PRIMI COMMENTI SULL INTERIM REPORT NELL AMBITO DELL INDAGINE CONOSCITIVA SUI BIG DATA Relazione di Augusto Preta all incontro I-Com Consumer Brainstorming: Tutela Vs Empowerment
L economia digitale Tecnologie, piattaforme e sistemi innovativi come Cloud Computing, Internet of Things, Big Data & Analytics, Artificial Intelligence, Blockchain, Advanced robotics e 3D printing e 5G costituiscono i nuovi strumenti abilitanti della digital economy, la cui diffusione pervasiva in tutti i settori avrà un forte impatto sulle vite dei consumatori e dei cittadini. 1
L economia dei dati Uno dei fattori chiave che guidano l innovazione tecnologica e lo sviluppo dell economia digitale è rappresentato dai dati. Una risorsa che rende sempre più importante per le imprese dotarsi di strumenti analitici adeguati, ma che richiede soprattutto un drammatico, radicale cambiamento nella struttura economica e culturale delle società digitali. Fonte: IFDE Infotech 2
Le imprese diventano Data Driven I dati possono incidere positivamente sul miglioramento dei prodotti o servizi di un'impresa; possono consentire alle imprese di sfruttare nuove opportunità di business; possono essere utilizzati per meglio soddisfare la domanda e le richieste dei clienti/utenti, offrendo, spesso in cambio di pubblicità, servizi o prodotti personalizzati. Si rende necessario che le organizzazioni/imprese diventino data driven. Fonte: Altimeter Group 3
Caratteristiche dei dati Pubblici Privati Personali Non personali Unici Replicabili Strutturati Non strutturati Volontari Non volontari First Party Data Third Party data Localizzati geograficamente Generici Basati su preferenze personali Collegati a scelte di prodotto Provenienti da differenti fonti Digitali (costo di riproduzione pari a 0) Non rivali Ritorni di scala decrescenti Economie di scala (learning by doing) 4
L indagine conoscitiva e il valore dei dati (personali) L indagine conoscitiva sui Big Data, su cui sui basa l interim report AGCM, riguarda un campione rappresentativo della popolazione, formato da 2.269 individui, da 16 anni in su. L indagine si è svolta tra il 14 e il 28 febbraio 2018. 1. Il grado di consapevolezza degli utenti delle piattaforme digitali in relazione alla cessione e utilizzo dei propri dati 2. La disponibilità degli utenti a cedere i propri dati personali come forma di pagamento dei servizi online 3. La portabilità dei dati da una piattaforma all altra Principali evidenze 1. Consapevolezza che i dati degli utenti possono essere utilizzati e «sfruttati» dalle imprese che li raccolgono (60%). Scarsa attenzione alle informative (tempo limitato, lettura solo in parte, incomprensibilità per alcuni dei lettori) 2. Consapevolezza solo in parte dello scambio economico (gratuità del servizio per accesso ai dati). Preferenza generica perché si eviti che i propri dati siano acquisiti, elaborati ed eventualmente ceduti. Le preoccupazioni riguardano sia l utilizzo ai fini pubblicitari che per altre finalità. In tutti i casi solo la metà di coloro che sono contrari sarebbero disposti a pagare per i servizi offerti oggi gratuitamente ed eventualmente caso per caso in rapporto al valore del servizio offerto 3. Scarsa consapevolezza sui propri diritti in materia di dati, conseguenza della scarsa propensione a passare ad altre piattaforme 5
L utilizzo a fini commerciali: dove risiede il valore dei dati Ciò che rende spesso fuorviante il dibattito sui big data è il focus sulla numerosità (big) per cui l output tende ad essere considerato come un aspetto cumulativo legato alla quantità di dati raccolti. Prevale l idea che l apprendimento sia un processo passivo, che si verifica automaticamente una volta che incrementiamo la quantità dei dati. Ma apprendere richiede invece investimenti su tutta la fase del processo, dalla raccolta fino all analisi e utilizzo dei dati. Per essere davvero utili i dati devono essere trasformati in informazioni, conoscenza e comprensione Tutti i dati quindi hanno un valore intrinseco