Big Data in Italia: mercato a +24%, ma pochi usano i dati per decidere

Il 6 novembre 2026 Automazione Plus ha riportato i risultati di una ricerca dell'Osservatorio Data & Decision Intelligence del Politecnico di Milano su come le aziende italiane utilizzano i Big Data. Il dato principale è un contrasto: la spesa cresce a ritmo record, ma la capacità di trasformare i dati in decisioni resta limitata.

I numeri della ricerca

Dalle informazioni disponibili emergono questi dati:

• la spesa in Italia per servizi e soluzioni di Data Management & Analytics raggiunge i 5,07 miliardi di euro nel 2026;
• si tratta di un aumento record del 24% rispetto al 2025;
• solo il 18% delle grandi imprese ha un approccio di Decision Intelligence, cioè usa effettivamente i dati nei processi decisionali: circa 1 azienda su 6;
• circa la metà delle grandi imprese ha definito una Data Strategy.

Il mercato corre: la capacità di usare i dati nelle decisioni, no.

Cosa significa, in concreto

La distanza tra avere una strategia sui dati e usarli davvero per decidere è il punto più interessante. Se circa metà delle grandi aziende ha formalizzato una Data Strategy, ma meno di una su cinque ha un approccio di Decision Intelligence, vuol dire che definire obiettivi e investire in piattaforme non basta. Mancano spesso i passaggi intermedi: dati affidabili, processi che li consumano, persone che li traducono in azioni.

Va detto che, per ora, questi sono i soli dati a nostra disposizione: la scomposizione del mercato per componenti, il campione dell'indagine e le eventuali cifre specifiche per il manifatturiero non sono stati verificati. Chi volesse citare altri dettagli dovrebbe consultare l'articolo completo o il rapporto dell'Osservatorio.

Perché riguarda chi gestisce uno stabilimento

Per direttori di produzione, plant manager e responsabili IT/OT, il messaggio è prudente ma utile. Budget analitici crescenti non producono automaticamente decisioni migliori in reparto. In fabbrica il valore nasce quando un dato è affidabile, contestualizzato (collegato a macchina, ordine, lotto, turno) e legato a una decisione precisa.

Un esempio è l'OEE: se i tempi di fermo vengono registrati a mano o senza causale, l'indicatore descrive poco e non guida alcuna azione. Se invece deriva da segnali acquisiti direttamente dalle macchine e associati agli ordini di produzione, diventa uno strumento per decidere dove intervenire. Lo stesso vale per i fermi e per la tracciabilità.

Un approccio pratico da cui partire

Alla luce di questo scenario, alcune indicazioni operative:

• partire da poche decisioni ricorrenti (ad esempio quali fermi ridurre per primi o come riprogrammare un ordine) e individuare i dati che servono;
• assicurarsi che il dato di campo sia raccolto in modo automatico, con una connettività macchina adeguata, e arricchito con il contesto di produzione;
• usare sistemi come MES e piattaforme di raccolta dati per collegare i segnali di impianto a ordini, lotti e causali;
• misurare se i dati cambiano davvero il comportamento: riunioni di reparto, priorità, interventi di manutenzione;
• estendere l'analisi avanzata solo dopo aver consolidato questa base.

In sintesi

I 5,07 miliardi di euro stimati per il 2026 indicano che l'interesse per i dati è ormai strutturale. Il dato del 18% ricorda però che il vantaggio competitivo non dipende dalla spesa, ma dalla capacità di portare informazioni affidabili al momento della decisione. Nel manifatturiero, questo comincia quasi sempre dal dato di reparto.