Blog

  • decision making
    +
    Decision making: i dati sostituiranno i manager?
  • beacon app
    +
    Ubiika: il mondo delle beacon app su Digical Channel
  • big data visual thinking
    +
    Progettare il futuro, tra Big Data e Visual Thinking
  • applicazione raccolta fondi
    +
    Miriade e CIAI promuovono un’applicazione raccolta fondi solidale
  • lego serious play
    +
    Lego Serious Play: quando il gioco si fa serio
  • responsabilità sociale miriade
    +
    Relazioni e territorio, la nostra idea di responsabilità sociale
  • Fabbrica futuro Venezia Industria 4.0
    +
    Fabbrica Futuro Venezia: riflessioni sull’industria 4.0
  • corsi di informatica avanzata
    +
    Corsi di informatica avanzata: disponibile il nuovo catalogo Miriade
  • webinar informatica
    +
    Webinar, quando l’evento è on line
  • mostra che impresa
    +
    Miriade è sponsor di “Che Impresa! Le aziende si raccontano ai bambini”
  • middleware
    +
    Middleware, al centro del cambiamento
  • consulenza database administration
    +
    Sito Miriade: tutte le novità

Big Data e Finanza: imparare a prevedere

By Camilla Mantella 2 settimane agoNo Comments

Viviamo in un contesto economico e finanziario che cambia velocemente e siamo chiamati ad adattarci a ciò che ci circonda con rapidità, possibilmente cercando di anticipare i tempi prevedendo scenari e tendenze.

Le prime linee manageriali degli istituti di credito e delle compagnie assicurative hanno sempre più bisogno di offrire i servizi che i consumatori si aspettano prima ancora che questi li richiedano e di analizzare il rischio in tempo reale, così da poter decidere meglio – e in anticipo – su quali mercati puntare.

Oggi siamo in grado di effettuare previsioni accurate e di disegnare scenari attendibili. Grazie alla mole di dati che ogni organizzazione che opera nell’ambito finanziario ha a disposizione – dalle serie storiche alle informazioni provenienti da fonti esterne al mix di entrambe – è possibile rispondere ad interrogativi complessi ed articolati ricorrendo ad algoritmi di machine learning che sfruttano le tecnologie basate sui Big Data.

Ma il potere degli strumenti non può nulla se non viene ben diretto. Prima di avventurarsi in qualsiasi previsione faccia leva sul trattamento e la visualizzazione dei Big Data, è necessario domandarsi:

  • Qual è l’obiettivo della previsione?
  • In che contesto mi sto muovendo? Qual è il rapporto tra previsione e fenomeni presenti da anticipare?
  • Quanto è importante il patrimonio informativo storico che ho già a disposizione (o che devo riordinare perché sia trattabile) nell’elaborazione della previsione?

big data finanza

Se i fenomeni da prevedere si muovono in un contesto articolato, infatti, anche le previsioni che li riguarderanno saranno necessariamente articolate. E senza una corretta strategia, senza un interrogativo quanto più preciso possibile da porre ai dati, il forecasting perde di incisività.

Non è sufficiente riordinare i dati e adottare la tecnologia più performante per esaminarli per ottenere i risultati previsionali sperati. Prima di tutto, occorre capire quale previsione, quale domanda, quale dato ci servono, perché ne abbiamo bisogno, con quale grado di accuratezza desideriamo ottenere le analisi, qual è l’orizzonte temporale futuro da indagare (un mese? due mesi? un semestre?), qual è il rapporto costi/benefici e quanto tempo ho per svolgere le analisi.

Per riuscire a rispondere efficacemente alle domande preliminari sopra esposte, può essere utile dedicare del tempo a valutazioni interne che coinvolgano tutti coloro che andranno a lavorare sia nella produzione che nell’esame delle analisi.

Miriade propone un workshop verticale (qui il programma) rivolto proprio a quelle realtà che desiderano approfondire nuovi metodi previsionali e che sono incuriosite dalle potenzialità dei Big Data. Per maggiori informazioni, contattaci.

Photo credits: Pixabay

Category:
  News .
this post was shared 0 times
 000

Leave a Reply

Your email address will not be published.