Dalla sperimentazione a progetti di successo
Negli ultimi anni, molte realtà aziendali hanno sviluppato centri di competenza in ambito Data Science e modelli per esigenze di business, da semplici classificazioni di clienti a modelli predittivi real-time. Tuttavia, la maggior parte delle sperimentazioni in Data Science difficilmente fornisce valore al business e riesce a integrarsi nei processi aziendali.
Si stima infatti che oltre la metà di tali progetti – nonostante dal punto di vista dei modelli abbiano ottenuto buoni risultati – non abbiano mai raggiunto un deployment completo in produzione. Si parla spesso di sperimentazioni di successo, che però non diventano progetti di successo, portando complessivamente ad un ROI negativo.
Ma perché è così difficile portare valore al business?
Perché i prototipi realizzati dai Data Scientist lavorano su un subset di dati e con strumenti specifici, molto spesso frammentati, che hanno come obiettivo quello di capire tempestivamente la bontà dei metodi matematico-statistici utilizzati. Se questa attività ha successo, poi, i modelli devono essere resi scalabili, integrati e fruibili all’interno dei processi di business.
Nel Webinar affronteremo l’aspetto di “industrializzazione” dei modelli di Data Science per fornire valore continuo al business e per massimizzare l’effort speso in fase di sperimentazione.
Che cosa vedremo?
Nel corso del Webinar affronteremo la problematica dell’industrializzazione di modelli di Analytics sviluppati da Data Scientist, focalizzandoci sulle principali criticità organizzative e di ownership del codice. Presenteremo diversi possibili approcci tecnologici – illustrando pro e contro di ciascuno – che consentano di rendere produttivi su larga scala i modelli.
Proporremo un approccio metodologico e tecnologico, corredato da alcuni casi di studio reali, su come affrontare un processo di ingegnerizzazione e industrializzazione dei modelli.
Illustreremo infine i vantaggi dell’adozione di un processo unico per gestire, in ottica CI/CD (Continuous Integration/Continuous Delivery), lo sviluppo e la messa in produzione dei modelli.
Hot topics
- Le problematiche nell’industrializzazione dei modelli di Data Science
- Diversi tipi di approccio all’industrializzazione dei modelli
- Perché intraprendere un percorso di ingegnerizzazione e industrializzazione dei modelli?
- Casi di studio
Destinatari
Il Webinar è pensato per CIO, Data Architect e utenti di business in ambito Data Science.