Business intelligence

Cos'è la business intelligence?

La Business Intelligence (BI) si occupa dell'analisi dei dati relativi alla propria azienda. Le informazioni rilevanti vengono raccolte, valutate e visualizzate con un software adeguato per supportare le decisioni aziendali.

raffigurazione-uomo-dati-BI
Indice dei contenuti
    Add a header to begin generating the table of contents
    Tempo di lettura: 1:50 min

    Business Intelligence Definizione

    Il termine Business Intelligence (BI) risale probabilmente a un articolo di Hans Peter Luhn apparso sull’IBM Journal nel 1958. In senso stretto, la BI è esclusivamente un metodo di raccolta dei dati. In senso più ampio, tuttavia, il termine include diversi fondamenti del campo del management.

    Un’altra definizione comune proviene dall’Institute for Business Intelligence. In poche parole, la business intelligence riguarda le strategie, i processi e gli strumenti per generare conoscenze rilevanti per il successo da informazioni diverse e distribuite.

    Perché la Business Intelligence è importante per le aziende?

    Le decisioni di un’azienda non dovrebbero mai essere prese solo sulla base dell’intuizione. Piuttosto, devono basarsi su dati affidabili. Questo è esattamente il compito principale della Business Intelligence. Sistemi e metodi appropriati forniscono alla direzione, ai dirigenti e agli utenti aziendali le informazioni necessarie a questo scopo.

    All’inizio, i software di Business Intelligence erano utilizzati principalmente da esperti informatici e analisti di dati. Hanno effettuato le analisi e poi messo i risultati a disposizione degli utenti aziendali. Più di recente, tuttavia, si osserva una chiara tendenza alla “BI self-service”. Qui gli utenti creano analisi e cruscotti personalizzati per la propria area aziendale. In questo modo è possibile rispondere alle singole domande in modo molto più rapido e flessibile.

    Come funziona la Business Intelligence?

    Le tecnologie di BI possono essere suddivise nelle tre fasi seguenti:

    Fase Denominazione Attività
    1 Data delivery Determinazione delle condizioni quadro, raccolta dei dati tramite sistemi operativi (OLTP) o messa a disposizione in un data warehouse
    2 Discovery of relations, patterns, and principles Mettere in relazione i dati in modo da rendere visibili sequenze e schemi (spesso utilizzando tecniche di analisi avanzate come il data mining o la big data analytics).
    3 Knowledge sharing Preparazione delle informazioni, comunicazione dei risultati in azienda

    Perché un data warehouse?

    Oggi i dati provengono da numerose fonti interne ed esterne. È disponibile in grandi quantità e in un’ampia varietà di formati. Si parla anche di Big Data. Un data warehouse è indispensabile per raccogliere e salvare centralmente questi volumi di dati e renderli disponibili per le analisi di BI in azienda. Inoltre, i “magazzini di dati” servono anche come base per il cosiddetto data mining (sistemi per riconoscere correlazioni e tendenze in grandi insiemi di dati).

    Che cos’è l’advanced Analytics?

    Il software classico per la business intelligence si occupa dell’esame dei dati storici. Al contrario, gli strumenti di Advanced Analytics (software per “analitica avanzata”) si concentrano sulla previsione degli sviluppi futuri. Ad esempio, si possono realizzare le seguenti analisi:

      • Analisi “what – if”
      • Simulazione dell’impatto di strategie modificate
      • Predictive Analytics (analisi prospettiche, ad esempio previsione della domanda)

    Anche il data mining è una forma di analisi avanzata.

    Che cosa è l’analisi dei dati?

    Data analytics è un termine collettivo per indicare diversi metodi statistici che possono essere utilizzati per estrarre informazioni dai dati disponibili. In questo contesto, la business intelligence è uno dei diversi strumenti che possono essere utilizzati per svolgere questo compito. Il processo di analisi dei dati consiste essenzialmente nelle seguenti fasi:

      1. Definire le informazioni necessare
      2. Attingere a fonti di dati adeguate (database)
      3. Pulizia dei dati
      4. Fusione e armonizzazione dei dati
      5. Analizzare i dati con modelli matematici adeguati
      6. Visualizzazione dei risultati (ad es. grafici, dashboards)
      7. Approfondimento dell’analisi
    Indice dei contenuti
      Add a header to begin generating the table of contents
      About weclapp
      weclapp Teamwork Video Cover
      Ertan Özdil Autore
      L'autore di questo articolo è , CEO, fondatore e partner di weclapp, soluzione ERP in cloud.