Il mondo è fatto di dati, e chi meglio di Google può saperlo. Con il termine datasfera si tende a definire la rappresentazione del mondo attraverso i dati, uno spazio che possiede una propria geografia. Si tratta di qualcosa di fisico, poiché si basa su un’infrastruttura e attori economici che ne sono coinvolti, ma la sua fluidità e ubiquità va oltre il concreto. Di certo sappiamo che si tratta di un magma in rapidissima espansione, tanto che Idc ha stimato per la datasfera un’evoluzione in pochi anni da 33 a 175 zettabyte in volume. In questo immenso calderone si trovano i dati che possono servire alle aziende per rafforzare il proprio business, attraverso una migliore conoscenza delle dinamiche di mercato e dei propri stakeholder. Il problema sta nell’individuarli e poterne estrarre valore.

Acquisizione e gestione sono attività che già oggi si eseguono con un buon livello di efficienza”, spiega Paolo Spreafico, head of customer engineering di Google Italia. “Quello che ancora manca è la comprensione e qui entra in gioco il machine learning, che aiuta a classificare meglio i risultati di una ricerca”. Tra i fronti scelti da Google per farsi largo nel mondo enterprise, quello dell’intelligenza artificiale è forse oggi il più importante, anche in ragione di sviluppi tecnologici che pongono l’azienda fra i principali attori del comparto. “Occorre aver già una buona base di lavoro negli analytics per essere pronti per il machine learning”, avverte Spreafico. “Solo così è possibile ricavare insight utilizzabili in un data warehouse modernizzato e centralizzato, per poter così analizzare flussi di dati in tempo reale, in modo trasversale e non a lotti, come ancora accade in troppi casi”.

 

Paolo Spreafico, head of customer engineering di Google Italia

 

Facendo leva sulla piattaforma Cloud Ai, Google propone diverse soluzioni che servono a catturare il dato, a elaborarlo (anche in unione di data source diverse), a condividerlo, ad analizzarlo e infine utilizzarlo insieme a data scientist o figure di business evolute: “Lavoriamo in modalità aperta e serverless, prendendoci in carico la complessità e lasciando alle aziende il compito di concentrarsi sulle analisi”, precisa Spreafico.

Fra gli strumenti che stanno incontrando maggior favore sul mercato, c’è TensorFlow, framework di apprendimento automatico che Google ha appena reso disponibile in una versione Enterprise per le realtà più complesse e strutturate. Il servizio funziona in associazione con la piattaforma di intelligenza artificiale di Google, con il motore Kubernetes e con versioni ottimizzate delle macchine virtuali e dei container di Deep Learning. “Abbiamo sviluppato anche le Tpu, processori disponibili in cloud per eseguire determinati algoritmi con velocità da 15 a 30 volte superiori rispetto a Cpu e Gpu”, aggiunge Spreafico.

Altra soluzione di successo è BigQuery, un data warehouse progettato per permettere alle aziende di effettuare query Sql molto rapidamente, grazie alla possibilità di potersi appoggiare alla potenza elaborativa dell’infrastruttura cloud di Google. La tecnologia viene proposta come "as-a-service", con diversi livelli, che si adattano anche alle esigenze anche di una piccola e media impresa (che potrà sfruttare anche la soluzione AutoMl per automatizzare i processi e ovviare così alla propria carenza di risorse e competenze). Tra i clienti italiani che hanno adottato le soluzioni di intelligenza artificiale di Google troviamo anche Generali e Telepass.