Big Data Social Media Valore dei Dati Volume Varietà Velocità Trends & Patterns Numeri Vs Immagini Dati Vs Istinto Data Flow nel Business e nei Social Media Big Data Value Chain Analisi Predittive Hadoop, Microsoft Big Data Big Data landscape 2014 Convergenza: Social Media, Coding, Big Data, Apps, Cloud

1. BIG DATA
2014
Marketing
& Social Media
Autore: Valerio Torriero

2. Big Data & Social Media
BIG DATA è la sempre più grande e complessa crescita dei dati che sta sfidando
i tradizionali sistemi di database
video di YouTube
messaggi di Facebook
tweet di Twitter
transazioni con carta di credito
RFID (Radio Frequency Identification)
etc.
Google elabora ogni giorno petabyte di dati:
testi, blog, video, foto, nomi, indirizzi, …
Trilioni di informazioni vengono
raccolte, registrate e analizzate
quotidianamente in maniera
sempre più veloce
Big Data affronta uno dei problemi più critici nel business di oggi:
come ottenere valore dalle crescenti risme di dati complessi

3. Valore dei Dati
Community Data
Organizational Data
Personal Data
World Data

4. Volume, Varietà, Velocità
IDC (International Data Corporation) stima che l’universo digitale arriverà
a livello gobale entro il 2020 fino a 35 zettabytes (35 trillioni di terabytes)
La varietà di dati è in aumento. Viene tutto sempre conservato e quasi
l’85% dei nuovi dati sono dati non strutturati
La velocità dei dati sta accelerando il ritmo del business. L'acquisizione
dei dati è diventata istantanea grazie a nuovi punti di interazione tra
cliente e tecnologie. L’analisi in tempo reale è più importante che mai

5. Un foto vale più di mille numeri
I software rendono la manipolazione di grandi quantitativi di dati relativamente
facile e poco costosa
Utenti che cercano insights nei big data hanno nuovi strumenti che consentono di
capire, esplorare, condividere e applicare i dati in modo efficiente e collaborativo,
spesso senza professionisti di analisi
Gli strumenti visivi possono quindi rappresentare concetti come fossero storie
L’osservazione di tendenze e modelli è più veloce
Migliore memorizzazione: per alcune persone la
visualizzazione rende più facile capire e ricordare i dati
I live feeds consentono agli utenti di sistemare
i dati e generare visualizzazioni personalizzate
da esplorare insieme in tempo reale

7. Visualizzare Trends e Patterns
Bubble Chart
BoxPlot
Bar e Line
Chart
Area e Line
Chart
3D Bar Chart
Histogram
Gnatt Chart
Line Chart
Radar Chart
Waterfall Chart

8. Numeri Vs Immagini
Le Analytics visuali non sempre migliorano ogni decisione in quanto alcune
immagini non aggiungono chiarezza ai dati
A volte una storia complessa risulta troppo semplice, altre volte fatti semplici
sembrano troppo complessi
I computer non si preoccupano dell’analisi visiva, se le decisioni sono
automatizzate senza la supervisione umana o il suo intervento,
conviene non perdere tempo con lo sviluppo di immagini
Più Dati Vs Meno Cretività: per raggiungere il massimo potenziale l'analisi ha
bisogno di sostegno (Advocacy) e super-visione (Oversight).

9. Dati Vs Istinto
Le decisioni chiave per le migliorare le vendite derivano da un mix di dati
disponibili e di intuizioni maturate attraverso esperienze precedenti
I dati possono essere fuorvianti quando sono incompleti o presi fuori contesto
L’esperienza nella gestione dei dati continua a svolgere un ruolo significativo
quando i dati sono incompleti o imprecisi
Molti senior sales executive si affidano maggiormente alla situazione attuale
e ai dati storici rispetto a quelli previsionali
Il miglior risultato è una combinazione di informazioni tempestive, previsioni
perspicaci e dati di supporto
(TheEconomist)

10. Gestire virtualmente qualsiasi dato
Dati strutturati
Transactional Data, Machine Generated Data, RDBM
Dati non strutturati
Social, Video, Text, Customer Service, Imagery, Scientific data
Dati streaming
Web Searches, Network Traffic, Sensor Data, NoSQL

11. Data Flow nel Business
Supply Chain
Risorse
Umane
Sviluppo del Prodotto
IT
Servizio
Clienti
Vendite
Finanza e
Controllo
Marketing

