Data Stewardship consente di validare, correggere e migliorare i dati estratti, garantendo coerenza e accuratezza prima della loro integrazione nei processi aziendali. Con Talend, è possibile impostare regole personalizzate per il controllo dei dati, gestire anomalie e ambiguità, applicare correzioni automatiche e monitorare costantemente la qualità delle informazioni. Inoltre, la possibilità di coinvolgere un supervisore umano nei casi più complessi assicura che i dati utilizzati siano sempre affidabili e aderenti agli standard aziendali. 

Talend in azione: dalla verifica ordini alla gestione documentale 

Per comprendere il valore di Talend Data Stewardship, consideriamo il caso di un’azienda manifatturiera che riceve centinaia di ordini cliente ogni giorno, spesso in formati PDF diversi. Grazie all’estrazione automatizzata (tramite il supporto di OCR e LLM), è possibile identificare i codici prodotto e le quantità ordinate; senza un controllo di qualità potrebbero tuttavia verificarsi errori come codici obsoleti o duplicati, quantità non conformi agli accordi contrattuali e così via. Talend permette di intercettare questi problemi prima che i dati vengano inseriti nei sistemi ERP, applicando regole predefinite e notificando un operatore in caso di discrepanze. 

Un altro esempio riguarda la gestione documentale nel settore assicurativo. Contratti, polizze e premi devono essere estratti e classificati correttamente per garantire la conformità normativa e la protezione dei dati sensibili. Talend Data Stewardship consente di verificare che ogni documento contenga i dati essenziali e segnala eventuali mancanze, evitando errori che potrebbero rallentare le attività aziendali quotidiane. 

La sinergia con l’AI: il futuro della gestione dati 

Parallelamente, l’utilizzo di modelli avanzati di intelligenza artificiale, tra cui i Large Language Model (LLM), sta rivoluzionando l’estrazione e l’interpretazione dei dati. Talend può interagire con questi modelli inserendosi nella pipeline della Document extraction e creando così un processo semi-automatizzato sempre più intelligente. Ad esempio, un LLM può riconoscere clausole contrattuali specifiche in documenti legali, mentre Talend garantisce che i dati estratti siano coerenti e strutturati in modo corretto prima dell’inserimento nei database aziendali. 

L’integrazione tra AI e strumenti di Data Stewardship come Talend rappresenta già una svolta decisiva per migliorare la gestione dei dati aziendali e potenziare l’efficienza operativa.

Grazie a questa combinazione, le aziende possono ridurre gli errori manuali, migliorare la qualità dei dati e accelerare i processi decisionali, trasformando il flusso documentale in una risorsa strategica per la crescita del business. 

L'articolo Document Extraction e Data Quality proviene da Horsa Blog.

Abbiamo visto in un articolo precedente i limiti del vecchio modello di BI, nonché la necessità di spostare il focus su un approccio integrato e anticipatore delle situazioni grazie, appunto, alla piattaforma di Active Intelligence: ecco alcune caratteristiche che una piattaforma di questo tipo di solito ha.

• È end-to-end
• Unisce l’integrazione dei dati con la business analytics
• Sfrutta una pipeline di dati che lavora in tempo reale trasformando i dati in informazioni
• Permette di cogliere rapidamente fenomeni
• Spinge a fare o fa direttamente delle azioni (sia verso l’organizzazione che verso altri sistemi) a beneficio del business

Qlik è l’unico attore a fornire una piattaforma end-to-end che consente di adottare questo approccio. Scopriamo, quindi, tutte le caratteristiche e i vantaggi della piattaforma di Active Intelligence di Qlik.

Funzionalità e vantaggi dell’Active Intelligence di Qlik

Qlik e i suoi partners permettono di attivare una piattaforma di Active Intelligence attraverso la potente combinazione di Data Integration e di Data Analytics, supportati da un programma di educazione alla cultura del dato (“Data Literacy”) che permette di abbattere gli ostacoli alla creazione di un ambiente di lavoro in cui le decisioni di business vengano prese in base ai dati e agli insight che se ne colgono.

