Intervista a Fabiano Sileo

Ciao Fabiano, grazie per aver accettato la nostra proposta di intervista! Ti puoi presentare brevemente e raccontarci il tuo percorso professionale?

Intanto grazie mille per queste domande. Al momento faccio parte di un team di controllo di gestione e reporting e mi occupo soprattutto di aiutare il team nel definire una corretta data strategy. Diciamo che al momento il mio lavoro consiste nel fare da “ponte” con l’IT per richiedere la corretta storicizzazione del dato nei sistemi di BI aziendale per permetterci di avere dati sempre certificati ed affidabili e poter quindi aumentare le possibilità di analisi.

Allo stesso tempo cerco di automatizzare (anche se non mi piace questo termine) una serie di attività di reporting standard, cercando di ridurre il tempo e lo sforzo necessario a produrre i report e liberare tempo e risorse per attività a maggior valore aggiunto (come l’analisi di questi dati per supportare le decisioni aziendali).

Il mio percorso lavorativo è stato abbastanza particolare perché ho studiato ingegneria gestionale, in quanto affascinato dalle tematiche economiche aziendali. Finito il percorso universitario ho iniziato a lavorare nella business intelligence facendo un lavoro molto tecnico, di fatto mi occupavo di creazione ed evoluzioni di DB studiati ad hoc per l’analisi dei dati (tecnicamente chiamati Data Warehouse). Si trattava quindi di un lavoro di tipo IT in cui era importante scrivere codice quasi quotidianamente. Nel farlo, però, mi sono accorto che per poter condurre correttamente analisi dati è necessario comprendere i processi di business che “creano” i dati e quindi ho visto un nesso, seppur labile, con il mio background economico.

Da un paio di anni, come dicevo, ho iniziato a lavorare nel controllo di gestione proprio per cercare di approfondire gli aspetti economici finanziari. In questo percorso però mi sono accorto di quanto i dati rivestano un ruolo chiave nei processi aziendali e come sia indispensabile imparare a sfruttarli.

Ci spieghi, in parole semplice, cosa si intende per business intelligence e machine learning?

Ottima domanda, ci provo!

La business intelligence è la scienza che si occupa di prelevare i dati dai vari sistemi aziendali (sistemi gestionali, fogli di calcolo, CRM, ecc.), salvarli in DB ottimizzati per l’analisi dei dati e fornire strumenti che permettono di effettuare analisi di dettaglio su tali dati. L’output della business intelligence più famoso sono le dashboard, ossia delle slide interattive che contengono grafici direttamente collegati alle basi dati e permettono di eseguire operazioni di drill-down sui dati stessi.

Si ok, forse non ho usato parole semplicissime, quindi provo a fare un esempio.

Un’azienda vende un prodotto, diciamo giocattoli, in varie parti del mondo. Ogni vendita viene registrata su un sistema aziendale e quindi si sa quella vendita a quale cliente si riferisce, quale giocattolo sia stato acquistato e l’importo. La BI estrae tutti questi dati, li mette in relazione con l’anagrafica dei clienti e produce ad esempio un report che mostra la spesa media annuale dei principali clienti. A questo punto avremo un grafico a barre con i top 4 clienti e l’importo annuale speso. Cliccando su una di queste barre possiamo scoprire quali giocattoli ha acquistato, con che frequenza, ecc.. Questo lavoro di storicizzazione dei dati e unione di fonti dati differenti è quello di cui si occupa la business intelligence, il cui obiettivo principale è quello di aiutare il management a prendere decisioni informate e basate sui dati (evitando quindi “decisioni di pancia”).

Il Machine Learning, invece, è una branca dell’intelligenza artificiale e si occupa di analizzare grandi moli dati per effettuare delle previsioni (basandosi su modelli matematico- statistici).

La prima grande differenza è quindi che la BI fornisce fotografie di un fenomeno che riguarda il passato o al massimo la situazione attuale. Riprendendo l’esempio precedente risponde alla domanda, quali sono stati i giocattoli più venduti quest’anno (o oggi)?

