Instagram & Data Science

Che cosa pensi di instagram? Che sia un social sul quale condividere con la community le tue esperienze? Che se la tua vita è interessante e le tue foto professionali allora potresti riscuotere un discreto successo? Si… O forse no. Mi spiego meglio. Se il tuo interesse primario per esempio è il fashion, conosci tutto sul settore, segui da anni fashion influencer di tutto il mondo, leggi costantemente nuove riviste e non smetti mai di aggiornarti potresti avere un discreto successo perché conosci il settore: ne hai implicitamente già clusterizzato le variabili!

L’analisi dei dati è inconsciamente ciò che facciamo ogni giorno, scegliendo la giusta combinazione del fantacalcio o le scarpe del colore giusto rispetto al vestito! Cosa è giusto? Ciò che la nostra esperienza pregressa riconosce come tale.

E come si chiama? Analisi storica.

E cosa facciamo con i dati storici? Costruiamo modelli predittivi.

Ed è… Magico. Si perché pur non sapendo nulla di moda se avessi a disposizione i dati storici degli ultimi anni relativi alle peculiarità (variabili) dei principali influencer, studiando la combinazione vincente di ashtag che consentono una maggiore visibilità su Instagram… domani, se volessi, potrei avviare discretamente una nuova carriera da fashion influencer. E non solo! Potrei anche acquisire visibilità con una foto sfuocata e priva di significato (e basta farsi un po’ di giri sui social per trovare milioni di esempi).

Perché? Perché è scienza? No, perché la scienza è fatta da persone che trasformano esperienze empiriche in numeri e formule ma, prima di ogni altra cosa, sono persone.

Mio caro lettore che tu sia un fashion blogger, un tech influencer, un cuoco o un’analista finanziario tutto ciò di cui tu hai bisogno è capire e anticipare il comportamento delle persone. E se vuoi capirlo in modo scientifico la strada fino ad ora conosciuta è sempre la stessa: analisi storica, stima dei parametri e costruzione di un modello predittivo.

Perchè la finanza ha bisogno di una community open-source?

Colin Eberhardt nel blog FINOS (Fintech Open Source Foundation) analizza brevemente alcuni vantaggi della rivoluzione open source finanziaria. Di seguito un breve riepilogo degli aspetti analizzati.

  • Software: La quota di mercato dei software open source è significativa ed in aumento. Rispetto al software commerciale, però, in caso di difficoltà di utilizzo o debug, non esiste un Service Legal Agreement a garanzia del supporto tecnico. L’assistenza è quindi garantita, senza accordi, dalla community. Un punto a sfavore? No. La mancanza di una community implica che i processi di identificazione e risoluzione dei debug richiedano molto più tempo, potendo contare su un insieme limitato di tester e user.
  • Garanzia: non esistendo un modello di supporto commerciale il “tempo di vita” di un software open source potrebbe essere incerto e comunque non garantito. E se invece di puntare su un prodotto commerciale per avere garanzia di longevità ci si impegnasse direttamente con la community? Se un componente open source è fondamentale per il tuo business l’impegno attivo non solo garantisce l’aumento della durata complessiva ma lo “customizza” in funzione delle tue esigenze.
  • Occhio al futuro: molti progetti si concentrano sul codice, prendendo la tecnologia proprietaria sviluppata da banche o altre società tecnologiche e rendendola disponibile a tutti, esaminando gli aspetti legali e tecnici. Non affrontano però le questioni relative all’impegno della community, senza la quale le società di servizi finanziari non potranno mai raccogliere pienamente i frutti del vantaggio open source. Pensi che non sia vantaggioso? Prendiamo l’esempio di Microsoft. Microsoft ha avuto un significativo cambio di direzione nel 2016, investendo molto in open source e diventando una delle aziende più attive nella community. Il coinvolgimento aziendale nell’open source fa miracoli per i professionisti e per il marchio nel suo complesso!