Salta al contenuto
Frontiera e futuro

Big data al CERN: cosa può imparare una PMI da chi gestisce petabyte

Sotto Ginevra due fasci di protoni si incrociano quaranta milioni di volte al secondo, e quasi tutto viene scartato prima di essere registrato. Non è un limite tecnico: è il metodo. E spiega perché il problema di un'azienda non è raccogliere dati.

6 min

Big data al CERN: cosa può imparare una PMI da chi gestisce petabyte

Sotto la campagna a cavallo tra Ginevra e il confine francese, dentro un tunnel circolare di ventisette chilometri, due fasci di protoni si incrociano quaranta milioni di volte al secondo. Ogni incrocio produce collisioni, ogni collisione sparpaglia frammenti, ogni frammento lascia una firma nei rivelatori grandi come palazzi che avvolgono i punti d’urto. Se il CERN registrasse davvero tutto quello che i suoi sensori vedono, scriverebbe qualcosa dell’ordine di un petabyte al secondo. Un milione di gigabyte. Al secondo.

Non lo fa. Ne scarta la stragrande maggioranza — molto oltre il novantanove per cento — mentre accade, e quel materiale non torna più indietro. È il dettaglio più controintuitivo del più grande esperimento mai costruito, ed è anche la migliore delle lezioni sui big data per le aziende: il laboratorio che genera più dati al mondo ha costruito la propria fortuna sulla capacità di non conservarli.

Quaranta milioni di decisioni al secondo

Il meccanismo si chiama trigger, grilletto, e fa esattamente quello che il nome promette: decide, e la decisione è definitiva. Lavora su due livelli.

Il primo è elettronica dedicata, montata a ridosso del rivelatore, che ha pochi milionesimi di secondo per giudicare ogni incrocio di fasci. Non ricostruisce nulla: cerca indizi grossolani. Un deposito di energia sopra una certa soglia, un muone che attraversa gli strati esterni con abbastanza slancio, una geometria compatibile con qualcosa di raro. Chi passa questo esame preliminare scende da quaranta milioni a poche decine di migliaia di eventi al secondo.

Il secondo livello è software: una fattoria di migliaia di processori commerciali che ricostruisce parzialmente gli eventi sopravvissuti e li giudica con criteri più fini, avendo a disposizione qualche millesimo di secondo per ciascuno. Da qui esce il flusso che viene davvero scritto su disco e su nastro: dell’ordine del migliaio di eventi al secondo.

Fatti i conti: di quaranta milioni di incroci ne sopravvive circa un migliaio. Tutto il resto viene dimenticato prima ancora di essere stato conosciuto da qualcuno.

Il criterio viene prima del dato

Qui sta il punto che vale il viaggio. Le regole del trigger non vengono ricavate dai dati: vengono scritte prima che i dati esistano. Sono un elenco — i fisici lo chiamano proprio menù — di firme sperimentali, ciascuna con una quota di banda assegnata, discussa e negoziata dentro collaborazioni di migliaia di persone. Il trigger, in sostanza, è una teoria trasformata in circuito stampato.

La conseguenza è scomoda e nessuno la nasconde: un fenomeno inatteso, che non somigli a nessuna delle firme previste, attraversa il rivelatore e sparisce senza lasciare traccia. Non c’è backup, non c’è cestino. La comunità convive con questo rischio e prova a limitarlo con due contromisure eleganti. Una fetta di banda viene riservata a eventi presi a caso, senza criterio, proprio per avere un campione non distorto con cui controllare tutto il resto. E in alcuni casi, invece di salvare l’evento grezzo, si conserva solo la sintesi già ricostruita: occupa una frazione dello spazio, quindi permette di tenerne molti di più.

Resta il fatto che nessuno può dimostrare che non sia stato buttato via niente di importante. Dichiararlo apertamente fa parte del metodo. È una forma di onestà che nelle presentazioni aziendali sui dati non si vede quasi mai.

