Come usare i Big data: metodo in 4 step per le aziende

Elisa Iandiorio

Mar 26, 20187 min read
Come usare i Big data: metodo in 4 step per le aziende

I Big Data sono come il sesso per gli adolescenti; tutti ne parlano, nessuno sa veramente di cosa si tratta, tutti pensano che gli altri lo fanno, allora tutti dicono di farlo.

Così esordiva il Prof. Dan Ariely (Duke Univ. e MIT) in un suo tweet del 2013. A distanza di 5 anni questa affermazione è ancora del tutto valida: il mondo dei Big Data prende e occupa talmente tanti aspetti e settori della vita di un’azienda che il modo migliore di trattarli e le possibili applicazioni sono ancora in via di definizione.

Big data: tweet di Dan Ariely

Infatti, mentre conosciamo tutti il Business Model Canvas come lo strumento strategico per descrivere, definire o rinnovare il proprio business - salito alla ribalta grazie alla sua diffusione nel mondo delle start up – o la SWOT Analysis, utilizzata in ambito consulenziale come strumento di pianificazione strategica, per i Big Data non esiste ancora un vero e proprio modello di business universalmente riconosciuto.

Come può un'azienda che vuole lavorare con i Big Data approcciarsi a questo metodo?

Niente panico, perché se è vero che un modello universalmente riconosciuto ancora non c’è, ci sono però delle linee guida e delle indicazioni che ogni azienda, micro, piccola, media o grande, può seguire per entrare in questo mondo.

Facciamo però prima un passo indietro: come riconosco i Big Data da un insieme di dati tradizionali?

Questo è semplice, o meglio, per questo abbiamo una definizione univoca per tutto il mondo che si racchiude nelle 3 V: Volume Velocità e Varietà.

  1. Volume: sono tanti… milioni, miliardi i dati con cui un’azienda entra in contatto e che può analizzare ogni giorno, questo perché sono ormai tante le fonti da cui provengono.
  2. Velocità: si riferisce all’aumento della velocità con cui i dati sono creati, immagazzinati, processati e analizzati dai database di nuova generazione, oggi i dati possono essere anche real-time!
  3. Varietà: i dati non solo provengono da fonti differenti (web, off.line, crm, etc) ma i dati stessi sono fatti diversamente: immagini, numeri, parole, video, etc. Ad oggi il 90% dei dati sono destrutturati, per cui non numerici e quindi possono essere analizzati nel contenuto e nel significato.

Nel tempo si sono aggiunte anche altre 4 V nella definizione (Variabilità, Veridicità, Visualizzazione e Valore) ma di base, per distinguere i Big Data da una mole di dati standard, è fondamentale la presenza delle prime tre variabili.

Big data: come riconoscerli

Fonte: “Noovle: Big Data & BI” Lorenzo Ridi

Ora che sappiamo come riconoscere i Big Data, cosa deve fare un'azienda per sfruttarli al meglio? 

Se, come abbiamo detto, un metodo o un modello universalmente riconosciuto non c’è, si può di certo affermare che un percorso da seguire per utilizzare i Big Data nelle strategie aziendali e di marketing c’è ed è ben definito.

Questo percorso si può riassumere in 4 step principali:

1- Definizione degli obiettivi

2- Analisi delle fonti

3- Tecnologie e Team di Lavoro

4- Data Analytics

1. La definizione degli obiettivi

È la fase determinante, trasversale e preliminarequalsiasi sia il tipo di settore o mercato di riferimento. Dal momento in cui si decide di attivare un approccio “data-driven”, e quindi di valorizzare il grande patrimonio di dati che si ha a disposizione, è necessario definire dove si vuole arrivare. (Per carità, Colombo ha scoperto l’America volendo andare in India, ma un obiettivo se lo era posto e le scoperte inattese sono solo da affrontare lungo il cammino).

Tra gli obiettivi – plurale, perché possono essere più di uno – che può porsi un'azienda ci sono il miglioramento dell’efficienza produttiva e l'ottimizzazione del processo di acquisto del consumatore, per fare due esempi molto semplici. Cosa importante da tenere in considerazione è che esistono e coesistono due tipologie di obiettivi, la prima riguarda gli obiettivi specifici o di micro-analisi: ho un dataset e voglio analizzare i comportamenti, le correlazioni causa-effetto, etc; la seconda tipologia riguarda quegli obiettivi di macro-analisi che puntano ad integrare i risultati del punto precedente all’interno dei processi aziendali.

