Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - Febbraio 2015

Come diventare un’azienda data-centric

Lindy Ryan by Lindy Ryan

L’adozione su larga scala dei big data è solo all’inizio: questo è esattamente il momento di capire cosa fare con tutti questi dati. E soprattutto come sfruttarli per ottenere vantaggi competitivi

In ultima analisi, le aziende utilizzano i dati, big o meno, per risolvere i problemi di business. L’azienda data-centric, tuttavia, non solo tratta i dati come un asset, ma li tratta come oro ed è anche disposta a pagarli. In realtà, molte aziende data-centric non sembrano nemmeno aziende data-centric a prima vista, anche perché si travestono da “fornitori di servizi”, con l’obiettivo finale di raccogliere dati, come il motore di ricerca Google o la piattaforma retail online Amazon. In realtà, Amazon è stato il pioniere di questa strategia di raccolta e utilizzo dei dati, piazzando strati di dati degli utenti in cima ai dati open ISBN (la numerazione internazionale dei libri) per creare nuovo valore. Altre aziende progettano programmi di fidelizzazione per spingere la raccolta dei dati, come i programmi di premi sui punti fedeltà dei supermercati o delle stazioni di servizio. Con l’offerta di sconti sui prodotti scelti apparentemente in maniera casuale o di risparmio alla pompa, i clienti vengono letteralmente pagati per fornire i dati attraverso l’iscrizione nei rispettivi programmi fedeltà. Di converso, si può considerare l’opt-out, cioè il non chiedere la tessera fedeltà, come una sorta di tassa sulla privacy: si paga il prezzo pieno per mantenere i dati riservati.
Può forse apparire azzardato dire che essere data-centric equivale ad avere un vantaggio competitivo, ma ci sono vantaggi competitivi conseguiti da aziende data-centric che hanno veramente rivoluzionato il settore della business intelligence.

MIETERE MESSI DI DATI - Le aziende data-centric raccolgono messi di dati da tutto il mondo. Uno dei “vecchi modi” di pensare la BI era quello di chiedere quali sono i dati già disponibili e come integrarli per definire le metriche oppure mapparli su una metrica pre-definita. Le aziende data-centric affrontano tale questione in un altro modo: invece di capire come utilizzare i dati già disponibili per rispondere alle metriche, cominciano affrontando per primo il problema di business che deve essere risolto, quindi immaginano i dati necessari, e poi ne vanno alla ricerca, oppure li creano tramite nuove app (come i cellulari) o con agenti incaricati di recuperare tali dati.
Le aziende data-centric fanno leva sui dati pubblici, su quelli acquistati, sui big data e su qualunque dato ottenuto tramite tutti i mezzi necessari, compresi i dispositivi indossabili, i sensori, le fonti interne, le app mobili e così via. Anche un’app sul meteo può portare valore ancora non sfruttato. Essere mietitori di dati significa semplicemente avere la volontà di raccogliere ogni frammento di dati sui vostri clienti e sulle persone in qualsiasi modo possibile, al fine di acquisire conoscenze sui clienti attuali e poterle riferire anche ai futuri clienti.

VIVERE UNA CULTURA ANALITICA - Le aziende data-centric creano, crescono e respirano all’interno di una cultura analitica, e riescono pure a farla sembrare una cosa facile. Questa cultura analitica può essere suddivisa in tre categorie.

  • Insight: utilizzando il mining, il clustering e la segmentazione per capire i clienti, le loro reti e - cosa più importante - la loro influenza, così come le insight sui prodotti.
  • Ottimizzazione: di funzioni, processi e modelli di business attraverso l’uso degli analytics.
  • Innovazione: scoprire modelli di business nuovi e dirompenti che rimangono fedeli al marchio aziendale, ma forniscono percorsi per promuovere l’evoluzione e la crescita della base dei clienti.

Uno dei pilastri della cultura data-centric è quello di far cadere inutili fissazioni: cercate i dati e ricavate le correlazioni nascoste a partire dai dati - oppure - chiedetevi non che cosa potete fare per i vostri dati, ma ciò che i vostri dati possono fare per voi.

