ENI e Ammagamma insieme per trovare soluzioni a partire dai dati

Pubblicato il 28 aprile 2022
Ammagamma ENI

Ammagamma, società di data science che sviluppa soluzioni innovative di intelligenza artificiale per le imprese, svilupperà con Eni progetti di ricerca in ambito data science.

L’accordo nasce dalla volontà, condivisa da entrambe le società, di creare innovazione a partire dalla ricerca data-driven, unendo le competenze maturate dai rispettivi team, nell’applicazione avanzata della data science per lo sviluppo di progetti e di strategie ad alto impatto innovativo, che permettano di rispondere efficacemente alle sfide di un mondo in rapido cambiamento.

“Allargare l’ecosistema di collaborazioni è parte integrante della filosofia di Ammagamma”, ha commentato David Bevilacqua, CEO di Ammagamma. “Siamo felici di aver siglato questa collaborazione con Eni che permetterà uno scambio continuo di competenze tra i nostri team, con l’obiettivo comune di applicare la scienza dei dati per liberare il potenziale inespresso dei dati e creare nuovo valore di business e opportunità inedite di sviluppo per la società”.

Analisi esplorativa e interpretazione evoluta dei dati, sviluppo di competenze e programmi di formazione per il personale interno, creazione di sinergie con realtà internazionali e locali, promozione di iniziative di social innovation, di supporto e interazione con le comunità locali: sono questi i quattro macro-obiettivi che guideranno il lavoro congiunto. Le attività di ricerca e innovazione saranno condotte all’interno dell’Hidden Data Lab, un laboratorio che unisce le competenze degli esperti di data science e intelligenza artificiale di Eni e di Ammagamma. Un approccio completamente nuovo guiderà i due team: oltre a implementare progetti che forniscano risposte mirate a esigenze specifiche, i rispettivi team esploreranno le potenzialità “nascoste” nei big data per individuare soluzioni a problematiche ancora inespresse. L’obiettivo delle due aziende è infatti quello di mettere a fattor comune l’esperienza di persone con competenze professionali molto diverse e di creare contaminazione, affinché i dati possano essere analizzati da diversi punti di vista per individuare nuovi approcci e risposte concrete.

“Il grande valore che vediamo nell’Hidden Data Lab è proprio quello di permettere a persone che provengono da settori diversi di collaborare e guardare alle cose in modo nuovo”, ha concluso Bevilacqua. “Il dato in sé ha poco valore, se non viene correlato e quindi trasformato in informazione. All’interno dell’Hidden Data Lab nulla viene dato per scontato e l’obiettivo delle persone è proprio quello di far emergere tutto ciò che i dati nascondono, porsi domande per capire in anticipo se si verificherà un problema e trovare una soluzione prima che il problema si palesi”.

Nell’ambito di questa collaborazione, Eni ha fornito il proprio prezioso supporto all’iniziativa “Ragazze in Convento” di Ammagamma, un percorso educativo che ha l’obiettivo di avvicinare le studentesse alle discipline STEAM. Nel corso degli incontri organizzati presso la sede Ammagamma di Modena, i data scientist e i designers di Eni hanno collaborato con gli esperti di Ammagamma per dare vita a un workshop “Data Thinking” che permette alle ragazze di scoprire il mondo della data science. A partire dall’analisi di alcune specifiche “Personas”, le studentesse creeranno un proprio progetto, con lo scopo di immaginare e sviluppare nuove possibili soluzioni per i diversi target, analizzando in modo critico i dati di spostamento delle persone nell’area di Modena, nei periodi di pre e post-pandemia. Infine, a conclusione del progetto, Alessandra Fidanzi, Head of Digital Factory and Center of Excellence Data Science, Agile & Design Thinking di Eni, sarà protagonista di una lecture online rivolta alle studentesse, che si terrà il 28 aprile 2022 in occasione dell’International Girls in ICT Day, portando il proprio prezioso contributo e la propria lettura del fenomeno “gender gap nel mondo STEAM e ICT”.



Contenuti correlati

Scopri le novità scelte per te x