Che cos’è l’analisi predittiva ?

L'analisi predittiva è l'uso di dati storici per estrapolare possibili scenari futuri ed è resa possibile grazie al big data. Più grande e varia è la base di dati, più accurata sarà la previsione; da qui la necessità di una grande potenza di calcolo.

Prima dell'analisi umana, i dati vengono solitamente elaborati utilizzando tecniche di AI e/o di apprendimento automatico per individuare modelli, tendenze e indicatori che possono presuppore determinati eventi o traiettorie. Questi risultati sono poi tradotti in un formato idoneo al consumo umano per effettuare ulteriori analisi, idealmente producendo spunti utilizzabili.

Cosa significa in pratica l'analisi predittiva ?

I produttori, per esempio, possono usare l'analisi predittiva per prevenire il verificarsi di guasti alle macchine. Lo farebbero raccogliendo flussi di dati sulla salute della macchina in tempo reale - una combinazione di rilevatori di calore, rilevatori di vibrazioni, ultrasuoni, sensori acustici e così via. Questi dati possono essere analizzati per identificare i cambiamenti rispetto al normale funzionamento.

Per esempio, la frequenza emessa da un pezzo a rotazione rapida potrebbe aver subito un cambiamento. Questo viene poi confrontato con i dati passati e/o i parametri di riferimento dell'industria per quella macchina per vedere cosa può significare il cambiamento. Istanze precedenti di questo cambiamento di frequenza possono aver idetificato un problema d’inizio di corrosione della parte rotante. Cogliendo questo segno precoce, i tecnici possono estrapolare cosa accadrebbe in futuro se la parte fosse lasciata così com'è, compreso quanto tempo hanno per sostituirla prima che diventi un problema più serio.

Analisi predittiva nella sanità

Uno dei casi d'uso più eccitanti dell'analisi predittiva - e uno a cui tutti possiamo riferirci - è l'assistenza nel settore della salute. La modellazione del rischio basata sui dati è stata a lungo una caratteristica della medicina in una forma o nell'altra, almeno dalla scoperta che certe condizioni sono ereditarie. Ne sono esempi comuni moderni lo screening dei marcatori genetici per il cancro al seno e le condizioni ereditabili nei feti. Tuttavia, questi tendono a basarsi su affermazioni semplicistiche "se... allora". Se questo marcatore genetico è presente nel tuo genoma, allora hai il x% di rischio di sviluppare questa condizione. L'analisi predittiva è destinata a trasformare il modo in cui viene fornita l'assistenza sanitaria.

Raccogliendo tutte le informazioni disponibili sulla salute di un individuo - genetica, risultati di laboratorio, risposte a questionari e flussi di dati da dispositivi indossabili come informazioni sullo stile di vita e dati vitali in tempo reale – è possibile valutare per ogni persona individualmente il rischio di sviluppare particolari condizioni, confrontando le informazioni con il resto della popolazione. È lo stesso principio della manutenzione preventiva delle attrezzature industriali. Questo permette ai medici di passare da una medicina reattiva ed episodica - dove il trattamento è dato solo quando i sintomi sono presenti - a un modello più preventivo e proattivo; dando raccomandazioni sui farmaci e sullo stile di vita per intervenire prima che la condizione peggiori.

Dall'altro lato della medaglia, la stessa manutenzione preventiva basata sull'analisi predittiva praticata nella produzione può essere applicata alla medicina. Mantenere le macchine sanitarie in funzione diventerà sempre più importante man mano che i dati che producono diventano sempre più essenziali per il modo in cui la medicina viene realizzata.

L'impatto dell'analisi predittiva

Relativamente parlando, l'analisi predittiva è solo agli inizi. In futuro, il suo impatto si farà sentire in ogni settore, e sarà fortemente amplificato dalla proliferazione dell'Internet of Things (IoT). Come l'IoT digitalizza e quantifica gli oggetti fisici, ci sarà un'esplosione di dati per alimentare l'analisi predittiva, facendo ruotare l'industria, la politica e la sanità lontano dai metodi reattivi e verso approcci proattivi.

In realtà, l'impatto è già visibile. I produttori stanno innovando e creando nuovi modelli di servizio. Dove prima vendevano macchine su base transazionale, l'analisi predittiva ha fatto da catalizzatore per il modello "Product as a Service". I produttori si fanno sempre più pagare per contratti di servizio basati sui risultati piuttosto che sulle attrezzature, cioè, per esempio, la capacità continua di fare radiografie, piuttosto che lo scanner a raggi X stesso. Grazie alla capacità di monitorare a distanza, risolvere i problemi e prevedere la salute della macchina, i produttori possono estendere la vita produttiva della macchina, massimizzare la sua efficienza operativa e ridurre al minimo i tempi di fermo. L'utente finale non deve preoccuparsi dell'attrezzatura, se non nel suo utilizzo.

Questo modello migliora l'esperienza del cliente - con i problemi spesso evidenziati dal produttore prima ancora che si presentino come un problema agli utenti - mentre amplifica le opportunità di guadagno per i produttori. Un produttore industriale stima che ci sono 12 dollari di potenziali entrate da servizi per ogni dollaro di vendite di macchine. Secondo l'IDC, il 40% dei 100 principali produttori discreti a livello globale prevede di offrire piattaforme di prodotto-as-a-service. Effetti simili si sentiranno in altri settori. L'analisi predittiva sta già trasformando il settore bancario e finanziario, la pianificazione urbana, il settore energetico e la vendita al dettaglio.

Come per tutte le tecnologie, ci vuole tempo per passare dai casi d'uso iniziali e semplici a usi maturi e complessi, sia per le singole organizzazioni che a livello globale. La chiave ora per le organizzazioni è esplorare come l'analisi predittiva può inserirsi nelle loro strategie digitali, in modo da poter porre le basi per il futuro.