L’intelligenza “aumentata” rivoluziona gli approcci all’Analysis & Reporting
La Business Intelligence ha supportato gli utenti valorizzandone le capacità di analisi e reporting, ma con l’Augmented Intelligence il sistema “dialoga” con l’utente e lo guida nella comprensione dei fenomeni, siamo di fronte ad un nuovo paradigma!
I processi di risk & compliance sono diventati sempre più distribuiti nelle aziende coinvolgendo un numero sempre maggiore di utenti e moltiplicando esponenzialmente le informazioni gestite e scambiate.
I tre livelli di difesa generano fabbisogni informativi molto diversi, per dettaglio, rappresentazione, tempestività, visibilità, focus dell’attenzione… generando la sensazione che i report disponibili nelle applicazioni non siano mai sufficienti.
La risposta tecnologica a questa domanda crescente, già percepita in questi anni in altri ambiti applicativi, è stata per lo più colmata da soluzioni di Business Intelligence.
I vendor delle principali applicazioni hanno capito le potenzialità della B.I. per valorizzare il patrimonio informativo dei dati gestiti, o generati, all’interno dei propri tool e, alcuni, hanno aggiunto la B.I. alla propria offerta con due modalità:
- prevedendo l’integrazione delle proprie applicazioni con tool di B.I. di altri vendor, focalizzando le energie per agevolarne ed automatizzare la connessione/integrazione;
- oppure, alcune grandi società che hanno all’interno del loro portafoglio soluzione di BI, hanno integrato (“embedded”) nei propri applicativi le soluzioni di Business Intelligence.
Quest’ultima modalità offre il vantaggio di garantire il costante allineamento tra i dati del GRC e i meta dati della B.I., oltre ai vantaggi derivanti da una “vendor ownership” unica.
Per chi ha utilizzato sistemi di B.I., i benefici nel processo di reporting credo risultino abbastanza evidenti; potremmo dire che sono principalmente legati a rendere l’utente più “autonomo” ed efficiente nella attività di analisi e reporting dei dati. Per esempio, senza voler essere esaustivo, attraverso le principali funzionalità tipiche dei sistemi di B.I.:
- Drag & Drop, cioè la possibilità di selezionare da un elenco, misure e categorie, e “spostarle nel report”;
- Drill Down, cioè la capacità di esplodere un dato aggregato nei suoi dettagli con un semplice click;
- Drill Through, cioè la capacità di analizzare con altre viste lo stesso set di dati;
- Data Presentation, cioè la capacità di generare rappresentazioni grafiche e numeriche graficamente appeal;
- Dashboarding cioè la capacità di comporre report grafici e numerici creando “cruscotti” articolati e compositi.
Ho notato che si parla molto di AI, per tanti utilizzi e settori, ma la maggior parte della documentazione disponibile offre descrizioni sempre molto teoriche, a tal riguardo è emblematico il nome di una community di specialisti ed interessati al tema chiamata “Artifical Intelligence Spiegata Semplice” che cerca di superare la percezione dell’AI come un “concetto” complesso e destinato a pochi esperti di aziende evolute.
L’aggiunta dell’Intelligenza Aumentata, unitamente al linguaggio naturale, nonchè ad algoritmi statistici può cambiare, secondo me, radicalmente la modalità di lavoro dell’utente ed il ruolo del sistema.
Parliamo di “Intelligenza Aumentata“, che a differenza dell’Artificial Intelligence, non tende a sostituire attività fatte dall’uomo, ma si basa sull’idea di un attore umano al centro dell’interazione uomo-macchina.
Provo a sintetizzare, con alcuni esempi, quali “capabilities” aggiuntive ed innovative l’AI mette a disposizione a supporto dei processi di reporting, utili anche nell’area Risk & Compliance Management:
A) Interagisce con l’utente attraverso il linguaggio naturale, nello specifico risponde alle domande dell’utente “producendo” grafici mirati, oppure suggerisce “le domande da porgli”.
Si, avete capito bene è il sistema che suggerisce le domande da porre per un percorso di approfondimento dei dati sulla base dei valori e delle dimensioni presenti nel dataset.
