Cresce ancora il mercato del Data Management & Analytics in Italia e sfora la soglia dei 4 miliardi di euro. Eppure oggi ancora poche aziende sono davvero pronte a sfruttare i benefici della valorizzazione dei dati per l’intelligenza artificiale (AI), a causa di architetture dati inadeguate o assenza di una governance chiara su dati e processi.

Sono alcuni dei risultati emersi della ricerca dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano, uno degli oltre 50 differenti filoni di ricerca degli Osservatori Digital Innovation della School of Management del Politecnico di Milano che affrontano tutti i temi chiave dell’Innovazione Digitale nelle imprese e nella pubblica amministrazione.

Il mercato del Data Management & Analytics

La spesa della Pubblica Amministrazione pesa il 6% del totale del mercato del Data Management & Analytics e cresce con ritmi leggermente più lenti della media (+17%).

Tra i settori, a crescere maggiormente sono i Servizi (+27%), Banche (+22%), Assicurazioni e Manifattura (+21%, entrambi). Seguono con un tasso di crescita medio del +16% GDO/Retail, Telco e Media e Utility.

Le risorse per infrastruttura pesano circa un quinto della spesa complessiva. Il resto è suddiviso in Business Intelligence/Data Science (+27%), trainata da richieste di servizi esterni per sperimentazioni AI e dall’acquisto di soluzioni di GenAI pronte all’uso, e Data Management (+13%), in cui software e servizi procedono di pari passo.

Nelle grandissime imprese (oltre 1.000 addetti), la spesa in Data Management & Analytics nel 2025 cresce solo del +12%, mente sale del +27% nelle grandi aziende.

Le grandissime organizzazioni direzionano i propri investimenti principalmente su risorse computazionali e Generative AI, mentre lavorano all’ottimizzazione dei costi relativi ai software a disposizione, mentre per quelle di dimensioni più ridotte l’attenzione per l’AI impone di migliorare accessibilità e usabilità dei dati.

La Data Strategy nelle grandi aziende

Negli ultimi anni le aziende si sono dotate di strumenti tecnologici sempre più semplici e flessibili, come soluzioni di Data Visualization basate su approcci no-code, low-code o persino su tecniche di Natural Language Processing (NLP), che hanno ampliato la platea di utenti in grado di interagire con i dati.

Oggi il 45% degli addetti non esperti di dati delle grandi imprese utilizza strumenti di analytics “self-service” per analisi descrittive. Tra questi il 56% opera in completa autonomia senza il supporto della Business Intelligence.

Il 61% delle aziende organizza corsi di formazione dedicati all’uso delle soluzioni di Business Intelligence e il 58% punta su team trasversali, che favoriscono la collaborazione tra diverse funzioni aziendali e la condivisione delle competenze.

Il 27% delle grandi organizzazioni non ha ancora avviato progetti in ambito Advanced Analytics, indice della difficoltà nel compiere un vero salto di maturità.

Eppure, tra chi ha già sperimentato almeno un progetto, il panorama è in espansione e l’87% ha aumentato nell’ultimo anno il numero di iniziative.

La maturità tecnologica nelle grandi aziende: la gestione del lifecycle dato è ancora un aspetto critico

La gestione del dato rappresenta ancora un elemento di criticità. L’87% delle grandi aziende ha costruito una Data Platform, ma poche realtà riescono oggi a governare in modo completo l’intero ciclo di vita del dato, cruciale per generare valore attraverso le metodologie di Intelligenza Artificiale (AI).

Analizzando la composizione delle piattaforme dati delle grandi aziende emergono tre livelli di maturità tecnologica. Nell’80% ci sono soluzioni consolidate in database per dati strutturati e strumenti di Data Visualization. Accanto a queste, si diffondono ma non sempre in modo integrato moduli di Machine Learning e database per la gestione di dati non strutturati.

