“Per estrarre valore dal dato oggi le aziende non devono più focalizzarsi solo sulla tecnologia – su gestione, riparazione, tuning del database (che devono essere capacità “autonome”) – devono invece essere messe nella condizione di ascoltare il dato, perché il business benefici di una strategia data driven”. E’ l’input di partenza di Stefano Maio, country sales leader big data, AI e ML che apre così Oracle ExplAIn Your Tomorrow, Today arrivato alla seconda edizione.
L’evento chiama a raccolta Cio, partner, studenti e clienti più che per parlare di tecnologia per lasciare raccontare alle aziende cosa è possibile fare e quali progetti si possono mettere a terra utilizzando analytics, AI e machine learning con i relativi riscontri sul mercato.
Oracle porta all’evento sei clienti e dieci partner – con le loro storie concrete di implementazione di progetti trasversali alle diverse industry – realtà cui spetta il compito, in pochi minuti, di snocciolare cosa hanno fatto, per chi, generando quale valore.
Tra gli interventi quelli di Bitron (manufacturing) che spiega l’utilizzo della tecnologia di machine learning per migliorare da un lato la qualità della produzione, dall’altro l’esperienza utente nella ricarica delle auto elettriche. CNP Vita invece racconta come con l’adozione di Oracle Cloud Autonomous DB e machine learning sia possibile velocizzare la valutazione dell’efficacia nella vendita dei prodotti assicurativi.
In ambito risorse umane, Generali si focalizza su una soluzione analitica che, accedendo ai dati dei dipendenti in azienda, permette di prendere decisioni data driven per migliorare i programmi di crescita e il coinvolgimento delle persone del gruppo. Mentre Sisal illustra l’adozione di un approccio guidato dai dati per prevenire le frodi e ottimizzare la comunicazione di marketing. Tra le case più interessanti quella di Coca-Cola HBC (ne parliamo più avanti in dettaglio).
Verso gli augmented analytics
Emerge un filo comune tra le diverse storie aziendali evidenziato nel keynote da due numeri di riferimento, li usa Bruno Aziza, vice president Oracle in ambito AI e big data: “Tra le priorità di investimento delle aziende ci sono enterprise BI, business analytics gestiti centralmente e advanced analytics predittivi – insieme alle soluzioni per la preparazione del dato all’analisi. Questi sono gli investimenti ad alta priorità per oltre l’80% delle organizzazioni. In uno scenario sempre più proiettato verso una prospettiva di augmented analytics”.
Si intende con il termine un approccio all’analisi dei dati che, sfruttando le tecnologie di machine learning (ma anche di riproduzione del linguaggio naturale), consente di individuare i risultati più rilevanti e suggerisce le azioni concrete da intraprendere. Per questo però si parla anche di augmented data preparation, che comprende gli algoritmi di intelligenza artificiale per la raccolta, l’organizzazione e l’integrazione di dati provenienti da fonti diverse.
Prosegue infatti Aziza, sulla scorta di una ricerca Tdwi: “Le aziende oggi stanno pianificando l’utilizzo delle tecnologie di AI e individuano come priorità (54% dei casi) l’automazione nella scoperta di informazioni utili a partire da dati utilizzabili”.
Del tutto pertinente quindi la citazione di Brenè Brown, all’evento. La ricercatrice-narratrice, in The Power of Vulnerability, sostiene: “Le storie in fondo sono dati con un’anima”. Ne abbiamo scelte due cui dare voce. La prima è quella Coca-Cola HBC, la seconda riguarda un’analisi sull’advertising online, esposta da Iab.
Coca-Cola HBC e lo scouting dei punti vendita
Coca-Cola HBC sfrutta il machine learning per espandere la rete degli esercizi in cui distribuire i propri prodotti, a partire da un approccio guidato dai dati, in modo da investire in modo più sicuro sugli esercizi “promettenti”. In uno scenario che ne vede aperture e chiusure frequenti. Ne parla Edoardo Bottai, route-to-market director.
