TECNOLOGIE

INFORMATIVE
INNOVATIVE E
IMPATTO
AMBIENTALE
FRANCO ARCIERI
Le tecnologie innovative

• Illustreremo quelle che sono considerate tecnologie innovative, a

partire dai nomi stessi che le individuano.
• Cercheremo in modo un po' più tecnico di capire di cosa stiamo
parlando.
• Analizzeremo l'impatto di tali tecnologie, in particolare con
riferimento all'ambiente.
L'impatto ambientale
• Quando parliamo di impatto ambientale di una tecnologia dobbiamo
tener in mente due aspetti
• il costo ambientale del metter su questa tecnologia
• l'evoluzione dell'impatto ambientale dei servizi associati a questa tecnologia

Esempio: lo smart working.

Da una parte mettere su un sistema di smart working
ha un costo anche ambientale (hardware, reti internet
robuste, etc.).
Dall'altra però una nuova organizzazione del lavoro
comporta un risparmio per esempio sui trasporti.
L'intelligenza artificiale
Cosa si intende per intelligenza artificiale?

Russell, Stuart J.;

Norvig, Peter,
"Artificial Intelligence: A
Modern Approach",
Prentice Hall, 2003
Systems that think like humans
• Cosa significa pensare come gli uomini? Scherzare?
Maturare un’opinione su qualcosa? Imparare a risolvere un
problema?
• Dietro questa definizione non c’è un’idea di ottimo. Non
sempre gli uomini agiscono in modo ottimale o pensano in
modo ottimale.
• Il test di Turing del 1950: costruire un sistema per cui la
persona che interagisce non capisce se ha di fronte una
macchina oppure un umano
• L’idea va bene se ci serve una “compagnia”. Non va bene se
dobbiamo risolvere un problema.
Il test di Turing
• Il test di Turing, proposto da Alan Turing nel 1950, aveva lo scopo di
proporre una definizione operativa di intelligenza umana. Dato un
problema, il computer è sottoposto ad un interrogatorio e la persona che
fa l’interrogatorio non deve accorgersi se, di fronte a se, ha un umano
oppure un computer
• Il test presuppone un computer in grado di:
• Conoscere un linguaggio naturale (natural language processing)
• Memorizzare informazioni fornite prima della prova e durante la prova
• Ragionare, cioè usare le informazioni per rispondere alle domande
• Apprendere, per rispondere a delle domande particolari, che riguardano il
prendere delle decisioni.
Il test di Turing: ELIZA and PARRY
• In 1966, Joseph Weizenbaum created a program
which appeared to pass the Turing test. The
program, known as ELIZA, worked by examining
a user's typed comments for keywords. If a
keyword is found, a rule that transforms the
user's comments is applied, and the resulting
sentence is returned. If a keyword is not found,
ELIZA responds either with a generic riposte or
by repeating one of the earlier comments.[30] In
addition

• Kenneth Colby created PARRY in 1972, a

program described as "ELIZA with attitude".[33] It
attempted to model the behaviour of a paranoid
schizophrenic, using a similar (if more advanced)
approach to that employed by Weizenbau
Il test di Turing
• Se la prova non è solo vocale (domanda e risposta o comunque
un dialogo, ma la estendiamo nello spazio, allora la macchina di
Turing deve avere ulteriori capacità (sempre allo scopo di
confondere imitando)
• Il test presuppone un computer in grado di:
• Percepire e riconoscere oggetti intorno a se
(computer vision)
• Robotica (capacità di muovere gli oggetti)
Computer languages vs human languages
Computer languages vs human languages
“Systems that think rationally”
• Ma cosa significa pensare razionalmente? Una definizione potrebbe
essere la capacità di risolvere problemi ben posti e anche molto
difficili.
“Systems that think rationally”
• Dato un problema con le sue variabili posso costruire un albero
logico che esplora tutte le evoluzioni del problema stesso.
• È un albero che può diventare rapidamente molto grande.
Ragionare così per l'uomo è praticamente impossibile, perché
siamo lenti e non riusciamo a gestire così tante informazioni
Ma il computer è veloce…….
“Systems that think rationally”
• E la velocità possiamo usarla per semplificare i
problemi e creare un nuovo tipo di razionalità…
• Esempio: Calcolare l’area del lago
 “Systems that think rationally”
• Una possibile soluzione è la cosiddetta triangolazione
• Piazzo tanti triangoli (di cui posso facilmente calcolare l’area)
all’interno del lago e, per approssimazione, ottengo l’area
 “Systems that think rationally”
• Una seconda, possibile, soluzione, è quella di definire
la formula analitica che descrive i contorni del lago e
poi calcolare il suo integrale

