LaCulturaDelDato #114
Dati & algoritmi attraverso i nostri 5 sensi
Ciao,
sono Stefano Gatti e questo è il centoquattordicesimo 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 centoquattordicesimo numero:
👅Etica & regolamentazione & impatto sulla società. Alberto Puliafito: “incollare mondi” con multidisciplinarità e innovazione.
Presentati
Alberto Puliafito. Sono papà di Gaia e Alessandro e marito di Anna. Faccio il giornalista dal 1996. Ho una formazione in ingegneria biomedica, lasciata a quattro passi dalla laurea. Ho scritto libri d’inchiesta e manuali, fatto programmi televisivi, documentari, consulenze strategiche per la cosiddetta trasformazione digitale. Oggi studio comunicazione interculturale. Ho co-fondato IK Produzioni, Slow News, Supercerchio. Esploro soluzioni radicali ai problemi, come il reddito di base universale. Mi trovo particolarmente a mio agio con le macchine: faccio SEO dal 2005 e formazione a vari livelli sulle intelligenze artificiali. Di recente ho scritto (con
Il mio ruolo tra 10 anni sarà ... (continua la frase come fossi GPT-10)
Il mio ruolo tra 10 anni sarà diviso fra la formazione e uno studio personale dove finalmente potrò dedicarmi alle cose che amo di più: studiare, imparare, scrivere, fare video, creare, pensare. Certo, non dipende solo da me: questo accadrà se non ci friggiamo prima con la crisi climatica, se riusciamo a non fare una guerra nucleare, se riusciamo a sfruttare le enormi opportunità delle intelligenze artificiali invece di lasciarle in mano a pochi privilegiati.
Quale è la sfida più importante che il mondo dei dati e algoritmi ha di fronte a sé oggi?
Credo che sia la sfida della multidisciplinarità: riunire, cioè, intorno ai dati e alla progettazione algoritmica il meglio delle competenze dell’umanità, superando la divisione fra scienze dure e molli, fra preparazione umanistica e scientifica, ma anche formando le persone a comprendere dati e algoritmi per usarli a proprio vantaggio. Mi sembra l’unico modo per sfuggire da un lato all’idea deterministica che sia tutto scritto, prevedibile e fungibile, dall’altro alle replica e amplificazione di meccanismi diseguali in cui dati e algoritmi sono sfruttati da élite che ne estraggono profitto a scapito di tutti gli altri.
Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno …
Da brava glue person, ne segnalerò alcuni. Datajournalism.com è un sito dove si intersecano il mondo dei dati e quello del giornalismo. Contiene anche manuali di verifica delle fonti digitali alla cui traduzione in italiano ho potuto contribuire con Slow News.
Poi gli operatori di ricerca avanzata che si possono utilizzare con i motori di ricerca e le piattaforme social e tutto ciò che ruota intorno al mondo OSINT e consente di scavare nel web alla ricerca di informazioni. Infine, progetti di giornalismo ambientale come Global Forest Watch o le piattaforme di open data come Open Coesione.
🖐️Tecnologia (data engineering). Oltre il codice: la sfida infinita di misurare la produttività degli sviluppatori
Il tema della produttività degli sviluppatori software non è nuovo, ma sembra che, dopo il lancio di ChatGPT nel novembre 2022, se ne discuta con maggiore frequenza e importanza sia all'interno che all'esterno delle nostre organizzazioni. Tuttavia, ci sono due aspetti che spesso vengono trascurati:
Il primo è che la produttività di chi scrive codice non è la cosa più importante all'interno di un progetto. Come si dice spesso, in modo semplificato, è meglio realizzare più lentamente il prodotto giusto piuttosto che velocemente quello sbagliato.
Il secondo aspetto è che misurare la produttività dello sviluppo software è estremamente complicato e siamo ancora lontani dall'avere metriche consolidate e universalmente accettate.
Per approfondire questo punto, ti consiglio vivamente di leggere questo post dalla newsletter The Pragmatic Engineer, che ospita un contributo esclusivo di uno dei più importanti esperti mondiali, Abi Noda.
In un articolo che implica quindici minuti di lettura almeno, Noda descrive le pratiche, su questo tema, di 17 diverse aziende tecnologiche di varie dimensioni e settori.
