“Analytics drive everything”, gli analytics sono il motore di tutto. Questo era il tema della dodicesima edizione di SAS Forum che si è tenuta lo scorso martedì nel Centro Congresso MiCo di Milano. SAS Forum è l’evento internazionale dedicato al mondo degli Analytics, che è in grande fermento trainato da diverse tendenze tecnologiche. Su tutte: big data, IoT e intelligenza artificiale.

Ma la tecnologia non è l’unico fattore da tenere in considerazione. Secondo Marco Icardi, Regional Vice President SAS “Il passaggio definitivo alla trasformazione digitale è un processo creativo che comporta un salto culturale, prima ancora che tecnologico. Se oggi collaborazione, apertura, conoscenze trasversali e nuove competenze cresceranno di pari passo con le tecnologie più avanzate, sarà possibile costruire ciò che fino a ieri era inimmaginabile”.

Questo salto culturale è tanto più impegnativo quanto più ci si avvicina alla tematica dell’intelligenza artificiale e del deep learning, e coinvolge più di una figura tra top management, marketing, analisti e sviluppatori. Nel suo speech e in un successivo incontro con la stampa, l’Executive VP & CTO di SAS Oliver Schabenberger, ha indagato il rapporto tra persone e intelligenza artificiale, evidenziando alcuni limiti delle macchine intelligenti.

sas-forum-2017

Marco Icardi, Regional Vice President di SAS.

Il più importante limite da tenere in considerazione è che i sistemi di deep learning dipendono totalmente dai dati che si sono forniti per l’apprendimento. Questo comporta che se i dati non sono significativi, nemmeno le risposte lo saranno, ma anche che non possiamo pensare di ottenere risposte che sono influenzate da altri fattori. I dati forniti dalla IA rappresentano l’intero suo universo. Ciò è anche una rassicurazione per i catastrofisti che temono un predominio delle intelligenze artificiali sull’uomo.

Soprattutto, i sistemi di deep learning – che non sono programmati in base a delle regole prefissate, ma individuano delle regole nei dati che vengono loro forniti – sono delle vere e proprie “scatole nere”: dato un certo input forniscono una risposta, ma non rivelano all’uomo “come” questa risposta è stata data, né offrono più di tanto strumenti per capire quanto il risultato sia affidabile. Anche per l’analista e il tecnico, è praticamente impossibile capire se un certo risultato è frutto di un errore, e nel caso eseguire il debugging, visto che un solo algoritmo può analizzare mezzo milione di parametri per dare un risultato.

Secondo Schabenberger, è quindi importante procedere per gradi, utilizzando modelli e sistemi IA di cui si sia potuto verificare l’efficacia, e impiegando sempre un principio di cautela nell’interpretazione dei dati.

Leggi anche: sviluppare app aziendali con le API di machine learning

SAS Viya: interpretare i dati con la IA in modo intuitivo

Passando dai massimi sistemi alle applicazioni pratiche, SAS ha recentemente presentato Viya, piattaforma di analytics pensata per semplificare l’analisi e interpretazione dei dati da big-data o sistemi in-memory real time utilizzando strumenti di machine learning.

SAS Viya è una piattaforma cloud aperta e che può essere integrata ad altri sistemi attraverso API o linguaggi di programmazione. Le classiche soluzioni SAS Visual Analytics e SAS Visual Statistics sono ora disponibili su SAS Viya, offrendo viste e strumenti personalizzati per i diversi tipi di utente.

Business User: SAS Visual Analytics offre una soluzione di analytics self-service e data visualization accessibili al personale non tecnico, permettendogli di scoprire relazioni tra dati, creare e condividere rapporti e dashboard interattivi, fare previsioni e prendere decisioni guidate dai dati.

Business Analyst: SAS Visual Statistics consente l’esplorazione interattiva dei dati e la creazione di modelli descrittivi e predittivi, favorendo la collaborazione tra analisti e statistici.

Data Scientist: i data scientist possono impiegare SAS Visual Data Mining e Machine Learning per applicare tecniche di machine learning e data mining a dati strutturati e non, velocizzando la creazione di modelli e la generazione di codici esportabili in ambienti di produzione.

Intelligence Analyst: la nuova versione SAS Visual permette di  identificare schemi, relazioni sconosciute e elementi di interesse, identificando anomalie e attività sospette, fare ricerche precise e prendere decisioni più veloci.

Programmatori: le interfacce SAS, Python, Java e Lua e le interfacce REST API permettono di collegare Viya alle applicazioni aziendali.