Gran parte delle organizzazioni soffre di inefficienze legate alla presenza dei "dark data", ovvero dati che vengono memorizzati nei sistemi aziendali ma non vengono utilizzati.
Nahla Davies, autrice per Dataversity, riporta che, in media, il 68% dei dati aziendali ricade nella categoria dei dark data. Queste informazioni hanno un costo, perché occupano memoria, ma in cambio non offrono alcun valore perché le imprese non sanno come sfruttarle.
Generalmente i dark data sono dati non strutturati difficili da usare, ma possono anche essere dati semi-strutturati o strutturati che le imprese considerano troppo complessi da analizzare o irrilevanti, o semplicemente si dimenticano della loro esistenza.
In molti casi, spiega Davies, questi dati sono duplicati od obsoleti e quindi vengono esclusi a priori dall'analisi; in altri casi, alcuni dataset rimangono isolati o inaccessibili a causa di processi di integrazione errati che causano inconsistenze.
L'avvento delle nuove tecnologie rischia di esacerbare il problema: l'integrazione tra nuovi strumenti, come quelli di cloud automation, rischiano di generare dei "buchi neri di informazione" e nuove categorie di dati che le imprese potrebbero non riuscire a usare.
I problemi dei dark data
Avere scarsa visibilità dei dati aziendali non significa solo sprecare il potenziale di tutte le informazioni, ma comporta una serie di problemi che possono mettere le organizzazioni in difficoltà.
In primis, avere dei dati inutilizzati o isolati aumenta il rischio di violazione della privacy: non conoscendo il contenuto delle informazioni, è probabile che non siano state applicate le misure giuste per garantire la privacy utente.
La presenza di dark data complica anche la gestione etica e trasparente delle informazioni, così come la sicurezza stessa dei dati.
Bisogna considerare poi che produrre dark data significa aumentare le emissioni: stando ai dati del World Economic Forum, le compagnie producono circa 1.3 miliardi di gigabyte di dark data ogni giorno, producendo una quantità di gas serra superiore a quella del traffico aereo nello stesso lasso di tempo. Nell'ottica di ridurre l'impatto delle aziende sull'ambiente, è indispensabile ridurre la produzione di dark data e utilizzare al meglio tutte le informazioni a disposizione.
Sfruttare il valore di tutti i dati
Trovare e accedere ai dark data è un percorso obbligato per le aziende: le organizzazioni devono catalogare tutte le informazioni a loro disposizione, trasformarle e valutare quali possono fornire valore al processo decisionale.
Secondo Davies, il primo passo da compiere è usare dei tool di data profiling per identificare pattern, anomalie e insight di valori, così da individuare tutti i dati che non vengono utilizzati.
Dopo aver profilato i dati occorre integrare le diverse sorgenti per avere un dataset unificato, e su questo eseguire dei processi di pulizia e pre-processing, con l'obiettivo di capire quante di quelle informazioni sono davvero utili.
Nel caso di dati non strutturati, come conversazioni sui social o feedback dei consumatori, è possibile sfruttare strumenti di NLP (Natural Language Processing) per tradurli in un formato adatto all'analisi.
Non può mancare poi una revisione dei permessi di accesso ai dati, per capire se alcune informazioni sono escluse dall'analisi a causa di controlli stringenti, e la pianificazione di training per i dipendenti per assicurarsi che sappiano individuare i dati di valore.
Nel caso mancassero le conoscenze interne adatte per seguire questi processi, vale la pena affidarsi a esperti esterni.
Una volta che i dark data sono stati portati alla luce si può procedere con l'analisi. Il processo può avvenire tramite algoritmi di IA avanzati capaci di dare una visione coerente delle informazioni, oppure tramite le classiche tecniche di machine learning e data mining.
Esistono poi delle piattaforme analytics complete in grado di processare e analizzare grandi volumi di dark data, offrendo un quadro completo dei rischi e delle opportunità che offrono.
L'importanza dei dark data per il processo decisionale
Dopo aver trasformato i dati e compreso il loro ruolo, è il momento di integrarli nei processi decisionali.
I dark data, una volta ripuliti, possono alimentare i sistemi di IA e migliorare i task predittivi. Se si tratta di log, questi possono rivelare eventuali inefficienze nei sistemi e contribuire a migliorare i flussi di lavoro.
Le informazioni estratte dai dark data possono migliorare anche i processi di gestione del rischio e di rispetto delle policy relative alla privacy, oltre a evidenziare pattern nel comportamento dei consumatori che aiutano a sviluppare strategie di comunicazione personalizzate ed efficaci.
Affinché i dark data e in generale tutte le informazioni aziendali giochino un ruolo centrale nel processo decisionale è importante costruire una cultura dato-centrica; ciò significa, nella pratica, sviluppare skill di data literacy e assicurarsi che i collaboratori conoscano il potenziale dei dati.
Le organizzazioni dovrebbero prevedere inoltre corsi di formazione per i dipendenti su argomenti come l'analisi dati e il machine learning, oltre ad attrarre nuovi talenti in grado non solo di comprendere i dati, ma di interpretarli e sfruttarli al massimo.
Il problema dei dark data non si arresterà nel prossimo futuro e, anzi, potrebbe peggiorare. Per evitare che i dataset si riempiano di informazioni inutilizzate e troppo complesse da gestire, è necessario che le imprese investano su soluzioni innovative e siano sempre aggiornate sulle ultime buone pratiche di gestione dei dati.