2. L'analisi delle fonti

Questo secondo passaggio è paragonabile a quando si deve preparare il pranzo: apro il frigo e guardo gli ingredienti che ho già a disposizione oppure definisco quelli da acquistare – ecco le fonti dei miei dati –senza però dimenticarmi che ho bisogno di alcuni strumenti per mescolare, preparare, impastare – ecco le tecnologie. Se decido di fare la pasta all’uovo posso avere la farina, le uova e l’olio e magari decidere di impastare a mano, ma magari sarebbe più utile una macchina per preparare la sfoglia così ottimizzo i tempi!  

Ma quali sono le fonti principali di dati per un’azienda?

Spesso si tende a focalizzarsi su quello che accade fuori all’azienda, andando a ricercare sempre nuovi dati, quando il patrimonio più importante e fondamentale, in molti casi, si ha internamente: il CRM! Questo meraviglioso strumento è la prima grande fonte di dati a cui un’azienda può attingere, ovviamente più è preciso e dettagliato e più sarà semplice ottimizzare l’analisi dei dati. Certo, se la tua azienda ha usato il CRM semplicemente come anagrafica cliente, beh allora ci sarà da lavorare parecchio a monte prima di procedere con l’analisi.

Le altre fonti di dati sono molteplici, possiamo fare una macro distinzione tra:

  • Fonti On-line:
    • Sito web aziendale
    • Landing Page
    • E-commece
    • Social Media
    • E-mail
    • App
    • Open Data
  • Fonti Off-line:
    • Tecnologie Wearables
    • IBeacons
    • Sensori Biometrici
    • Digital Signage
    • Realtà Aumentata
    • Tutto il mondo IoT

La mole di dati aumenta, è necessario quindi creare nuove forme di gestione degli stessi traendone vantaggi in termini di efficienza delle scelte di business e di valore dei dati.

Come si può gestire questa grande mole di dati?

Ci sono tre fasi da implementare per ottimizzare la gestione dei dati, tenendo sempre presente l’obiettivo prefissato a monte. Infatti lo sviluppo del seguente processo varia a seconda dell’obiettivo, seppure le fasi sono sempre le stesse:

  • Acquisizione dei dati
  • Assegnazione del punteggio
  • Impostazioni delle azioni

 A –Acquisisco i dati: anche se l’azienda ha attive più fonti di dati, è importante scegliere quelle che sono realmente significative a seconda dell’obiettivo che ci si è posti. Ad esempio, se voglio analizzare il percorso dell’utente sul mio e-commerce prenderò in considerazione – nel caso li avessi attivi – :

  • Google Analytics
  • Facebook Insight e il pixel di Facebook
  • dati della App
  • I beacons in store
  • tutto quanto necessario per tracciare il percorso dell’utente da quando ha cercato informazioni sul mio prodotto/servizio – il momento 0 definito da Google ZMOT – fino al momento dell’acquisto o abbandono del carrello.

B – Assegno un punteggio ad ogni utente in base alle azioni che ha svolto. Nel nostro esempio le azioni da valutare possono essere di vario tipo: mettere un like, aggiungere i prodotti nel carrello, comprare un prodotto, cliccarlo, etc 

Utilizzo dei big data: fase 2, le fonti

A questo punto avrò una base dati che mi permette di analizzare i cluster di utenti a seconda del punteggio, assegnando loro anche un’identità, ad esempio:

3 stelle: utente di Facebook, arriva da Mobile, donna italiana 35-45 anni, interessata ai viaggi low cost, medio basso spendente.

C- Imposto le azioni, a questo punto posso andare a definire le azioni di business a livello micro o macro che posso intraprendere. Seguendo sempre l’esempio dell’e-commerce posso andare ad implementare azioni di re-marketing per chi ha abbandonato il carrello, anche in base all’identità assegnata, posso quindi impostare sponsorizzate su Facebook mirate al profilo 3, targettizzando per sesso, età, zona geografica e interessi e volendo anche per device.

Quello che ti ho mostrato è un esempio abbastanza semplice, ma immagina di doverlo moltiplicare per N obiettivi su N funzioni aziendali: è ovvio che non è possibile che una sola persona, senza le opportune tecnologie, possa fare tutto.

