Introduzione ai big data

Modulo 1 – INTRODUZIONE AI BIG DATA

1. Cosa sono i Big Data
2. La storia dei Big Data
3. le tipologie di Big Data
4. Il ruolo dei Big Data

Modulo 2 – I BIG DATA ANALITYCS

1. Cosa sono i Big Data Analytics
2. Impostare un progetto di Big Data Analytics
3. Il valore del mercato Analytics
4. Le competenze necessarie per gestire un progetto di big data
5. I tipi di analysis

Modulo 3 – ARCHITETTURA DEI DATI

1. Come costruire un'architettura di dati per favorire l'innovazione secondo Mckinsey
2. Creare l’architettura di dati rivoluzionaria
3. Dalle piattaforme dati on-premise a quelle basate su cloud
4. Dal batch all'elaborazione dei dati in tempo reale
5. Dalle soluzioni commerciali pre-integrate alle piattaforme modulari best-of-breed
6. Dall'accesso ai dati da punto a punto a quello disaccoppiato
7. Da un magazzino aziendale a un'architettura basata su dominio
8. Dai modelli di dati rigidi agli schemi di dati flessibili ed estensibili
9. Come iniziare
10. L’architettura dei Big data in se
11. L’ecosistema Hadoop
12. Le competenze nello specifico per gestire i Big Data
13. Microsoft Azure: analisi
14. Microsoft Azure: quando usarlo
15. I casi di fallimento dei Big Data

Modulo 4 – BIG DATA E MARKETING

1. Cos’è il BIG DATA Marketing
2. I big data ci dicono chi sono i nostri clienti
3. Come si gestiscono i dati
4. Come applicare i big data al marketing
5. Analisi dei competitor con i BIG DATA

Modulo 5 – BIG DATA: LA CONVERGENZA DI TECNOLOGIE

1. Big data ed intelligenza artificiale
2. Big data e IoT
3. Big data e realtà virtuale/aumentata
4. Big data e cloud computing
5. I trend Big data

Modulo 6 – BIG DATA: LE APPLICAZIONI PRATICHE

1. Big Data e manifatturiero
2. L’importanza dei BIG DATA contro le frodi
3. Intercettazioni delle frodi e tendenze del mercato
4. Casi di frodi in finance e non solo
5. Il caso Canada
6. Banche e Big Data Analytics
7. Il caso Deutsche Bank
8. L’utilizzo dei big data nel processo produttivo farmaceutico
9. Manutenzione predittiva per minimizzare i fermi macchina
10. Situazione sanitaria di emergenza
11. Analytics intelligence: semplificare la comprensione di fenomeni complessi
12. Riconoscere automaticamente schemi complessi e prevedere in anticipo situazioni critiche
13. Il mondo delle costruzioni
14. La risposta ai problemi di redditività
15. Progetti e subappalti
16. Il binomio Big Data e agricoltura
17. Analisi del corretto prezzo
18. Turismo: L’esempio della Lombardia
19. Esempi di Big Data nella vita quotidiana
20. Sport
21. Come i big data diventano arte
22. Dati aziendali: una risorsa di comunicazione e brand – Intervista a Davide Fuschi di WILD MAZZINI - Data art gallery
23. Dai dati alla sabbia – Wild Mazzini

Conclusione e saluti