f(x)
 “Systems that think rationally”
• Ma il metodo Montecarlo ci insegna che c’è un altro modo, la cui precisione può essere
modulata a piacere
• Lancio casualmente tante palline nell’area che comprende terreno e lago e poi conto
quante palline sono cadute dentro e fuori il lago.
• Il loro rapporto mi fornisce una stima dell’area del lago

Area!!!
“Systems that act like humans”
“Systems that act like humans”
L'intelligenza artificiale….

In realtà oscilliamo tra

la tentazione di imitare
l’uomo e la tentazione
di superarlo, laddove ci
siano compiti che la
macchina intelligente
possa svolgere meglio
dell’uomo
AI, Machine Learning e Deep Learning
Cos'è il machine learning?
Cos'è il machine learning?
Il ruolo dei big data
Il ruolo dell'Internet of Things
Applicazioni dell'AI
AI for healthcare
AI for surveillance
AI+BigData+IoT: la vigilia di una nuova
rivoluzione
Intelligenza artificiale e ambiente
• Nella misura in cui automatizza un
processo, l'intelligenza artificiale aiuta a
monitorare il processo stesso

• E monitorare il consumo di CO2, per

esempio, è il primo passo per una
produzione consapevole e orientata
all'ambiente

• La digital sustainability mostra come le

nuove tecnologie digitali impattano
sull'ambiente molto più di quello che si è
abituati a pensare
Digital sustainability
• Secondo uno studio dell’università del Massachusetts Amherst, negli Stati
Uniti, sviluppare una singola intelligenza artificiale determina l’emissione di
284 tonnellate di anidride carbonica. Cinque volte l’impatto ambientale
medio di un’automobile durante il suo intero ciclo di vita.
• Va specificato però che si parla della fase di addestramento di una
macchina basata su tecnologie AI.
• Se il sistema per cui la macchina è addestrata rimane stabile allora la fase
di addestramento ha una durata lunga e si riducono i costi ambientali.
Costi…
• I sistemi di intelligenza artificiale devono processare grandi quantità di dati:
questo significa necessità di server potenti che vanno costruiti e usati, ma anche
la necessità di fonti di energia per raffreddare i centri di data-collection (che
richiedono temperature costanti per il funzionamento ottimale).
• Dunque, l’utilizzo di sistemi di IA aumenta di molto il dispendio energetico delle
aziende che ne fanno uso: secondo un altro studio, questa volta dell' University of
Massachusetts, addestrare un sistema di intelligenza artificiale richiederebbe la
produzione di CO2 equivalente a 5 volte le emissioni di un'automobile nel suo
intero ciclo di utilizzo o, alternativamente, alla CO2 di 300 voli andata e ritorno
New York – San Francisco.
Benefici…
• E qui rientrano le applicazioni specifiche dell'AI al servizio
dell'ambiente
Cloud computing

