Business Intelligence nell'era dei Big Data = Business Intelligence in the Big Data era

Il lavoro di tesi aziendale ha come obiettivo quello di fornire un quadro delle soluzioni utilizzate dalle imprese per la trasformazione in valore dei dati che sono generati in quantità sempre maggiore e con formati dinamici e in continua evoluzione, all'interno del contesto "Big Data". Tale valore viene fruito in differenti modalità, tra le quali occupa un ruolo assolutamente di rilievo la necessità di realizzare grafici e dashboard interattive, in grado di mostrare agli utenti l'andamento delle operazioni di Business e impattare in modo rapido e efficiente sulle decisioni strategiche. La tesi è suddivisa in 3 Capitoli. Nel primo, dopo aver analizzato la data value chain e evidenziato quali siano i driver di creazione di vantaggio competitivo nei diversi contesti, ho approfondito i temi legati alla progettazione di data warehouse e di operazioni di "analytics", finalizzate all'utilizzo di strumenti matematici legati al campo dell'intelligenza artificiale e dell'apprendimento automatico, incapsulate all'interno di script e applicazioni informatiche, che sfruttano la potenza di elaborazione dei calcolatori per fornire rapidamente "insight" in grado di spostare gli equilibri all'interno delle strategie di marketing delle compagnie che possiedono i dati. Nel secondo capitolo, l'orizzonte è stato traslato verso il campo delle tecnologie che si stanno affermando prevalentemente nel Mondo “open-source", le quali stanno portando avanti il paradigma del calcolo distribuito e parallelo, finalizzato al potenziamento delle performance degli applicativi che processano enormi quantità di dati, di formato spesso non stabile, con tempistiche sempre più rapide. All'interno del ventaglio delle tecnologie che si stanno diffondendo, ho dato maggiore attenzione a quelli strumenti utilizzati per le sperimentazioni del caso di business, ossia Hadoop, Spark, Hive, Kafka e Hbase. Ho inoltre approfondito i database "NoSql", strumenti che rifiutando l'utilizzo del modello relazionale, permettono di introdurre nel Mondo tecnologico numerose casistiche di gestione dei dati, attraverso i modelli documentali, a grafo, chiave-valore, motore di ricerca e il columnar storage. Il terzo capitolo contiene, infine, la descrizione del caso di business, delle attività che mi sono state richieste dall'azienda con cui ho collaborato. Nello specifico ho lavorato a due obiettivi principali: •??studio delle soluzioni commerciali di Business Intelligence tra quelle fornite dai principali vendor presenti sul mercato, attraverso la comparazione dei miei esperimenti effettuati sulle versioni gratuite di tali prodotti, con il Magic Quadrant 2019 realizzato dalla società spagnola Gartner; •??progettazione e implementazione di un'architettura completa di Business Intelligence attraverso l'utilizzo di prodotti esclusivamente "open-source" che permette di adempiere a due casi d'uso: 1.?? visualizzazione di grafici realizzati su dati gestiti in modalità batch e archiviati all'interno del datawarehouse Hive di Hadoop 2.?? visualizzazione di grafici realizzati su dati gestiti in modalità streaming da Kafka. Gli strumenti utilizzati sono stati, oltre a quelli citati, Kylin e Superset.