Perché è importante conoscere la Data Monetization? Perché è importante avere ben presente che può contribuire a cambiare le aziende e, ancora, perché è importante sapere che è alla portata di tutte le aziende e che non è riservata solo alle imprese di grandi dimensioni?
Centro Risorse Monetizzazione dei dati
La risposta è nello stesso tempo semplice e articolata: Perché Data Monetization può voler dire conoscere come posizionare meglio un prodotto, un servizio, un’offerta in funzione delle caratteristiche di una data situazione, delle informazioni relative al comportamento dei potenziali clienti, delle esigenze che hanno i consumatori e della domanda che si può creare se si sviluppa un determinata contesto. La risposta è in realtà un percorso di conoscenza e per stimolarlo e supportarlo la nostra testata BigData4Innovation ha realizzato questo Centro Risorse che ha lo scopo di fornire una serie di strumenti per capire le potenzialità di questo approccio ai dati e di aiutare a sviluppare progetti concreti. Con questo servizio vogliamo fornire degli strumenti una serie di indicazioni e di strumenti di analisi delle opportunità della Data Monetization per la vostra azienda e per la vostra organizzazione
White Paper – Fare business con la Data Monetization
Il primo di questi strumenti è rappresentato dal White Paper: Come fare new business con la Data Monetization
La Data Monetization è lo strumento ideale per qualsiasi tipo di azienda che intende presidiare luoghi, eventi e progetti per intercettare meglio i propri potenziali clienti. Le Pubbliche Amministrazione possono a loro volta sfruttare queste potenzialità sia per finalità legate al turismo che alla gestione e l’ottimizzazione dei servizi per il cittadino.
Il white paper, realizzato in collaborazione con Olivetti, spiega cos’è la Data Monetization e in che modo può apportare concreti vantaggi ad aziende e Pubblica Amministrazione con una focalizzazione sui seguenti punti
- Le 4 componenti della Data Monetization
- Come estrarre valore dai dati
- Il V-framework per capire i Big Data
- Le competenze necessarie per la Data Monetization
- Ottimizzare gli investimenti pubblicitari
- Attuare una linea di business dedicata all’approccio data-driven
Webcast: Monetizzazione dei dati: regole e partner giusti per fare business
Webcast: Monetizzazione dei dati: Regole e partner giusti per fare business
Il webcast è realizzato con la partecipazione di
- Luca Flecchia, Manager Data Driven Innovation in P4I – Partner4Innovation
- Mauro Bacchiocchi, Responsabile Mktg&Sales – Data Monetization Solutions in Olivetti
- Con la moderazione di Mauro Bellini, Direttore di BigData4Innovation
Il servizio ha affrontato i seguenti temi sempre più rilevanti per aziende e organizzazioni attente alla loro trasformazione dei dati in valore:
- Cosa vuol dire fare monetizzazione dei dati nelle imprese e nella PA
- Ottimizzare le risorse e ridurre i costi lavorando sui dati
- I nuovi miners della conoscenza: alla ricerca del valore dei dati
- Setacciare i dati alla ricerca dei “pattern” più preziosi
- Nuovi clienti e nuovi servizi con la data monetization
- I vantaggi della base dati Telco: dati al servizio del business
- Negozi, Pubblicità, Manifattura, Eventi, Servizi: tutti possono trarre vantaggio dai dati
- La road map Data Driven: da dove si parte per arrivare al business, quali skill e quali risorse
- Come acquisire conoscenza e valore dall’ascolto dei social media
- Dal passaggio davanti ad una bottega allo studio dei movimenti delle folle nei concerti dei Rolling Stone. Monetizzazione dei dati per tutti i budget
I componenti fondamentali della Data Monetization
Il grande vantaggio della monetizzazione dei dati è nella conoscenza dettagliata della realtà su diversi livelli, sia con una visione generale e sia scendendo in profondità, sezionando il campione analizzato per fare dei carotaggi (per esempio in base alla tipologia di prodotto o servizio, alla posizione geografica, alle preferenze di prezzo) per determinare dei comportamenti e sviluppare prodotti e servizi o proposte di prodotti e servizi il più possibile aderenti a quesi comportamenti.
