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.
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.
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 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
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