PENSARE A LUNGO TERMINE - Le aziende data-centric trovano modo di perpetuare un valore a lungo termine attraverso l’acquisizione di nuovi clienti multi-generazionali, anche perché sanno bene che i dati in loro possesso oggi rappresentano solo una fotografia istantanea dell’ambiente in cui operano. Mentre “pensare data-centric” significa pensare a lungo termine. Certamente, è anche cercare modelli nei dati per vedere dove si trova l’azienda, ma è più importante guardare dove sta andando e quindi sviluppare un piano operativo per arrivarci. Per le aziende data-centric, pensare a lungo termine significa pensare al coinvolgimento dei clienti, mantenendo un elevato focus sul brand, dove il brand è in gran parte definito dal sentiment e dall’influenza dei clienti. Il rapporto con il brand è una connessione messa insieme attraverso l’esperienza. Questo, per esempio, è il motivo per cui compro i libri da Amazon (per la praticità e la scelta), ma passo anche giorni interi nel fine settimana da Barnes & Noble a sfogliare pile di libri sorseggiando caffè: questa è un’esperienza.

AGIRE - Infine, le aziende data-centric agiscono sui dati derivanti dagli analytics. I dati senza azioni non hanno alcun valore di per sé: è l’azione che guida il valore di business. Ma agire sugli analytics è un processo continuo di sperimentazione e miglioramento. Migliorare i modelli analitici è altrettanto importante considerato che i dati sottostanti sono in continua evoluzione. Per un esempio rapido, si può fare riferimento a quanto dicevo poco sopra sul valore inutilizzato delle app meteo. Durante un recente evento a Reno nel Nevada, abbiamo chiesto ai partecipanti quante app meteorologiche avessero sui loro smartphone. Molti - almeno un quarto della sala - ne avevano più di una. Il problema è che avere più motori di analisi fa crescere la concorrenza, e la concorrenza fa crescere il miglioramento.

NON DIMENTICARE IL MONDO MOBILE - Diventare un’azienda data-centric richiede un cambiamento culturale inevitabile per ottenere vantaggi competitivi. Nella competizione sulle capacità analitiche, le aziende possono costruire una più profonda comprensione dei clienti e delle relazioni. Pensando ai dati raccolti, ci si può rendere conto che l’attività che si cattura oggi (probabilmente) non è sufficiente. Essere data-centric significa fare un grande sforzo extra nel modo di interagire con i dati.
Ma soprattutto bisogna “pensare mobile”, e pensare alla mobilità anche come un modo di orientare i clienti. Oggi, attraverso le app mobili, l’immagine pubblica del cliente è disponibile attraverso le API. Il mobile è un fenomeno “io”: si tratta di una linea diretta con i desideri più egoistici del cliente, cioè quello che gli piace, ciò che odia, quello che vuole, e cosa è disposto a dire su tutto. Questo dato sociale ci dice esattamente chi sono i nostri clienti, e qual è il modo migliore per renderli felici. Va anche ricordato che la telefonia mobile è un fenomeno a due vie: le aziende pensano di spingere informazioni e servizi ai clienti, ma hanno anche bisogno di pensare (egoisticamente) su come estrarre i dati e imparare dalle attività dei clienti.

Come diventare un’azienda data-centric - Technology Transfer

L’evoluzione dell’IT tra sfide e promesse
Frank Greco

Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen

Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson

Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson

E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart

Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson

Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco

Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts

L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn

Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin

Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson

Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco

Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden

Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence

Rick van der Lans

Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson

La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco

Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum

Trasformazione Agile
Se il product owner diventa un collo di bottiglia

Sander Hoogendoorn

Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?