Veniamo ora al terzo step del percorso che ci permette di utilizzare i Big Data nelle strategie aziendali e di marketing:

3. Tecnologie e Team di Lavoro

Si esatto, se da un lato servono delle tecnologie che aiutino in tutte le fasi, dall’estrazione dei dati strutturati e destrutturati, alla loro decodifica, integrazione e analisi, dall’altra sono necessarie le capacità umane. Da qualche anno si parla tanto della figura del Data Scientist, che ha però diversi volti:

  • Hacker: deve saperne di codice di programmazione e comprendere le architetture tecnologiche per i Big Data.
  • Scienziato: deve saper prendere decisioni basate su elementi di fatto, avere capacità di improvvisare ed essere orientato all’azione.
  • Consulente di fiducia: sono necessarie forti competenze di comunicazione e relazione, capacità di formulare decisioni e capire i processi decisionali.
  • Analista quantitativo: deve avere conoscenze di analisi statistica, visual analytics, machine learning e saper analizzare dati non strutturati quali testi, video e immagini.
  • Esperto di Business: deve avere una conoscenza precisa dell’azienda e del suo modo di realizzare profitti e avere la capacità di valutare come applicare efficacemente analytics e Big data.

È facilmente intuibile come tutto questo non possa risiedere in un’unica persona, per competenze ma anche per attitudini, per cui l’approccio più efficace è sicuramente quello di attivare un team di lavoro in cui siano presenti diverse figure che ricoprono le caratteristiche necessarie per lavorare in maniera efficace con i Big Data.

4. Data Analytics 

L’ultimo punto, combinato con la Data Visualization, è quello che chiude il cerchio. Ho definito gli obiettivi, ho scelto le fonti, ho ricavato i dati e li ho inseriti nelle tecnologie apposite e ora non rimane che analizzarli. A lato di tutto questo c’è un team di lavoro che gestisce e implementa ogni fase.

Le analisi che si possono fare con i Big data sono veramente moltissime e gli strumenti che si possono utilizzare altrettanti, ad esempio possiamo usare strumenti di Sentiment Analysis, che raccolgono in tempo reale le reazioni degli utenti o trend davanti a un qualsiasi evento, locale o globale che sia. L’analisi del sentimento ha l’obiettivo di calcolare l’atteggiamento di un individuo nei confronti di determinati argomenti, come ad esempio capire i sentimenti generati da un film in base ai commenti sui social media.

In conclusione mi preme dirti che possiamo utilizzare tutte le tecnologie e gli strumenti che vogliamo, ma non hanno utilità se non inseriti all'interno di una pianificazione strategica che parte dal punto 1, cioè dagli obiettivi.

 È fondamentale capire che oggi abbiamo macchine e strumenti che possono aiutare un'azienda in ogni ambito, nel marketing ancor di più, ma senza un cervello pensante e capacità di analisi critica non si va poi tanto lontano. 

Per sopravvivere in questa giungla di informazioni, bisogna ingegnarsi, alimentando nuove intuizioni e idee.

Cosa ne pensi dei Big Data? In quali altri modi pensi che un'azienda potrebbe (o dovrebbe!) sfruttarli?

Sono curiosa di conoscere la tua opinione: in questo caso essere creativi è il miglior approccio per trarre beneficio da una risorsa così versatile come i Big data.

Author Photo
Elisa IandiorioNasco nella torrida estate del 1982, l’Italia aveva da poco vinto i mondiali e in cima alle Hit italiane c’era Miguel Bosé con “Bravi Ragazzi” la cui frase “La vita è solo acrobazia” deve aver segnato il mio DNA! Non sono una nativa digitale ma vivo nell’era di internet e del digitale. Guardando il bicchiere mezzo pieno ritengo questa una grande fortuna nonché un’ opportunità, perché mi ha permesso di conoscere il mondo prima di internet per poterci lavorare al meglio dopo, ho potuto conoscere e studiare il Marketing e la Comunicazione appena prima dell’avvento del Web e questo mi ha fatto comprendere che imparando a guidare su una Fiat 500 del 1967 poi si può più facilmente guidare una Ferrari! Mi sono laureata in Marketing e Strategie Commerciali a Parma nel 2006 e lavoro come consulente e docente di marketing dal 2007. Ho lavorato per diverse agenzie fino al 2017 quando ho deciso di iniziare a camminare sulle mie gambe ho aperto lo studio che porta il mio nome. Nel tempo mi sono specializzata in tutto quello che è web e digital marketing, sia come consulente che come formatore. Dal 2016 insegno all’Università degli Studi della Tuscia nel corso di Laurea in Marketing & Qualità. Nel 2019 ho pubblicato il mio primo libro, edito Dario Flaccovio, "Big Data. Cosa sono, come analizzarli e utilizzarli per fare marketing." Una delle mie frasi preferite è: “La conoscenza è sapere che un pomodoro è un frutto; la saggezza è sapere di non doverlo mettere in una macedonia di frutta”
Subscribe to learn more about Marketing
By clicking “Subscribe” you agree to Semrush Privacy Policy and consent to Semrush using your contact data for newsletter purposes