che deve essere «scoperto». Avvalendosi di diverse tecniche di analisi, quali ad esempio machine learning e data mining, si possono scoprire le preferenze dei consumatori o il loro sentiment rispetto ad un dato prodotto/servizio, effettuare offerte commerciali rilevanti e personalizzate sulla base della posizione del cliente, individuare in modo preventivo componenti da sostituire all interno di un dato processo produttivo, etc. Estrapolare il valore dai dati tramite algoritmi richiede l adozione di nuovi processi di scoperta e di analisi che coinvolgono diversi ruoli all interno di un organizzazione nonché figure nuove, come ad esempio il data scientist, un profilo che possiede competenze in ambito informatico, matematico, statistico e su modelli predittivi. Il learning by doing, che rappresenta il vero vantaggio competitivo delle imprese tecnologiche, si fonda pertanto sull apprendimento, che è frutto di un processo complesso che non è riconducibile alla semplice raccolta dei dati 6
Le implicazioni di policy: prezzi zero e mercati multisided 0 Prodotto / Servizio 100 Prezzi monetari Pay Acquisti Utente Attenzione / Esternalità Impresa Pubblicità Prezzi non monetari 100 0 Price / Free 0 Praticare un prezzo inferiore ai costi marginali al lato del mercato che presenta maggiori esternalità è una modalità comune se presa in considerazione la natura a più versanti del mercato. Presenza di esternalità indirette tra i due gruppi di utenti: l utilità che gli utenti di un versante traggono dal consumo di un prodotto o servizio aumenta all aumentare del numero degli utenti di altri versanti che acquistano un prodotto diverso, ma collegato alla stessa piattaforma. Non neutralità della struttura dei prezzi (discriminazione di prezzo): il modo in cui i prezzi sono distribuiti tra gli utenti dei due versanti influisce sulla domanda e il livello di transazione. La struttura dei prezzi su due versanti è importante tanto quanto il loro livello per determinare la domanda e l output. Al gruppo di utenti che genera il più alto livello di effetti di rete sarà applicato un prezzo relativamente più basso, un prezzo inferiore al costo marginale, o addirittura sotto lo zero (versante sussidiato). Il contrario accade agli utenti dell'altro versante (versante profit-making). Una caratteristica dei mercati a più versanti è dunque la struttura di prezzi "sbilanciati". 7
0 Big data e prezzi non monetari: 0 price Prodotto / Servizio 100 Prezzi monetari Pay Acquisti Algoritmo Dati Utente Attenzione / esternalità Impresa Pubblicità Prezzi non monetari 100 0 Price / Free 0 Anche nei mercati digitali data driven a prezzi zero, la concorrenza sui dati potrebbe mostrare le stesse dinamiche: una riduzione della privacy dovuta al maggior numero di dati estratti e combinati avrebbe lo stesso valore dell'incremento dei prezzi nei mercati tradizionali. Qualora questo avvenga senza una riduzione dell attenzione, e dunque della pubblicità, mantenendo lo stesso prezzo monetario (0), ciò potrebbe costituire un indicatore di potere di mercato, ma al tempo stesso una modalità per garantire la migliore efficienza. In questo caso si dovrebbe verificare come possibile esercizio del potere di mercato la duplice capacità di un'impresa di estrarre significative quantità di dati dai consumatori e, quindi, di ridurre il livello di privacy di cui essi godrebbero, pur senza violare alcuna disposizione in materia di tutela dei dati personali. 8
Ne discende peraltro, anche per analizzare questo nuovo scenario (salvo identificare fallimenti di mercato e considerare il dato come essential facility), sarà necessaria un analisi caso per caso, che tenga conto delle caratteristiche di questi mercati Dominanza First mover advantage Feedback loop Economie di scala Effetti di rete Pro-competitivi Bene non rivale Differenziazione di prodotto Ritorni di scala decrescenti Multi-homing 9
Grazie per l attenzione! preta@itmedia-consulting.com twitter: @aupreta www.itmedia-consulting.com 10