Ciò che colpisce è la diversità di approcci con cui queste aziende misurano la produttività. È vero che, come sottolinea George Orosz nel finale, “un mix di metriche qualitative e quantitative è comune a tutte queste aziende, ma ciascuna misura elementi diversi e spesso le metriche riguardano aree differenti. Prendete ispirazione dall'ampia gamma di misurazioni che ogni azienda impiega... E non posso che condividere il consiglio di Abi su come scegliere le proprie metriche: partite dal problema che desiderate risolvere. Si tratta di rendere i processi più fluidi, di mantenere gli sviluppatori felici e soddisfatti, di migliorare la qualità del software distribuito o di altro? Poi lavorate a ritroso da lì!”
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Navigare nell'era dei Copiloti AI: luci e ombre delle soluzioni attuali
Nelle nostre organizzazioni, siamo ufficialmente entrati nell'era dei copiloti, un fenomeno che si deve molto a Microsoft con il lancio di nuove funzionalità basate su LLM per i suoi software, denominati "Copilot for...”. Non si tratta comunque solo di una tendenza in mano a Microsoft; infatti, è evidente un forte movimento verso la creazione di soluzioni verticali per settore o attività. Ne avevo parlato nel numero 110 con la tesi di investimento di Greylock e nell'ultimo numero, dove si evidenziava come forte segnale emergente dall'ultimo batch di Y Combinator.
Personalmente, sto testando vari Copilot Microsoft e i miei giudizi sono contrastanti. Partendo da Microsoft 365 Office, ho trovato abbastanza utile il copilota integrato in Outlook e Teams, discretamente utile quello in Word, mentre quelli per PowerPoint ed Excel sono ancora molto acerbi.
Il Copilot per PowerBi non è affatto male, anche se manca ancora di funzionalità ad alto impatto per la produttività degli utilizzatori.
Il Copilot for Finance risulta ancora molto limitato, anche se l'unica funzionalità presente nella versione che sto testando, la riconciliazione, aiuta a risolvere un problema molto comune tra gli utenti di Excel.
GitHub Copilot è ovviamente più consolidato e maturo, essendo il copilota più "anziano". E sono state annunciate recentemente evoluzioni molto promettenti.
La qualità e la ricchezza delle funzionalità di questi prodotti sono in aumento, di rilascio in rilascio tuttavia, visti i costi aggiuntivi, questi copiloti richiedono probabilmente nuovi ruoli o competenze per valutarne l'effettiva efficacia: una sorta di tempi e metodi dell'era dell'intelligenza artificiale generativa. L'incremento di costo non è trascurabile, così come il risparmio è difficile da quantificare. E il problema, a mio giudizio, è complesso tanto quanto quello della misurazione della produttività degli sviluppatori, di cui discutevamo nel paragrafo precedente.
Se non sei interessato solo ai copilot ma vuoi vedere come (speriamo) cambierà la nostra produttività a 360° dai un’occhiata a questo progetto e anche a questo. Una speranza contro la burocrazia che ci opprime? 🙂
👀 Data Science. KPI e Data Science: Un binomio indispensabile per presente e futuro
Come disse quasi cento anni fa Alfred Korzybsky, "la mappa non è il territorio" ma, senza una buona mappa, o addirittura un buon navigatore, è difficile muoversi in una città moderna. Allo stesso modo, è sempre più difficile gestire qualsiasi tipo di organizzazione e i suoi prodotti e servizi senza avere e misurare con la giusta frequenza i KPI corretti. Ti stai chiedendo perché inserisco questa tematica nella sezione dedicata alla data science? Un po' per spirito provocatorio, ma non troppo, perché penso che il ruolo del futuro data scientist sarà sempre più vicino al business. La definizione, la comprensione e l’evoluzione di questi numeri (e anche naturalmente gli aspetti più algoritmici) saranno parti fondamentali del suo lavoro.
Proprio di framework di KPI di prodotto parla l'approfondimento che ti consiglio oggi, ricchissimo di spunti e di consigli su come sceglierli in maniera distribuita, sia in termini temporali che di vicinanza maggiore o minore al cliente. L’immagine che ti propongo nell’articolo rappresenta visivamente su due assi queste due variabili, mentre i colori rappresentano le caratteristiche dei KPI stessi.