Barry Devlin

Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson

Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson

I dati al centro del business
Christopher Bradley

I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin

Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck

Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg

Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson

Project manager vecchi miti e nuove realtà
Aaron Shenhar

La catena alimentare dei requisiti
Suzanne Robertson

Come diventare un’azienda data-centric
Lindy Ryan

Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson

Agilità? Basta Volere
Suzanne Robertson

Ma la vostra architettura è efficace?
Mike Rosen

Se il NoSQL diventa SQL
Rick van der Lans

La data quality e l’impatto sul business
Danette McGilvray

Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross

Usare Scrum su larga scala: cosa cambia?
Craig Larman

Le architetture per ridurre il debito tecnico
Mike Rosen

Conversando con un marziano
Suzanne Robertson

Cosa c’è di nuovo nel project management?
Aaron Shenhar

Reinventare la Business Intelligence
Barry Devlin

Il nuovo volto della business intelligence
Shaku Atre

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

I big data cambiano il mercato dei Database Server
Rick van der Lans

Un “superstorm” di informazioni
Barry Devlin

I dieci step per la qualità dei dati
Danette McGilvray

Perché è meglio evitare il private cloud?
Jason Bloomberg

Leonardo da Vinci aveva ragione!
Chris Date

Mobile user experience: Come adottare una strategia sostenibile
James Hobart

Cosa significa occuparsi di architettura?
Mike Rosen

Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans

Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson

Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss

BI², la Business Intelligence al quadrato
Barry Devlin

I test di regressione in ambienti legacy
Randy Rice

Le conseguenze della consumerizzazione e del Cloud
Chris Potts

Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre

Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss

Big Data, come e perché
Colin White

Business Capabilities e l'allineamento del business all'IT
Mike Rosen

Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl

BI, ma il Data Warehouse è ancora necessario?
Colin White

Reinventare la Business Intelligence
Barry Devlin

Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre

Modelli e processi di User acceptance testing
Randy Rice

I limiti nel gestire l'IT come un Business
Chris Potts

Le componenti fondamentali del Cloud
George Reese

Metadati e DW 2.0
Derek Strauss

BI Open Source: basso costo e alto valore?
Jos van Dongen

Semplicità e requisiti
Suzanne Robertson

Business intelligence e analisi testuale
Bill Inmon

Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss

Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin

Ambiente efficiente di ricerca di informazioni
James Hobart

Il Business deve trainare la Strategia IT
Chris Potts

Web database: la questione MapReduce (seconda parte)
Colin White

Web database: la questione MapReduce
Colin White

Misura delle prestazioni. I sette comandamenti
Harry Chapman

Le dieci cose che un architetto deve fare per creare valore
Mike Rosen

Sviluppare applicazioni a prova di sicurezza
Ken van Wyk

The ECM Landscape in 2008
Alan Pelz-Sharpe

Ma chi sono gli operatori dell’informazione?
Colin White

Qualità dell’informazione e trasformazione del management
Larry English

Classificazione sistematica delle informazioni
Zach Wahl

L’uso intensivo del Web nelle applicazioni di Bi
Colin White

Enterprise Search
Theresa Regli

La forza dell'astrazione
Steve Hoberman

La strada verso una BI pervasiva
Cindi Howson

Soa, una strategia di test
Randy Rice

Verso una BI più semplice e a minor costo
Colin White

I contenuti “Killer” del Web
Gerry McGovern

Sviluppo iterativo del software per i Dw
Larissa Moss

Qualità delle Informazioni e Datawarehousing
Larry English

Lo scenario Ecm 2008
Alan Pelz-Sharpe

La nascita del Web 3.0
John Kneiling

Documentazione: il dossier del crimine
Suzanne Robertson

L’impatto del Web 2.0 sui portali delle imprese
Colin White

Le tecniche vincenti di IT Management
Ken Rau

Web 2.0
Ed Yourdon

Web di successo se si conosce il cliente
Gerry McGovern

Un approccio alla BI incentrato sui processi
Colin White

Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson

Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson

Il Project Manager è una Tata
Suzanne Robertson

Web di successo se si conosce il cliente
Gerry McGovern

L'informazione personalizzata
Colin White

La Tassonomia dell'Impresa
Zach Wahl

Managed Meta Data Environment (II parte)
David Marco

Managed Meta Data Environment
David Marco

Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart

La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman

La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer

La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer

Volere è Potere, in Ogni Senso
Suzanne Robertson

Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern

Il Back-end della pianificazione strategica dell'It
Ken Rau

L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson

L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson

Il Processo di gestione delle informazioni
Ted Lewis

I requisiti come strumento di gestione dei progetti
Suzanne Robertson

Il futuro è nel contenuto killer del web
Gerry McGovern

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

Rilevare i costi sulla base delle attività
Ken Rau

Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson

Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson

Il Data Store Operativo: un lavoro di martello
Claudia Imhoff

Il data warehouse orientato all'impresa
Michael Schmitz

Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman

Content management: i contenuti al primo posto
Gerry McGovern

Applicazioni Web ad alta disponibilità
John Kneiling

Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart

La tecnologia EII ripropone il data warehousing virtuale?
Colin White

Misurare per Gestire
Ken Rau

Volere è Potere, in Ogni Senso
Suzanne Robertson

Realizzare il CPM e l'integrazione della BI
Mike Ferguson

Tutti i punti della FPA
Koni Thompson

Requiem per il Portale?
Colin White

Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre

Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre

I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson

I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco

Usare i modelli per acquisire l'esperienza di progettazione
James Hobart

Realizzare l'Impresa Intelligente
Colin White

.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling

Progettare Applicazioni Mobili di Successo
James Hobart

La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson

Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson

Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson

L'Evoluzione del Portale di e-Business (II parte)
Colin White

L'Evoluzione del Portale di e-Business (I parte)
Colin White

Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling

Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James

Articoli del mese - Technology Transfer