La rivoluzione dei dati coinvolge ogni settore, non ci sono organizzazioni, imprese, Pubbliche Amministrazioni o Istituzioni che non si trovino oggi o non si troveranno domani nella condizione di “estrarre valore” dai dati che stanno producendo. Ma il vantaggio competitivo oggi, per molte imprese, sta nella capacità di adottare e indirizzare da subito una vera strategia guidata dal valore dei dati: di diventare, cioè, delle data driven company che pongono al centro del proprio sviluppo il valore dei dati.
Ne abbiamo parlato con Fabrizio Milano d’Aragona, co-founder e partner di 3rdPLACE che proprio sulla centralità dei dati e della conoscenza ha costruito il proprio percorso professionale e imprenditoriale.
«I dati digitali sono letteralmente esplosi. Per tutte le realtà, le organizzazioni, le imprese con l’introduzione di soluzioni Internet of Things, con il Mobile e i social media sono aumentati i touch point e sono aumentati i flussi di dati, ed è cresciuta la necessità di prestare “ascolto” e di conoscere». Ma i dati da soli sono un valore potenziale. La capacità di incidere sul business e in valore può «avvenire solo se si ha la capacità di trasformare i dati in conoscenza e se si cala questa conoscenza sulla realtà delle imprese, ovvero se si passa dal concetto di Big Data a quello di Smart Data».
Prima di iniziare la conversazione con Fabrizio Milano d’Aragona ricordiamo che 3rdPLACE ha sviluppato uno specifico posizionamento nell’ambito Big Data che parte dal concetto di Smart Data e dal patrimonio di competenze e partnership sviluppate. La società è costituita da ex Top Manager di Google, ed è focalizzata su soluzioni e servizi di intelligence applicata ai dati digitali e di sviluppo di strategie data driven. In particolare, la struttura dei servizi offerti si sviluppa su diversi livelli, ma sempre con un fortissimo focus sulle competenze. In qualità di reseller autorizzato Google Analytics 360 Suite, 3rdPLACE supporta i clienti nell’attività di assessment degli ambienti di data collection offrendo servizi in termini di impostazione dei tool e di strategia di raccolta e analisi dati in funzione di kpi definiti con il cliente. L’Internal Data Intelligence è un altro ambito di azione e 3rdPLACE fornisce supporto ai clienti per strutturare i dati provenienti da diverse fonti (Google Analytics, Facebook Insights, Apple iTunes Connect, CRM, ma il numero delle fonti cresce anche con la diffusione ad esempio dell’Internet of Things o di fenomeni come l’Industry 4.0 ecc). 3rdPLACE fornisce supporto e competenze a livello di struttura dei dati e soprattutto nella capacità di contestualizzarli rispetto alle logiche di business dell’azienda e nella definizione dei kpi più vicini alla logica dell’impresa stessa. L’altro grande ambito di 3rdPLACE attiene all’area degli External Data Intelligence. Su questo versante 3rdPLACE è attiva con studi di benchmark, con l’analisi dei trend e delle fonti finalizzate alla realizzazione di insight di business, come possono essere le analisi di contesto per il lancio di nuovi prodotti e le attività di sviluppo per le vendite di servizi e prodotti su nuovi target.
Partiamo dall’approccio. I numeri del recente Osservatorio Big Data del Politecnico di Milano testimoniano un mercato in ottima salute. Le aziende ci credono e stanno investendo in Big Data e Data Science. Come leggete questo fenomeno?
Intanto voglio dire che mi è molto piaciuto il titolo scelto dall’Osservatorio (“Big Data is now: tomorrow is too late” n.d.r.). Effettivamente è importante sensibilizzare le aziende sul tema dei Big Data, perché non sono più una prospettiva del futuro, ma sono “adesso”. Nello stesso tempo il titolo trasferisce anche un senso di urgenza considerando che il mercato si sta muovendo e se si creano tante nuove opportunità ci sono anche nuovi concorrenti in movimento.
Quali sono i driver dal vostro punto di osservazione?
