(dal sito di Esri Italia)
JAKALA, società di marketing technology (MarTech) con sede a Milano e uffici in tutto il mondo, è specializzata in marketing e vendite, con particolare attenzione all’intelligenza artificiale. Fondata nel 2000 da Matteo de Brabant, i 3.000 dipendenti dell’azienda si impegnano a fornire soluzioni uniche e personalizzate a oltre 900 clienti in più di 30 Paesi, integrando strategia, tecnologia e creatività.
Utilizzando la potenza della location intelligence, JAKALA mira ad aiutare le aziende a sbloccare il loro potenziale scoprendo nuove opportunità, potenziando il processo decisionale e consentendo una crescita sostenibile.
Per ottenere una comprensione completa dei movimenti dei consumatori è necessario un volume significativo di dati, la cui elaborazione può richiedere molto tempo. JAKALA aveva bisogno di un sistema per analizzare in modo efficiente grandi volumi di dati, in grado di fornire informazioni preziose e tempestive ai propri clienti.
Per superare questa sfida, JAKALA ha utilizzato ArcGIS GeoAnalytics Engine nell’ambiente Azure Databricks per fornire approfondimenti in modo più efficiente ai clienti dell’azienda.
L’analisi dei flussi di consumatori è una componente fondamentale per capire come le varie aree geografiche attraggano i visitatori nei punti di interesse (POI) dei diversi settori di mercato. Esempi di POI sono hotel, ristoranti, teatri, musei, centri commerciali e attrazioni turistiche. Per dare un senso ai dati, è importante capire non solo i tipi di visitatori, ma anche i POI visitati, la frequenza delle visite e i modelli di movimento complessivi. E, soprattutto, è fondamentale che questi dati vengano analizzati e comunicati tempestivamente per facilitare il processo decisionale. JAKALA ha dovuto affrontare diverse sfide per scalare i propri flussi di lavoro analitici e fornire dati e analisi di qualità nei tempi richiesti dai clienti dell’azienda.
Il volume dei dati e la complessità analitica rappresentano una sfida quando si eseguono analisi di big data. JAKALA lavora con grandi volumi di dati sui flussi di persone che l’azienda ottiene da un fornitore che riunisce i dati di localizzazione opt-in. I dati raccolti si basano su oltre 10 milioni di dispositivi e generano circa 1 miliardo di punti dati al giorno. Per le analisi mensili, ciò significa in genere 30-40 miliardi di punti di dati da incorporare nelle analisi.
Le dimensioni dei dati hanno fatto sì che molti strumenti di analisi geospaziale non potessero gestire l’intero set di dati in una sola volta; il team di JAKALA ha dovuto suddividere i dati in segmenti settimanali per completare il flusso di lavoro. Sebbene i dati segmentati siano utili in alcuni casi, è necessario utilizzare periodi di tempo più lunghi per le previsioni e per ottenere analisi più ricche.
Per i progetti di big data, è importante disporre di sistemi facilmente scalabili. Il grande volume di dati del flusso di lavoro di JAKALA non poteva essere analizzato tutto in un unico luogo o con un unico strumento. Questo ha portato a spostare i dati tra diversi strumenti e sistemi di analisi per combinare i dati e generare prodotti finali. Per questo flusso di lavoro, la compilazione e l’analisi manuale dei dati richiedeva molto tempo ed era inefficiente, ostacolando la capacità di JAKALA di fornire approfondimenti tempestivi ai propri clienti.
Accorciare i tempi per la fornitura di approfondimenti è fondamentale per il processo decisionale e l’elaborazione di grandi insiemi di dati deve essere veloce. Una volta ricevuti i dati di un mese, ci voleva quasi un altro mese per completare la pulizia e l’analisi dei dati, con un conseguente ritardo significativo tra la raccolta dei dati e la consegna delle analisi.
JAKALA aveva bisogno di un unico ambiente che facilitasse il lavoro con grandi volumi di dati e input spaziali e tabellari, oltre a consentire una facile interoperabilità tra tutti i data warehouse e gli ambienti di analisi dell’azienda.
Per trovare la soluzione giusta, JAKALA ha esplorato diversi prodotti Esri per i big data, tra cui ArcGIS GeoAnalytics Engine. GeoAnalytics Engine consente l’analisi spaziale dei big data attraverso l’estensione di Apache Spark con funzioni SQL e strumenti di analisi pronti all’uso. Durante la valutazione di un caso di analisi di grandi dimensioni con diversi miliardi di punti dati, GeoAnalytics Engine ha dimostrato una combinazione ottimale di capacità analitiche, prestazioni rapide e integrazione perfetta con i dati di JAKALA archiviati in un data store di Microsoft Azure.