Il Machine Learning invece stima eventi futuri e potrebbe rispondere alla domanda “quale sarà la quantità di giocattoli che venderò il mese prossimo?” oppure “da quale Stato posso attendermi un ordine per quel determinato giocattolo tra una settimana?”

Quindi per voler fare una metafore, la BI è lo specchietto retrovisore, il machine learning invece è il navigatore che ti dice tra quanto incontrerai uno svincolo e quale strada prendere.

La seconda grande differenza è che la BI ti da informazioni certe, perché basate su fenomeni già avvenuti, il ML dà informazioni probabili (e il grado di probabilità) proprio perché fa delle stime future.

Quali sono i settori in cui Business Intelligence e Machine Learning sono maggiormente applicati?

La risposta che mi piacerebbe darti è “tutti i settori” e sarebbe vera in quanto queste due scienze si basano sui dati, quindi qualunque attività in grado di produrre dati può essere analizzata ed ottimizzata tramite sistemi di BI e ML.

Ho registrato una puntata del podcast in cui racconto come applicare un sistema “grezzo e basilare” di BI per gestire le spese familiari, proprio per dimostrare che sono materie applicabili a qualsiasi entità (non per forza aziendale) e che non servono per forza ingenti investimenti, ma solamente la corretta mentalità.

Purtroppo però non posso darti questa risposta in quanto manca ancora la cultura del dato, e la consapevolezza del valore aggiunto che si può estrarre dai dati.

Tendenzialmente BI e ML sono molto utilizzate nelle grandi aziende, che ovviamente hanno maggiori risorse per testare e quindi arrivano prima sui trend. Tuttavia voglio ribadire che anche le piccole e micro-aziende possono basarsi di sistemi di BI (ovviamente più semplici) per iniziare a sfruttarne le potenzialità e affrontare il mercato con maggiore consapevolezza. Il problema non è tecnico ma di cultura  e conoscenza. Proprio conscio di questo gap culturale, ho deciso nel mio piccolo, di fare divulgazione su queste materie per raccontare le potenzialità nascoste.

Da questa idea nasce il mio podcast che ha l’obiettivo di raccontare sia i nuovi trend che le basi di BI e ML attraverso la mia voce o mediante interviste ad esperti del settore, proprio per incuriosire e convincere a testare.

Quali sono le differenze tra Machine Learning e Intelligenza artificiale? E dove, invece, si incontrano?

Involontariamente ho in parte risposto a questa domanda. Diciamo che il punto di contatto tra BI e ML sono i dati. Entrambe infatti hanno necessità di dati per poter esprimere il loro potenziale. Diciamo che sono due scienze abbastanza differenti ma complementari tra loro e che necessitano sempre più l’una dell’altra.

Al crescere della complessità diventa sempre più importante avere un ottimo sistema di BI per avere sotto controllo il presente e capire quali sono i principali fenomeni aziendali da osservare e poi utilizzare questa conoscenza e questi dati per fare stime sul futuro.

Condividono, inoltre, il medesimo fine, ossia quello di supportare l’azienda a prendere decisioni migliori.

>> Segui Fabiano Sileo su Linkedin <<

Quanto contano i dati nella tua quotidianità?

Probabilmente sono di parte ma lavoro con i dati praticamente tutto il giorno, tutti i giorni.

E qui potreste pensare che questo accade in quanto è il mio lavoro a richiederlo. In realtà tutti noi ormai siamo inondati da dati ed informazioni.
Il problema è capire quali dati sono importanti ed eliminare il rumore per riuscire a trarre informazioni da tutta l’enormità di dati che riceviamo quotidianamente.