Ma come dicevo all'inizio, la mappa non è il territorio, ed è più chiara e utile se si conosce il territorio. Per questo, il mio consiglio è leggere l’articolo per godere appieno della mappa 🙂
👃Investimenti in ambito dati e algoritmi. Investire in tecnologia: opportunità e sfide per le imprese italiane secondo l'Istat
È uscito già da qualche mese, ma i suoi dati invecchiano bene, proprio come il vino buono 🙂. Purtroppo, non contiene dati molto confortanti per il nostro sistema economico, ma è essenziale leggerlo ogni anno per essere consapevoli e contribuire ad invertire il trend. Sto parlando del report annuale dell’Istat su imprese e tecnologie informatiche (ICT). Ti consiglio vivamente di leggere le 15 pagine del testo integrale, che include anche un'ottima tabella che sintetizza i dodici indicatori della transizione digitale, con un'analisi dettagliata per settore merceologico e dimensione d'impresa. Eccola
Nel nostro settore, purtroppo, siamo ancora molto indietro rispetto alla media europea. Per supportare questa affermazione, eccoti altri due dati importanti:
- Solo il 26,6% delle imprese con almeno 10 addetti esegue analisi dei dati internamente o esternamente, contro il 33,2% della media europea.
- Solo il 5,0% delle imprese con almeno 10 addetti utilizza tecnologie di intelligenza artificiale, rispetto all'8% europeo.
Guardando il bicchiere mezzo pieno, visto che ci troviamo nella sezione investimenti della newsletter, nel nostro paese c'è molto spazio per gli investimenti in questo ambito. Ne sono fermamente convinto, ma non è solo una questione di maggiori investimenti di capitali, come sottolinea anche il report, ma anche di competenze e formazione.
Per concludere questo numero con un messaggio più positivo, non perderti il decimo panorama annuale, o "stato dell'unione", dell'ecosistema dei dati, del machine learning e dell’AI, realizzato da Matt Turck, Managing Director di uno dei più famosi VC tech americani, FirstMark. Il report contiene visualizzazioni interattive e analisi uniche!
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!
Caro Stefano, mi colpisce il fatto che nel numero 110 Mafe De Baggis si presenti dicendo "L’ultimo [mio libro] è In principio era ChatGPT (scritto con Alberto Puliafito)", mentre Alberto Puliafito in questo numero dica semplicemente "Di recente ho scritto In principio era ChatGpt." Come se l'avesse scritto da solo. Detto che ognuno si presenta come vuole e dei libri di cui è coautore può parlare come gli pare e piace, a te non è parsa un'evidente asimmetria?
Ciao Stefano, vorrei suggerire ai tuoi lettori due testi, ad integrazione dell'ottimo spunto su KPI e Data Science.
Il primo, "Agile Transformation" di Neil Perkin, riporta un'analisi dell'ex dirigente Apple, Michael Mace, sulla caduta di BlackBerry, come citato nell'approfondimento da te citato, mostrando come il fatturato annuo aumentasse ancora, a due anni dal lancio dell'iPhone sul mercato. Indicatore che si è rivelato una 'vanity metric' per il management di Blackberry.
Mace scrive che i sintomi chiave da osservare erano piuttosto ascrivibili al trend decrescente di due principali indicatori:
>>> il tasso di crescita delle vendite (YOY)
>>> il profitto lordo per unità venduta
Mace osserva che si tratta di condizioni che e’ piu’ probabile osservare spostandosi lungo la curva di adozione del prodotto, dagli early adopters ai late adopters (laggards).
Blackberry stava applicando incentivi sui prezzi, che hanno funzionato ancora per aumentare le vendite, ma possono anche nascondere il fatto che i tuoi principali (e potenzialmente unici) clienti sono la ristretta cerchia dei late adopters o nostalgici.
Il secondo testo "Revolutionizing Business Operations: How to Build Dynamic Processes for Enduring Competitive Advantage", di Tony Saldanha e Filippo Passerini, analizza come la maggior parte dei tentativi di migliorare le operazioni aziendali siano reattivi, sporadici e isolati, piuttosto che fornire un’ottimizzazione costante e continua dei processi a livello aziendale, concentrandosi su tre fattori di cambiamento:
First, “open market rules”—each business process must be run as a separate business, instead of via monolithic mandates coming down from on high. Second, there must be “unified accountability”— outcomes must be clear and consistent across the company, instead of being siloed within departments. And third, there needs to be a “dynamic operating engine,” a methodology to convert the constantly changing business process goals into tactical day-to-day employee actions.