Cresce ancora il mercato del Data management & Analytics: in Italia il giro d’affari è destinato a superare la fatidica soglia dei 4 miliardi di euro. Il dato però, sembra in controtendenza rispetto alla disponibilità delle aziende a investire in queste soluzioni: oggi sono ancora relativamente poche le organizzazioni davvero pronte a sfruttare i benefici della valorizzazione dei dati per l’intelligenza artificiale. Colpa per l’appunto di architetture inadeguate e dell’assenza di una governance chiara su dati e processi.
A sottolinearlo è la la ricerca dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano, presentata oggi durante il convegno “Data & Decision Intelligence: pilotare l’AI per usarla davvero!”.
Indice degli argomenti
Una crescita a doppia cifra. Ma mancano le strategie
Secondo l’Osservatorio, nel 2025 la spesa delle organizzazioni italiane in infrastrutture, software e servizi connessi alla gestione e analisi dei dati crescerà del 20%, evidenziando un trend in linea con gli scorsi anni, per toccare un valore di mercato di 4,1 miliardi di euro.
Nel dettaglio, a trainare la spesa è la componente di Business Intelligence e Data Science (+27%), in cui si trovano sia nuove applicazioni di AI e Generative AI in logica progettuale sia soluzioni di GenAI pronte all’uso, messe a disposizione ad una larga fetta di dipendenti delle organizzazioni. Queste ultime, spesso utilizzate in ambito coding e analisi dati, pesano circa il 5% del totale valore di mercato.
Tuttavia, come accennato, solo il 38% delle grandi aziende italiane ha definito una chiara strategia di valorizzazione dei dati e appena il 20% ha nominato un executive alla sua guida, come chief data officer o chief data & analytics officer. Nella data science, si registra un grande fermento, ma oltre un quarto delle grandi aziende italiane non ha ancora avviato alcun progetto di Advanced Analytics.
L’errore? Viaggiare su binari separati
“Oggi, nelle organizzazioni, dati e intelligenza artificiale non possono più viaggiare su binari separati”, puntualizza Carlo Vercellis, responsabile scientifico dell’Osservatorio Big Data & Business Analytics. “È necessario integrare in modo sinergico le componenti Data ed AI, lasciando che siano le esigenze di business a tracciare il percorso, per ottimizzare i processi o innovare nella proposta di valore. In mancanza di questi elementi, il potenziale valore dell’Intelligenza Artificiale rischia di rimanere inespresso o addirittura creare nuovi rischi per le aziende. Un approccio data-centric AI consente alle organizzazioni di far lavorare insieme AI e dati, migliorando la qualità delle decisioni e rendendo i processi più intelligenti e sostenibili”.
Per Alessandro Piva, responsabile della Ricerca dell’Osservatorio Big Data & Business Analytics, “la sfida che le imprese si trovano ad affrontare oggi è duplice. Da un lato, è essenziale mantenere una sana cultura basata sul miglioramento del decision-making, consapevoli che l’AI rappresenta un mezzo e non il fine ultimo. Dall’altro, è cruciale preparare le piattaforme dati aziendali per diventare AI-ready, in vista di un’ondata di innovazione che richiederà maggiore scalabilità e apertura verso una crescente eterogeneità di applicazioni di intelligenza artificiale. Da questo deriva un avvicinamento sempre più marcato tra Data Governance e AI Governance, due ambiti interconnessi che ora più che mai necessitano di logiche di dialogo e collaborazione”.
Il mercato del Data Management & Analytics nel dettaglio
Ma come sono ripartiti gli investimenti? La spesa della Pubblica Amministrazione pesa il 6% del totale del mercato del Data Management & Analytics e cresce con ritmi leggermente più lenti della media (+17%). Tra i settori, a crescere maggiormente sono i Servizi (+27%), Banche (+22%), Assicurazioni e Manifattura (+21%, entrambi).
I dati dei settori Telco, Media e Utility
Nei settori Telco e Media e Utility il tasso di crescita medio è del 16%. Nel settore delle telecomunicazioni, il data management è un pilastro strategico che consente di trasformare l’enorme quantità di informazioni generate da reti, clienti e dispositivi in valore concreto. Una gestione efficace dei dati permette alle telco di ottimizzare le prestazioni delle reti, migliorare l’efficienza operativa, offrire servizi personalizzati e garantire la conformità normativa. Inoltre, rappresenta la base per sviluppare nuovi modelli di business data-driven, abilitando innovazioni in ambiti come IoT, smart city e intelligenza artificiale. In un mercato altamente competitivo e digitale, saper gestire e valorizzare i dati non è più un vantaggio, ma una necessità per restare rilevanti e competitivi.
