Che cosa significa la rivoluzione dei dati per le aziende?

Transcript

1 Che cosa significa la rivoluzione dei dati per le aziende? Ezio Viola, Co-Founder& General Manager, The Innovation Group ANALYTICS SUMMIT 2013 Milano, 13 Giugno The Innovation Group The management consulting & advisory boutique

2 Quanto interessano i Big Data 2

3 Le caratteristichedi unadata Driven Enterprise Capace di trovare, accedere e analizzare le informazioni provenienti da ogni sensore sia interno che esterno Capacedi insight e di azione : precisae rigorosanel prendere le decisioni su fatti e non a sensazioni e intuito Capacedi anticiparee reagireal mercatovelocemente: event driven Capace di memorizzare e riutilizzare la conoscenza accumulata Companies with data-driven decision making have productivity level 5-6% higher Source: Prof. E. Brynjolfsson MIT Sloan School of Management 3

4 Che cosa può fare meglio una data driven enterprise? Accesso univoco alle informazioni In tempo reale Trovare correlazioni tra eventi diversi Migliorare i servizi online aiclientie aumentare le vendite Pubblicare o ricevere notiziepersonalizzatee monetizzarlecon adv molto mirate Fare competitive intelligence PrevenireFrodie fare investigazioni su eventi dolosi Fare market research AnalisidiTrend attraverso datie contentuti Supportare meglio i processi decisionali Fare Financial Research Fare ediscovery Ascoltare la voce dei clienti e predire il customer churn Esplorare nuove aree per fare innovazione Gestire problemi di qualità dei prodotti e di servizio ai clienti Simulare Performance in processi aziendali (logistica, supply Chain) Segmentazionie Customer Insights Monitorareblogs e news feeds per analisi delle opinioni di notorietà di brand e prodotti CRM e multicanalità analisi comportmaento clienti e campagne 4

5 Una data driven enterprise gestisce come asset il portafogliodeidatiaziendali Unstructured Data Transactional Data Machine Data Third Party Data Semi- Structured Data Analytical Data Audio Visual Data Manually Managed Data Scientific Data Application Data User Data EDW Data Web Data Financial Data SCM / ERP Data Sales Data Forrester: «Firms use effectively 5% of available data» Gartner: «enterprisedata isexpectedto growby 650% in the next5 years» 5

6 Business Analytics: dove siamo Da diversi anni le aziende fanno analisi dei dati? Le Sorgentidi dati sono relativamente piccole, strutturate, all interno dell azienda I Datisonomemorizzatiin DW o Data Mart aziendaliprima dell analisi La maggiorparte delleanalisiè di tipodescrittivoe orientataal reporting La creazione di modelli di analisi era/è un lavoro Batch che può richiedere diverso tempo Le analisiquantitative sonofatteda risorseseparate dal business Poche aziende hanno la visione di poter competere con gli analytics 6

7 Cosac èdi nuovo: ibig DATA?! Big Data is a term applied to data sets whose size is beyond the ability of commonly used software tools to capture, manage, and process the data within a tolerable elapsed time. Big data sizes are a constantly moving target currently ranging from a few dozen terabytes to many petabytes of data in a single data set. Esempi: Source: Wikipedia web logs; RFID; sensornetworks; social networks; Internet text and documents; Internet searchindexing; call detailrecords; astronomy, atmosphericscience, genomics, biogeochemical, biological, and other complex and/or interdisciplinary scientific research; military surveillance; medicalrecords; photographyarchives; video archives; and large scale ecommerce. Velocità, Volume, Varietà, Variabilità, Veridicità etc., 7

8 Cosac èdi nuovo: ibig DATA creanovaloreper ilbusiness I BIG DATA sonodiversiperchèhannoaltivolumi, vengono dall esterno e sono non strutturati Devono essere memorizzati e processati rapidamente Necessitano di architetture nuove Nuove modalità di analisi non solo descrittiva Nuove tecniche di Visualizzazione dei dati 8

