LaCulturaDelDato #017

Dati & algoritmi attraverso i nostri 5 sensi

Ciao,

sono Stefano Gatti e questo è il diciassettesimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.

Ecco i cinque spunti del diciassettesimo numero:

🖐️Tecnologia (data engineering). The Business intelligence index
Gli strumenti di Business Intelligence hanno mantenuto negli ultimi 20 anni un’immutata popolarità perché si sono adattati molto bene alle esigenze degli utilizzatori. Per esempio sono diventati sempre più il front-end di soluzioni algoritmiche evolute, a volte integrando alcune loro componenti. Anche per questo è molto interessante il Business intelligence index, costruito da ben Lorica e dal suo team un po’ sulla falsariga del Tiobe Index per i linguaggi di programmazione e di Db-engines.com per i database, entrambi presentati in newsletter precedenti. Analizzando la classifica Power Bi la fa da padrone, seguito da Tableau e Qlik, ma si scoprono anche dinamiche molto interessanti relative a domanda e offerta di esperti di ciascuna piattaforma.

👀 Data Science. Data & Decisions: the really strong alliance!
I dati e gli algoritmi se non portano a impattare e a migliorare le nostre decisioni e le nostre azioni nelle organizzazioni e nella vita personale sono solo un meraviglioso e costoso divertimento. Cassie Kozyrkov, Chief Decision Scientist in Google, spiega in questa intervista molto bene perché 4 anni fa è passata da Chief Data Scientist al ruolo attuale: “sebbene i dati siano bellissimi, sembra che le decisioni e le azioni siano ciò che conta perché è così che abbiamo un impatto sul mondo che ci circonda... Il motivo per cui ora ricopro il titolo di Chief Decision Scientist è che ho ritenuto importante sostenere la prospettiva decisionale nella scienza dei dati".

Se sei un data scientist, e forse anche se sei semplicemente un data lover, è importante sentire l’intervista integralmente per due motivi. Il primo è che molto spesso i progetti di datascience mancano “l’ultimo miglio” della decisione e dell'azione lasciando il tutto in maniera troppo “pilatesca” al business. La seconda è che Cassie, che ho avuto la fortuna di ascoltare dal vivo, è una delle persone che meglio sanno unire solida preparazione tecnica, capacità di divulgazione (seguitela su youtube e substack) e concreta esperienza in ogni tipo di organizzazione moderna.

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Find the smartest technologist in the company and make them CEO
Si può anche non essere sempre d’accordo con Marc Andreessen su tutto quello che dice ma nel corso del tempo ho imparato ad ascoltarlo. Marc è quello che insieme ad un amico 28 anni fa scrisse Mosaic, il primo browser web a diffusione importante dell’era Internet, e lo portò ad una delle IPO tech più importanti del Web 1.0. Ma è anche quello che nel 2012 scrisse l’iconico articolo “Software is eating the world” e che ha creato uno dei più famosi e redditizi venture capital (Andreessen Horowitz). Anche questa provocatoria ma molto interessante intervista è da leggere dall’inizio alla fine. Parla di “colline di trend innovativi” da trovare e poi da scalare. Cita le tre più promettenti allo stato attuale e le sintetizza con l’acronimo ABC e cioè: Artificial Intelligence, Biotech e Crypto. Fornisce suggerimenti su  come scalarle soprattutto da parte di grandi aziende. E sintetizza il tutto, dopo aver fatto illuminanti esempi, con la provocazione: “Trovate il tecnologo più intelligente dell'azienda e fatelo diventare amministratore delegato”.

👃Investimenti in ambito dati e algoritmi. Acquihiring
C’è un tipo molto particolare di acquisizione che una aziende grande o in grande crescita può pianificare non per acquisire prodotti innovativi o quote di mercato ma competenze: si chiama normalmente “acquihire”. E’ particolarmente insidiosa perché molto difficile da valutare in termini economici e molto rischiosa in termini di  gestione del principale asset acquisito:  le persone. In questo articolo, nato dall’esperienza del fondo, citato nel punto precedente, Andreessen Horowitz, si fa una check-list molto pratica di quello che bisogna fare in questi casi. Essendo frutto di centinaia di esperienze mi sembra che contenga veramente tutto. Se vi trovate a gestire anche parti di operazioni di questo tipo tenetela ben presente. Penso che queste operazioni siano le più complesse in assoluto nel panorama di tutte le operazioni di Merge & Acquisition.

👅Etica & regolamentazione & impatto sulla società. Human bias or not Human bias?Due articoli molto diversi ma che mi hanno fatto riflettere profondamente sul significato che attribuiamo ai bias delle “intelligenze artificiali” rispetto a quelle delle “intelligenze umane”. Le due posizioni dei due articoli rappresentano uno scontro, che sarà sempre più forte a mio parere, tra un approccio tecnico-scientifico e uno più umanistico. Nel primo Chiara Sabelli, raccontandoci gli errori storici degli algoritmi ci ricorda che anche gli uomini sbagliano. Per esempio in uno studio americano su sentenze emesse da un tribunale israeliano ”i ricercatori hanno osservato che la percentuale di decisioni favorevoli scende gradualmente dal 65% a quasi zero all’interno della sessione decisionale e ritorna bruscamente al 65% dopo la pausa… “I nostri risultati suggeriscono che le sentenze giudiziarie possono essere influenzate da variabili estranee ai casi esaminati e che non dovrebbero avere alcuna influenza sulle decisioni legali”, scrivevano i ricercatori.” Le riflessioni di Francesco Varanini partono da una prospettiva molto diversa. Forniscono una lettura molto particolare, almeno vista da noi tecnici, della storia dell’intelligenza artificiale e dei suoi protagonisti (Alan Turing in primis) ammonendo di non affiancare la parola umano a bias, inteso come errore di sistema, ma di parlare di inclinazione. E non si tratta solo di una questione linguistica! La mia posizione è molto più vicina a quella di Chiara Sabelli ma sempre di più fatico ad immaginarmi un mondo senza bias (umano o artificiale che sia) perché strettamente collegato al punto di vista di chi osserva.

Se hai ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivimi (st.gatti@gmail.com) o commenta su substack.

Se ti è piaciuta e non sei ancora iscritto lascia la tua mail qui sotto e aiutami a diffonderla!

Alla prossima!