Lo scopo principale è quello di essere in grado di trasformare i dati grezzi in azioni informate, stabilendo una pipeline di dati analitici per aiutare a liberare i dati dai propri silos, trovarli, comprenderli e renderli utilizzabili per compiere delle azioni («Active»).  L’Active Intelligence abilita dunque la possibilità di concretizzare e mettere a terra delle azioni che nascono automaticamente da app Sense o che vengono impostate manualmente dagli utenti business.

Tutti i segreti dell’Active Intelligence: l’Analytics Data Pipeline

La piattaforma di Active Intelligence di Qlik lavora seguendo una pipeline di dati di analytics (“Analytics Data Pipeline”, secondo alcuni passaggi.

Il primo passaggio (“Free it”) nella pipeline dei dati analitici consiste nel liberare i dati dai silos. I dati grezzi – interni, esterni, dati derivati – ovunque si trovino – nel cloud, multi-cloud, on-premise – vengono estratti e forniti continuamente dove è necessario, riflettendo i cambiamenti in tempo reale.

Dopo aver liberato i dati, bisogna assicurarsi che gli utenti possano trovarli facilmente (“Find it”). Quindi, in questa fase, si acquisiscono quei dati, preservandone il lineage. Viene eseguita l’identificazione intelligente in un catalogo governato, in cui gli utenti possono acquisire i dati e pubblicarli nel loro strumento di analisi. I dati in questa fase diventano “pronti per l’analisi” (“Analytics ready”).

Successivamente si entra nella fase della pipeline di dati analitici in cui gli utenti possono iniziare a comprendere i dati (“Understand it”). Con Qlik Sense, gli utenti possono sfruttare la potenza dell’analisi aumentata grazie al motore di AI/ML integrato (“Cognitive Engine”) che lavora di concerto con il motore associativo (“Associative Engine”) per scoprire insights più ricchi.

Possono collaborare con altri utenti e possono farlo in movimento. La collaborazione è fondamentale per l’Active Intelligence: in questo modo si abbattono i silos lungo la pipeline tra i diversi tipi di “data persona” in un’organizzazione. In questo stadio, i dati sono pronti per il business (“Business Ready”), cioè sono state applicate le logiche di business e sono quindi facilmente comprensibili da parte degli utenti business.

Il passaggio finale una volta compresi i dati è essere in grado di agire (“Action it”). Questo è un elemento chiave dell’Active Intelligence Platform. Il sistema incorpora dunque l’analisi nei flussi di lavoro automatizzati e fornisce avvisi sofisticati e sensibili al contesto in tempo reale, man mano che si verificano i cambiamenti.

I dati diventano quindi utilizzabili, in qualsiasi momento e in modi diversi, su diversi canali, superando il paradigma della dashboard, ad esempio attraverso alert o «consumando» il dato su mobile attraverso un messaggio sintetico, che però poi può contenere un deep link che porta all’applicazione e al set di filtri che ha generato l’alert. Oppure addirittura inserendo l’ultimo miglio all’interno dei processi aziendali, per rendere disponibile l’informazione vicino al punto dove si decide.

L’implementazione di un’analytics data pipeline intelligente, grazie alla piattaforma di Active Intelligence di Qlik, consente alle informazioni di fluire continuamente nei processi quotidiani. Si ottimizza così ogni decisione di business grazie ad un’azione informata e si accelera il valore per l’azienda.

Questo è ciò che chiamiamo Active Intelligence.

L'articolo Attivare una piattaforma di Active Intelligence con Qlik: tutti i vantaggi proviene da Horsa Blog.

