Come Cristoforo Colombo ha trovato le Americhe grazie ai big data
Il processo che un’azienda dovrebbe seguire fino ad arrivare a gestire un progetto basato sui dati, è paragonabile alla trasformazione da bruco a farfalla. Il processo però non è immediato ed istantaneo e prima di “partire in quarta” e magari acquistare un software o assumere personale o acquisire una mole sconfinata di dati dal web è fondamentale partire dalle basi: capire qual è l’obiettivo principale da conseguire con i big data!
Ti può sembrare scontato, ma non lo è del tutto, spesso chi si occupa di business tralascia questo passaggio creando delle situazioni difficilmente gestibili, è come se mettessi una barca in mezzo al mare senza indicazione di dove andare e senza mappa; ok che Colombo per cercare le Indie ha scoperto l’America, ma non sempre il fattore C aiuta gli audaci e comunque il buon Cristoforo un obiettivo lo aveva.
È importante quindi che il management definisca come prima cosa quali vantaggi e benefici vuole ottenere con l’analisi dei big data. Capire questo ha sia risvolti e benefici finanziari, ma ha delle conseguenze anche sul piano organizzativo: a chi far dirigere il progetto, a che livello aziendale collocarlo e come gestirlo.
Vediamo alcuni obiettivi che un’azienda può prefissarsi gestendo un progetto di Big Data analytics:
CONTENERE O RIDURRE I COSTI
Quando l’obiettivo riguarda i costi già sappiamo che l’area da dover andare ad analizzare e colpire è l’Information Technology che è quella con costi fissi più elevati. Ad oggi però, per gestire un progetto di big data ci sono delle tecnologie e in particolare software open source, quindi con il codice sorgente aperto e modificabile da chiunque, a basso costo. Un esempio tra tutti è Hadoop, un software che permette di gestire un’infinità di dati. Non entro nel dettaglio tecnico del sistema, ma riguardo ai costi posso dirti che ad un’azienda l’archiviazione di un terabyte (1.048.576 megabyte) di dati per un anno costa in media 32.000€ con un database relazionale, 4.300€ con una data appliance e appena 1.700€ con un cluster Hadoop.
Questo è vero però in senso assoluto, in realtà bisogna considerare che l’adozione di tecnologie più avanzate comporta quasi sempre forti investimenti in formazione del
personale o in assunzioni di tecnici con elevate esperienze. La famosa catena americana dedicata ai videogiochi, GameStop, ha dichiarato nel 2012 di non voler adottare la piattaforma Hadoop perché aveva calcolato che formare personale o assumerne nuovo altamente specializzato gli sarebbe costato di più e il ritorno dell’investimento era ancora troppo incerto e di lungo periodo.
RISPARMIARE TEMPO
Quando l’obiettivo è questo è necessario porsi una domanda fondamentale: “che cosa si intende fare nel tempo risparmiato?” Alcune risposte potrebbero essere:
- voglio aumentare i test e le simulazioni dei modelli di analisi così da capire meglio i fattori che condizionano le performance in alcune aree chiave del business e trovare la soluzione migliore per un dato obiettivo
- voglio prendere in considerazione molte più variabili e più dati così da creare offerte personalizzate in tempo reale per i clienti
- voglio essere in grado di rispondere molto più rapidamente agli imprevisti che possono accadere.
Avere più tempo per giocare a calcio, fare più pause durante la giornata lavorativa, poter andare i vacanza 6 mesi l’anno, non sono tra le risposte più accettabili, se non altro perché non concernono target concreti di business.
Un esempio di questo obiettivo ci viene dalla catena di negozi Macy’s, più in particolare dal suo sito web macys.com nel quale l’azienda è riuscita a ridurre il tempo di ottimizzazione del pricing per i suoi 73 milioni di articoli da 27h a poco più di un’ora. Come ha fatto? Grazie ad un software applicativo che consente a Macy’s di aggiornare i suoi prezzi molto più frequentemente adattandoli all’andamento del mercato. Ampliando il ragionamento si potrebbe legare il pricing anche alle condizioni meteo!
