I fornitori di soluzioni Big Data fanno grandi promesse. Basta collegare i tuoi dati alla nostra soluzione, dicono. Forniremo un flusso di approfondimenti che consentiranno notevoli miglioramenti nella produttività del marketing, nella qualità dell'esperienza del cliente e nell'efficienza delle operazioni di servizio. Sarà un gioco da ragazzi per te e il tuo team; la nostra tecnologia e i tuoi data scientist faranno tutto il lavoro pesante.
Ti senti come se avessi già visto questo film? Se eri coinvolto nell'euforia iniziale della rivoluzione della gestione delle relazioni con i clienti (CRM), allora l'hai fatto. A partire dai primi anni ’90, molte aziende hanno accettato l’entusiasmo e la tecnologia, solo per ritrovarsi con database inutilizzabili, team di vendita ribelli e budget di capitale esauriti.
Da allora il settore CRM è maturato e non vi è dubbio che le soluzioni CRM possano ora offrire un valore reale a molte organizzazioni. A riprova, il CRM è stato il sesto strumento aziendale più popolare nel sondaggio Management Tools & Trends 2015 di FORFIRM. Secondo una ricerca di Gartner, la spesa globale per il CRM nel 2014 è stata pari a 20,4 miliardi di dollari, in aumento rispetto ai 18 miliardi di dollari dell’anno precedente.
Tuttavia, i tassi di fallimento del CRM rimangono elevati. Un rapporto del 2014 di C5 Insight ha rilevato che oltre il 30% di tutte le implementazioni CRM falliscono e che le seconde e terze implementazioni CRM nelle stesse aziende avevano tassi di fallimento solo leggermente inferiori. E questo è 20 anni di “rivoluzione”!
Vediamo che i Big Data seguono un percorso simile, facendo grandi promesse sull’impatto sui clienti e sulla creazione di valore basate su grandi investimenti in tecnologia e competenza. In un recente rapporto, Gartner ha previsto che “entro il 2017, il 60% dei progetti Big Data non riuscirà ad andare oltre la fase pilota e la sperimentazione e sarà abbandonato”. Perché la storia si ripete? Non è per mancanza di interesse, impegno o investimento. Riflette invece la difficoltà di generare valore dai dati esistenti sui clienti, sulle operazioni e sui servizi, per non parlare delle risme di dati non strutturati, interni ed esterni generati da social media, dispositivi mobili e attività online.
Le aziende sono sotto una pressione crescente per sfruttare i Big Data e l’analisi avanzata. I clienti chiedono di più alle organizzazioni con cui intrattengono rapporti commerciali. La concorrenza si sta intensificando, soprattutto nei settori maturi come i servizi finanziari, la vendita al dettaglio, le telecomunicazioni e i media. Le aziende basate sui dati continuano a sconvolgere lo status quo. I rivoluzionari vecchi e nuovi, tra cui Progressive, Capital One, Amazon, Google, Uber e Zappos, solo per citarne alcuni, hanno creato modelli di business basati sui dati che applicano insight approfonditi per fornire prodotti e servizi su misura che vincono sul mercato.
I principali utilizzatori di Big Data fissano standard elevati per il successo. Hanno assemblato vaste riserve di talento analitico e creato processi che consentono alle loro organizzazioni di raccogliere informazioni utili dall'analisi avanzata.
La compagnia di assicurazioni automobilistiche statunitense Progressive, ad esempio, utilizza dispositivi plug-in per monitorare il comportamento dei conducenti. Progressive estrae i dati per micro-targetizzare la propria base di clienti e determinare i prezzi premium. Capital One, una società americana di servizi finanziari, fa molto affidamento sull'analisi avanzata dei dati per modellare i suoi programmi di punteggio e fidelizzazione del rischio cliente. A tal fine, Capital One sfrutta molteplici tipi di dati dei clienti, comprese analisi avanzate di testo e voce. Nel frattempo, il colosso statunitense della vendita al dettaglio Amazon estrae intensamente i dati dei clienti per creare esperienze di acquisto online personalizzate. Amazon utilizza la cronologia degli acquisti e i flussi di clic per creare un sofisticato motore di consigli che presenta su pagine Web personalizzate. Sul fronte logistico, Amazon è stata anche leader nell’applicazione dell’analisi dei dati per ottimizzare la distribuzione dell’inventario e ridurre i tempi di spedizione.
I principali utilizzatori di Big Data fissano standard elevati per il successo. Hanno assemblato vaste riserve di talento analitico e creato processi che consentono alle loro organizzazioni di raccogliere informazioni utili dall'analisi avanzata. Hanno costruito piattaforme tecnologiche che forniscono dati e approfondimenti tempestivi quando e dove sono necessari all'interno dell'organizzazione. Molti hanno anche creato culture di innovazione continua basate su rigorose metodologie “test and learn”.
Tre promesse e pericoli dei Big Data
Quindi, come può la vostra azienda trarre profitto dai Big Data? Il primo passo è imparare a distinguere il potenziale reale dalle affermazioni stravaganti. Gran parte dell’attuale campagna pubblicitaria si basa su tre promesse errate: la prima è che la tecnologia Big Data identificherà da sola le opportunità di business. Il secondo è che la raccolta di più dati genererà automaticamente più valore. Il terzo è che i data scientist esperti possono aiutare qualsiasi azienda a trarre profitto dai Big Data, indipendentemente da come è organizzata l’azienda.
Di seguito identifichiamo i pericoli associati a ciascuna di queste tre promesse e presentiamo esempi di aziende che le hanno superate nel percorso verso la creazione di valore reale dall'analisi avanzata dei clienti.
Promessa: la tecnologia identificherà da sola le opportunità di business.
Pericolo: ritorno sull’investimento limitato nonostante le grandi spese di denaro e tempo.
Le implementazioni tecnologiche fallite spesso iniziano con il presupposto che il nuovo brillante strumento genererà valore da solo. Le aziende che sfruttano con successo la potenza delle soluzioni Big Data tendono a iniziare applicando analisi avanzate per risolvere un numero limitato di problemi aziendali di alto valore con dati interni prima di investire in tecnologia. Nel processo imparano come implementare soluzioni a livello organizzativo. Inoltre, acquisiscono informazioni sulle sfide operative e comprendono i limiti dei loro dati e della loro tecnologia. Possono quindi definire i requisiti per la loro soluzione tecnologica Big Data in base alla comprensione delle loro reali esigenze.
Ad esempio, una grande compagnia assicurativa ha recentemente concentrato il suo programma di analisi dei dati sulle frodi. L'azienda stava registrando un picco di richieste fraudolente e stava sostenendo costi significativi per indagare su tali richieste. Il programma mirava a ridurre i comportamenti fraudolenti a costi inferiori. A tal fine, l’azienda ha creato un algoritmo di text mining che ha generato punteggi di propensione alle frodi. Questo algoritmo ha aiutato l'azienda a ottenere un aumento del 20% nel numero di punteggi fraudolenti rilevati. Il risultato è stato un minor numero di casi sotto indagine e un risparmio di circa 30 milioni di dollari. Dopo aver dimostrato il valore dell'analisi avanzata, l'azienda sta ora aumentando i propri investimenti in tecnologia e capacità.