Partnership di valore per lavorare sulle nuove competenze indispensabili per l’evoluzione del settore assicurativo. In queste settimane vi abbiamo presentato l’approccio con cui stiamo lavorando come Gruppo sul tema delle skill per l’insurance, con quella visione di filiera tecnologica end-to-end che ci caratterizza, insieme ai partner Intek e a TECSO.
Proprio con il team di TECSO – e in particolare con Luciano Polinari, CEO della società, con Luca Ruscio e Giuseppe Talarico, operativi in TECSOLab, il laboratorio di Rende – vogliamo approfondire la collaborazione su Laocoonte, il progetto di Ricerca finanziato dal MISE nell’ambito «Imprese e Competitività» per la Crescita Sostenibile, avviato a marzo 2020, per lo studio e la definizione di un modello di classificazione e predizione per l’ottimizzazione dei processi industriali e per il Business Process Management, con l’implementazione di un sistema pilota determinato su banche dati riferibili al settore assicurativo e sanità.
Il progetto è promosso dalla società proponente Energent Spa, realtà consolidata nel mercato delle soluzioni e dei servizi di Information & Communication Technology in Italia e a livello internazionale e vede coinvolta la nostra controllata TECSO – società specializzata in Analytics, Big Data e Information Governance e operativa nella consulenza strategica, organizzativa e tecnologica per il settore privato e pubblico – e la collaborazione dell’Università della Calabria e di altre realtà imprenditoriali.
«Per Atum, il ruolo della Ricerca accademica risulta fondamentale soprattutto in riferimento all’applicazione delle tecnologie cognitive e predittive – la sottolineatura di Fabio Piccinini, Ceo di Atum – nonchè all’utilizzo dell’Intelligenza Artificiale e del machine Learning per ottimizzare ed efficientare le soluzioni e i processi assicurativi».
In particolare, il progetto Laocoonte lavora al design, sviluppo e testing di una piattaforma che consenta di:
- raccogliere e normalizzare i dati provenienti da Data Lake, Data Warehouse o Sensori IoT;
- costruire il modello di analisi in base all’attuale offerta, catena produttiva e all’attuale modello di business;
- guidare l’utente alla costruzione del modello di forecasting in base al processo che è necessario ottimizzare.
Il progetto Laocoonte ha permesso a TECSO di:
- valorizzare l’attività di TECSOLab;
- di avviare collaborazioni tecniche e scientifiche con Enti di Ricerca e formazione e con società specializzate (in primis l’Università della Calabria – UNICAL);
- di poter sperimentare e progettare una piattaforma completa di machine learning destinata al mercato tecnologico ed applicabile ai diversi settori merceologici.
«In particolare il laboratorio di Rende (TecsoLab) si sta occupando di tutte le fasi di analisi, ricerca e sviluppo previste dal progetto- spiega Luciano Polinari – ma allo stesso tempo anche delle attività operative volte, in primis, alla trasformazione dei risultati ottenuti con le sperimentazioni in prototipi software; quindi alla realizzazione di pacchetti applicativi completi da collocare sul mercato italiano ed internazionale».
Attualmente il TecsoLab consta di diverse risorse dislocate presso l’unità operativa di Rende che operano sia in presenza che da remoto. In TecsoLab è presente anche l’infrastruttura tecnologica necessaria allo svolgimento delle attività: server, SVN, machine learning engine, DBMS, ecc.
Bello specifico TECSO si sta occupando dello studio, della progettazione e della realizzazione di un sistema di classificazione e analisi predittiva e della definizione del mercato target per il pilota.
Il progetto Laocoonte sta volgendo al termine anche se è stata richiesta una proroga, nella consegna finale del prototipo, di 6 mesi posticipando la deadline a novembre 2022. La proroga si è ritenuta necessaria poiché ci sono stati dei ritardi dovuti alla consegna delle basi dati previste per la sperimentazione e per l’inserimento di nuove banche dati che permetteranno di generalizzare il modello di classificazione semantica oggetto del progetto.
Le fasi progettuali, giunte ad un livello molto avanzato, ci hanno permesso di ottenere una piattaforma in grado di ottemperare alle operazioni complessive di un processo di analisi ed interpretazione dei dati e di estrazione di conoscenza da basi dati strutturate e destrutturate
Sopra la mappa funzionale dell’applicazione con l’esplicazione dei moduli software che la compongono:
- PREPARAZIONE E PREPROCESSING DEI DATI;
- DEFINIZIONE DEL MODELLO
- ANALISI PREDITTIVA
- ANALISI DEI RISULTATI
Con la piattaforma interagiranno per tutto il processo due categorie principali di utenti:
- Data Scientist
- Business analyst