Si sente spesso dire che i dati sono il nuovo petrolio, e ne sono convintissimo, tuttavia se non si utilizzano le giuste trivelle è impossibile estrarre valore da questo tesoretto su cui molto spesso siamo seduti. Diciamo che i dati da soli non valgono nulla, diventano una risorsa ESSENZIALE solo quando diventano prima informazioni e poi conoscenza. E per salire i gradini di questa piramide che passa dai dati alla conoscenza è indispensabile imparare a conoscere i dati e saperli analizzare

Quando è nato il tuo podcast? Quali contenuti può ascoltare un utente?

Il podcast è nato quasi un anno fa ma per molto tempo ho tenuto le puntate in stato “non pubblico”, preda della sindrome dell’impostore. Avevo paura di semplificare troppo i concetti per renderli semplici e divulgabili. Poi ho scoperto che questa sindrome è normale e mi sono buttato, preso dalla voglia di raccontare queste materie e far cogliere l’importanza della cosa.

Al momento ci sono una trentina di puntata e ogni settimana viene pubblicato un nuovo episodio. Tendenzialmente pubblico diversi tipi di contenuti:

• puntate in cui parlo solamente io per spiegare i principali concetti. Sono puntate tendenzialmente brevi, da una decina di minuti in cui analizzo un aspetto specifico ma senza scendere troppo nei dettagli. Questi episodi servono ad introdurre le interviste ad esperti del settore specifico;
• puntate in cui si vanno ad analizzare in maniera molto più dettagliate i concetti raccontati al punto precedente. Sono interviste abbastanza lunghe (anche 45 min) in cui si cerca di sviscerare il concetto e dare dei takeaway per lasciare spunti pratici. Ho deciso di farlo intervistando molti ospiti anche su temi simili proprio per dare diversi punti di vista ed arricchire la conversazione e non dare solo il mio punto di vista;
• episodi in solitaria o mediante interviste in cui racconto casi di successo di utilizzo di dati da parte di aziende.

Momento advisor: 3 libri che consiglieresti su questi argomenti.

Domanda che solitamente faccio anche io in chiusura del podcast ai miei ospiti, e solo ora che la ricevo mi accorgo di quanto sia difficile scegliere solo 3 libri.

Tempo fa scrissi un post su linkedin in cui ne consigliavo 15 dopo aver fatto un grosso lavoro di scelta. Per rispondere alla tua domanda provo a dirti 3 libri che sto leggendo attualmente e ne scelgo uno per ambito:

• Data visualizzazione: Come i grafici mentono di Cairo
• Data analytics per tutti. Imparare ad analizzare, visualizzare e raccontare i dati di Andrea De Mauro
• Incoscenza artificiale di Massimo Chiriatti

Quali sono i tuoi progetti per il futuro?

Al momento mi trovo splendidamente bene nell’azienda per cui lavoro, quindi a livello puramente professionale non ho intenzione di apportare grandi cambiamenti e spero di riuscire a supportare sempre meglio l’azienda nell’uso consapevole dei dati.

A livello un pò più personale spero di riuscire a far conoscere il podcast sempre a più persone per riuscire a “mettere in leva” le mie competenze e permettere a molte più persone di imparare ad usare i dati e sfruttarne i benefici. A breve lancerò anche un canale youtube in cui ospitare le interviste e alcuni tutorial pratici.

A livello invece estremamente personale, insieme alla mia compagna aspettiamo il terzo figlio e quindi spero di riuscire a godere la mia famiglia il più possibile ed essere un bravo compagno e padre (lavori estremamente più complicati dell’uso dei dati   e per cui non ho trovato algoritmi che facilitino il lavoro).

Alessandra Caparrotta

Co-founder e SEO strategist di Ca2, si occupa principalmente di sviluppare strategie di marketing finalizzate allo sviluppo della visibilità online e offline. Dopo la laurea in Organizzazione e Marketing per la Comunicazione d’Impresa e una passione per i social media, ha approfondito gli argomenti SEO e indicizzazione organica, riuscendo a trasformare i suoi interessi in lavoro.