I processi aziendali vengono guidati dalle persone attraverso un approccio “Data Driven Business”

Cosa vuol dire concretamente data driven business?

Si tratta di una delle espressioni più utilizzate nel contesto della digital transformation: anzi, è uno degli obiettivi della trasformazione digitale stessa.

La traduzione letterale dell’espressione è precisa: un business guidato dai dati. Ma non ci aiuta molto ad approfondire il concetto, a capire come questo possa realizzarsi.

“Guidato dai dati”: l’espressione sembra collidere con l’idea che le aziende siano guidate dalle persone. E sono proprio le persone che prendono le decisioni e guidano le aziende, e infatti la business intelligence descrittiva “classica” è sempre stata “a supporto” delle decisioni prese dal board aziendale.

Quindi qual è il cambiamento che sta avvenendo?

La partita si sta giocando, si è giocata tutta su un confine, mobile, che divide la zona in cui è la mente umana che interpreta, che estrae significato dai dati, e quella in cui è il sistema informatico a farlo.

Negli anni questo confine si è spostato.

Sono due, e paralleli, i fenomeni che si sono verificati e che hanno portato ad un nuovo modo di intendere il business guidato dai dati.

Da un lato abbiamo molti più dati che in passato: tutti i processi aziendali sono stati fortemente informatizzati; i macchinari, gli impianti, le linee di produzione sfornano dati in quantità industriale.

A questo si aggiunge la digitalizzazione della persona, che sia relativa alla sua sfera privata o quella lavorativa: una digitalizzazione che porta a registrare interazioni tra persone e persone, tra queste e le aziende, tra aziende e aziende.

Dall’altra parte sono diventati più sofisticati i sistemi di elaborazione dei dati, sull’impulso di una disponibilità sempre più alta di dati e della possibilità di trarne un vantaggio sempre maggiore.

Abbiamo i dati, abbiamo i sistemi in grado di interpretarli.

Mentre prima era la mente umana che si applicava nell’interpretazione del dato, ora è molto più conveniente lasciare questa interpretazione all’elaborazione automatica.

Apriamo un caso, vediamo cosa avviene nel mondo del retail, ad esempio.

In questo contesto – ma è una considerazione che vale per molti altri –  uno dei concern del business è il costo di acquisizione e di retention dei clienti. Un costo crescente, che ha sempre previsto delle azioni tendenzialmente sviluppate a pioggia su tutti i clienti.

Se possiamo collegare i comportamenti di acquisto ad altre informazioni anagrafiche (e in questo ci aiuta la cara vecchia carta fedeltà), se a questi aggiungiamo le informazioni che possiamo desumere dall’universo social, allora cominciamo ad avere una base dati consistente da analizzare.

Ecco, qui comincia ad essere evidente come dobbiamo intendere “guidato dai dati”.

Fino a ieri l’analista studiava questi dati e cercava delle relazioni tra i clienti persi e il loro comportamento storico. Confrontando i vari casi, poteva identificare possibili segnali di disaffezione, possibili fenomeni prodromici: un abbassamento della spesa media, una frequenza di acquisto via via più rarefatta.

In questo senso il business era guidato dai dati interpretati dall’uomo.

Oggi questi stessi dati vengono costantemente letti, correlati, interpretati dai sistemi di analisi statistica: è il sistema che identifica quali sono i clienti più probabilmente sceglieranno la concorrenza in futuro: all’uomo non resta che decidere come trattenerli.

Diventa quindi possibile ottimizzare le campagne di retention solo su quei clienti che manifestano – da un punto di vista statistico, un’alta propensione all’abbandono.

Quanto descritto è al tempo stesso semplice e complesso: e quanto ad un primo sguardo può sembrare semplice è al contrario l’aspetto che riserva più necessità di riflessione.

La semplicità (paradossalmente) sta nella tecnologia di trattamento dei dati: il presupposto è “solo” la disponibilità del dato comportamentale del consumatore. Il trattamento avviene attraverso un engine statistico che elabora i dati secondo un modello statistico atto ad identificare una determinata variabile obiettivo, nel nostro caso il comportamento “non acquisto”.

La complessità è  – come spesso avviene nei progetti di ambito predittivo – nella comprensione delle dimensioni tipicamente legate al business, che si riverberano poi sulla costruzione del modello statistico. Un esempio su tutti: qual è il comportamento che andiamo a battezzare come “abbandono”? Per quanto tempo un cliente non deve acquistare, per essere definito churner?.

Una volta generato dall’analisi statistica, la probabilità di abbandono di ogni cliente viene inserita in un sistema di business intelligence dove questo dato viene consumato all’interno di altre analisi descrittive condotte dagli owner di quel particolare processo di business.

In questo senso oggi il business è guidato dai dati interpretati dai sistemi. E lo fanno immensamente meglio di quanto prima potesse farlo l’uomo. Più velocemente, più precisamente, su numeriche molto più grandi.

L’applicazione dell’intelligenza artificiale sposterà (sta già spostando) ancora il confine che separa l’intervento umano da quello dei sistemi: sistemi, a questo punto, intelligenti.

Ma questa (direbbe qualcuno) è un’altra storia.

Marco Terno
Méthode