C’era un tempo in cui ogni casa, città, fattoria

o villaggio aveva il suo pozzo dell’acqua.
Oggi, i servizi pubblici danno accesso
all’acqua
potabile semplicemente girando il rubinetto.
Il cloud computing funziona in modo simile.
Vivek Kundra
(CIO amm. Pubblica Statunitense)
Cosa intendiamo per cloud
Cosa intendiamo per cloud
Cosa intendiamo per cloud
Cosa intendiamo per cloud
Iaas
• Si tratta di un servizio con modello di consumo pay-as-you go, in cui una terza
parte fornisce i servizi di infrastruttura come lo storage e la virtualizzazione quando
sono necessari, tramite cloud e Internet.
• L'utente è responsabile del sistema operativo e dei dati, delle applicazioni, del
middleware e dei runtime, mentre il provider offre l'accesso e la gestione di rete,
server, virtualizzazione e storage.
• Non occorre gestire o aggiornare il datacenter in sede, attività di cui si occupa il
provider. L'utente ha il controllo completo dell'infrastruttura grazie a un'interfaccia
di programmazione delle applicazioni (API) o a una dashboard.
Iaas
• Costituisce un metodo rapido e flessibile per creare e poi dismettere
ambienti di test e sviluppo. È possibile utilizzare solo l'infrastruttura
necessaria per creare l'ambiente di sviluppo, ingrandirla o ridurla
per il tempo necessario, fermandosi una volta ottenuto quanto
desiderato e pagando solo per i servizi utilizzati.

• Sono esempi di IaaS i provider di cloud pubblico quali AWS,

Microsoft Azure e Google Cloud.
Paas
• Platform-as-a-Service, o PaaS offre un ulteriore livello di astrazione rispetto alla
gestione completa e on premise dell'infrastruttura.
• Prevede che hardware e software siano ospitati nell'infrastruttura del provider, che
distribuisce la piattaforma all'utente come soluzione integrata, stack di soluzioni o
servizio erogato tramite una connessione internet.
• Pensato principalmente per sviluppatori e programmatori, il servizio PaaS offre una
piattaforma su cui l'utente può sviluppare, eseguire e gestire applicazioni senza dover
creare e gestire l'infrastruttura o la piattaforma normalmente associate a tali processi.
• L'utente si dedica quindi alla scrittura di codice, crea e gestisce le app, ma senza
doversi poi occupare degli aggiornamenti software o della manutenzione dell'hardware.
Il provider offre l'ambiente in cui creare e distribuire le app.
Saas – Software as service
• Abbiamo essenzialmente due linee di sviluppo:
• la prima è più tecnica ed è l'uso di web services e/o applicazioni basate su
microservizi
• la seconda, che è entrata nella nostra vita e la stiamo usando anche in
questo momento è relativa all'uso di applicazioni di terze parti. Pensiamo a
tutti i programmi che le grandi software house (Google, Microsoft, Amazon)
mettono a disposizione.
Saas – Software as service
Web services e microservizi
Cloud computing e sostenibilità ambientale
• Si stima che i data center siano oggi responsabili di circa il 3% del
consumo di energia a livello globale. E il cloud computing ha
un’impronta di carbonio maggiore rispetto al settore aereo; un fatto
sorprendente per molti che evitano i voli a lungo raggio ma non
pensano all’impatto della loro dipendenza dai social media.
• Ma il confronto vero va fatto bene: se dovessimo spostare tutti quei
dati, servizi ed elaborazione fuori dal cloud ed eseguirli in data
center privati e su dispositivi locali, la situazione sarebbe
notevolmente peggiore.
Cloud computing e sostenibilità ambientale
• Il cloud è la soluzione più sostenibile per conservare l’enorme mole di dati che
produciamo: la virtualizzazione delle risorse nel cloud consente alle imprese di non
accumulare macchine fisiche a favore delle macchine virtuali, diminuisce l’utilizzo degli
hardware e quindi dei processi di manutenzione e raffreddamento dei data center situati
in metà del mondo “fisico”.

• Secondo i dati dell’Osservatorio Cloud Transformation, l’adozione delle soluzioni cloud