12. Data Flow nei Social Media
Emergere
Convertire
Analizzare

13. Misurare i Social Media
Analisi Social e Web
Cosa dicono sulle marche, prodotti o servizi
Analisi Avanzate
Come si possono predire meglio i risultati futuri
Interest
Interaction
Advocacy
Feeds di dati in tempo reale
Ottimizzare la flotta in base a previsioni
e modelli di traffico
insights della visita
-Gestire, arricchire, e di ottenere - Durata da tutti i dati.
Numero utenti
- Frequenza delle visite
- Pagine visitate
- Interazione tra utenti
- Creare un sistema scoring

14. Big Data Value Chain
Analisi
Predittive
Valore
Analisi
Prescrittive
Analisi
Diagnostiche
Analisi
Descrittive
Difficoltà

15. Analisi Predittive
Osservare
Agire
Obiettivi desiderati
Capire
Configurazione
DB
Log
Collection
Extract
Transform
Loading
Integrazione
Dati
Business
Intelligence
Analisi
Predittive
Decision
Making
Esecuzione

16. Soluzione open
Il progetto Apache Hadoop è formato da tre componenti:
-
HDFS (Hadoop Distributed File System), per lo storage
MapReduce, l'infrastruttura di elaborazione distribuita che si occupa del lavoro
di analisi sui dati
Common, un gruppo di infrastrutture condivise necessario sia per HDFS sia per
MapReduce
Hadoop è sviluppato da una comunità globale di programmatori, è 100% open
source. Nessuna società ne ha la proprietà, viene sponsorizzato dalla Apache
Software Foundation ed è finalizzato alla memorizzazione e l'elaborazione dei dati
in nuovi modi rispetto al RDBMS

17. MICROSOFT & BIG DATA
Power Pivot di Microsoft Excel e Power View di SharePoint per una visione nei dati strutturati
Hive Add-in per Excel e Hive ODBC Driver permettono l’accesso ai dati non strutturati Hadoop

18. APPS
Big Data Landscape 2014
(Dave Feinleib)

19. INFRASTRUTTURA
(bigdatalandscape)

20. Big Data Players
- Splunk, Loggly, Sumo Logic
- Predictive Policing, BloomReach, Atigeo, Myrrix
- Media Science, Bluefin Labs, CollectiveI, Recorded Future, LuckySort, DataXu,
RocketFuel, Turn
- Gnip, Datasift, Space Curve, Factual, Windows Azure Marketplace, LexisNexis,
Loqate, Kaggle, Knoema, Inrix
- Oracle Hyperion, SAP BusinessObjects, Microsoft Business Intelligence, IBM
Cognos, SAS, MicroStrategy, GoodData, Autonomy, QlikView, Chart.io, Domo,
Bime, RJMetrics
- Tableau Software, Palantir, MetaMarkets, Teradata Aster, Visual.ly, KarmaSphere,
EMC Greenplum, Platfora, ClearStory Data, Dataspora, Centrifuge, Cirro, Ayata,
Alteryx, Datameer, Panopticon, SAS, Tibco, Opera, Metalayer, Pentaho
- HortonWorks, Cloudera, MapR, Vertica, MapR, ParAccel, InfoBright, Kognitio,
Calpont, Exasol, Datastax, Informatica
- Couchbase, Teradata, 10gen, Hadapt, Terracotta, MarkLogic, VoltDB,
- Amazon Web Services Elastic MapReduce, Infochimps, Microsoft Windows Azure,
Google BigQuery, Klout
- Oracle, Microsoft SQL Server, MySQL, PostgreSQL, memsql, Sybase, IBM DB2
- Hadoop, MapReduce, Hbase, Cassandra, Mahout

21. Storia & Futuro
Informazioni
Utenti
Valori
Tecnologie
Leaders
Dati
(practicalanalytic)

22. CONVERGENZA
SOCIAL
MEDIA
CODE
Python
BIG
DATA

23. D o
i
n g
B i g
D a t a
S o c
i
a
l
M e d
i
a

24. Per maggiori info visita il sito www.socialmediaexperience.it
Contatti:
Valerio Torriero
Twitter: @nicephore
Twitter: @SMEXPERIENCE
Email: info@socialmediaexperience.it
Cover Art: Sunflower Seeds by Ai Weiwei
References:
Oracle.com/social
Deloitte Analytics Trends 2014
Microsoft Big Data Booklet
Mike Olson: youtu.be/S9xnYBVqLws
TheEconomist Data Vs Instinct
bigdatalandscape.com
logianalytics.com/vision
slideshare.net/kevincody/3d-engagement-formula
practicalanalytics.wordpress.com/predictive-analytics-101