Il modello di BI passiva: perché è superato

Uno dei maggiori ostacoli che le aziende incontrano nel raccogliere e rendere omogenei e confrontabili i dati che servono per prendere decisioni è rappresentato dalla separazione che si è creata fra due aree essenziali: quella della data integration e quella della business analytics. Questa divisione crea una mancanza di allineamento tra i team delle due aree, ed è spesso uno dei motivi che generano gli “investimenti IT ombra” in seno alle funzioni aziendali e in modo non coordinato con la funzione IT, e che portano a sfide e difficoltà nella governance dei dati.

Questo modello a due diversi compartimenti porta a un approccio passivo ai dati e all’analisi, ciò che viene spesso definito BI passiva, che tratta i dati come storici e statici, elaborati in batch, da pochi sistemi transazionali. Un approccio passivo alla BI è anche troppo concentrato nel dirci che cosa è successo in passato, informandoci a posteriori, e non agisce in modo efficace e tempestivo, quando conta di più, cioè nel momento in cui serve l’informazione più aggiornata e più “arricchita” possibile per decidere.

Soprattutto manca dell’”ultimo miglio”, cioè di rendere evidenti i fenomeni che vengono posti in risalto dalla business analytics (gli “insights”) e di facilitare decisioni ed azioni basati su di essi, abbattendo gli ostacoli affinché ciò avvenga e possibilmente automatizzando alcune delle azioni, sia verso l’organizzazione (es. produzione, logistica, forza vendite, etc) che verso altri sistemi (ERP, CRM, verticali, etc).

Aggiungiamo a questo che la natura basata su SQL della maggior parte dei moderni strumenti di visualizzazione esclude sistematicamente le informazioni chiave con ogni domanda posta o in altri termini ad ogni query fatta. Crea una visione a tunnel, opposta alla visione periferica garantita dal motore associativo, che permette di vedere tutti i valori associati o meno ad una certa selezione. Inoltre, il modello passivo di BI non consente di ottenere esperienze basate sui dati integrate direttamente nei processi decisionali e nelle applicazioni.

Le mancanze della BI passiva: verso un approccio di Active Intelligence

Il risultato è che in genere l’IT dispone di più dati di quanti il business ritenga realmente accessibili, lasciando ad una piccola intersezione tra l’IT e il business il compito di guidare la trasformazione e rendendo più difficile per l’IT dimostrare il valore che fornisce all’organizzazione.
Troppo spesso le strategie sui dati (data strategies) sono orientate all’integrazione delle sorgenti dati in un sistema target, piuttosto che a generare valore aziendale da esso, spesso sperando che il valore venga scoperto più avanti nel processo.

Al contrario, l’azienda sta cercando talvolta disperatamente di rispondere a domande strategiche a cui non è possibile rispondere con i dati esistenti, lasciando enormi punti ciechi per il business che cerca risposte. Nella migliore delle ipotesi, il risultato non è ottimale né per il Business né per l’IT, peggio ancora crea attrito e sfiducia tra i due team.

Si tratta, quindi, di un modello limitato ed inadeguato, soprattutto se confrontato con la realtà odierna costituita da molte fonti dati, ognuna con un “battito” cioè con un tempo di aggiornamento diverso, alcune delle quali in tempo reale, che vanno considerate su larga scala, e con architetture che possono variare dall’essere on-premise o basate su cloud oppure ancora ibride. Questo contesto fa emergere la necessità di un nuovo approccio ai dati e al loro utilizzo, affiancato dallo sviluppo di una cultura basata sui dati come driver dell’azienda verso l’innovazione.

Un nuovo modello di BI: cosa fa l’Active Intelligence

In questo scenario diviene essenziale unire queste due aree – la data integration e la business analytics – in un’unica pipeline di dati analitici end-to-end (“end-to-end streaming data pipeline”). In questo modo, l’integrazione, la distribuzione dei dati e l’accesso alle informazioni in modo governato si semplificano, massimizzandone il valore per gli utenti di business e quindi per l’azienda.

Si passa così all’adozione di una piattaforma di Active Intelligence: un vero e proprio percorso verso il ROI.

