«È il primo evento di questa portata che organizziamo, abbiamo scelto questo momento perché è in pieno corso una “data revolution” e noi siamo da sempre una data driven company. Abbiamo coinvolto tutta la “data driven community”, cioè gli specialisti coinvolti in questa rivoluzione: chi studia e fa ricerca, le aziende utenti che la vivono tutti i giorni, le startup che ne fanno uno strumento per trasformare i mercati, e i “policy maker” che hanno il difficile compito di darle delle regole senza limitarne lo sviluppo». Con queste parole Marco Nespolo, AD di Cerved, ha introdotto Cerved Next, convegno dedicato appunto alla data-driven economy che si è tenuto a Milano con oltre 1500 partecipanti.
L’intenzione di Cerved è di farne un appuntamento annuale: il prossimo Cerved Next è già stato fissato al 13 giugno 2019. In questa prima edizione, l’evento ha coinvolto 20 partner e oltre 60 relatori, impegnati in una ventina di workshop all’interno di tre percorsi: “Data Driven Innovation” (sui temi Big Data, Intelligenza Artificiale, Machine Learning, Data Monetization, Data Visualization); “Future of Credit” (dedicato a Fintech, Digital Lending, Blockchain, NPL e Credit Management); e “Customer Centricity” (le nuove frontiere del Digital Marketing e della Lead Generation, Industry Convergence, GDPR e Data Governance).
«Non c’è un settore che non sia profondamente impattato dalla data revolution in almeno alcune componenti della value chain – ha detto Nespolo nel dialogo introduttivo dell’evento con Gennaro Sangiuliano, vicedirettore del TG1 -. Come attrezzarsi? Investendo. Prima di tutto in acquisizione di informazioni e consapevolezza del management, e poi nelle competenze innovative necessarie per ricavare valore dai dati, e ovviamente nelle tecnologie digitali necessarie per fare tutto questo».
Molti gli spunti degli interventi, che hanno visto tra i protagonisti Augusta Iannini dell’Autorità Garante per la protezione dei dati personali, Daniele Quercia dell’Istituto Bell Labs di Cambridge, Kenneth Cukier dell’Economist, il professor Ferdinando Ametrano dell’Università Milano Bicocca, Jeremy Palmer – CEO di QuantumBlack (McKinsey) -, Roberto Nicastro di Cerberus Capital Management, Andrea Rangone di Digital360, Ivan Ortenzi di BIP, oltre a Simone Lovati, Andrea Mignanelli, Alessandro Geraldi e Valerio Momoni di Cerved.
QuantumBlack (McKinsey): dimenticatevi della perfezione
Tra tutti citiamo Jeremy Palmer (qui la nostra videointervista), che ha raccontato la storia di QuantumBlack, startup inglese di advanced analytics acquisita a fine 2015 da McKinsey: «Siamo nati nove anni fa per aiutare i team sportivi a migliorare le loro performance: nello sport le metriche e gli obiettivi sono chiari e misurare è molto facile. È incredibile pensare a quanti tipi di dati si possono rilevare oggi per esempio nella Formula 1, dalle vibrazioni al livello di carburante fino al consumo dei freni: l’analisi dei dati è diventata una fonte di vantaggio competitivo, ma l’obiettivo resta uno, e cioè migliorare la macchina per vincere la gara. Nel tempo poi ci siamo allargati in modo naturale ad altri settori come telco, financial services e farmaceutico».
Sono cinque le tendenze che Palmer vede emergere nel mondo data analytics: il ritmo sempre più veloce dell’innovazione, la forte riduzione dei costi della ricerca grazie al machine learning («le rivoluzioni tecnologiche tendono sempre a ridurre fortemente i costi di un’attività critica»), le ondate successive con cui l’augmented intelligence manifesterà i suoi impatti («la prima è stata applicata a cose che già facevamo, la seconda a cose che non si potevano fare, per esempio face recognition e autonomous vehicles, la terza rivoluzionerà i processi operativi “core”, come lo sviluppo prodotti»), il passaggio delle applicazioni di AI dal laboratorio ai processi operativi reali, e la crescente importanza della “diversity”, cioè dell’integrazione di competenze completamente diverse. «In un’azienda come QuantumBlack per esempio devono collaborare data engineer, data scientist, esperti di design, software engineer, change manager: il mio lavoro è trovare queste persone, farle lavorare insieme, e organizzare i loro obiettivi».
