Le aziende, qualunque sia il settore nel quale operano, hanno ormai raggiunto la piena consapevolezza non solo del fatto che i dati rappresentano la loro vera ricchezza, ma anche che nei loro asset si trovano grandi quantità di dati inutilizzati, sottoutilizzati o comunque mal gestiti.
Un patrimonio dal quale possono nascere nuove opportunità di business, che ha dunque bisogno di esprimere il proprio potenziale e il proprio valore.
Si parla di data monetization, perché è proprio dalla capacità di trasformare i dati in valore che le aziende possono crescere. (Leggi Come fare business con la Data Monetization in vari settori).
Cosa è la data monetization
La data monetization è il processo attraverso il quale le organizzazioni aziendali prendono i dati in loro possesso e quelli generati dalle interazioni con i loro clienti, con i loro partner commerciali e con l’intero loro ecosistema con l’obiettivo di generare business vendendo le informazioni derivanti dai dati.
Le condizioni al contorno ci sono tutte: i dati ci sono, naturalmente, così come lo storage, con nuove capacità a costi più sostenibili rispetto al passato, cui si aggiungono strumenti di analytics, di business intelligence, di marketing.
Quello che serve è una chiara strategia di azione, sulla base di obiettivi precisi indirizzati sia all’interno dell’ecosistema aziendale, sia verso l’esterno.
Ad esempio, data monetization può significare utilizzare i dati migliorando i processi aziendali, con recuperi in termini di efficienza e di controllo dei costi.
Oppure, Data monetization può significare utilizzare i dati e le informazioni di cui si dispone per sviluppare nuovi prodotti e servizi.
Oppure ancora, data monetization può letteralmente tradursi nella vendita di informazioni ad altri mercati.
È per questo che quando si parla di Big Data o di Data Science si fa riferimento a monetizzazioni dirette e indirette.
Sono monetizzazioni dirette quelle derivanti dalla vendita di dati sia in modalità “raw”, cruda, vale a dire senza alcun trattamento, sia in modalità “trattata”, ovvero già trasformati in informazioni e conoscenza.
Si parla di monetizzazione indiretta riferendosi invece allo sfruttamento economico dei dati per altre attività.
Data Monetization nelle Telco
La nuova attenzione al dato è trasversale tra tutti i mercati e tutti i comparti del mondo delle imprese e dei servizi.
Pensiamo ad esempio al mondo delle Telco.
Gli operatori telefonici raccolgono grandi quantità di dati su base quotidiana, dati che spesso vengono utilizzati esclusivamente per gli scopi specifici per i quali vengono raccolti, ad esempio per la tariffazione o per le attività di manutenzione sulla rete.
In molti si stanno rendendo conto, tuttavia, che disporre di informazioni in merito all’orario delle chiamate, alla loro durata, alla loro destinazione, così come di dati relativi alla qualità delle chiamata o dei disturbi sulla rete può aprire un orizzonte di nuove possibilità.
Incrociare, ad esempio, i dati relativi al cliente con quelli relativi alla rete può essere utile per migliorare i livelli di servizio e dunque i tassi di retention del cliente stesse, così come può mettere in luce opportunità di upsell per aumentarne il valore.
Se invece guardiamo alla data monetization diretta, gli stessi dati, opportunamente anonimizzati e dunque ridotti a cluster di aggregazione per età, sesso, posizione, possono essere rivenduti ad altri operatori, per lo sviluppo di nuovi servizi, magari basati sulla localizzazione.
Data Monetization nel Finance
Anche il mondo del banking e del finance è un settore particolarmente data – intensive. Tutti i fornitori di servizi di pagamento hanno un vero tesoro di dati a loro disposizione: possono farne uso per ottenere insight preziosi sui comportamenti di acquisto e una maggiore comprensione dei macro trend emergenti.
Sono dati provenienti dalle attività interne, che possono essere incrociati con ulteriori informazioni provenienti da fonti esterne, come i social media, o da altri dataset, in particolare quelli geo-economici.
La data monetizzazione interna si traduce di nuovo nella capacità di erogare nuovi servizi ma anche di proteggere i servizi esistenti con strumenti antifrode, basati proprio sull’analisi comportamentale degli utenti e supportati da tecniche di machine learning e cognitive services.
