Orgatec
 

29/08/2018

Share    

Cristina Dal Monte

La sfera di cristallo esiste

Big Data, machine learning e predictive analysis. Scopriamo come costruire un sistema utile al business, seguendo un percorso in sei fasi.



“Senza dati tu sei solo un’altra persona con un’opinione”, così William Edwards Deming, ingegnere, saggista, docente, consulente di gestione aziendale e manager statunitense. I processi di analisi dei dati sono da sempre uno degli argomenti più amati e odiati in azienda. Senza dati non si possono condurre analisi, senza analisi non si possono prendere decisioni oggettive di business, ma complessità tecnologica da una parte e mole di dati dall’altra, rendono l’attività di analisi uno dei principali incubi delle aziende, oggi ancor più di ieri.

Dalle analisi consuntive alle analisi predittive
Le grandi aziende dispongono di know how tecnico e risorse economiche tali da poter affrontare il tema con una certa serenità, ma la maggior parte delle imprese non sa come iniziare. Secondo l’Osservatorio Big Data Analytics & Business Intelligence del Politecnico di Milano, la crescita del mercato degli analitycs nel 2017 (+22% anno su anno) è un segnale che il momento giusto per affrontare l’argomento in modo strutturato e mettere da parte le esitazioni che spesso le aziende mostrano quando non sanno esattamente come muoversi. Una delle ragioni per cui non bisogna perdere tempo in questo settore è il cambio di paradigma a cui stiamo assistendo nell’ambito delle attività di analisi dei dati. Se fino a qualche anno fa le attività di business Intelligence generavano analisi a consuntivo (ci dicevano in sostanza ciò che era accaduto nel passato), oggi è possibile elaborare analisi previsionali, per anticipare gli eventi e prendere decisioni di business prima del manifestarsi di un dato evento. Questo tipo di analisi dei dati si chiama analisi predittiva e può essere utilizzata in numerosi ambiti quali, per esempio, la ricerca di anomalie nei processi di business, l’analisi dei comportamenti della clientela, gli andamenti temporali delle vendite, le attività di comunicazione mirate verso singoli clienti, la predisposizione dei prodotti a scaffale sulla base di ciò che il cliente acquista abitualmente... Le analisi predittive sono la naturale evoluzione della business intelligence e lavorano utilizzando i big data. Le analisi predittive possono alimentare sistemi di marketing automation che, utilizzando algoritmi avanzati di autoapprendimento, predispongono azioni mirate e personalizzate verso i singoli utenti. Gli algoritmi di auto-apprendimento, noti anche come machine learning, permettono di comunicare al cliente il prodotto giusto, nel momento giusto, sul giusto canale.

Sei passi per iniziare
Per costruire un sistema di analisi predittive utile al business è necessario seguire un percorso basato sostanzialmente su sei fasi. Vediamole di seguito.

1. Comprensione del business e dei processi: bisogna conoscere il meccanismo per identificare ciò che non funziona.

2. Comprensione dei dati: è necessario sapere quali dati usare, quali fattori contribuiscono al successo/ insuccesso di un dato evento.

3. Preparazione/pulizia dei dati: i dati vanno preparati per evitare che elementi estranei al fenomeno creino distorsioni nell’analisi.

4. Creazione di un modello predittivo: vanno definiti i modelli di comportamento che desideriamo analizzare per poter individuare le variabili.

5. Test e valutazione del modello: in questa fase gli esperti dovranno convalidare i modelli e modificarli fino a che non dimostreranno di funzionare in tutte le casistiche applicate.

6. Utilizzo del modello: le analisi predittive sono potenti strumenti che devo essere integrati in una strategia complessiva perché, se fine a se stessi, non porteranno alcun beneficio al business. In un mondo sempre più complesso e iper-connesso, affollato di dati e sistemi, la capacità di trarre conclusioni in anticipo rispetto all’evento che dovrà accadere sarà un fattore competitivo importante per le aziende che sapranno dotarsi degli strumenti, del know-how e delle risorse richieste.

Dall’analisi al predictive marketing
L’80% dei millennial intervistati in un’indagine commissionata da Rocket Fuel - Consumer Perceptions of AI - riconosce il valore dell’utilizzo dell’intelligenza artificiale per proporre pubblicità e offerte interessanti. Dalle analisi predittive al predictive marketing il passo è breve. Il predictive marketing non ragiona più secondo i principi tradizionali delle analisi del dato, dei target e segmenti di clientela, del funnel (imbuto in italiano, ndr) e dei dispositivi di accesso, bensì in relazione al momento in cui l’utente è più predisposto a ricevere il messaggio e a interagire con esso. L’analisi della customer journey e la definizione dei diversi momenti/touch point diventa uno degli strumenti centrali nelle attività marketing delle aziende. Secondo Forrester, l’84% dei marketer vorrebbe programmare azioni di marketing predittive ma il 63% di loro dichiara di non disporre di dati adeguati o, viceversa, dispongono di troppe fonti disaggregate da cui è difficile trarre un’indicazione utile. Spesso infine i team che si occupano di marketing insight impiegano troppo tempo per fornire le elaborazioni richieste. È chiaro che soluzioni basate su intelligenza artificiale, sulla capacità di apprendere autonomamente, ottimizzando le azioni sulla base dei risultati previsti e non su modelli previsionali statici, garantiscono un maggior ROI alle attività di marketing, ma anche un miglioramento complessivo della customer journey e della brand awareness.

 

TORNA INDIETRO >>