Home 01net Focus Analisi predittive, la dinamo dei Big Data

Analisi predittive, la dinamo dei Big Data

Le analisi predittive stanno assumendo una importanza strategica per lo sviluppo del business delle imprese. Le assicurazioni, le società di servizi finanziari e di vendita al dettaglio le usano ormai da anni con successo.+
Altre aziende invece sono solamente all’inizio. Perchè? Semplicemente perchè spesso molte non sanno da dove cominciare, sostiene Fabio Pascali, Responsabile Top Account Emc Italia, che riserva loro alcuni suggerimenti, indicati anche da un recente studio di Capgemini.

Focalizzazione massima

Nel mare di dati presenti in azienda è necessario restringere il campo e trovare un’area da cui partire. Quale? Lo studio di Capgemini suggerisce di concentrarsi su quelle che supportano direttamente gli obiettivi di business primari.

Market Planning

Attraverso simulazioni che incrociano i dati economici con quelli legati alle performance di business si possono identificare opportunità di mercato, in modo da distribuire le risorse più efficacemente.

Account Intelligence

Analizzare il comportamento dei consumatori per suggerire l’acquisto successivo è ormai una prassi nel mondo consumer. Nel mondo B2B è una novità, ma il meccanismo è molto simile e le aziende potrebbero utilizzare strumenti di analisi per amplificare i risultati della più tradizionale lead-generation.

Operation

Bisogna domandarsi: “Quale attività day-by-day può essere fatta in maniera più efficace?” Per esempio, dice Pascali, in Emc si è puntato sulle analisi predittive per indirizzare gli sforzi legati alle attività di rinnovo dei contratti.

Raccogliere i dati giusti

Non è vero che chi ha più dati vince, ma chi ha quelli più corretti ed è in grado di analizzarli nel migliore dei modi andando ad integrare dati interni ed esterni.

Fare scelte smart con una buona squadra

Per avere successo bisogna avere visione strategica, ma non solo. È essenziale costruire una squadra con skill e capacità specifiche e variegate: l’analista in grado di estrarre e trasformare i dati sulla base degli obiettivi definiti; il data engineer, che sa come vengono raccolti i dati, quali server vengono utilizzati, quali strumenti sono necessari per l’estrazione; i data scientist, che analizzano i comportamenti e definiscono i cluster di dati; gli esperti di settore, che contestualizzano i risultati trovati e li sanno presentare ai decisori finali.

Non è facile integrare i risultati che provengono dalle analisi predittive nei processi decisionali. Ecco alcuni suggerimenti di Pascali.

Incoraggiare l’engagement

Le persone preferiscono partecipare alle decisioni piuttosto che vedersele imposte. Una buona prassi potrebbe essere quella di coinvolgere i vari stakeholder nei programmi pilota o focus group.

Spiegare e informare

La spiegazione di un modello predittivo garantisce la trasparenza; ciò genera fiducia in chi lo deve adottare. Su questo punto lo studio di Capgemini insiste in modo particolare; buona norma potrebbe essere coinvolgere i responsabili vendite o i principali influencer interni in programmi pilota e sollecitarli a condividere feedback e suggerimenti, mostrando i modelli delle analisi predittive.

Vincere il disorientamento si può

Pascali giorno parla con aziende che vorrebbero intraprendere progetti di analisi predittiva, ma che sono disorientate. Il suo consiglio è partire da ciò che si sa di avere. Se ancora si hanno dubbi, è bene riprendere le famose tre V dei Big Data – Varietà, Velocità e Volume. E chiedersi: quale sarebbe il mio KPI se potessi segmentare la mia attività in maniera più accurata? E se avessi più aggiornamenti sull’andamento del business? Se si risponde ad almeno una di queste domande, si è già compiuto il primo passo verso le analisi predittive.

 

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche
css.php