E’ stata messa in campo una squadra di hunter focalizzata alla ricerca di nuovi punti vendita ma abilitata anche dalla disponibilità di strumenti tecnologici per valorizzare l’attività di scouting.
Da qui il progetto con BitBang e Oracle per lo sviluppo di un modello che sia predittivo delle potenzialità dei punti vendita, con l’utilizzo anche delle recensioni social per avere un data set di valore (comprensivo di dati non strutturati).
BitBang analizza prima i punti vendita già nel portafoglio di Coca-Cola, poi individua criteri di “somiglianza”, tra quelli classificati già come i migliori dalla multinazionale e i nuovi da analizzare, anche sulla base della serie storica per il calcolo della probabilità di alto potenziale, in uno scenario di analisi dei dati complesso.
Iab e la pubblicità digitale
L’altra esperienza che scegliamo riguarda la valorizzazione dell’analisi dei dati in relazione alla trasformazione dell’advertising digitale, perché è sempre maggiore l’esigenza delle aziende di fare leva sulle informazioni granulari per personalizzare la comunicazione.
Ne parla Michele Marzan, board member dello Iab e Cso di Marketing in a Digital World: “Il digitale ha ribaltato i rapporti di forza, oggi un euro su 3 è speso in adv digitale, dieci anni fa il digitale valeva meno del 10%”. Si tratta di una torta divisa tra due grandi mezzi, online e TV, con l’Italia allineata ai trend europei principali, per nulla indietro”.
Oggi si vuole spendere di più per l’utenza Internet rispetto a quella per l’utente televisivo, da qui lo spostamento a valore.
Nell’advertising digitale però ricadono anche tutti gli investimenti che si legano agli altri media che si stanno trasformando, “digitalizzando”, tra cui proprio la televisione, ma anche la stampa, la cartellonistica, la radio e ovviamente il cinema.
La digitalizzazione non riguarda solo la fruizione ma anche l’acquisto della pubblicità e l’erogazione su target idonei. Qui entra in gioco la tecnologia che deve permettere di interagire in modo puntuale con i target di riferimento.
Chiosa Marzan: “Nell’era della digital transformation generare attenzione, ricordo, interazione, in uno scenario di target sempre più frammentati con necessità e comportamenti profondamente differenti, richiede la capacità di mettere la personalizzazione del messaggio al centro della comunicazione”.
Il problema da mettere a fuoco è che l’attenzione è oggi la merce a più alto valore. Fare leva sui dati per personalizzare la comunicazione significa riconoscere che la cadenza dei ritmi dell’utente prevede fasi di inattività in determinate fasce orarie (per esempio per i pendolari in automobile l’ora in cui si recano al lavoro), sulle quali può non avere senso investire.
Il mondo della pubblicità oggi sfrutta una serie di piattaforme cosiddette di Demand Side Platform su cui vengono aggregati i dati per segmentare le audience a cui si rivolge. A questo livello è possibile l’integrazione con il Crm, per fare advertising mirato sui clienti (e differenziato rispetto a quello da fare su chi non è ancora cliente) oppure per costruire il target partendo dagli analytics dei siti e dalla relativa fruizione dei servizi per comunicare in modo mirato.
I dati da utilizzare in un progetto di advertising saranno quindi dati di prima parte (quelli di cui si è già in possesso, per esempio proprio provenienti dal Crm), mentre sempre di più stanno diventando importanti i dati di seconda parte, quelli costruiti all’interno della filiera dei partner.
I dati di terza parte (acquistati) sono utilizzati invece sempre meno. E’ possibile delineare quindi sei punti di attenzione per lavorare bene con i dati, partendo dalla considerazione e dall’attenzione sulla metodologia di raccolta, l’analisi delle fonti utilizzate, l’accuratezza, il loro aggiornamento e il loro valore dinamico.
Di primaria importanza saranno poi le considerazioni sul valore effettivo a seconda della policy sulla privacy utilizzata dal fornitore, ma soprattutto la valutazione sul campo di un set di esempio.
© RIPRODUZIONE RISERVATA