La segmentazione delle risorse
Le risorse per infrastruttura pesano circa un quinto della spesa complessiva. Il resto è suddiviso in Business Intelligence/Data Science (+27%), trainata da richieste di servizi esterni per sperimentazioni AI e dall’acquisto di soluzioni di GenAI pronte all’uso, e Data Management (+13%), in cui software e servizi procedono di pari passo. Nelle grandissime imprese (oltre 1.000 addetti), la spesa in Data Management & Analytics nel 2025 cresce solo del +12%, per le grandi del +27%: le grandissime organizzazioni direzionano i propri investimenti principalmente su risorse computazionali e Generative AI, mentre lavorano all’ottimizzazione dei costi relativi ai software a disposizione, mentre per quelle di dimensioni più ridotte l’attenzione per l’IA impone di migliorare accessibilità e usabilità dei dati.
La data strategy nelle grandi aziende
L’Osservatorio evidenzia come negli ultimi anni le aziende si siano dotate di strumenti tecnologici sempre più semplici e flessibili, come soluzioni di Data Visualization basate su approcci no-code, low-code o persino su tecniche di Natural Language Processing, che hanno ampliato la platea di utenti in grado di interagire con i dati. Oggi, il 45% di addetti non esperti di dati delle grandi imprese utilizza strumenti di self-service analytics per analisi descrittive. Tra questi, il 56% opera in completa autonomia senza il supporto della Business Intelligence. Il 61% delle aziende organizza corsi di formazione dedicati all’uso delle soluzioni di Business Intelligence e il 58% punta su team trasversali, che favoriscono la collaborazione tra diverse funzioni aziendali e la condivisione delle competenze.
Il 27% delle grandi organizzazioni non ha ancora avviato progetti in ambito Advanced Analytics, indice della difficoltà nel compiere un vero salto di maturità. Eppure, tra chi ha già sperimentato almeno un progetto, il panorama è in espansione e l’87% ha aumentato nell’ultimo anno il numero di iniziative.
Nelle pmi soprattutto “pratiche occasionali”.
E sul fronte delle pmi? L’89% delle piccole e medie imprese italiane svolge delle attività di analisi dei dati, 10 punti in più del 2024. Una crescita significativa, ma che in molti casi riflette pratiche occasionali, realizzate attraverso fogli elettronici, senza figure dedicate. Solo una pmi su tre dispone di professionisti incaricati dell’analisi dei dati e la maggior parte non ha ancora realizzato investimenti rilevanti nelle infrastrutture tecnologiche. Le attività di analisi più avanzate, condotte in modo continuativo da circa un’impresa su due, si concentrano sul controllo di gestione, come la previsione dei flussi di cassa e la pianificazione del budget.
Tuttavia, il potenziale di queste iniziative è limitato dal basso livello di integrazione delle fonti dati: circa otto imprese su dieci non integrano i propri dati o lo fanno in modo manuale. La situazione è più matura tra le medie imprese: una su due ha introdotto figure professionali almeno parzialmente dedicate alla gestione e analisi dei dati, circa il 40% ha un buon livello di integrazione con tecnologie dedicate.
Il tema dei talenti
Nelle grandi organizzazioni operano in media 14 data expert — figure dedicate ad attività di Data Engineering, Business Intelligence e Data Science — mentre nelle aziende con oltre mille addetti il numero sale a circa 50. Oltre la metà di questi professionisti si occupa prevalentemente di analisi descrittiva o svolge funzioni di coordinamento. Non sorprende, quindi, che l’86% delle grandi imprese si affidi al supporto di consulenti esterni per la realizzazione delle progettualità più complesse.
L’internalizzazione delle competenze, sottolinea la ricerca dell’Osservatorio, è difficile, a causa della persistente carenza di talenti specializzati sul mercato. Nel prossimo futuro, una possibile risposta potrebbe arrivare dalla Generative AI, che semplifica e velocizza il lavoro degli specialisti, supportandoli nel coding, nella creazione di report standardizzati e nelle attività di pulizia e preparazione dei dati.
L’adozione procede rapida: il 45% delle organizzazioni ha già messo a disposizione dei propri data expert strumenti di GenAI selezionati a livello centrale, mentre nel 37% dei casi i singoli professionisti utilizzano in autonomia le applicazioni che ritengono più utili. Questo fenomeno, però, apre scenari di Shadow AI, con rischi potenziali legati alla sicurezza e alla governance dei dati.