Palmer ha poi fatto l’esempio di un cliente, costruttore di auto di lusso, che aveva il problema di migliorare le performance del processo di sviluppo prodotti: «Ogni attività aveva il proprio silo di dati, abbiamo modellizzato il processo e individuato opportunità e precisi interventi. I risultati sono stati la riduzione del 10% del time-to-market e dell’11% dei costi del processo, e l’aumento dal 25% all’80% della “right first time quality”». Infine qualche consiglio: «Dimenticatevi della perfezione e concentratevi sul miglioramento continuo: il successo non nasce dall’analisi dei dati, ma da come la si integra nel modello operativo quotidiano».
Percorsi nelle città, il più breve non è sempre il migliore
Molto seguito anche l’intervento di Daniele Quercia, ricercatore italiano a capo del Social Dynamics team dei Bell Labs di Cambridge (qui la nostra videointervista), che con l’advanced analytics cerca connessioni inedite tra “variabili urbane” difficilmente misurabili (immagini postate sui social di eventi culturali, “bellezza” delle strade, ecc.) e variabili classiche (sviluppo economico di una città, percorsi stradali, ecc), e propone come tradurre in prodotti e servizi socialmente utili queste nuove conoscenze.
«Un’applicazione di tutto ciò si basa sul concetto che in una città il percorso migliore da A a B non è il più breve o il meno trafficato, come propongono le app di navigazione come Google Maps, ma quello che piace di più. Abbiamo cercato di quantificare come le persone “percepiscono” le vie delle città, attraverso una piattaforma di crowdsourcing e l’analisi dei metadati di milioni di immagini di città postate su Flickr (le prime studiate sono New York, Boston e Berlino, ndr). Le persone postano molte foto di edifici storici e belli, piazze alberate o angoli caratteristici, e poche foto di vie intasate di traffico o orlate di edifici anonimi».
Da questo è nato un algoritmo – Happy Maps – che propone percorsi che massimizzano il “guadagno emozionale”, «e credeteci, sono solo di qualche minuto più lunghi di quelli dei navigatori». In modo analogo Quercia e il suo team hanno sviluppato anche Smelly Maps e Chatty Maps: «Non hanno solo applicazioni legate alla geolocalizzazione, l’idea in fondo è di mettere in dubbio il concetto stesso di massima efficienza come principale driver di progettazione di qualsiasi prodotto: spesso i prodotti che cambiano un mercato non sono i più efficienti, ma quelli che “fanno stare bene”».
Un altro progetto di ricerca di cui ha parlato Quercia (“Cultural Analytics”) è la quantificazione del “cultural capital” dei quartieri di Londra. «L’idea è che la ricchezza di eventi culturali in un quartiere urbano può essere correlata al suo sviluppo economico, in termini di quotazione degli appartamenti e reddito procapite degli abitanti».
Il team ha lavorato su circa 10 milioni di immagini geotaggate postate su Flickr tra 2007 e 2015 e scattate in occasione di festival, spettacoli a cinema e teatro, mostre d’arte, musei e librerie. «Abbiamo riscontrato una correlazione positiva: associando capitale culturale e capitale economico di un quartiere si può prevedere l’andamento futuro del valore degli immobili».
Data-driven Competition, la ricetta Open Innovation di Cerved
Un quarto filone di Cerved Next ha riguardato le startup innovative: a giugno la sezione speciale del Registro delle Imprese a esse dedicato contava circa 9300 iscritte, ma gli algoritmi di ricerca semantica di SpazioDati, azienda del Gruppo Cerved, ne hanno scovate altre 4800 sulla base dei loro contenuti sul web. Spesso l’unico modo che hanno queste realtà di fare il salto di qualità definitivo è contare sulle strategie di Open Innovation delle grandi imprese, alla ricerca di piccole realtà tecnologicamente avanzate da acquisire per accelerare l’innovazione. In questo contesto rientra anche la Data-driven Competition, lanciata proprio al Cerved Next e rivolta a professionisti della programmazione, del fintech e della digital transformation. L’obiettivo è far emergere nuovi casi d’uso per le API di Cerved, e inserire il migliore nei prossimi prodotti Cerved per le aziende del mondo fintech.