Gli stessi insight, di nuovo opportunamente anonimizzati, possono essere ceduti ai merchant, per il miglioramento delle loro operation e per l’integrazione di nuovi servizi.
Data Monetization nel Manufacturing
Dati, dati, dati sono al cuore di tutti i percorsi di trasformazione digitale verso l’Industria 4.0.
Questo significa che anche le aziende del manifatturiero possono oggi sviluppare nuove strategie basandosi sui dati raccolti dai dispositivi IoT all’interno delle linee di produzione e lungo l’intera supply chain e integrandoli con tutti gli altri dati, strutturati e non strutturati provenienti da molteplici fonti.
La possibilità di accedere in tempo quasi reale a tutti questi dati si traduce nella capacità di prendere decisioni operative più efficaci o di sviluppare nuovi servizi – la manutenzione predittiva è l’esempio classico di riferimento per il manifatturiero – guadagnando competitività e contenendo i costi.
In questi casi, va detto, la data monetization non si traduce in un incremento del fatturato, ma in un incremento del ROI a fronte di un parallelo decremento degli investimenti.
Le aree focus per il mondo del manifatturiero guardano alla supply chain, alle analisi predittive, alla riduzione degli scarti e degli errori di produzione.
Data Monetization nel Retail
Il mondo del retail, per concludere, è probabilmente quello che per primo ha capito quale miniera nascondessero i dati raccolti ogni giorno lungo tutte le tappe di un viaggio ormai multicanale dei loro clienti.
I dati servono per meglio comprendere e conoscere i propri clienti, le loro abitudini, le loro preferenze, ma, anche in questo caso, esiste un potenziale non sfruttato, che emerge proprio nel momento in cui si pensa ai dati in un’ottica di monetizzazione.
I dati possono essere venduti – non ripeteremo mai abbastanza la necessità di una loro anonimizzazione – ai fornitori, per aiutarli a comprendere i livelli di gradimento dei loro prodotti e a mettere in atto le corrette strategie promozionali.
Gli insight sono indispensabili anche per l’ottimizzazione delle operation interne, con l’obiettivo di migliorare la shopping experience dei clienti e mettere in atto quelle azioni che possono condurre al cross-selling, all’up-selling o a una ulteriore e più definita profilazione del cliente stesso.
Le infrastrutture IBM al servizio dei dati
Come abbiamo avuto in altre occasioni modo di sottolineare, anche il mondo dei Big Data non può svilupparsi senza infrastrutture adeguate che lo sostengano.
I dati, strutturati, non strutturati, nativamente digitali o digitalizzati, immagini, file, audio, video, social-post, documenti, sono tra gli asset – se non l’asset – principali delle imprese che hanno intrapreso il percorso di Digital Transformation. I dati, accessibili 24×7 x 365 giorni all’anno, richiedono scalabilità, affidabilità, flessibilità e sicurezza.
Servono infrastrutture server e storage in grado di abilitare ed accelerare processi basati sui dati, su grandi moli di dati, evitando la creazione di colli di bottiglia letali per l’innovazione di business. In quest’ottica, la chiave di volta è data dai nuovi sistemi iper-performanti pensati appositamente per l’High Performance Computing (HPC) o quelle che ormai prendono il nome di High Performance Analytics (HPA), infrastrutture ingegnerizzate specificatamente per reggere i nuovi carici dei Big Data Analytics e delle applicazioni di Intelligenza Artificiale (ne sono un concreto esempio i nuovi server Power Systems di IBM – che integrano il nuovo processore POWER9 – creati specificamente per workload computazionali complessi di Artificial Intelligence).
Il binomio IBM-Mauden per le nuove infrastrutture critiche
Gestire le infrastrutture critiche per la nuova era del Dato richiede non solo tecnologie, ma anche competenze specifiche, in grado di sviluppare soluzioni che garantiscano la continuità operativa, le analytics in tempo reale e che tutelino l’integrità dei dati, così come richiedono le normative.
Mauden, Business Partner Platinum di IBM, nei suoi 30 anni di storia ha sviluppato queste competenze e le mette al servizio dei suoi clienti.
Vuoi saperne di più sulla Data Monetization? Scarica subito il white paper gratuito Come Fare New Business con la Data Monetization
Vieni a leggere le storie e i percorsi di innovazione di Mauden