nelle PMI italiane nel 2020 è cresciuta del 42% rispetto al 2019 – certamente questo è
avvenuto per i cambiamenti del lavoro che si svolge da remoto e per l’interconnessione
dei sistemi che ne consegue. La trasformazione definitiva verso il modello cloud è
preannunciata dal fatto che l’11% delle grandi imprese non ha più un data center di
proprietà.
Cloud computing e sostenibilità ambientale
• Nonostante il cloud non sia una tecnologia green, essa è
considerata un'arma importante verso la sostenibilità ambientale:
• riduzione dei consumi energetici
• riduzione dei gas serra
• dematerializzazione
• green data center
Riduzione dei consumi energetici
• Scegliere di realizzare un datacenter “in house” significa garantire
alimentazione costante per i server, installare un sistema di
raffreddamento per evitare il surriscaldamento, prevedere le attività
di smaltimento degli apparati che giungono a fine vita, secondo
quanto previsto dalle normative per i rifiuti elettronici
• Affidarsi al cloud non solo sposta verso il provider la gestione di
queste attività, ma consente di trarre vantaggio sia delle economie
di scala, sia di tutto quel filone di ricerca che punta alla
realizzazione di data center sempre più efficienti e sempre meno
energivori.
Riduzione dei gas serra
• Lo stesso discorso si applica anche al tema dei gas serra
• L’adozione di un modello cloud consente di eliminare il carbon footprint
dell’infrastruttura on premise
• Un obiettivo importante, soprattutto se si tiene conto che un data center
produce gas serra lungo il suo intero ciclo di vita, a partire dalle materie prime,
passando per trasporto, assemblaggio, utilizzo e smaltimento a fine vita
• Numerosi studi sul tema, realizzati dalle principali società di ricerca, sono
arrivati a determinare che l’adozione di un modello cloud consente alle grandi
imprese un risparmio fino al 30% del proprio carbon footprint, percentuale che
sale addirittura al 90% per le realtà di più piccole dimensioni.
Risparmio energetico
• I Cloud Data Center di recente concezione utilizzano tecnologie
avanzate, più efficienti dal punto di vista energetico, e hanno minori
richieste di energia per illuminazione, raffreddamento e
condizionamento, con conseguenze positive dal punto di vista del
risparmio energetico
Distributed ledger technology: blockchain
Distributed ledger technology
• Per DLT (acronimo di “Distributed Ledger Technology”) s’intende un
sistema di rete decentralizzato, basato su un registro geograficamente
distribuito in cui tutti i nodi della rete possiedono la stessa copia del
database, modificabile in modo indipendente dagli stessi.
• A differenza dei Centralized Database (ossia i sistemi centralizzati,
tradizionali), in cui tutti i nodi che possiedono una copia del database
possono consultarlo, ma devono passare da un ente centrale (oppure più
soggetti validatori) per modificarne i dati, nei sistemi di Distributed Ledger
le modifiche al registro vengono regolate tramite algoritmi di consenso.
Decentralizzazione, trasparenza, sicurezza,
immutabilità e tracciabilità sono i pilastri su
cui si basa la blockchain.
Distributed ledger technology
• La tecnologia DLT può essere applicata in diversi ambiti, come
prevenire il rischio di frodi, tracciare i processi di vendita e
contrastare i sistemi di contraffazione.
• Permette di tracciare e monitorare un sistema di servizi e quindi
dare certezza al sistema stesso.
• In qualità di sistemi di rete, le tecnologie Blockchain fanno parte
della più ampia famiglia delle soluzioni Distributed Ledger a cui
aggiungono alcune funzionalità tipiche, come trasferimenti e asset,
che non necessariamente si trovano nei sistemi DLT
Gli smart contract
• Uno smart contract è simile ad un contratto così come siamo abituati a
pensarlo, ma è un oggetto digitale
• l’accordo tra le parti è “implementato” da un programma informatico, inserito
all’interno di una o più blockchain