L’idea di una analisi dei dati condotta attraverso un dialogo con una macchina fornisce, secondo me, la portata del cambiamento in corso e delle possibili prospettive.
Nell’immagine mostriamo un esempio applicato a dati di Loss Event, in altro compare la finestra di “dialogo” con l’applicazione, l’utente chiede al sistema di suggerire domande, il sistema propone una serie di possibili quesiti di approfondimento, quando l’utente seleziona la domanda il sistema mostra il grafico già elaborato con la visualizzazione più efficace (es. analisi per country viene rappresentato con un grafico nella forma di mappa geografica). L’utente potrà proseguire con l’analisi attraverso le domande suggerite o porne di nuove, salvando i report di interesse e/o componendoli in una dashboard.
B) Supporta l’utente nell’esplorazione dei dati evidenziando correlazioni e proponendo visualizzazione alternative in funzione dei dati da analizzare.
Nell’immagine mostriamo sempre un esempio applicato a dati di Loss Event, al centro l’immagine consente la visualizzazione grafica delle correlazioni tra le variabili e, sulla destra, il sistema mostra una serie di proposte di report che l’utente potrà selezionare, non sono rappresentazioni grafiche alternative ma vere e proprie viste diverse del fenomeno.
C) Il sistema evidenzia commenti ai dati in linguaggio naturale, sottolinea i fenomeni principali (es. ammontare complessivo delle variabili più significative, abc dei fenomeni più rilevanti), ma evidenzia anche dati anomali non sempre evidenti agli utenti.
Nell’immagine sopra, nella colonna di destra ci sono i commenti suggeriti dal sistema, i primi di una lista ovviamente più lunga che l’utente potrà analizzare scorrendola.
D) Il sistema evidenzia le tendenze e calcola dati previsionali attraverso algoritmi statistici, fornendo i principali dati per l’interpretazione dell’affidabilità del dato previsionale calcolato.
Nell’immagine del punto precedente, i dati previsionali elaborati dal sistema compaiono “tratteggiati” nel grafico, nella tabella sotto il sistema fornisce indicazioni sui modelli utilizzati e sulle misure statistiche dell’accuratezza della previsione.
E) Il sistema genera Dashboard combinando grafici e rappresentazioni in uno o più cruscotti che l’utente potrà affinare e/o modificare. Il sistema costruisce i dashboard in automatico con pochi click, sfruttando le funzionalità di analisi e grafiche native.
Nell’esempio dell’immagine sopra, il sistema, a seguito della richiesta di aiuto dell’utente (a sinistra) e poi della richiesta di dashboard sui Loss Event, ha generato 3 cruscotti. Il primo analizza i Loss Event per Gross Loss associata ed è composto da 1 grafico principale, che si vede al centro, ed illustra i Gross Loss per anno/linea di business e altri 4 report (a lato e sotto) che evidenziano le perdite per categoria di rischio, per sottocategoria di rischio, per area geografica, nonché l’evidenziazione grafica della correlazione tra Gross Loss e le variabili indipendenti. Il sistema ha generato altre 2 dashboard (schede sottostanti), uno che analizza i legami tra recuperi (“recoveries”) ed un altro che monitora i Loss Event per stato di approvazione.
Potremo dire che con l’Intelligenza Aumentata, il sistema, non si “limita” a migliorare l’efficienza di reporting ed analisi ma diventa un supporto vero e concreto per la comprensione e la rappresentazione di fenomeni sempre più complessi ed articolati.
L’innovazione è in grado di coinvolgere e impattare più aspetti:
Gli output
Per anni il focus è stato quello di definire un set di report standard e facilitarne la produzione e distribuzione, ora le nuove potenzialità disponibili consentono di spostare l’attenzione sull’analisi del fenomeno e condividere anche i passi percorsi, “grazie ed insieme al sistema”, per la comprensione.
Sempre di più di parla di “Data Storytelling” che può generare impatti sull’efficacia comunicativa e sulla condivisione della conoscenza enormemente superiori ai tradizionali report “statici”, poco adatti a contesti di veloce cambiamento come quelli attuali.