9 Le Opportunità per settore (ROI vs Spending on Big Data) High Utilities Energy & Resource Projected ROI on Big Data High Tech Retail Telecom Banking Insurance Travel Life Science Manufacturing Low High Spending on Big Data (asa % of meanindustryrevenue) Source : The emerging Big return from BIG DATA TCS February aziende a livello internazionale Low 9

10 Dove si possono ottenere i maggiori benefici 1. Identificareclientia piùalto potenziale, opportunitàdi cross-sellinge l efficacia delle campagne e dei canali (expected ROI 41% -56%) 2. Identificare i bisogni dei clienti per nuovi prodotti o miglioramenti (expected ROI 40-48%) 3. Identificareclientia rischio, analizzareicomportamentideiclientionline (expected Roi 54%) 4. Monitorare qualità dei prodotti e delle spedizioni, ottimizzazioni scorte (50-70%) 5. Misurareilrischio, pianificazionebudgeting e forecasting (expected ROI 69% 6. Migliorarela retentiondellerisorsequalificatee l efficaciadel recruiting (expected ROI 48%) Source : The emerging Big return from BIG DATA TCS February aziende a livello internazionale 10

11 Quale utilizzodi BA e BIG DATA Social Intelligence Sentiment Analysis, Social Customer Care Predictive Analytics Propensity, Price Elasticity, Anti-Fraud Analytics Segmentation Insights Funnel Analysis, Behavioral Patterns, Cohort Analysis Mobile Analytics Ad-Targeting, Geo-spatial Analytics 11

12 CustomerInsights: ampia diffusione per tutti i canali Vengono fatte attività analitiche sul comportamento dei Clienti? 10% 21% 10% 21% 28% 24% 7% 10% No e non previste No, ma previste 34% 17% 14% Si, in modo discontinuo 69% 34% 48% 52% Si, in modo continuativo Comportamento dei clienti sul sito Web dell'azienda Comportamento dei clienti onlineacquisti fatti dai clienti nei negozi Acquisti dei clienti sul sito di o su Social Networks ecommerce dell'azienda Le attività analitiche sui clienti riguardano già oggi canali digitali e fisici, con tassi di crescita importanti (+21%) per quanto riguarda le analisi su Social Networks. 12

13 Benefici associati ai BIG DATA Quali saranno secondo voi i principali benefici associati alla disponibilità di BIG DATA sui Clienti? Migliore conoscenza del Cliente e capacità di rispondergli meglio Sviluppo di nuovi approcci più efficaci rivolti a incrementare l'engagement dei Clienti Produzione di Customer Insights in tempi più rapidi per migliorare il supporto decisionale 70% 67% 73% Ottimizzazione di processi core dell azienda (es. campagne promozionali) Possibilità di misurare meglio la Customer Satisfaction Altro 7% 43% 40% Churn prevention, sviluppo nuovi servizi 13

14 Utilizzo dei BIG DATA: previsioni di ampia crescita Quali fonti di dati utilizzate per le analisi sul comportamento dei Clienti? Dati sul comportamento online dei clienti (visite) Conversazioni su siti Social (Sentiment data) Anagrafica clienti Analisi di mercato (fonti esterne) Transazioni relative agli acquisti Dati demografici (fonti esterne) Indagini di Customer Satisfaction Comunicazioni dei clienti ( , customer service) Dati di geo-posizionamento (GPS) Feedback dei clienti (negozio, online) Dati generati da sensori/misuratori digitali (RFID) Registrazioni video 70% 43% 50% 83% 80% 77% 67% 10% 67% 10% 57% 13% 27% 43% 53% 13% 3% 33% Big Data 10% 23% Big Data 23% 3% 3% 7% Big Data Big Data Big Data Big Data Big Data Ad oggi Tra 2 anni 0% 20% 40% 60% 80% 100% Già oggi, le fonti di Big Data relative ai clienti utilizzate dalle aziende del B2C sono numerose. Per alcune fonti di dati sono previsti ampi tassi di crescita (es. Sentiment data, GPS, sensori, video). 14