• Nello specifico uno smart contract è un pezzo di software che contiene le

regole che stanno alla base del contratto, le procedure per verificare tali
regole e le procedure per dare esecuzione al contratto stesso, una volta
effettuate le verifiche.
• A tutti gli effetti uno smart contract è un ulteriore livello implementato al di
sopra della blockchain.
Gli smart contract
• “Immaginiamo che tutti i lucchetti di un appartamento siano connessi a
internet”, ha spiegato Chris Ellis di Feathercoin (una criptomoneta
alternativa a Bitcoin).
• “Quando fai una transazione in bitcoin per affittare la casa, lo smart contract
che tu e io abbiamo sottoscritto ti permette di aprire automaticamente
l’appartamento, usando le chiavi che hai sul tuo smartphone”
• Uno dei primi teorici degli smart contract, Nick Szabo, aveva portato un
esempio simile: anche il mutuo dell’auto si potrebbe stipulare attraverso gli
smart contract; se salti una rata, la blockchain può automaticamente
cancellare le chiavi digitali che permettono di far funzionare l’automobile.
Blockchain per la supply chain
• Le catene di approvvigionamento rappresentano una complessa
rete di entità distanti e separate che scambiano merci, pagamenti e
dati. Le soluzioni basate su blockchain possono aiutare a tracciare
la provenienza di beni e servizi lungo la catena di
approvvigionamento, per identificare in modo inequivocabile la
fattura di un determinato prodotto, incluse informazioni come
materiali utilizzati, la qualità, la quantità e l’origine.
• Tracciare un processo complesso è il primo passo per migliorarlo,
anche da un punto di vista di efficienza energetica e tutela
ambientale.
La tecnologia blockchain per
salvaguardare la natura
• Internet of Things, Distributed Ledger Technology e Intelligenza Artificiale sono gli
strumenti della quarta rivoluzione industriale che comprendono metodi trasparenti di
misurazione, monitoraggio, rendicontazione e verifica che possono dare soluzioni per
contrastare i cambiamenti climatici e il riscaldamento globale, costituendo un cambio di
paradigma per la salvaguardia della natura.

• Le principali caratteristiche della tecnologia blockchain - decentralizzazione, trasparenza e

tracciabilità - rispondono perfettamente alle indicazioni dell’accordo di Parigi e possono
aiutare a creare un mondo in linea con i 17 Obiettivi di Sviluppo Sostenibile definiti dalle
Nazioni Unite.
Blockchain e consumo di energia
• Ma c'è un altro lato di questa medaglia. Il consenso distribuito ha un
costo, alcune volte tutt'altro che trascurabile. infatti la blockchain
richiede spesso l’utilizzo di enormi quantità di energia:
• quella dei pc che vengono usati per la risoluzione dei “blocchi”;
• quella dei server che raccolgono i blocchi già risolti;
• quella che i computer utilizzano per creare algoritmi sempre più complessi.
• La sfida è una blockchain sosteniblie attraverso l'ottimizzazione del
meccanismo di raggiungimento del consenso
IoT, ovvero l'Internet delle cose
IoT
Proliferazione e miniaturizzazione dei
dispositivi
IoT
Sensori a basso costo
IoT
Disponibilità di grandi capacità di
connessione
IoT
Basso consumo di energia
 Applicazioni IoT
•
l'IoT ha una vasta gamma di applicazioni in tutti i settori, tra
cui case intelligenti, città intelligenti, agricoltura, sanità,
automazione industriale, logistica e altro ancora
 Dispositivi domestici intelligenti

termostati, luci, serrature e telecamere di sicurezza
intelligenti che possono essere controllati da remoto.
 IoT industriale (IioT)

sensori e dispositivi nelle fabbriche e negli ambienti
industriali per monitorare le prestazioni delle
apparecchiature, ottimizzare i processi e garantire la
sicurezza.
 Città intelligenti

lampioni abilitati all’IoT, sistemi di gestione dei rifiuti,
gestione del traffico e monitoraggio ambientale per
una vita urbana più efficiente e sostenibile.
Applicazioni IoT
• Agricoltura
• sensori IoT per il monitoraggio del suolo, le
previsioni meteorologiche e il monitoraggio
del bestiame per migliorare la resa dei
raccolti e la salute degli animali.

• Sanità
• dispositivi indossabili come fitness tracker e
dispositivi di monitoraggio remoto dei pazienti
che trasmettono dati sanitari agli operatori
sanitari.