Un passaggio di modello di BI di questa portata cambia radicalmente l’approccio che un’azienda ha nei confronti dell’uso dei dati. Innanzitutto, si estende il ciclo di vita dei dati oltre il tradizionale paradigma “da fonte a destinazione”. Si include ora l’intero ciclo di vita dei dati analitici, generando nuovi insights attraverso gli analytics e la collaborazione fra utenti lungo tutto il processo, e infine integrandoli e incorporandoli nei processi aziendali. Ultimo, ma non per importanza, si attivano azioni immediate nel momento in cui si devono prendere decisioni, in contrapposizione agli interventi a posteriori legati al vecchio modello.

Una piattaforma di Active Intelligence, dunque, ha lo scopo di unificare questi due mondi (data integration e business analytics), liberando i dati dai loro silos, e mettendoli a disposizione in tempo reale. In questo modo tutti gli attori coinvolti possono trovarli semplicemente accedendo ad un catalogo, arricchendoli e creando azioni e risposte automatiche, a partire da essi.

I vantaggi di una piattaforma di Active Intelligence

Una piattaforma di Active Intelligence aiuta gli utenti nel comprendere fenomeni e scoprire insights che possono essere consumati ovunque, grazie ad un sistema che permette di automatizzare azioni a valle della BI, stabilendo una pipeline affidabile per l’analisi dei dati end-to-end.

Permette di superare la “dashboard fatigue” (fatica della comprensione di una dashboard ma anche la “stanchezza” che comporta l’analizzare i dati in modo ripetitivo tramite una dashboard). La piattaforma spinge all’azione, grazie anche al fatto che le informazioni vengono “spinte” verso l’utente attraverso alert e messaggi su diversi canali (email, Microsoft Teams…). Queste informazioni vengono però condivise solo quando serve e grazie al supporto di trigger, impostati manualmente ma anche generati grazie al motore di AI/ML (“Cognitive Engine”) che lavora di concerto con il motore associativo (“Associative Engine”) di Qlik.

Questa è la visione che abilita l’Active Intelligence, una prospettiva nuova e fresca che riflette le realtà odierne in cui i dati devono essere posseduti sia dall’IT che dal business, sono vivi, in continua evoluzione e devono essere utilizzati in tempo reale e spingere a fare o fare direttamente delle azioni a beneficio del business. Tutto ciò deve avvenire su scala cloud in modo cross fra cloud dei vendors e cloud privati e anche in architetture ibride nel caso parte delle fonti dati sia on-premise, con dati strutturati e non strutturati e tuttavia completamente governati end-to-end.

[hubspot type=cta portal=8916761 id=38da65d4-4bf7-4a57-ba37-4f21d7bdf5c8]

L'articolo Active Intelligence: un nuovo modello di BI per ottimizzare l’uso dei dati proviene da Horsa Blog.

Abbiamo visto in un articolo precedente i limiti del vecchio modello di BI, nonché la necessità di spostare il focus su un approccio integrato e anticipatore delle situazioni grazie, appunto, alla piattaforma di Active Intelligence: ecco alcune caratteristiche che una piattaforma di questo tipo di solito ha.

• È end-to-end
• Unisce l’integrazione dei dati con la business analytics
• Sfrutta una pipeline di dati che lavora in tempo reale trasformando i dati in informazioni
• Permette di cogliere rapidamente fenomeni
• Spinge a fare o fa direttamente delle azioni (sia verso l’organizzazione che verso altri sistemi) a beneficio del business

Qlik è l’unico attore a fornire una piattaforma end-to-end che consente di adottare questo approccio. Scopriamo, quindi, tutte le caratteristiche e i vantaggi della piattaforma di Active Intelligence di Qlik.

Funzionalità e vantaggi dell’Active Intelligence di Qlik

Qlik e i suoi partners permettono di attivare una piattaforma di Active Intelligence attraverso la potente combinazione di Data Integration e di Data Analytics, supportati da un programma di educazione alla cultura del dato (“Data Literacy”) che permette di abbattere gli ostacoli alla creazione di un ambiente di lavoro in cui le decisioni di business vengano prese in base ai dati e agli insight che se ne colgono.

