L’avvento dell’innovazione sul fronte digitale sta cambiando i paradigmi di servizio, di uso e di gestione delle risorse offrendo una vasta serie di nuove e importanti opportunità e qualche rischio. In particolare, l’avvento dell’Internet delle Cose (Internet of Things, IoT), ossia la possibilità di connettere singoli oggetti a Internet, in grado di comunicare autonomamente, ha una sua declinazione particolare sul veicolo connesso.
Ciò è unito alla potenzialità di avanzati sensori collocati in modo pervasivo sui veicoli, che offrono capacità di monitoraggio multi-funzionale dell’intero sistema: dalle singole componenti fino all’intero veicolo, includendo il comportamento e le condizioni del guidatore e molti parametri esogeni al veicolo (condizioni stradali e atmosferiche, congestioni, situazioni di rischio, modifiche dei piani di mobilità, eccetera).
Tutti connessi entro il 2020
Il numero di veicoli connessi avrà una crescita stimata del 270% entro il 2022 e si ritiene che il 100% dei veicoli sarà connesso entro il 2020 nelle maggiori economie europee (anche grazie all’effetto eCall). Il veicolo connesso può condurre alla produzione di grandi quantità di dati grezzi (stimati fino a 25 gigabyte/ora per veicolo), che ovviamente non possono essere gestiti, elaborati, memorizzati in maniera semplice né sul veicolo stesso né su sistemi di cloud tradizionali. Occorre quindi distinguere vari livelli di utilizzo elaborazione dei dati, con piattaforme scalabili e in parte de-localizzate. Si parte dall’elaborazione dei dati grezzi sul veicolo stesso, secondo un’ottica di edge computing, per finalità di azione immediate (in tempo reale, ad esempio, per il funzionamento di sistemi di sicurezza). I dati prodotti, filtrati e aggregati al livello del veicolo possono in seguito transitare verso piattaforme di cloud intermedio, presenti all’interno del veicolo o a livello aziendale, dette anche piattaforme di Fog Computing, per l’elaborazione di osservazioni e decisioni di minore immediatezza, ma in ogni caso su base temporale a breve termine. Tali informazioni hanno impatto sulle decisioni strategiche di pianificazione delle risorse, di gestione del rischio e dei costi, di rispetto dei termini di servizio, sia a livello del singolo veicolo che della intera flotta.
I dati finiranno nel cloud
Infine, i dati ulteriormente catalogati e filtrati (a volte anonimizzati) potranno confluire nel cloud tradizionale per fornire una base, anche storica, utile alla realizzazione di analisi e all’elaborazione di scelte strategiche di medio e lungo termine. Tutte queste piattaforme costituiscono una forma scalabile e innovativa di big data aziendale, che potrà essere fruito sia da dispositivi mobili (smartphone, tablet o dispositivi veicolari) che da sistemi di business intelligence, enterprise resource planning, secondo un tradizionale approccio. Tuttavia, le piattaforme digitali descritte fino ad ora stanno per affrontare un ulteriore livello di grande potenziale innovazione: l’avvento degli algoritmi di apprendimento (machine learning) e di intelligenza artificiale, in grado di trasformare i dati grezzi in valore, al punto che qualcuno ha coniato l’espressione “i dati sono il nuovo petrolio”. Come per il petrolio, il valore dei dati grezzi (semplici osservazioni di fatti o condizioni) viene incrementato da un processo di “raffinamento” che aggiunge significato, ottenendo informazione, poi aggiunge un contesto ottenendo conoscenza, infine aggiunge valutazione, ottenendo ciò che definiremmo saggezza.
La forza dell’analisi statistica
L’aspetto interessante è che un simile processo di raffinamento passa attraverso strumenti informatici e algoritmi: dai sensori alle basi di dati, agli strumenti di analisi statistica (analytics) e infine all’intelligenza artificiale, con un minimo intervento umano. Il risultato è eclatante: le macchine sanno trasformare dati grezzi in saggezza, e quindi possono contribuire in modo innovativo a definire e suggerire decisioni, strategie, criteri di uso delle risorse che possono essere resi ottimali, ben oltre le capacità di un esperto umano di effettuare accurate analisi di quantità gigantesche di dati e valutazione di osservazioni e correlazioni emergenti in sistemi e flotte complesse con centinaia di fattori e implicazioni delle decisioni.
Qualità dei dati da controllare
Uno dei rischi presenti fin da ora in questo senso è legato alla qualità dei dati raccolti e trasferiti nel big data, non solo in merito all’accuratezza, ma anche in merito a granularità temporale e completezza della loro descrizione semantica. Dati di bassa qualità producono cattivi insegnamenti (training) agli algoritmi di apprendimento (learning) e di conseguenza possono condurre a cattive decisioni dell’intelligenza artificiale. È quindi fondamentale fare corretto utilizzo delle tecniche di data science fin dall’inizio della produzione di Big Data aziendale. I sistemi e i software esistenti sono già oggi in grado di fare complesse analisi di tipo predittivo, ovvero prevedere dai dati le evoluzioni dei sistemi grazie a strumenti di analytics, e di tipo prescrittivo, ovvero fornire indicazioni su cosa sia opportuno fare per migliorare indicatori di qualità, costi e benefici. I futuri sistemi attesi nel giro di pochi anni potranno offrire analisi di tipo cognitivo, producendo vantaggi da future opportunità mediate ai rischi, mostrando tutte le implicazioni delle decisioni adottate, ed emulando i comportamenti di una mente esperta in quanto a apprendimento, esperienza, comprensione, decisione. In altre parole, saggezza.
Algoritmi importanti come i manager
Il termine “algorithm economy” è stato coniato per definire il fatto che il successo e lo sviluppo, anche economico, dell’azienda del futuro sarà in misura significativa legato all’adozione dei migliori algoritmi, oltre che (o piuttosto che) dei migliori manager. Da manager aziendale, meglio allearsi agli algoritmi che combatterli. Il non adeguarsi delle aziende a questa evoluzione nel Dna digitale potrà condurre al rischio di “darwinismo digitale”, ovvero al lento e inesorabile declino della specie a scapito di chi avrà saputo meglio adattarsi e sfruttare strategicamente nuove opportunità. Nello specifico della gestione flotte telematiche, gli strumenti e dispositivi più innovativi che costituiranno a breve la dotazione frequente dei veicoli includono: gateway di comunicazione, data logger, riconoscimento vocale e di gesti, realtà aumentata, telecamere e visione artificiale, superfici interattive e display, integrazione di sensori, geolocalizzazione e dispositivi mobili.