Finalmente potremmo dire senza troppe remore “non avremmo più i report di una volta”; ovviamente il valore organizzativo in termini di standardizzazione del linguaggio, delle misure, delle viste tipico dei report standard “tradizionali” rimarrà sempre elevato, ma potremmo pensare di ridurli sensibilmente affiancandogli “nuove storie di dati” da condividere.
Ricordo un progetto focalizzato sulla realizzazione di un ampissimo book di report per il board, oggi lo ripenserei pensando a pochi report standard e titoli dei temi più importanti da approfondire con storie di analisi sempre aggiornate ed efficaci.
Modalità di lavoro
Pensare di non cambiare le modalità di lavoro per le risorse dedicate al reporting ed analisi a fronte di innovazioni come questa, significa secondo me non catturare le opportunità.
Credo sia inutile nascondere che serviranno meno risorse per ciò che può fare meglio il sistema (elaborazione, rappresentazione, individuazioni di correlazioni…), si liberà tempo per attività a maggior valore, da un lato, accrescere la conoscenza dei fenomeni evolvendo le informazioni e gli indicatori, dall’altro migliorare l’efficacia comunicativa per diffondere la conoscenza in azienda e supportare meglio i processi decisionali, cosa che la macchina da sola non potrà mai fare.
Credo che l’AI possa cambiare il modo di lavoro di interi team, i primi che sapranno comprenderne e valorizzarne i vantaggi, potranno raccogliere i maggiori benefici.
Skill
I nuovi skill necessari saranno meno legati alla capacità di produzione ed elaborazione dei dati ma saranno più legate alla capacità di utilizzo delle nuove applicazioni sfruttandone al massimo le potenzialità di AI. Saranno premianti anche competenze per lo “sviluppo dei dati” disponibili per le analisi (data management), poiché è opportuno ricordare che tutte le potenzialità mostrate diventano prive di valore senza dati disponibili ricchi di contenuti, il sistema supporta l’interpretazione ma non la creazione di informazioni né la definizione di indicatori che consentono interpretazioni più evolute dei fenomeni per i quali è necessaria la conoscenza, tutta umana, delle dinamiche organizzative, del business e delle leve gestionali attivabili.
Ruoli
Se pensiamo ai diversi attori nei processi di reporting, recepiamo spesso la presenza di ruoli “troppo” legati alla elaborazione dei dati e alla produzione di report e distanti dei processi decisionali, oppure approcci molto orientati al “controllo” focalizzati sull’individuazione degli scostamenti e meno al supporto alla gestione, le potenzialità illustrate possono aiutare ad uscire da questi ruoli e proporre nuovi approcci.
L’AI può diventare un’opportunità per valorizzare il proprio ruolo in azienda, se si è tra i primi a dominarla, interpretando al meglio il nuovo paradigma, cioè migliorando, non solo la comprensione dei fenomeni (analisi), ma anche il miglioramento della capacità di comunicazione efficace (es. data storytelling) per diffondere nell’azienda una conoscenza più profonda dei fenomeni di business ed incidere maggiormente nella definizione delle azioni di miglioramento.
Progetto di implementazione
L’applicazione, delle funzionalità di esplorazione precedentemente mostrate, a set ridotti di dati in modalità di testing; oppure le nuove funzionalità che permettono l’aggiunta di attributi/dimensioni associabili da fonti meno strutturate per effettuare test di analisi, consentono di cambiare approccio rispetto ai tradizionali progetti impostando approcci più prototipali ed incrementali, quindi con tempi e costi più ridotti e di “sfruttare” le potenzialità del sistema per valutare le evoluzioni ed arricchimenti successivi della base dati.
Altro concetto innovativo, l’utente è in grado rapidamente di seguire e guidare la soluzione, ma ora è il sistema che deve apprendere e migliorare le risposte in funzione dei nuovi dati e delle selezioni dell’utente.
In conclusione, siamo secondo me, di fronte ad un nuovo paradigma, per chi vuole coglierlo.
di Gabriele MENEGUZZI – GRC Practice Leader c/o Stratos Analytics