Il futuro è dei digital twin, repliche digitali di oggetti, anche complessi che consentiranno di raccogliere e gestire tutte le informazioni in tempo reale al fine di migliorare prodotti e processi. Un modello che potrà, successivamente, essere esteso anche alle persone, una sorta di radiografia permanente che consentirà di prevedere e meglio curare disturbi e malattie nel momento in cui insorgono con benefici sia di tempi, sia di costi e soprattutto con una riduzione sostanziale della sofferenza.
A disegnare questo scenario è il rapporto Mathesia Outlook on Data Science 2019 che Mathesia, startup nata in seno al Politecnico di Milano presenta oggi. “Siamo nati nel 2015 – racconta a Startupbusiness il Ceo Luca Prati – con l’obiettivo di realizzare la piattaforma di crowdsourcing che le aziende possono usare per risolvere i loro problemi quando la soluzione deriva da una risposta di tipo matematico e statistico. Abbiamo creato una comunità di 3mila esperti e matematici che risiedono in 50 Paesi del mondo e che mettono a disposizione le loro competenze per risolvere problemi di ogni genere: dall’ottimizzazione dello stoccaggio al miglioramento della logistica, dal rendere più efficiente il processo di invecchiamento dei prosciutti all’implementazione di algoritmi che sfruttano i dati delle telemetrie di corse automobilistiche”.
Tra le aziende che hanno già utilizzato Mathesia spiccano nomi come quelli di Eni, Siemens, Generali, Nolan ma la piattaforma è adatta anche per le piccole e medie imprese: “noi ci occupiamo di creare match tra il problema che l’azienda intende sottoporre e coloro che hanno le competenze per realizzarlo, ogni azienda fornisce anche informazioni sul budget che intende investire e sui tempi in cui ha necessità che il problema venga risolto e gli esperti rispondono con le loro proposte, quando si verifica un match di successo noi prendiamo una fee sul valore del budget effettivamente investito”, aggiunge Prati.
Mathesia, così come si conviene a una realtà innovativa, è impegnata sia a costruire il suo modello di business e a crescere, fino a oggi la startup ha raccolto 700mila euro di finanziamenti e gestisce un valore del transato pari a un milione di euro, ma anche sul gettare lo sguardo sul futuro e con la ricerca che presenta oggi da concretezza anche a questa sua ulteriore missione. “Abbiamo realizzato questa prima edizione di Mathesia Outlook on Data Science – spiega il Ceo – per meglio capire dove stiamo andando, quali sono le opportunità e quali le sfide. Abbiamo intervistato centinaia di esperti e di manager e abbiamo rilevato che già oggi una impresa su due utilizza la matematica per risolvere i problemi del suo business, per migliorarlo e ottimizzarlo, abbiamo rilevato che dopo l’era della raccolta dei dati, ora è iniziata quella dell’utilizzo degli stessi per dare efficacia alla business intelligence, per ottimizzare i processi e per conoscere più a fondo il comportamento di utenti e clienti”.
Tra i dati e le analisi contenute nello studio di Mathesia, oltre che come detto un’azienda su due (48%) in Italia già oggi utilizza tecnologie di data science, machine learning, intelligenza artificiale, IoT, emerge anche – secondo quanto riporta la nota diffusa dalla società – che due aziende su tre (67%) hanno pianificato di utilizzare queste tecnologie nel 2019, soprattutto in elaborazione automatica (machine learning), analisi predittiva e analitica avanzata; gli strumenti di data science sono oggi principalmente utilizzati in marketing e vendite, ricerca e sviluppo, produzione e operation; per quanto riguarda le aspettative, la maggioranza degli intervistati dichiara di prestare le maggiori attenzioni al campo della business intelligence e all’ottimizzazione della gestione (ottimizzazione di processo, manutenzione predittiva, automazione, supply-chain, analisi della qualità); mentre meno rilevanti, sia nella fotografia presente, sia per gli investimenti futuri, secondo gli esponenti del business, appaiono invece strumenti anche ‘alla moda’, come Blockchain, cybersecurity e, in misura minore, IoT (internet delle cose); l’area della privacy, la qualità dei dati e la complessità nell’adozione delle nuove tecnologie legate anche alla mancanza di esperienza sono le questioni considerate più critiche e, secondo gli esperti e gli scienziati, gli effetti maggiori sono attesi nel settore bio – medicale (medico, biotecnologico) e della salute in generale, oltre a robotica e automazione, infine i rischi maggiori, secondo le opinioni di tutti gli intervistati, sono percepiti nella sfera della privacy e dei diritti dell’individuo. Altre questioni critiche sono l’archiviazione dei dati, la qualità delle informazioni desunte dai dati e, assai importante, la mancanza di esperti di settore.
Tra le maggiori evidenze risultanti dalle interviste approfondite agli accademici che completano la ricerca emerge che: lo sviluppo recente di una vera e propria scienza basata sui dati e analisi computazionale, che sta rapidamente impattando in settori come l’astronomia, la biologia e la medicina, i quali stanno subendo significativi cambiamenti e saranno sempre più dipendenti dai dati e dalla matematica applicata (Prof. Michael Griebel, direttore del Fraunhofer Institute for Algorithms and Scientific Computing di Sankt Augustin, Germania; Prof. Randall J LeVeque, professore emerito di Matematica applicata, Università di Washington). Tutti i tipi di software di riconoscimento, come il riconoscimento di immagini e vocale, attraverso algoritmi di machine learning e reti neurali avanzate, e il design di veicoli autonomi e connessi sono riconosciuti come uno dei maggiori successi applicativi della data science nati dalla collaborazione tra matematica applicata, ingegneria del software e intelligenza artificiale. Questa tendenza continuerà a svilupparsi e a progredire nei prossimi quattro-cinque anni (Prof. Steven Marron, Distinguished professor, Dipartimento di Statistica e Ricerca operativa, University of North Carolina -UNC – e dal Prof. Yvon Maday, professore di Matematica applicata alla Sorbona). Il futuro consentirà di sviluppare, come accennato all’inizio, veri e propri ‘gemelli digitali’ (digital twins), ovvero rappresentazioni digitali che rispecchiano oggetti, processi o sistemi della vita reale; questi possono anche essere collegati tra loro, per creare gemelli di sistemi più grandi, come una centrale elettrica o una città, e in prospettiva, persino un individuo, con evidenti problemi etici e sociali (Prof. Volker Mehrman,Technische Universität, Berlino).
“Le sfide quindi sono numerose e stimolanti – conclude Prati – richiedono attenzione anche di tipo sociale ed etico ed è importante anche comprendere come qualsiasi sia il problema risolvibile con la matematica, con la statistica con algoritmi esso per essere opportunamente definito continuerà a richiedere la presenza dell’intelligenza umana, per quanto potranno essere potenti le macchine, anche quando vi saranno i computer quantistici , tra l’altro un’azienda giapponese ha usato gli esperti della nostra piattaforma proprio per risolvere questioni legate alla progettazione di chip per la computazione quantistica, la presenza della mente umana sarà sempre necessaria perché è l’unica capace di contestualizzare, di essere creativi, di comprendere a fondo scenari, per questo se dovessi oggi suggerire a un giovane studente che sta per scegliere la facoltà universitaria gli direi di preferire statistica che è quella che meglio forma le competenze che oggi le aziende richiedono e che sono scarsissime, un laureato o una laureata in statistica molto difficilmente non troverà lavoro e molto probabilmente lo troverà pure assai bene remunerato”.
