It ain’t what you don’t know that gets you into trouble.
It’s what you know for sure that just ain’t so.- Mark Twain
Dopo averla vista nel film “The Big Short”, la citazione riportata sembra sempre più calzante nel nostro lavoro. “Non è ciò che non sai a metterti nei guai, è ciò che sai per certo e che non è così."
Nell’ultimo anno abbiamo lavorato con diverse aziende, da quelle molto piccole (una addirittura non esiste ancora) ad altre molto grandi. Eppure, in quasi tutte, abbiamo trovato delle convinzioni di cose che si sapevano per certe ma che, in realtà, non erano affatto così. Abbiamo assistito a situazioni vicine al paradosso: investimenti per risolvere problemi che non c’erano, di contro, problemi enormi ignorati placidamente.
Spesso i dati per avere evidenza di questi problemi ci sono, manca l’occhio critico che li guardi.
Raccogliere i dati non è quindi sufficiente, bisogna trasformarli in conoscenza perché abbiano un valore.
In un certo senso, la conoscenza è funzione della domanda che ci si pone. Sapere che domanda porsi spesso è il primo e più importante passo.
Con l’Analisi dei Dati ed il Machine Learning possiamo identificare diversi livelli di conoscenza
-
Descriptive Analysis: l’osservazione dello stato attuale, come stanno andando le cose?
-
Predictive Analysis: il tempo t + 1, come sarà il futuro?
-
Prognostic Analysis: la profonda conoscenza, cosa va male o potrà andare male, come e perché?
-
Prescriptive Analysis: l’ottimizzazione, quali azioni massimizzeranno il mio risultato?
Queste non sono definizioni formali, ma vogliono dare l’idea dell’esistenza di diversi livelli di conoscenza, diverse domande a cui potremmo voler dare una risposta.
Come trovare concretamente la risposta che stiamo cercando non è sempre banale, ma per quello, per vostra fortuna, ci siamo noi, per accompagnarvi nel processo che porta dai dati alla conoscenza.