Fabio D’Ovidio, responsabile della piattaforma di location intelligence di JAKALA, afferma: “Nel testare uno dei nostri set di dati più grandi con GeoAnalytics Engine, abbiamo riscontrato ottime prestazioni. Questo ci ha fatto capire che se questo caso di analisi avesse funzionato, anche tutte le altre analisi per i nostri casi d’uso avrebbero funzionato rapidamente in GeoAnalytics Engine”.
JAKALA è un partner di Databricks e utilizza un’integrazione completa della piattaforma per sfruttarne la scalabilità e le prestazioni fornite. Databricks fornisce una piattaforma cloud basata su Apache Spark con un insieme unificato di strumenti per la creazione, la gestione e il lavoro con i dati su scala. GeoAnalytics Engine può lavorare con Databricks utilizzando Azure, Amazon Web Services (AWS) o la piattaforma Google Cloud come parte di un ambiente integrato di analisi spaziale collegato all’architettura lakehouse di Databricks.
Stefano Angarano, responsabile dello sviluppo web e dell’analisi dei dati mobili di JAKALA, afferma: “Poiché la nostra infrastruttura è tutta su Azure, possiamo prendere i nostri dati archiviati lì e combinarli facilmente su Databricks con il GeoAnalytics Engine di Esri. È più facile ed efficiente combinare questi ambienti invece di dover spostare i dati altrove per l’analisi”.
ArcGIS GeoAnalytics Engine di Esri ha fornito la soluzione perfetta con una libreria nativa di Spark di oltre 160 funzioni e strumenti spaziali che funzionano perfettamente all’interno di un flusso di lavoro Databricks. Inoltre, JAKALA è ora in grado di risparmiare tempo ed energie per la manutenzione, perché lavorare con GeoAnalytics Engine in Databricks consente al personale di concentrarsi sull’analisi e non sulla gestione dell’infrastruttura cloud o server dell’azienda.
L’integrazione di GeoAnalytics Engine con Azure Databricks ha portato a un sostanziale miglioramento dei tempi di elaborazione delle analisi per JAKALA. Inoltre, GeoAnalytics Engine si è rivelato una soluzione pratica ed efficiente, in grado di snellire l’intero processo di analisi e di migliorare l’automazione, la scalabilità e l’efficienza della manutenzione.
Il personale di JAKALA ha riscontrato un notevole miglioramento dei tempi di elaborazione analitica nella gestione dei dati mensili dell’azienda, grazie alla potenza di calcolo di Databricks e GeoAnalytics Engine.
“Con GeoAnalytics Engine, siamo in grado di ricevere tutti i dati ed eseguire le analisi necessarie in un paio di giorni, mentre senza di esso ci vorrebbero settimane. In questo modo è molto più facile fornire ai nostri clienti i dati di cui hanno bisogno, alla velocità necessaria per prendere decisioni tempestive”, afferma Angarano.
Non solo la riduzione dei tempi di analisi facilita la consegna dei dati in tempi più brevi, ma le prestazioni ottenute consentono di completare le analisi su serie di dati molto più ampie. Per esempio, il personale può ora esaminare i modelli annuali invece di quelli settimanali o mensili, per facilitare le analisi e le previsioni più a lungo raggio. Ciò consente al personale di condurre analisi più complete e accurate e di fornire ai clienti dell’azienda preziose intuizioni e previsioni basate su una comprensione più dettagliata dei modelli e delle tendenze annuali.
JAKALA ha anche scoperto che GeoAnalytics Engine ha contribuito a snellire il processo complessivo. L’utilizzo di GeoAnalytics Engine nell’ambiente Databricks ha migliorato la capacità del personale di automatizzare e scalare l’analisi. È stato possibile analizzare grandi volumi di dati in modo più efficiente e regolare la scala delle risorse in base alla complessità dell’analisi. Anche la manutenzione del sistema è stata semplificata, essendo GeoAnalytics Engine basato su cloud e richiedendo aggiornamenti manuali minimi.
“L’analisi mensile dei dati è un’attività ricorrente per noi e ogni mese dobbiamo eseguire una serie di operazioni coerenti. Disporre di una soluzione automatizzata è fondamentale per snellire il processo di analisi ed eliminare la necessità di analisi manuali, garantendo efficienza e accuratezza alle nostre operazioni”, afferma Angarano.
L’utilizzo di GeoAnalytics Engine per guidare il flusso di lavoro di analisi ha permesso a JAKALA di offrire nuovi servizi ai suoi clienti, come l’analisi aggiuntiva dei movimenti e la possibilità di inserire quantità maggiori e tempi più lunghi di dati per migliorare il contesto e le previsioni. In futuro, JAKALA si sta espandendo a nuove fonti di dati, come i dati generati dai veicoli, per integrare i dati esistenti con cui il personale lavora dai dispositivi personali. Questo aprirà nuove porte per analisi più ricche sui movimenti e i modelli umani.