Il mito del magazzino infinito

L’istinto di chi fa impresa è l’opposto. Raccogliamo tutto, poi vedremo: lo spazio costa poco. Ed è vero, lo spazio costa poco. Quello che non costa poco è l’attenzione.

Il risultato lo si riconosce a occhio nudo. Un gestionale con sessanta campi di cui sei compilati. Un sito tracciato su ogni pulsante con report che nessuno apre dal giorno dell’installazione. Uno storico di anni che non si può interrogare perché a metà strada qualcuno ha cambiato il modo di nominare le cose. Il magazzino c’è, la merce pure, ma non esiste un inventario — e senza inventario un magazzino è solo un costo con dentro della roba. Il passaggio da numeri accumulati a numeri utili è lo stesso che separa una web analytics che serve a decidere da un cruscotto che serve a rassicurare.

Come si scrive un trigger aziendale

Copiare il CERN, per una piccola impresa, significa rispondere a tre domande nell’ordine giusto.

La prima: quali eventi contano. Non quali dati hai, quali eventi contano. Vanno scritti prima di guardare i numeri, e devono stare in mezza pagina: il cliente che ordina per la seconda volta, il preventivo che supera una certa soglia e resta senza risposta per una settimana, il cliente abituale che smette di comparire, il prodotto che entra in un carrello e non ne esce mai. Cinque o sei firme, non trenta.

La seconda: a che velocità va presa la decisione. La genialità del trigger non è filtrare, è filtrare alla velocità del fenomeno. Un preventivo fermo da sette giorni è un evento a bassa latenza: deve generare una telefonata, non una riga in un report trimestrale. Il fatturato per categoria merceologica è un evento a bassa frequenza: guardarlo una volta al mese basta e avanza.

La terza: quanta banda hai davvero. Al CERN il vincolo finale è la velocità con cui si riesce a scrivere su nastro. In azienda il vincolo è quante cose una persona reale riesce a leggere e trasformare in azione in una settimana. Se sono tre, il trigger deve consegnarne tre. Un sistema che ne consegna trenta non è più informativo: è rumore con l’aria di essere lavoro.

Il bello è che quasi sempre i segnali ci sono già. La cassa di un negozio registra ogni giorno chi compra cosa, quando e insieme a cos’altro: il POS è una miniera che gira a vuoto non per mancanza di dati, ma perché nessuno ha mai scritto il menù delle firme da cercare.

E quello che si tiene, va tenuto bene

C’è un secondo insegnamento, meno spettacolare del primo. Gli eventi che superano il filtro non finiscono in un archivio qualsiasi: vengono distribuiti su una griglia di calcolo che collega centinaia di centri in decine di paesi, con lo stesso software e le stesse convenzioni ovunque, perché migliaia di fisici possano rileggerli e rianalizzarli anche a distanza di anni, con calibrazioni migliori di quelle disponibili il giorno in cui sono stati presi.

Tradotto: un dato che nessuno riesce a raggiungere non esiste, e un dato che nessuno riesce a rileggere fra due anni è un costo travestito da patrimonio. Meglio poche informazioni pulite, con nomi stabili e un formato che sopravviva al cambio di fornitore, che un lago di tabelle in cui ognuno chiama i clienti in modo diverso.

Il bosone di Higgs non è stato trovato perché il CERN registrava tutto. È stato trovato in quella minoranza sopravvissuta al grilletto, perché qualcuno aveva scritto in anticipo che cosa valeva la pena guardare, e aveva avuto il coraggio di lasciar andare il resto. La domanda utile, per chiunque abbia un gestionale acceso da anni, non è quanti dati possiede.

È chi ha scritto il suo trigger, e da quanto tempo non lo rilegge.

Trasformare i dati che un’azienda già produce in decisioni prese in tempo è una delle cose che facciamo in Publilia.

Pubblicato il 2 Novembre 2026 Tutti gli articoli

Continua a leggere

Un dubbio su qualcosa che hai letto?

Scrivici: rispondiamo anche alle domande che non portano a un preventivo.

Parliamone
Hai un progetto? Scrivimi su WhatsApp