Benvenuti a questo primo episodio del podcast sui dati, sulla business intelligence, machine Learning e i big data .

In questo podcast cercheremo di capire insieme perché i dati siano il nuovo petrolio, come sfruttarli, e come li usano le aziende in Italia.

Essendo il primo episodio del podcast, un giro di presentazioni mi sembra doveroso.


Sono Fabiano Sileo e mi occupo di dati praticamente da quando iniziare a lavorare. Sono stato un consulente di business intelligence per 6 anni ed ero un Senior consultant e da circa 6-7 mesi sono business intelligence Specialist nel reparto Finance di un'importante azienda.

Sono fermamente convinto che i dati rappresentino la nuova rivoluzione industriale, abbiamo avuto la rivoluzione industriale (quella che ha portato alla creazione della catena di montaggio e delle fabbriche), poi c'è stato l'avvento del petrolio che cambiato nuovamente gli equilibri del mondo e adesso i dati stanno facendo la stessa cosa perché permettono alle aziende di crescere e di migliorare, di di scoprire cose che che hanno in casa ma non sanno di avere.
Ma per poter sfruttare al meglio questa forza dirompente dei dati è necessario sapere come collezionare conoscere leggere ed interpretare i dati.

Sono convinto che in Italia se ne parli ancora troppo poco e si abbia una cultura del dato ancora limitata e quindi provo a dare il mio piccolo contributo a questa causa sperando di aprire delle discussioni interessanti con altre persone che vivono i dati tutti i giorni.

Questo podcast rappresenta la naturale prosecuzione ed estensione del mio blog e della newsletter che già viene seguita da oltre 700 esperti del settore tra manager, consulenti e anche studenti o figure un po' più Junior che si occupano quotidianamente di dati.


Questo podcast nasce quindi per :
chi mi conosce già mi segue su blog e Newsletter (e che ringrazio) perché mi sono reso conto di averli un po' trascurati. Ho fatto una promessa all'inizio della newsletter dicendo che avrei scritto un articolo a settimana, ma nell'ultimo periodo non ci sono riuscito e quindi sto provando con questa nuova strategia a recuperare un po' questa promessa ( i podcast verranno registrati quando sono in auto e quindi riuscirò ad essere più costante.La qualità audio forse non sarà eccelsa, ma spero che i contenuti li paghino un po' di rumore di sottofondo).
chi non mi conosce ed è interessato a queste tematiche e, come me, ascolta i podcast.

Ok passiamo all'argomento del giorno dopo la doverosa presentazione e parliamo di strumenti di front-end.

Strumenti di Front - end



Il front-end è l'insieme di strumenti e tecniche che permettono la corretta visualizzazione dei dati. Quindi uno strumento di front-end all'obiettivo di esporre le informazioni nel modo più chiaro è leggibile possibile per l'utente finale e di raccontare una storia

I dati infatti acquisiscono valore quando diventano informazioni e quando permettono al top Management, al Management o comunque a chiunque debba prendere una decisione di avere delle informazioni affidabili, sicure, immediate e di grande valore che gli permettono di indirizzare appunto la decisione per farlo.

Non basta avere il dato ,per quello cioè il sistema transazionale dove il dato “nasce”.

Non basta riuscire a estrapolare tutti i dati e collegarli tra di loro per dargli maggior valore è maggiore coerenza, per quello c'è il Data Warehouse e i tool di back-end.

Serve anche esporre il dato in maniera significativa (arte chiamata data-visualization).


Questo processo porta ad avere un'informazione coerente,strutturata e di grande valore.

Per poter visualizzare al meglio tali informazioni,c’è bisogno di strumenti ad hoc, studiati e creati proprio per ottimizzare la forma grafica con cui l'informazione viene veicolata.

Non possono essere gli stessi strumenti che si utilizzano per costruire l'informazione. Per ricapitolare, il datawarehouse si occupa di estrarre i dati, di strutturarli, collegarli con dati provenienti da altri sistemi transazionali, da file esterni o comunque da altri processi funzionali.
Ma poi una volta che il dato è appunto strutturato è coerente è necessario mostrarlo per farlo Quindi si usa uno strumento diverso che è uno strumento di front-end.

La grandissima differenza è che lo strumento di front-end ha pochissimo se non nulla a che fare con l'estrazione e la manipolazione del dato ma si occupi “solo” di mostrarlo.

Possiamo sicuramente dire che ha una carenza dal punto di vista della modellazione del dato ma ha a disposizione tantissimi elementi grafici da poter sfruttare come ad i classici grafici presenti anche sul excell come il grafico a torta l'istogramma le barre in pila etc ma anche altre funzionalità più avanzate come ad esempio le mappe regionali, le bolle e tantissimi altri contenuti visivi che continuano ad aggiornarsi con una frequenza e velocità costante.

Tra i più famosi tool di front-end ci sono sicuramente SAC per quanto riguarda il mondo SAP, Power Bi per Microsoft, Tableau e qlik sense.

Ognuno di questi tool sta intraprendendo anche la strada che lo porterà nel nel futuro ad essere più robusto e consistente dal punto di vista degli algoritmi previsionali del machine Learning con adesempio la possibilità di collegarlo a codice in R o in Python.

Ma comunque non è questo il suo obiettivo che è quello di raccontare una storia, di creare delle Dashboard che siano autosussistente che permettono un'analisi veloce delle informazioni.

Ovviamente ci riferiamo a dei tool che riportano informazioni principalmente al Management quindi non si tratta di una business intelligence operativa in cui si va a dare in forma tabellare in cui si riporta il dettaglio di tutti i dati a chi poi quotidianamente si trova ad operare nell'azienda livello operativo. Si tratta decisamente una business intelligente di tipo più manageriale in cui il focus è quello di dare solamente le informazioni principali, aggregate e di facile lettura e consultazione immediata