Lo scopo principale è quello di essere in grado di trasformare i dati grezzi in azioni informate, stabilendo una pipeline di dati analitici per aiutare a liberare i dati dai propri silos, trovarli, comprenderli e renderli utilizzabili per compiere delle azioni («Active»).  L’Active Intelligence abilita dunque la possibilità di concretizzare e mettere a terra delle azioni che nascono automaticamente da app Sense o che vengono impostate manualmente dagli utenti business.

Tutti i segreti dell’Active Intelligence: l’Analytics Data Pipeline

La piattaforma di Active Intelligence di Qlik lavora seguendo una pipeline di dati di analytics (“Analytics Data Pipeline”, secondo alcuni passaggi.

Il primo passaggio (“Free it”) nella pipeline dei dati analitici consiste nel liberare i dati dai silos. I dati grezzi – interni, esterni, dati derivati – ovunque si trovino – nel cloud, multi-cloud, on-premise – vengono estratti e forniti continuamente dove è necessario, riflettendo i cambiamenti in tempo reale.

Dopo aver liberato i dati, bisogna assicurarsi che gli utenti possano trovarli facilmente (“Find it”). Quindi, in questa fase, si acquisiscono quei dati, preservandone il lineage. Viene eseguita l’identificazione intelligente in un catalogo governato, in cui gli utenti possono acquisire i dati e pubblicarli nel loro strumento di analisi. I dati in questa fase diventano “pronti per l’analisi” (“Analytics ready”).

Successivamente si entra nella fase della pipeline di dati analitici in cui gli utenti possono iniziare a comprendere i dati (“Understand it”). Con Qlik Sense, gli utenti possono sfruttare la potenza dell’analisi aumentata grazie al motore di AI/ML integrato (“Cognitive Engine”) che lavora di concerto con il motore associativo (“Associative Engine”) per scoprire insights più ricchi.

Possono collaborare con altri utenti e possono farlo in movimento. La collaborazione è fondamentale per l’Active Intelligence: in questo modo si abbattono i silos lungo la pipeline tra i diversi tipi di “data persona” in un’organizzazione. In questo stadio, i dati sono pronti per il business (“Business Ready”), cioè sono state applicate le logiche di business e sono quindi facilmente comprensibili da parte degli utenti business.

Il passaggio finale una volta compresi i dati è essere in grado di agire (“Action it”). Questo è un elemento chiave dell’Active Intelligence Platform. Il sistema incorpora dunque l’analisi nei flussi di lavoro automatizzati e fornisce avvisi sofisticati e sensibili al contesto in tempo reale, man mano che si verificano i cambiamenti.

I dati diventano quindi utilizzabili, in qualsiasi momento e in modi diversi, su diversi canali, superando il paradigma della dashboard, ad esempio attraverso alert o «consumando» il dato su mobile attraverso un messaggio sintetico, che però poi può contenere un deep link che porta all’applicazione e al set di filtri che ha generato l’alert. Oppure addirittura embeddando l’ultimo miglio all’interno dei processi aziendali, per rendere disponibile l’informazione vicino al punto dove si decide.

L’implementazione di un’analytics data pipeline intelligente, grazie alla piattaforma di Active Intelligence di Qlik, consente alle informazioni di fluire continuamente nei processi quotidiani. Si ottimizza così ogni decisione di business grazie ad un’azione informata e si accelera il valore per l’azienda.

Questo è ciò che chiamiamo Active Intelligence.

[hubspot type=cta portal=8916761 id=38da65d4-4bf7-4a57-ba37-4f21d7bdf5c8]

L'articolo Attivare una piattaforma di Active Intelligence con Qlik: tutti i vantaggi proviene da Horsa Blog.