Infine, ci sono tecnologie ancora emergenti come i Data Catalog e gli strumenti di Data Quality e Data Lineage che trovano spazio, anche se in modo limitato. Le aziende ne riconoscono l’importanza e nel 40% dei casi vogliono introdurle entro i prossimi 12 mesi.

Data strategy, PMI indietro per competenze e investimenti

Nel 2025, l’89% delle piccole e medie imprese italiane svolge delle attività di analisi dei dati, 10 punti in più del 2024. Una crescita significativa, ma che in molti casi riflette pratiche occasionali, realizzate attraverso fogli elettronici, senza figure dedicate.

Solo una PMI su tre dispone di professionisti incaricati dell’analisi dei dati e la maggior parte non ha ancora realizzato investimenti rilevanti nelle infrastrutture tecnologiche.

Le attività di analisi più avanzate, condotte in modo continuativo da circa un’impresa su due, si concentrano sul controllo di gestione, come la previsione dei flussi di cassa e la pianificazione del budget.

Tuttavia, il potenziale di queste iniziative è limitato dal basso livello di integrazione delle fonti dati: circa otto imprese su dieci non integrano i propri dati o lo fanno in modo manuale.

La situazione è più matura tra le medie imprese: una su due ha introdotto figure professionali almeno parzialmente dedicate alla gestione e analisi dei dati, circa il 40% ha un buon livello di integrazione con tecnologie dedicate.

Competenze: la sfida dei talenti e l’emergere della ‘Shadow AI’

Nelle grandi organizzazioni operano in media 14 Data Expert — figure dedicate ad attività di Data Engineering, Business Intelligence e Data Science — mentre nelle aziende con oltre 1.000 addetti il numero sale a circa 50.

Oltre la metà di questi professionisti si occupa prevalentemente di analisi descrittiva o svolge funzioni di coordinamento. Non sorprende, quindi, che l’86% delle grandi imprese si affidi al supporto di consulenti esterni per la realizzazione delle progettualità più complesse.

L’internalizzazione delle competenze è difficile, a causa della persistente carenza di talenti specializzati sul mercato.

Nel prossimo futuro, sottolinea il rapporto, una possibile risposta potrebbe arrivare dalla Generative AI, che semplifica e velocizza il lavoro degli specialisti, supportandoli nel coding, nella creazione di report standardizzati e nelle attività di pulizia e preparazione dei dati.

L’adozione procede rapida: il 45% delle organizzazioni ha già messo a disposizione dei propri Data Expert strumenti di GenAI selezionati a livello centrale, mentre nel 37% dei casi i singoli professionisti utilizzano in autonomia le applicazioni che ritengono più utili. Questo fenomeno, però, apre scenari di Shadow AI, cioè l’utilizzo di strumenti di intelligenza artificiale da parte dei dipendenti senza l’approvazione e la supervisione del reparto IT o della sicurezza aziendale, con rischi potenziali legati alla sicurezza e alla governance dei dati.

Il futuro del Data Analytics e AI

La maggior parte delle aziende ha avviato quantomeno una mappatura del proprio patrimonio informativo e il 46% ha adottato metodologie per misurare almeno il valore di attività di Data Science o di Data Management. In aumento anche l’utilizzo di dati non strutturati, come documenti o altre tipologie di testi, per analisi avanzate.

Nel futuro, però, saranno importanti anche la valorizzazione dei dati in logica extra-aziendale e l’introduzione di meccanismi chiari di redistribuzione del valore per il cittadino/consumatore che mette a disposizione i propri dati.

Ma siamo ancora lontani: il 90% delle grandi organizzazioni italiane non conosce i Data Spaces o non ne vede una chiara opportunità nel proprio contesto aziendale.

Mentre la scarsa consapevolezza sui meccanismi di funzionamento di algoritmi e Intelligenza Artificiale (AI) è un elemento di freno per i consumatori, che rischia di rallentare anche lo sviluppo di tecnologie correlate a questa transizione.