I dati hanno oggi un ruolo e un potere fondamentali nello sviluppo delle strategie e nel successo delle imprese, soprattutto nei nuovi scenari, ma vanno organizzati e gestiti appropriatamente. Lo ha sottolineato Valerio Veglio, professore associato di economia e gestione delle imprese presso l’università di Pavia e socio AISM – Associazione Italiana Sviluppo Marketing, in occasione di un evento dell’associazione.
Perché oggi l’attenzione è puntata sui dati?
«Oggi l’impresa, quale che sia la sua dimensione, deve competere e sopravvivere in un mercato globale molto complesso, caratterizzato dall’incertezza e da un grado elevato di competitività. Per di più, negli ultimi anni, le aziende hanno vissuto l’adozione dirompente delle nuove tecnologie digitali, sia per scopi produttivi che per scopi connessi alle strategie. Questo utilizzo massivo delle tecnologie ha portato nelle aziende grandi quantità di dati che però molte volte finiscono col rimanere all’interno di file e database senza che se ne possa ricavare nulla, quando invece queste informazioni andrebbero assolutamente utilizzate per trarne un vantaggio competitivo.
La centralità dei dati è fondamentale, ma bisogna trasformarli in conoscenza strategica per l’impresa. Per questo motivo strumenti, modelli e metodi come l’intelligenza artificiale, il machine learning e i modelli predittivi diventano sempre più necessari, soprattutto a fini strategici.
L’attuale contesto – molto difficile da cogliere e affrontare – porta a generare nuovi processi di creazione di valore, che a loro volta potrebbero generare nuove business function all’interno dell’azienda e nuovi meccanismi di coordinamento tra le varie funzioni di business che fanno parte della catena del valore».
Come cambia la creazione del valore nell’era dei dati? Che cosa potrebbe cambiare all’interno dell’impresa?
«Per prima cosa, probabilmente bisognerebbe pensare di creare una funzione di business che abbia un focus esclusivo sulla gestione del dato, ma anche sulle fasi precedenti, come la raccolta del dato, l’aggregazione e l’organizzazione. Perché? Date l’elevata complessità del mercato e la difficoltà di comprendere i bisogni e le aspettative dei consumatori, puntare sui dati e cercare di sfruttarli al cento per cento potrebbe davvero fare la differenza a livello di strategie di marketing.
Nel nuovo processo di creazione del valore per l’impresa è quindi importante creare non solo una funzione dedicata al dato ma anche delle funzioni cosiddette “secondarie”, che cerchino di puntare molto sull’innovation e sulla gestione del dato: quindi sia una singola business function sia altre funzioni di intersezione tra il marketing e le vendite, che si occupino di sviluppare, sempre sulla base del dato, strategie di successo molto focalizzate sul cliente. La creazione di queste nuove funzioni va a impattare moltissimo sui classici meccanismi di creazione del valore all’interno dell’impresa e i big data, se opportunamente sfruttati, potrebbero davvero fare la differenza».
Quali cambiamenti ci sono stati e ci saranno per il marketing?
«Il concetto di marketing è cambiato: oggi siamo nella fase del data driven marketing. Questo termine ha portato in letteratura una quantità illimitata di definizioni e tra gli studiosi di marketing non c’è un accordo comune. Sostanzialmente, l’obiettivo del data driven marketing è quello di sfruttare tutti i dati e le informazioni necessari e fondamentali per analizzare e comprendere con precisione le esigenze e le aspettative dei consumatori. Visto che il mercato è composto da tantissimi consumatori molto informati, che sanno quello che vogliono, oggi l’obiettivo è quello di sviluppare strategie mirate e customer centric, volte a soddisfare in modo più efficace le loro aspettative.
Non possiamo però parlare di data driven marketing senza considerare quello che il marketing è da sempre. Col data driven marketing cerchiamo proprio di combinare i differenti approcci che caratterizzano il concetto di marketing, di combinare le tecniche di marketing tradizionali con la raccolta e l’analisi dei dati relativi a utenti e clienti per capire i loro gusti, interessi e necessità. Il data driven marketing dovrebbe chiaramente basarsi su ricerche di marketing quantitative; queste indagini, che si porranno come focus e obiettivo principale la raccolta dati mirata ai potenziali consumatori, devono essere la base per la formulazione di strategie di lungo periodo, in termini di marketing e anche di vendita».
Qual è stato l’impatto di questa nuova visione del marketing all’interno dell’impresa?
«Inizialmente la negazione è stata quasi totale. Di fronte a chi, in ambito marketing, parlava di numeri, di metodi statistici e di modelli matematici e predittivi, c’era infatti la tendenza a porre subito un freno molto forte; talvolta ancora oggi, quando si parla di marketing, si fa riferimento ad approcci qualitativi, alla creatività, alla promozione, all’advertising e si tende a tralasciare questi altri aspetti. Con il passare del tempo, è passato il concetto che sfruttando i dati e il loro potenziale si possono migliorare le strategie e capire quali possono essere i clienti più profittevoli. Anche nelle imprese si è diffusa l’idea che i big data potrebbero essere una chiave di successo perché l’impresa sopravviva in un mercato così difficile da prevedere e quella che una loro analisi appropriata e corretta potrebbe contribuire a migliorare le strategie e le performance».