• Logistica e catena di fornitura

• dispositivi IoT per tracciare le spedizioni,
monitorare l'inventario e ottimizzare le
operazioni logistiche.
IoT: L'impatto ambientale
• Le proiezioni per il 2027 prevedono che si arriverà a circa 75 miliardi di dispositivi, che saliranno a
125 miliardi entro la fine del decennio. E ciò significa un bel mucchio di rifiuti.
• Ci sono due questioni specifiche relative ai dispositivi "intelligenti" che aggravano il già enorme
problema dei rifiuti elettronici. I produttori stanno aggiungendo semiconduttori a prodotti che prima
non ne avevano bisogno, il che a sua volta sta riducendo la durata di questi dispositivi man mano che
se ne aumenta la componente elettronica: ciò significa che i prodotti che prima potevano durare 15
anni, ora vengono sostituiti in meno di cinque anni.
• È ormai un dato di fatto anche che molti piccoli dispositivi connessi come tracker, gioielli e wearable
vengono considerati inutilizzabili una volta che la batteria si esaurisce. A quel punto, il consumatore
non fa altro che buttarli via e comprarne altri.
• Forse tutto questo potrebbe anche non essere così preoccupante, se non fosse che, come già
sottolineato in un articolo su Design Spark, le quantità di rifiuti elettronici sono già considerevoli. Con
"considerevoli" si intende una stima di 57,4 milioni di tonnellate solo nel 2021 – più del peso della
Grande Muraglia cinese, l'oggetto artificiale più pesante del mondo.
La Data Economy
Viviamo un'epoca storica
che molti chiamano Data
Economy: tutto ruota attorno
alla capacità delle istituzioni
e delle imprese di usufruire
al massimo dei dati a
disposizione, con l’obiettivo
principale di migliorare la
loro performance e la qualità
dei servizi
Qual è il valore dei tuoi dati personali?
• Se i dati sono il petrolio del nostro millennio anche i nostri dati devono avere un valore.
• Ebbene sì, il Financial Times, per sensibilizzare questa cosa, ha sviluppato un sito che
ci permette di inserire i nostri dati ed alla fine ci dice quanto valgono.

• http://ig.ft.com/how-much-is-your-personal-data-worth/

• Provate a dire che siete una donna che sta per avere un bambino.
• I vostri dati valgono tantissimo…….

E se di questi dati ne avessimo tantissimi?

Le reti neurali
Si chiamano reti neurali
perché mirano ad
imitare il funzionamento
del cervello umano.

Sono complesse ma
anche molto semplici al
tempo stesso.

E si addestrano, dando
loro esempi
Market basket analysis
• Tante foto ci aiutano ad interpretare gli
oggetti nelle foto.
• Allo stesso modo, se siamo un
supermercato, i dati dei carrelli della
spesa associati a tanti clienti, ci
aiutano a capire i clienti, a prevedere i
loro comportamenti e ad organizzare
al meglio il nostro supermarket.
Big Data Analytics
• Big data analytics è il processo di raccolta e analisi di grandi volumi
di dati (big data) per estrarre informazioni nascoste.

• Oggi sono disponibili diverse tecnologie e tecniche di analisi per

scoprire patterns nascosti e connessioni tra i dati.
• Associati a sofisticate analisi di business, i big data hanno il
potenziale di dare alle imprese intuizioni sulle condizioni di mercato e
sul comportamento dei clienti, rendendo l’attività decisionale più
efficace e veloce.
Da dove vengono i Big Data ?
• Prima sorgente: INTERNET

• La rete si è evoluta creando dei

“concentratori” che possono
essere visti come grandi
sorgenti di Big Data. Stiamo
parlando di Google, di
Facebook, di Amazon e, sempre
più con il 5G, delle grandi
infrastrutture di rete.
Da dove vengono i Big Data ?
• Seconda sorgente: le Social Network

• Le singole transazioni registrate dai

“concentratori” possono essere correlate tra loro
per costruire una Social Network.
• Una relationship estratta da una social network
diventa la base per esempio per una politica di
marketing. Es. ho un cliente che ha comprato
una bicicletta. Se conosco la rete sociale
associata al suo profilo, posso proporre a tutti i
suoi componenti prodotti sportivi.
Da dove vengono i Big Data ?
• Terza sorgente: I file di log dei grandi server

• I file di log sono file che vengono creati e

mantenuti da un programma per scrivere le
operazioni che il programma fa. Nascono
per fini di diagnostica, ma poi sono stati
utilizzati anche per il data mining.
• Es. sono i file di log di un server web,
oppure di un server di posta elettronica
aziendale
I file di log dei grandi server
• Man mano che i processi aziendali
vengono informatizzati, nascono degli
strumenti che permettono di tracciare in
modo preciso tali processi e quindi di
studiarli per migliorare la produttività
aziendale, per nuove politiche di
marketing, etc.
• Es. nei supermercati le casse elettroniche
hanno permesso di tracciare le
composizioni dei carrelli della spesa e
quindi di studiare i comportamenti dei
consumatori.
Da dove vengono i Big Data ?
• Quarta sorgente: l’IoT

