La risposta breve
Nel 2026 la spesa delle imprese italiane in data management e analytics raggiunge 5,07 miliardi di euro, in crescita del 24% sul 2025: è il valore più alto mai registrato dall'Osservatorio Data & Decision Intelligence del Politecnico di Milano. Le grandi imprese pesano per il 75% del mercato e l'intelligenza artificiale generativa è la voce che accelera di più, con un +46%.
Il dato che fa riflettere è un altro: solo il 18% delle grandi aziende usa i dati in modo sistematico nei processi decisionali. Gli investimenti in piattaforme e soluzioni di AI, machine learning e dati crescono più in fretta della capacità di trasformarli in decisioni migliori. È qui, e non nell'acquisto dell'ennesimo strumento, che si gioca il ritorno della spesa.
I numeri dell'Osservatorio: un anno record
La ricerca, presentata il 4 novembre a Milano, conferma un'accelerazione netta. Dopo anni di crescita a una cifra o poco sopra, la spesa italiana in big data e analytics sale del 24% e tocca quota 5,07 miliardi di euro. Le grandi organizzazioni assorbono tre quarti del mercato, mentre la spinta settoriale arriva soprattutto da grande distribuzione e retail, seguiti da assicurazioni, banche, utility e telco & media.
La crescita è distribuita su tutta la filiera del dato. Gli investimenti in data management e architetture aumentano del 20%, quelli in business intelligence e data science del 24%, così come le risorse infrastrutturali. Le soluzioni di intelligenza artificiale generativa registrano l'incremento più forte, +46%, pur rappresentando ancora circa il 6% della spesa complessiva.
È un segnale importante per chi legge il mercato solo attraverso il clamore sull'AI. La GenAI fa da traino, ma la parte più consistente del denaro continua ad andare a ciò che sta sotto: archiviazione, integrazione, qualità e governo del dato. Senza quella base, i modelli generativi hanno poco di affidabile da elaborare.
Perché solo il 18% decide davvero con i dati
Accanto ai numeri di spesa, l'Osservatorio misura quanto le imprese abbiano trasformato i dati in un metodo decisionale. Il quadro è più prudente. Solo il 18% delle grandi imprese adotta un vero approccio di decision intelligence, cioè usa i dati in modo sistematico per decidere. Il 48% ha definito una strategia sui dati, in crescita di 11 punti rispetto al 2025, e il 44% ha individuato le decisioni critiche da supportare con regole integrate.
Il divario emerge confrontando i progetti avviati con il lavoro di fondo. Il 78% delle aziende ha lanciato iniziative di advanced analytics, contro il 73% dell'anno precedente. Ma solo il 27% ha mappato i processi decisionali e di coordinamento con indicatori di performance, e appena il 31% ha definito ontologie strutturate dei dati. Sono proprio questi, secondo la ricerca, i tre fattori che distinguono chi ottiene risultati: sistemi di analisi avanzata, processi decisionali mappati e un modello dei dati coerente.
Il direttore scientifico dell'Osservatorio, Carlo Vercellis, ha descritto il passaggio in corso come lo spostamento da un approccio centrato sui dati a uno centrato sulle decisioni: l'AI è sempre più accessibile come soluzione standard e pronta all'uso, quindi possedere dati e algoritmi non basta più a fare la differenza. Sulla stessa linea il direttore della ricerca Alessandro Piva, per cui il valore si sposta dalla costruzione degli algoritmi alla capacità di alimentarli con dati di qualità e di integrarli nei processi.
Retail, banche e assicurazioni: chi traina e perché
Non è un caso che la spinta arrivi da grande distribuzione, retail, assicurazioni e banche. Sono settori con volumi enormi di transazioni, margini sensibili a ogni punto di efficienza e decisioni ripetitive che si prestano all'automazione: prezzi e promozioni, riassortimento, valutazione del rischio, prevenzione delle frodi, gestione dei sinistri. Nel retail una previsione della domanda più precisa si traduce direttamente in meno scorte ferme e meno rotture di stock.
Proprio questi casi d'uso mostrano perché la mappatura delle decisioni conta più della tecnologia. Un modello di previsione è utile solo se il suo output entra nel sistema che emette gli ordini, se qualcuno ne è responsabile e se esiste una metrica per capire se ha migliorato il risultato. Quando manca questo anello, l'analytics produce cruscotti consultati da pochi e progetti pilota che non arrivano mai in produzione.
Cosa significa per chi investe in dati e AI
Per un'azienda italiana che sta pianificando il budget 2027, la ricerca suggerisce di invertire l'ordine abituale delle domande. Prima di scegliere piattaforma o modello, conviene chiedersi quali decisioni si vogliono migliorare, con quale frequenza vengono prese, da chi e con quali dati. Solo dopo ha senso disegnare l'architettura e scegliere gli strumenti.
Il secondo punto è la qualità del dato. Ontologie, anagrafiche coerenti, pipeline affidabili e regole di governance non fanno notizia, ma sono ciò che separa un progetto di AI che regge da uno che si inceppa alla prima variazione dei dati di origine. Con la GenAI che cresce a ritmi del 46%, il rischio è di costruire assistenti e agenti sopra basi informative frammentate, ottenendo risposte brillanti nella forma e inaffidabili nel contenuto.
Il terzo è la misurazione. Un investimento in dati va legato fin dall'inizio a un indicatore di business, che sia margine, tempo di risposta, tasso di errore o rotazione delle scorte. È l'unico modo per capire se la spesa, che ora cresce di un quarto all'anno, sta producendo decisioni migliori o soltanto più dati.
Domande frequenti
Quanto vale il mercato dei big data in Italia nel 2026?
Secondo l'Osservatorio Data & Decision Intelligence del Politecnico di Milano, la spesa italiana in data management e analytics raggiunge 5,07 miliardi di euro nel 2026, con una crescita del 24% sul 2025: è il valore più alto mai registrato. Le grandi imprese valgono il 75% del mercato.
Quali componenti crescono di più?
Le soluzioni di intelligenza artificiale generativa crescono del 46%, pur valendo circa il 6% della spesa totale. Data management e architetture crescono del 20%, business intelligence e data science del 24%, le risorse infrastrutturali del 24%.
Quante imprese usano davvero i dati per decidere?
Solo il 18% delle grandi imprese italiane usa i dati in modo sistematico nei processi decisionali, con un approccio di decision intelligence. Il 78% ha avviato progetti di advanced analytics, ma appena il 27% ha mappato i processi decisionali con indicatori di performance e il 31% ha definito ontologie strutturate dei dati.
Cosa significa per un'azienda che investe in dati e AI?
Che il collo di bottiglia non è più la tecnologia, ormai accessibile anche come soluzione pronta, ma la qualità dei dati e l'integrazione nei processi. Prima di comprare piattaforme conviene mappare le decisioni critiche, definire il modello dei dati e costruire pipeline affidabili che alimentino analytics e modelli di AI.
Fonti
ANSA — Crescita record del mercato dei Big data in Italia nel 2026, 5 miliardi di euro e +24%, 4 novembre 2026
Innovation Post — Big Data, nel 2026 la spesa registra una crescita record e raggiunge quota 5,07 miliardi
Osservatori Digital Innovation, Politecnico di Milano — Osservatorio Data & Decision Intelligence