Ma torniamo alla domanda iniziale: perché dunque un’azienda può far ricorso alle soluzioni di Data Monetization? I consumatori si trovano oggi travolti da un flusso di messaggi che generano un rumore di fondo che non agevola la possibilità di scegliere. Vince in questo contesto chi trasmette il messaggio più preciso che non è necessariamente quello più accattivante ma quello che coglie un’esigenza, la soddisfa nel modo, nel tempo e nel posto giusti.
In particolare, sono quattro gli step attraverso cui si compie il processo di estrazione di valore che permette di partire dal dato grezzo e arrivare a prendere decisioni informate.
1 – Data collection, ovvero dell’acquisizione dei dati, che può avvenire come detto sia attingendo al patrimonio informativo aziendale, sia facendo leva sugli input che arrivano daaltre fonti qualificate. I dati a loro volta possono essere strutturati e non strutturati. La prima categoria è per definizione la più semplice da gestire, sebbene richieda comunque estremo rigore. Per acquisire la seconda tipologia, occorrono strumenti avanzati, in grado cioè di riconoscere attraverso il machine learning le corrispondenze tra le voce contenute in database senza specifiche logiche sottese, e di integrare le informazioni racchiuse in file diversi di diversa natura.
2 – Data integration, ovvero la fase con cui i dati vengono correlati tra loro e arricchiti con elementi di contesto, statistiche, serie storiche che possono rendere più profonda la conoscenza del fenomeno preso in esame.
3 – Data visualization, fondamentale per selezionare attraverso immagini, grafici e modelli di immediata comprensione le informazioni da valorizzare, quelle da approfondire, quelle meno utili ai fini dell’analisi che si intende compiere. E’ di fatto una interfaccia che permette agli addetti ai lavori e ai decisori di business di accedere al patrimonio informativo grazie a una semplificazione grafica che evidenzia trend più rilevanti .
4 – Decisione. La fase decisionale coinvolge le diverse funzioni aziendali, basandosi sull’analisi e sul confronto (data analysis) delle informazioni create lungo il processo.
I settori della data Monetization
La Data Monetization può portare vantaggi specifici in vari settori:
Retail
Ad esempio nel mondo del Retail, anche dei piccoli esercizi commerciali, i dati raccolti a cavallo dei vari canali (Internet, negozio fisico, Mobile) possono rappresentare la customer journey dei clienti, e se opportunamente analizzati possono rappresentare in modo chiaro il comportamento delle specifiche circostanze d’acquisto, possono evidenziare preferenze, abitudini e attitudini, che possono essere premiate attraverso programmi di loyalty o azioni personalizzate. I feedback restituiti dalle analisi si rivelano poi molto utili per migliore l’esperienza di shopping a tutti i livelli. I dati possono dare un supporto fondamentale all’attività commerciale e possono indirizzare le scelte di chi è chiamato a impostare le strategie di vendita.
Finance
Nel settore del Finance, nelle banche ad esempio, i dati generati dalle attività interne e dalle interazioni con i clienti possono essere correlati con gli input che arrivano da fonti esterne, e possono essere incrociati con i dataset che registrano le variabili geo-economiche per produrre approfondimenti utili a creare nuovi servizi o creare o a gestire soluzioni di Risk management con nuovi strumenti antifrode basati sull’analisi comportamentale degli utenti durante le transazioni.
Telecomunicazioni
Nell’ambito delle Telco gli operatori sono attivi con data collection quotidiane su enormi quantità di dati e gli analytics di tutti questi dati possono rivelarsi strategici per migliorare i livelli di servizio e quindi abbattere il rischio di abbandono, mettendo in evidenza potenziali criticità prima ancora che il cliente contatti il centro assistenza. La proattività può essere vista anche in termini di attività di upsell a fronte di un elevato grado di soddisfazione.
Manifatturiero
Nel manifatturiero l’accesso ai dati generati da processi produttivi e macchine abilita la possibilità di gestire con più efficacia gli aspetti operativi ad esempio in termini di ottimizzazione dei consumi energetici e come semplificazione della supply chain creando ad esempio soluzioni per la manutenzione predittiva o per diporre di dati da utilizzare nell’ambito di progetti di servitizzazione in ambito Industria 4.0
