Page 75 - 51

Le attività di dettaglio possono trarre giovamento
dalla standardizzazione nella gestione dei dati in-
gegneristici per produrre documenti quali data she-
ets, elenchi materiali, liste di progetto, porzioni di
modello 3D, focalizzando l’attenzione degli specia-
listi sulle aree di maggiore complessità e rilevanza e
non-relazionali, si consolida un ruolo importante lasciando svolgere al software i compiti ripetitivi. Si
dell’IT nell’assistenza al Project Manager. In questa potrà in sostanza sfruttare al massimo la standar-
direzione il processo di cambiamento è importan- dizzazione del modello dei dati per attivare quella
te: le competenze più evolute dell’IT nel data ma- che può essere definita una software-based engi-
nagement potranno integrarsi con quelle aziendali neering o ingegneria algoritmica. Dovremmo con-
del contract management e del project manage- centrare l’attenzione nella standardizzazione dei
ment, al fine di definire un reticolo di progetto in dati e dei processi come prerequisito di una suc-
cui ogni requisito contrattuale venga direttamente cessiva massimizzazione di ciò che da quei dati e
legato ai documenti che ne delineano lo sviluppo da quei processi potrebbe essere ricavato, abbat-
ingegneristico, nonché al modello 3D che realizza tendo i tempi morti e le rilavorazioni dovute a errori
la geometria dell’impianto. L’obiettivo principale di d’interpretazione o di ribattitura. Si potranno a bre-
questa interconnessione è di ottimizzare e rendere ve affrontare in modo strutturato e ripetibile quegli
più efficiente il lavoro delle task force dedicate a aspetti che continuano a generare disfunzioni nei
singoli progetti. progetti esecutivi: bassa qualità dei dati, processi
In termini informatici, occorre alimentare un data di trattamento manuali o basati su fogli di calcolo
lake di dimensioni finora mai raggiunte, nel quale personali che non rispondono a standard di qualità.
ingerire massivamente dati di varia provenienza e Quest’approccio consentirà ai contractor di pre-
qualità e poi, adottando logiche di normalizzazione sentare ai propri clienti un patrimonio di dati ben
e valorizzazione, enuclearne i dati chiave, i cosid- sviluppato, contribuendo all’ottimizzazione dei
detti master data, per interconnettere in modo in- tempi e al potenziamento della qualità dei dati nei
telligente le informazioni. Le prime esperienze di big processi che riguardano la realizzazione e il compi-
data condotte nel campo del claim management mento dei progetti. L’obiettivo è rendere l’handover
hanno prodotto risultati apprezzabili, riuscendo a dei dati una attività ordinaria con una breakdown
suffragare con nuove evidenze le posizioni contrat- structure dedicata e tramite la quale il management
tualmente più critiche o le opportunità più promet- di progetto e il cliente potranno monitorare fin dal
tenti, attraverso la correlazione di dati che finora primo giorno gli avanzamenti e la maturità dei dati
erano rimasti in silos verticali tra loro segregati. che ne formano il contenuto. L’aspettativa di molti
clienti è quella di ridurre i costi connessi alle attivi-
Software-based engineering tà di handover dei dati grazie al contributo fattivo
dell’IT in questa delicata fase progettuale.
Altrettanto interessante si presenta lo scenario di
cambiamento che riguarda l’ingegneria, in parti-
colare se osserviamo le relazioni che si possono Business Process
sviluppare correlando i dati tra ingegneria di pro- Management
cesso e ingegneria di dettaglio. Man mano che
nell’evoluzione di un progetto le scelte ingegneristi- L’adozione estensiva di tecniche di gestione nei
che si definiscono e la schemistica 2D si qualifica, processi autorizzativi mediante l’impiego di softwa-
è possibile attivare una serie di regole algoritmiche re di Business Process Management, in sigla BPM,
che producono automaticamente elaborati tecnici offre importanti benefici al business nel settore in
evitando di eseguire manualmente ogni passaggio. cui Saipem opera. Si tratta di una tecnologia che

PASSWORD

DATA LAKE

Il termine data lake è apparso per la prima volta a ottobre 2010 sul blog di James Dixon. Il CTO di Pentaho, specia-
lizzata in business intelligence, lo definiva così:
“Se si pensa a un datamart come a un negozio di acqua in bottiglia – depurata, confezionata e strutturata per essere
consumata con facilità – il data lake è una grande distesa d’acqua in uno stato più naturale. Il contenuto del data lake
affluisce da sorgenti di dati e vari utenti del lake possono esaminarlo, immergervisi o prelevare campioni”.
È nella nozione di dati e campioni grezzi che un data lake diverge da un data warehouse: il primo raccoglie un
volume consistente di dati grezzi – strutturati, semistrutturati e destrutturati – in formato nativo e ne permette l’analisi.

Impiantistica Italiana - Gennaio-Febbraio 2017 73