15 Anche il trend relativo agli investimenti mostra il forte orientamento verso i canali digitali e analytics Con riferimento agli investimenti per il Customer Engagement, quale è la situazione nel vostro caso? 7% 56% 74% 59% Incremento degli investimenti Investimenti stabili 37% 15% 33% 11% 7% Diminuzione degli investimenti Canali tradizionali Canali online Customer Analytics Diminuisce la spesa verso i canali tradizionali (pubblicità su TV, giornali) mentre crescono gli investimenti verso canali online e Customer Analytics. 15

16 Analytics 2.0: LA DATA REVOLUTION sta nel fondere BIG DATA e Analytics Partireda checosavogliootteneredaidati Identificare e Integrare I dati interni ed esterni, strutturati e non Supportarele decisioniinterne all aziendama anchecostruirele basiper nuovi product, service data driven or based Costruire modelli analitici che possano essere incorporati in processi operativi e decisionali Adottare architetture di dati post-dw più veloci e più economici Le nuovetecnologiein-memory accoppiatea metodianaliticiagilie flessibilie a tecnichedi machine learning permettonoanalisiquasi in real time Team mistidi specialistidi dati, analistiquantitativie di business, e IT sono allabase di nuoveorganizzazionidedicate allaba Analytical Apps che supportano particolari decisioni rese disponibili sul punto in di utilizzo(on fingertips) 16

17 BIG DATA: nuovi business models e data products Data Sourcing Storage Processing & Normalization Visualization Sales & Mktg Raw Material Insight: arbitrage Vertical Specific 17

18 L adozione di BIG DATA: i fattori di sviluppo BIG DATA Technologies facilida gestire, usaree distribuire: sono mature le attuali tecnologie a livello aziendale? BIG DATA Skills e pratiche: Cisonoin aziendae sulmercato? e come li organizzo? Un nuovo MINDSET: le aziende hanno la cultura adatta per sviluppare applicazioni e per estrarre valore daibig DATA? 18

19 Che cosa serve alle aziende: un nuovo mindset Come DEMOCRATIZZARE ibig DATA? 19

20 Democratizzare i BIG DATA Strumenti e Architetture per nascondere la complessità anche Una cultura di condivisione dei dati tra le funzioni DEPLOY ADMINISTER SECURE ANALYZE VISUALIZE AUTOMATE INTEGRATE PROCESS MANAGE 20

21 L approccio tradizionale non è più adatto CRM ERP Data Data ETL Data Quality Normalized Data Traditional Data Warehouse Finance IT/Data Warehouse Specialist/Admin Business Analyst Business User 21

22 BIG DATA Technology Platforms: diversi approcci e soluzioni Data Integration DW Appliance BA/BI BIG DATA Cloud service Open Source Framework (Hadoop, HFS etc) NoSQL Databases Machine Data Processing Streaming Data Text & Semantic Analytics In memory processing analytics Etc.. 22

23 Scelte tecnologiche per bisogni differenti Strutturati Multi-strutturati No SQL Generalizzati Hadoop Standard SQL Appliance No SQL Specializzati Streaming In Memory Analytics Batch Real Time 23

24 BIG DATA landscape: una industria in sviluppo 24

25 BIG DATA: BIG MONEY CAGR of 58% Revenue mix today: 44% services, 31% hardware, 25% software 25

26 BIG DATA: BIG Financial Investments $4.9 Billion Invested Across 523 Deals Since 2008 Acquisition activity per Big Data also increasing with 2012 seeing 20 exits including 3 IPOs. 26

27 Conclusione: Quale approccio per la BA e BIG DATA nelle aziende Top down: definire lo use case (partire dalle domande giustecon delleipotesi) Bottom up: scoprireilvaloredeidati collezionandolie condividendoli Integrazione e Sperimentazione: trial pilot & repeat Nuova cultura della qualità e dell utilizzo del dato Nuovi Approcci al disegno e sviluppo delle applicazioni Team Multi-interdisciplinare e massa critica organizzativa Focus sulearning by doing 27

28 BIG DATA: nuovofattoredi produzionechegenera valore economico in molti settori 28