Big Data e gli analytics sono oggi motore di innovazione per molte aziende e oggetto di significativi investimenti. Sono disponibili nuovi strumenti e approcci per l’analisi dei dati che permettono oggi di affrontare la sfida rappresentata da un volume sempre crescente di dati da gestire.
Secondo un recente articolo pubblicato da McKinsey & Company, la società di global management consulting, ci sono tre trend particolarmente promettenti.
Soluzioni verticali, focalizzate sul business
Il primo è l’emergere di soluzioni mirate da parte dei fornitori di software e servizi analytics-based che aiutano i loro clienti a raggiungere un impatto più diretto, e a volte più veloce, nei confronti degli utenti finali. Una classe emergente di specialisti dell’analytics sta realizzando modelli personalizzati per specifici casi di studio.
Questi modelli hanno un evidente focus sul business e possono essere attuati rapidamente. Tali modelli vengono utilizzati con successo in una vasta gamma di settori: logistica, gestione del rischio, determinazione dei prezzi e gestione del personale, per citarne solo alcuni. Poiché queste soluzioni specifiche sono state applicate in dozzine di imprese, possono essere implementate più facilmente.
L’affermazione di questo tipo di applicazioni mirate ha anche un altro effetto positivo, quello di contribuiire ad aumentare la fiducia dei manager negli investimenti per migliorare la capacità di gestione dei dati. C’è ancora bisogno di un cambiamento nella cultura degli executive per favorire l’adozione di queste tecnologie, ma gli strumenti personalizzati rappresentano un grande passo avanti.
Visual Analytics per tutti
In secondo luogo, i nuovi strumenti self-service stanno innalzando la fiducia degli utenti finali negli analytics. Un termine che sta ottenendo successo nel mondo degli analytics è “democratizzazione“.
I dati non sono più un’esclusiva nelle mani dei guru delle statistiche, e possono diventare gli strumenti di lavoro di una vasta rete di utenti finali: questo è un vero elemento chiave per costruire la capacità di scalare il volume di dati gestibili. Senza bisogno di conoscere una sola riga di codice, gli utenti finali dei nuovi strumenti tecnologici possono collegare dati provenienti da più fonti (comprese fonti esterne) ed eseguire analisi predittive.
Gli strumenti di visualizzazione, nel frattempo, stanno portando gli utenti aziendali a controllare gli strumenti di analisi, rendendo più semplice scomporre ed analizzare i dati, definire il livello di analisi necessario per affrontare le problematiche di business ed anche supportare il processo decisionale. Aziende come American Express, Procter & Gamble, e Walmart hanno fatto importanti investimenti in questi tipi di strumenti al fine di democratizzare l’uso degli analytics.
L’esperienza concreta (con la guida di esperti) aiuta le persone ad impratichirsi ed avvalersi dei dati. Ciò crea una maggiore fiducia e, nel tempo, può aumentare la capacità di scalare il volume di dati, così come può aumentare la portata del problem solving attraverso l’uso dei dati e il supporto nella fase di decision making.
Una società di tecnologia hardware, ad esempio, ha attivato una serie di analisi self-service e ha implementato strumenti di visualizzazione, al fine di migliorare le decisioni della propria forza vendita. La nuova piattaforma ha aiutato l’azienda ad effettuare analisi dei clienti e meglio identificare nuove opportunità di vendita e di rinnovo di contratti. Dal momento dell’implementazione degli strumenti, l’azienda ha generato più di 100 milioni di dollari di nuove entrate da contratti di supporto e di servizio.
Infine, sta diventando molto più facile automatizzare i processi e le fasi decisionali. I miglioramenti tecnologici stanno permettendo una raccolta molto più sistematica di dati in tempo reale (per esempio, mediante sensori), e l’analisi ed elaborazione di dati sia in tempo reale che su larga scala.
Questi progressi stanno aprendo nuove vie per l’automazione e l’apprendimento, che in precedenza erano disponibili solo per importanti aziende tecnologiche. Ad esempio, una compagnia assicurativa ha fatto importanti progressi con strumenti di analisi per prevedere la gravità dei sinistri.
Sistemi automatizzati confrontano istantaneamente una banca dati con milioni di rilevazioni, riducendo così la necessità di intervento umano. Un altro programma di analisi è in grado di automatizzare l’ottimizzazione dei motori di ricerca, attraverso la previsione del tipo di contenuto che consente di ottimizzare il coinvolgimento dei clienti di una data azienda, e servire automaticamente i contenuti migliori per conquistarne di nuovi.