• Un primo esempio importante è la cosiddetta precise

medicine o medicina personalizzata. Attraverso l’uso di
sensori, medical digital device fissi e personali, è possibile
tracciare a run time il comportamento fisiologico di un
paziente.
• Un’infrastruttura informatica mette a sistema tutti questi dati.
• Algoritmi di intelligenza artificiale possono fare analisi
causale e prevedere un infarto
Da dove vengono i Big Data ?
• Quinta sorgente: telco
• Pronto, chi – dove, quando e come –
parla?
• Big data can be used in investing tools
for real-time data analytics so that the
companies can monitor the real-time
situation of the customers.
Esempi di problemi che possono
essere affrontati
• Es. 1: siamo un’azienda di servizi, vogliamo migliorare la nostra offerta, andando a studiare
il comportamento dei clienti, l’evoluzione delle vendite in funzione delle nostre scelte di
marketing.

• Es. 2: siamo una banca, vogliamo capire come definire politiche che fidelizzano i nostri
clienti per rispondere a dei cambiamenti strutturali del mercato.

• Es. 3: siamo un laboratorio di chimica, vogliamo capire come costruire sensori light,
economici e intelligenti orientati all’Internet of Things (IoT)

• Es. 4: siamo un’organizzazione internazionale, vogliamo comprendere le relazioni sociali

esistenti tra i gruppi criminali di un determinato paese africano.
How many servers does a data
center have?
• On the lower end, a small, in-house data center could somewhere
near 1000 servers.
• Most data centers are quite large, however, and a more typical
number is close to 100,000 servers
• May 1, 2023
• According to CloudScene data6 of 110 countries with available
information, as of January 2021 there were nearly 8,000 data
centers globally.
• https://www.usitc.gov/publications/332/executive_briefings/
ebot_data_centers_around_the_world.pdf
What is the biggest data server?
• Largest and Biggest Data Centers in the World: China Telecom
Data Center

• Occupying 10,763,910 square feet (1 Km2) and being located in

China, this is the world's largest server room. The DC in Hohhon is
recognized to be the greatest facility for datum storage and
processing around the world. It saves 50% of the marker datum in
China.
• https://sysracks.com/blog/largest-data-centers-in-the-world/#:~:text=China%
20Telecom%20Data%20Center,the%20marker%20datum%20in%20China
.
• Google server room has up to 900,000 servers.
How many data centers in the US?

• There are around 3 million data centers in the US.

• According to data center statistics, there is one data center for every 100
people. Even though these centers require quite a big amount of energy,
they are bringing an opportunity to improve US energy efficiency.
• Spending on data center systems worldwide reached $237 billion in
2021.
• 40% of all operating costs will come from energy consumption.
 Ma quanti sono i BigData?
• In 2020, the estimated amount of data in the world was around 40 zettabytes.
The most recent statistics indicate that about 2.5 quintillion bytes of data
(0.0025 zettabytes) are generated by more than 4.39 billion internet users each
day.
• Apr 19, 2023

Kilo - means 1,000; a Kilobyte is one thousand bytes.

Mega - means 1,000,000; a Megabyte is a million bytes.
Giga - means 1,000,000,000; a Gigabyte is a billion bytes.
Tera - means 1,000,000,000,000; a Terabyte is a trillion bytes.
Peta - means 1,000,000,000,000,000; a Petabyte is 1,000 Terabytes.
Exa - means 1,000,000,000,000,000,000; an Exabyte is 1,000 Petabytes.
Zetta- means 1,000,000,000,000,000,000,000; a Zettabyte is 1,000 Exabytes.
Yotta- means 1,000,000,000,000,000,000,000,000; a Yottabyte is 1,000 Zettabytes.
Ma quanti sono i BigData?