Contenuto sponsorizzato

UN SISTEMA DI DATA SCIENCE

Barbara Franceschi. Cogliere le opportunità che ci vengono offerte dalle nuove tecnologie e dalla grande mole di dati a disposizione è una sfida che abbiamo voluto raccogliere. I sistemi tradizionali, per quanto efficienti e consolidati, non riescono ad afferrare i concetti essenziali e hanno dei limiti alla luce delle moderne affordances tecnologiche e funzionali. Così abbiamo deciso di investire sull’astrazione progressiva del nostro know how e sulla costruzione di una nuova piattaforma che potesse valorizzare e contenere le attuali conoscenze, orientandosi decisamente al futuro. Audacia propone così un innovativo modo di guardare, aggregare e applicare intelligenza sui dati, con una soluzione che si chiama Alta, cioè una piattaforma applicativa, versatile, potente, tecnologica ed essenziale.

Barbara Franceschi. Si tratta di una soluzione applicativa di semplificazione e intelligenza sui dati, che si rivolge al mondo assicurativo, in particolare al mondo sinistri, ma che guarda anche ad altri ambiti, come il mondo Hr e molti altri contesti di rilevanza eterogenea”.

Paolo Speranza. Siamo tutti sommersi dagli stimoli digitali e dall’abbondanza di dati, di natura disaggregata e rischiamo spesso di perderci il cuore e l’essenzialità delle informazioni, così come facciamo molta fatica a vedere le correlazioni reali, e significative per noi, tra i dati. L’idea più semplice, e molto attuale, è quella di immaginare il nostro mondo operativo attraverso una logica di essenzialità, cioè di entità centrali fondamentali per il nostro lavoro. L’idea è immaginare la complessità ridotta a poche categorie di nodi e archi di relazione, come nei sistemi a grafo. Nel caso dei sinistri di compagnia, ad esempio, l’idea è immaginare di poter vedere tutti i dati raggruppati per persone, veicoli e sinistri, e le proprietà dei loro relativi collegamenti. Ma come rappresentare tutto ciò semplificato senza perdere informazioni? In secondo luogo, come immaginare l’uso di un’intelligenza personalizzata e che autoapprende in modo permanente, secondo le nostre esigenze di business? Insomma, si può costruire una soluzione che stia all’intersezione tra data mining, business intelligence e data analytics? Da tutto questo è nata la nostra soluzione.

Alta integra i dati come sottoinsiemi significativi, che vengono raggruppati a livello logico e analitico, secondo le essenzialità richieste dall’organizzazione e dall’utenza specifica. L’intelligenza applicabile è di natura detecting (cioè, post-evento, in linea con l’analisi antifrode), preventing (pre-evento, con calcolo del rischio) e global (non legata a un evento). Esempi di intelligenza global sono le analisi su perizie e carrozzerie, localizzazioni geografiche di non virtuosità, evoluzioni dei sinistri, medici e open data a essi associati, (come gli albi professionali, rassegna stampa derivanti dalle analisi semantiche su pubblicazioni locali, significatività dei parametri di esposizione a frode, utilizzo dei flussi Aia in qualsiasi momento).

Le nuove tecnologie ci hanno permesso di compiere il passo decisivo, attraverso potenzialità e prestazioni irraggiungibili con le metodologie tradizionali. Attraverso queste, abbiamo potuto realizzare questo motore applicativo su cui poter inserire verticalizzazioni specifiche, come quella relativa ai sinistri. Le analisi dei dati acquisiscono potenza ed elasticità e possono condurre a risultati nuovi e più efficaci per l’operatività del business in generale.

Il sistema può gestire un numero rilevante di informazioni, rappresentate graficamente in mappe cognitive di facile interpretazione, così come possono essere prodotti report e statistiche, e scatenare azioni specifiche, quali, ad esempio ricevere flussi, costruire web service, inviare email, ecc. Ogni intelligenza applicata attraverso regole può avere un proprio processo di esecuzione.

Paolo Speranza. Di certo può accrescere la capacità decisionale dell'impresa in merito ai dati disponibili. Può costruire regole di aggregazione che, una volta consolidate, creano correlazioni nuove, migliorano l’efficienza delle analisi e lasciano tempo ed energie per nuove valutazioni. Può aiutare a mettere insieme i dati sparsi, siano essi di natura endogena, dagli archivi proprietari, siano essi di natura esogena, da archivi esterni e big data. Il data scientist può contare su uno strumento di qualità e potenza al suo servizio. Inoltre può costruire la visione dei dati secondo le proprie personali e professionali necessità.

Barbara Franceschi. L’approccio che proponiamo è innovativo, all’utente è fornito un sistema di base più o meno completo a seconda delle esigenze. L’utente è affiancato durante l’acquisizione del metodo e delle potenzialità in riferimento al suo mondo operativo, e poi può continuare in autonomia, almeno parziale, oppure scegliere di usufruire dei nostri servizi. Il sistema diventa via via più saggio e utile man mano che viene utilizzato ed addestrato, ma già nel momento del go live risulta essere di supporto fattivo e produce risultati che migliorano la qualità delle decisioni e dei processi di business.

Paolo Speranza. Non dimentichiamo che l’organizzazione può contenere i costi di integrazione dei dati, potendo contare su una visione globale e sintetica degli stessi.