Data strategy

Introduzione. Perché ogni business è oggi un data business
(L'incredibile sviluppo dei dati, dell'intelligenza artificiale e dell'Internet of Things; Un mondo nuovo (e incentrato sui dati); Ci stiamo avvicinando alla vera intelligenza artificiale?; La quarta rivoluzione industriale - O l'Industria 4.0; Altre tecnologie che stanno cambiando il mondo; Perché ogni business deve diventare un data business)
Casi d'uso per i dati
(I sei casi d'uso; I principali casi d'uso in pratica; Alcuni casi d'uso settoriali; Come i dati stanno rivoluzionando il mondo dell'impresa)
Utilizzare i dati per migliorare le decisioni
(Stabilire le domande centrali per la vostra attività; Capire e interpretare i vostri dati; Le data dashboard curate. L'esperienza di alta cucina; Dashboard per l'esplorazione dei dati in modalità self-service. L'esperienza della raclette; Gli analytics del sistema raclette nel mondo reale; La democratizzazione dei dati e il ruolo del data translator; Data storytelling; Il futuro della visualizzazione dei dati e dello storytelling)
Utilizzare i dati per capire i clienti
(Capire la customer analytics; Tipologie di dati sui clienti; Aprire la strada a una visione a trecentosessanta gradi del cliente; La customer analytics di Netflix; Personalizzazione in tempo reale e micro-momenti; I braccialetti magici di Disney; Come i dati permettono una progettazione orientata al cliente; Il valore delle connessioni personali con i clienti)
Utilizzare i dati per creare servizi più intelligenti
(Servizi tecnologici; Nuovi trucchi per cani vecchi; Servizi smart per le banche, la finanza e le assicurazioni; Servizi smart nella sanità, nella medicina e nell'industria farmaceutica; Servizi smart nella moda e nell'industria dei vestiti; I robot come servizio; L'istruzione smart e i servizi di formazione; L'intelligenza artificiale come servizio; Ogni azienda oggi è un'azienda tecnologica)
Utilizzare i dati per creare prodotti più intelligenti
(Come prodotti smart rendono possibili servizi smart; Veicoli autonomi e mobilità; Prodotti intelligenti per la casa; Prodotti per la salute intelligenti; Business, settori e prodotti manifatturieri intelligenti; Prodotti intelligenti per lo sport)
Utilizzare i dati per migliorare i processi
(Operazioni quotidiane e digital twin; Vendite, marketing e servizio clienti; Distribuzione, gestione del magazzino e logistica; Lo sviluppo prodotti; Manifattura e produzione; Servizi di supporto - IT, finanza e HR)
Monetizzare i vostri dati
(Aumentare il valore della vostra organizzazione; Quando i dati stessi sono l'asset principale dell'azienda; Quando il valore sta nella capacità di un'azienda di lavorare con i dati; Vendere dati ai clienti o ad altre parti interessate; Capire il valore dei dati generati dagli utenti)
Definire i vostri casi d'uso
(Individuare i casi d'uso; Come si lega il caso d'uso a un obiettivo strategico?; Qual è l'obiettivo del caso d'uso?; Come si misura il successo del caso d'uso?; Chi avrà la responsabilità del caso d'uso?; Chi saranno i data customer?; Di quali dati abbiamo bisogno?; Quali questioni di data governance devono essere considerate?; Come analizziamo i dati e li trasformiamo in insight?; Quali sono i requisiti tecnologici?; Di quali competenze e capacità abbiamo bisogno?; Quali sono le questioni relative all'implementazione di cui bisogna essere consapevoli?; Scegliere i casi d'uso più efficaci e usarli per costruire una data strategy; Costruire la vostra data strategy)
Reperire e raccogliere i dati
(Comprendere i diversi tipi di dati; Una breve rassegna dei nuovi tipi di dati; Raccogliere i vostri dati interni; Accedere ai dati esterni; Quando i dati che volete non esistono)
Gestione dei dati, etica e fiducia
(L'etica dell'intelligenza artificiale; I pregiudizi e l'importanza dei dati "puliti"; Stare dalla parte giusta della legge; Salvaguardare i vostri dati; Mettere in pratica la data governance)
Trasformare i dati in insight
(L'evoluzione degli analytics; Advanced analytics - Dalla fantascienza alla realtà aziendale; Machine learning. L'ultima frontiera dell'intelligenza artificiale; L'apprendimento supervisionato; L'apprendimento non supervisionato; L'apprendimento per rinforzo; Deep learning e reti neurali; Reti antagoniste generative; L'advanced analytics in pratica; Tipi di analytics; L'infrastruttura AI senza codici e come servizio)
Creare una tecnologia e un'infrastruttura per i dati
(Dati, analytics e l'intelligenza artificiale come servizio; Raccogliere i dati; Conservare i dati; Cloud pubblici, privati e ibridi; L'importanza di evitare i silos di dati; Il futuro della conservazione dei dati; Analizzare ed elaborare i dati; Comunicare i dati; Lo storytelling dei dati e la loro visualizzazione)
Costruire competenze relative ai dati all'interno della vostra organizzazione
(La carenza di competenze sui dati, e cosa significa per la vostra impresa; Creare abilità e competenze interne; Esternalizzare l'analisi dei dati)
Mettere in pratica e rivedere la vostra data strategy
(Mettere in pratica la vostra strategia; Perché le data strategy falliscono; Creare una cultura del dato; Rivedere la data strategy)
Guardare avanti
(Il vero valore dell'intelligenza artificiale; Ma dove ci porterà tutto questo?; Come si lega tutto questo a ciò che sto facendo con l'intelligenza artificiale?)
Appendice 1. Template dei casi d'uso per i dati
Appendice 2. Template per la data strategy
L'autore
Ringraziamenti.

Collana: Business 4.0 - Sfide e Opportunità per il Business nell'era dell'Industry 4.0

Argomenti: Change management, gestione dell'innovazione - Business intelligence, Big Data, gestione delle informazioni, IT governance

Livello: Testi per professional

• Direction - Data analytics e il rischio di un nuovo colonialismo (S. Foppa)