Qual è la chiave per una gestione innovativadei big data?
«Per big data si intende un insieme di dati strutturati e non strutturati, veloci e complessi, di difficile o impossibile elaborazione mediante i metodi statistici tradizionali. Media, moda e correlazioni non sono più sufficienti per sfruttare il potenziale strategico dei big data, che possono consistere in testi, video e immagini. In questo contesto, la cultura dell’impresa dev’essere molto focalizzata sul dato, sulla gestione dell’analisi dei big data e sul processo di data mining, cioè sul processo di selezione, esplorazione e modellazione di grandi masse di dati al fine di scoprire regolarità o fenomeni, comportamenti e relazioni non noti a priori e che senza queste tecniche non sarebbe possibile né individuare né comprendere. Naturalmente, bisogna disporre di competenze e risorse in grado di applicare i metodi di machine learning e i modelli predittivi, perché occorre trasformare questi dati grezzi in conoscenza strategica per l’impresa».
Quali sono gli elementi del processo di data mining?
«Per essere efficace, un processo di data mining – a livello di management come di marketing – deve comporsi di alcuni step fondamentali:
- definizione degli obiettivi dell’analisi (il problema da risolvere);
- selezione e organizzazione dei dati necessari per risolvere il problema (quantità e qualità, caratteristiche, fonti, forma, modalità di gestione utili ai fini della creazione di algoritmi di machine learning e modelli predittivi);
- prima analisi esplorativa dei dati per capire se sono consoni a risolvere il problema con metodi e strumenti molto semplici della statistica esplorativa e descrittiva (in caso contrario si ritorna alle fasi 1 e 2);
- specificazione dei metodi statistici per la fase di elaborazione: la scelta dei modelli migliori da applicare dipende molto dal tipo di problema (per esempio, per individuare le caratteristiche di un gruppo di clienti che potrebbe abbandonare l’azienda per passare alla concorrenza si potrebbe utilizzare un modello di classificazione o un’analisi cluster, mentre per capire le caratteristiche di un gruppo di consumatori molto propenso ad acquistare un prodotto dell’azienda si può optare per modelli predittivi o regressivi o per alberi di classificazione);
- elaborazione dei dati: scelto il modello, si genera l’analisi con software che permettono l’applicazione dei metodi/modelli;
- valutazione e controllo dei metodi statistici: verifica della bontà dell’analisi, degli output statistici e della validità predittiva tramite indici statistici e l’esperienza e strategic thinking del decision maker;
- implementazione del modello e introduzione nell’ambito dei processi aziendali.
Idealmente, a livello aziendale, oggi la figura più consona per occuparsi di questo processo è il data scientist, in quanto possiede conoscenze di management e di marketing ma anche di metodi quantitativi, di statistica e di data mining. In azienda dovrebbe esserci un’unica business function che comprenda al suo interno, per ciascuna funzione aziendale, dei data scientist in grado di estrapolare il valore strategico dai big data. Ogni data scientist dev’essere capace di trasformare con un’ottica manageriale l’output tecnico statistico matematico in valore strategico, mentre alla business function dovrebbe spettare il coordinamento del flusso dei dati in entrata».
Quali sono le principali applicazioni e metodi del data mining?
«Col data mining, con l’analisi dati, si può cercare di capire – a fini predittivi e non solo esplorativi – il comportamento delle persone all’interno dei siti Internet e dell’e-commerce e profilarle: tutti questi comportamenti possono essere calcolati da algoritmi di machine learning e da metodi e modelli di analisi dati. Quindi le principali applicazioni possono riguardare: market basket analysis, web click stream analysis, profiling, analisi di fidelizzazione e tasso di abbandono, previsioni di vendita ecc.
Ma attenzione: la statistica esplorativa e descrittiva normalmente consente di fare una foto del mercato attuale, che però non possiamo replicare nei periodi futuri. Lo possiamo fare invece se i dati vengono macinati da algoritmi di machine learning e vengono analizzati da modelli predittivi. Tra i principali metodi statistici che si potrebbero applicare per risolvere problemi di marketing c’è la cluster analysis, che però non predice nulla; per fare previsioni si possono utilizzare gli alberi di classificazione, che sostanzialmente ci dicono la stessa cosa ma in riferimento a una variabile dipendente. Altri strumenti sono le classiche regressioni, che servono per vedere se c’è un nesso causa/effetto su determinati fenomeni, e anche le reti neurali».
Come arrivare a formulare una strategia di marketing vincente?
«In sintesi, per arrivare alla formulazione di una strategia di marketing vincente l’azienda dovrebbe implementare alcuni step fondamentali: problem definition data collection, analysis, model, evaluation, insights and strategic thinking. Ci tengo a sottolineare che come non è corretto prendere una decisione basata esclusivamente sul pensiero strategico, cioè sull’esperienza e sulla conoscenza dei decision maker, non è corretto nemmeno prendere una decisione solo in base al dato. Bisognerebbe quindi cercare di sfruttare l’altissimo potenziale dei dati e metterlo a supporto della decisione strategica, anche se quel che dice il dato può differire da quanto dicono gli individui. Queste tecniche sono utili soprattutto per capire problemi specifici e puntuali e per fornire supporto».