NUOVE OFFERTE
Se l’obiettivo è quello di aggiungere nuovi prodotti o servizi l’implicazione più grande si ha sulla collocazione a livello di business della gestione dei big data.
Il primo passo è creare un progetto che comprenda un insieme di strumenti, di tecnologie e di persone capaci di analizzare i dati e trarne le informazioni e le conoscenze più utili per creare nuove offerte basate su di essi.
Si dovrà poi tenere conto del lavoro a stretto contatto con il team dello sviluppo dei prodotti/servizi e con il team di marketing, il tutto gestito da un business leader e non da un tecnico.
L’azienda che più di tutti negli ultimi anni ha creato nuovi prodotti e servizi basandosi sui dati è Google. Sia perché da un lato è una delle realtà che possiede più dati al mondo, sia perché ha da sempre basato il suo business sull’utilizzo dei big data per affinare il suo algoritmo di ricerca. Strumenti che utilizzi quotidianamente come Gmail, Google Drive etc non sono altro che frutto di un’analisi sui big data.
DECISIONI INTERNE
Usare le analytics per le decisioni interne (es. customer satisfaction, pricing etc) è sempre stato fatto anche dalle analytics tradizionali, decisioni di questo tipo sono ancora molto importanti anche in un approccio centrato sui Big Data quando si tratta cioè di usare dati nuovi o poco strutturati. Ad esempio pensa ai dati delle chiamate al call center: per quanto preziosi, non si prestavano ad alcun tipo di analisi. Oggi, grazie ai sistemi di Text Mining (È un processo che estrae informazioni destrutturate, come vocali o immagini, e le trasforma in dati strutturati così da poter essere analizzati più approfonditamente), gli stessi dati possono essere analizzati ed utilizzati. L’impiego di grandi volumi di dati esterni, come ad esempio il web, le previsioni meteo, i rischi politici…tutto anche i fornitori e i fornitori dei fornitori sono un fattore che enfatizza questo aspetto.
Infine la concorrenza e il mercato. L’analisi di questi aspetti si basava in passato su considerazioni intuitive, ora i Big Data iniziano a cambiare i metodi. Se si riescono ad ottenere maggiori quantità di dati dettagliati e ad effettuare su di essi un’analisi più sistematica migliorerà la qualità delle decisioni strategiche.
Se fino a qualche tempo fa si avevano a disposizione informazioni base sulle aziende operanti in un determinato settore come il fatturato, l’ubicazione geografica, il numero dei dipendenti, oggi si può avere accesso anche alle informazioni di carattere commerciale e quindi le aziende possono agire d’anticipo invece che limitarsi a reagire a posteriori.
Ma quali obiettivi scelgo per la mia azienda per lavorare con i big data? In molti casi è opportuno considerare due fattori per definire come e a che scopo utilizzare i
big data in azienda. Innanzitutto provare a rovesciare lo scenario e cercare di capire quali opportunità sono disponibili dal punto di vista dei dati, chiedersi cioè: “i dati che ho a disposizione cosa possono offrirmi?”.
In secondo luogo puoi valutare di quali applicazioni dei big data senti la mancanza. In questo senso si va ad analizzare la strategia di business attuale annotando gli intenti, gli obiettivi e le iniziative che potrebbero avvalersi dei big data ed agire di conseguenza.
Elisa Iandiorio
Ultimi articoli di Elisa Iandiorio (vedi tutti)
- Big Data: Privacy WhatsApp e GDPR: cosa (non) è cambiato dal 15 maggio - 25 maggio 2021
- Come Cristoforo Colombo ha trovato le Americhe grazie ai big data - 23 settembre 2019
- Big Data: perché dovresti usarli per fare marketing? - 2 luglio 2019
Libri scritti da Elisa Iandiorio
