Telecomunicazioni, Grande distribuzione organizzata e finance credono nella Business intelligence, adottando applicazioni che permettano loro di conoscere al meglio i propri clienti.
Per prevedere il futuro non serve la sfera di cristallo. Bisogna investire sul data mining, sulle sue potenzialità, magari combinate con quelle offerte dall’Olap. I due mondi, quello maggiormente predittivo e quello più descrittivo non sono in contrapposizione, ma possono anche essere riuniti utilizzando tecniche di data mining da impiegare in database multidimensionali. Il primo permette di individuare relazioni più o meno nascoste all’interno di grandi volumi di dati associati a database relazionali.
"Siamo sulla curva ascendente della parabola del data mining – spiega Fabio Nalucci, sales manager di Spss, società attiva nel settore -. Il mercato è in crescita ed è ben lungi dall’essere saturo in quanto, fondamentalmente, i settori che si sono approcciati al data mining sono ancora limitati e all’interno di questi non tutti gli operatori si sono attivati".
I settori più sensibili
Tra i comparti trainanti in Italia, il primo a essersi interessato alla tecnologia è stato quello delle telco. "Purtroppo, non ha avuto l’evoluzione sperata, ma i pochi operatori rimasti si sono tutti dotati di data mining", sottolinea Nalucci. Le applicazioni più sviluppate riguardano la segmentazione della clientela, intesa dal punto di vista comportamentale, la prevenzione dell’abbandono dei clienti e l’estrazione di liste target per determinare le promozioni.
Altro mercato di riferimento è il finance, primariamente nell’accezione bancaria. "A oggi – aggiunge l’interlocutore -, su un centinaio di istituti di credito caratterizzati da una dimensione sufficiente per dotarsi di strumenti di data mining, circa una quarantina ha già provveduto. Pure quelle di taglio medio-piccolo stanno iniziando a muoversi". Anche qui, la segmentazione comportamentale in termini strategici è una delle applicazioni più richieste, insieme a quelle per il marketing finalizzate alla promozione di determinati prodotti (carte di credito, fondi di investimento), a quelle di monitoraggio del rischio e a Basilea 2. Il mondo assicurativo, al contrario, è ancora distante da una seria adozione del data mining. "Quello dell’insurance è un mercato tutto sommato poco competitivo che non ha avuto spinte verso l’innovazione – prosegue il manager -. Solo da poco si sta affacciando a questo tipo di applicazioni, principalmente per l’investigazione delle frodi e l’identificazione di comportamenti sospetti".
Importante per il mercato data mining, seppure ancora a macchia di leopardo, è anche il retail, in particolare la Gdo, che ritiene fondamentale poter mirare le promozioni in base al comportamento d’acquisto del cliente. "Le utility, i media e il manufacturing hanno delle potenzialità – indica Nalucci – che però non sono ancora state completamente esplorate, mentre un mercato interessante è il farmaceutico, sebbene l’Italia in tale direzione non spicchi".
Il legame con l’Olap
"In tutte le applicazioni che prevedono una descrizione del cliente, come possono essere le segmentazioni comportamentali – puntualizza Nalucci -, i tool di reporting possono indicare l’evoluzione dei segmenti creati con il modello di mining". Si può, quindi, asserire che tra i due protagonisti della Business intelligence esista un legame. Legame che, seppure in maniera diversa, è sottolineato anche da Andrea Cravero, Hyperion solutions consultant director e Paolo Zerbini, marketing director della medesima società. "Le differenze tra i due mondi – esordisce Cravero – sono schematizzabili nel processo che si compie per arrivare alla conoscenza. L’Olap è visto come strumento autonomo di indagine e richiede una partecipazione attiva dell’utente che deve indicare quali dimensioni analizzare, con che grado di dettaglio, che punti di vista considerare. Il data mining, invece, è un’applicazione di minor partecipazione da parte dell’end user. Qui, l’algoritmo di ricerca e autoapprendimento identifica i pattern e le tonalità di interrelazione". Le due tecniche di indagine del dato richiedono anche un diverso approccio: dal lato Olap, o l’utente ha ben chiara la domanda per la quale cerca risposta, o vi si avvicina per percorsi progressivi; nel mining è l’algoritmo a individuare la migliore risposta.
La loro complementarietà risiede nel fatto che l’utente che naviga nell’Olap accresce, grazie al data mininig, la propria capacità di trovare risposte a domande anche solo abbozzate. "Quanto più aumenta la complessità e l’ampiezza del modello – continua Cravero – più è probabile che esistano aspetti che non vengono analizzati. Nell’immaginario collettivo, il data mining è sinonimo di complessità. L’associazione all’Olap può renderlo più popolare e intuitivo perché applicato a modelli multidimensionali". In realtà, l’unione dei due dal punto di vista della tecnologia è attuabile, mentre dal lato applicativo la capacità di recepire tale concetto è minore.
Le vie percorribili sono molteplici e si rischia di perdere di vista risultati potenzialmente interessanti che un cubo nasconde al proprio interno. "Il concetto di Olap mining è di utilizzare tecniche di data mining per applicazioni particolari, soprattutto nella market analysis, oppure per analizzare fenomeni di disaffezione del cliente – evidenzia Cravero -. La tecnologia multidimensionale è in grado di gestire modelli con molte dimensioni, le quali a loro volta possono avere vari attributi che aiutano a categorizzare i dati. I profili di prodotti o clienti possono comprendere migliaia di elementi, quindi diventa importante poter disporre di tecniche di mining, perché in questo modo un database multidimensionale può essere caratterizzato dalla medesima numerosità, in termini di dati, di un database relazionale. In una situazione di questo tipo, è impossibile estrarre le informazioni che hanno valore per il business senza algoritmi automatici".
"In applicazioni di industry come quelle bancarie e della Grande distribuzione organizzata – gli fa eco Paolo Zerbini, marketing director di Hyperion -, l’elemento in comune è proprio l’enorme numerosità di clienti e in alcuni casi di prodotti".
Ma anche nell’associazione Olap-data mining, sono le telco a fare da padrone per analizzare sia nel settore business sia in quello consumer l’approccio al gestore telefonico in termini di piani tariffari e di adesioni alle iniziative. Questo tipo di correlazioni può essere ottenuto solo con tecniche di Business intelligence che hanno l’ausilio dell’intelligenza artificiale, vista la complessità dei fenomeni.
