligenza.
  • Funzioni di personalizzazioni limitate.
  • Veste grafica piuttosto scarna, in linea con il set di opzioni proprie del mondo Google.

Python

Python è un linguaggio di programmazione a alto livello, orientato a oggetti, che è ormai da molti ritenuto il linguaggio di programmazione proprio della data science (insieme a un novero di altri, tra i quali ad esempio R). Python non è classificabile come un tool di data analytics in quanto offre una completa libertà, propria dei linguaggi di programmazione. Ma ai fini di quest’articolo ci limiteremo a analizzarlo sotto questa veste, e nonostante questa forzatura riteniamo sia comunque meritorio prenderlo in considerazione.

Vantaggi
  • Grande community di esperti focalizzati sull’analisi dei dati.
  • Possibilità di gestione del dato end-to-end.
  • Possibilità di interagire con moduli prodotti in altri linguaggi come C o C++.
  • Open source.
Svantaggi
  • Richiede skill specialistiche.
  • In quanto linguaggio di programmazione non rientra nel novero di tool di data analytics propriamente detti.
  • Ambito d’uso molto più esteso rispetto a un prodotto nascente appositamente per la data analytics.

Reportino

Aspetta, questo tool di data analytics proprio non l’hai mai sentito vero? Esattamente. Questo infatti è il nuovo prodotto che stiamo sviluppando in Aziona proprio per semplificare la raccolta, gestione, rappresentazione grafica e analisi dei dati.
Diffonderemo il primo MVP verso settembre, quindi resta in contatto con noi per avere accesso alla demo esclusiva in anteprima!

Scarica l’ebook “The Digital Transformation Workbook”

Iscriviti alla newsletter e scarica l’ebook.
Ricevi aggiornamenti e news sulla tecnologia e la strategia che permettono alle aziende di sfruttare al massimo la trasformazione digitale.