Dopo una fase guidata fondamentalmente dalla tecnologia stiamo passando a una fase più “pragmatica”, guidata dal business. Vediamo un forte orientamento all’utilizzo dei Big Data per le vendite e per il marketing in particolare. Le imprese hanno capito il valore che possono cogliere grazie alla conoscenza e le line of business che più possono sfruttare questo potenziale di conoscenza e si stanno muovendo rapidamente in questa direzione. La conoscenza dei comportamenti dei clienti o dei potenziali clienti rappresenta un asset importantissimo di sviluppo di progetti di Big Data.
Quali sono i mercati di riferimento oggi per 3rdPLACE?
Il nostro ambito non è strettamente legato alle “Industry”, piuttosto ci muoviamo in un ambito costituito da quelle aziende che hanno già interiorizzato il concetto del valore dei dati per il business e vogliono pragmaticamente muoversi in questa direzione con un partner che sappia raggiungere gli obiettivi stabiliti. Per questo lavoriamo con imprese e organizzazioni attive in settori anche molto diversi: Finance, Retail, eCommerce, ma anche imprese del Manifatturiero che hanno sposato progetti Industria 4.0 e che hanno avvertito l’esigenza di indirizzare progetti di business basati sui dati.
Dal punto di vista delle dimensioni rileviamo che le imprese più piccole sono oggi orientate alla sperimentazione e dopo una prima fase iniziale che ha privilegiato l’approccio tecnologico stanno a loro volta guardando e orientando i progetti verso il business.
Fermiamoci sul manifatturiero e sul fenomeno Industry 4.0, come si stanno muovendo le imprese, dal vostro punto di vista, per sostenere la Digital Transformation in fabbrica?
L’Industria 4.0 è certamente un tema molto caldo, così come l’evoluzione verso l’Impresa 4.0, che ha attivato tanti nuovi touch point anche nell’ambito della produzione, degli stabilimenti, della manifattura e della logistica. Tanti dati che, anche qui, diventano valore solo se si trasformano in conoscenza.
In Italia il fenomeno è forse oggi ancora limitato ad alcune eccellenze, ma è certamente partito anche se nello specifico c’è ancora un grande lavoro per capire come estrarre valore da questi dati.
Altri settori come appunto il Retail, il Banking, il Finance sono abituati a gestire grandissime transazioni e abituati a lavorare con grandi quantità di dati hanno vissuto il rapporto con i Big Data in modo più “naturale” rispetto alle fabbriche.
Come si può favorire il rapporto tra Big Data e Industria 4.0?
Nella spinta per cercare di favorire il passaggio da una grande capacità di analisi concentrata prevalentemente sui dati interni a una capacità di analisi integrata e globale in grado di guardare sia ai dati interni sia ai dati esterni, di ecosistema integratoto: con fornitori, clienti, partner.
Ma vediamo più in dettaglio l’approccio 3rdPLACE?
Il nostro approccio è molto concreto, siamo convinti che sia molto importante partire dal business e siamo ancora più convinti che sia fondamentale portare rapidamente risultati al business. Questo approccio permette di coinvolgere direttamente le funzioni interessate all’output finale, con specifici obiettivi collegati ad esempio alle vendite, al lancio di prodotti e allo sviluppo delle attività.
In concreto come si sviluppa il vostro metodo?
Possiamo identificare tre diverse fasi. Si inizia con la data collection e la analisi delle fonti, con attività di tracciamento che siano in grado di garantire l’affidabilità e la veridicità dei dati, che sono uno dei presupposti della data quality. Si procede poi con l’analisi delle informazioni, dunque con la trasformazione dei dati in informazioni attraverso l’applicazione di modelli su misura. Il terzo passaggio è rappresentato dalle azioni di business e in questa fase ogni informazione viene finalizzata ad azioni necessarie per il raggiungimento di obiettivi prefissati.
Una componente importante del metodo è poi rappresentata dallo sviluppo delle competenze e 3rdPLACE svolge una intensa attività di training, di consulenza su una serie di ambiti come Google Analytics, ottimizzazione SEO/DAO, miglioramento dell’usabilità indirizzata al conversion improvement, o ad ambiti come l’ottimizzazione di campagne advertising.
Come lavorate sui concetti di qualità dei dati e di velocità?
Siamo convinti che sia molto importante lavorare sui tempi veloci, in particolare è molto importante impostare il progetto in modo da garantire un primo output veloce e chiaro. Crediamo che gli Smart Data, ovvero i dati intelligenti che incidono direttamente sulle azioni di business, sono tali se sanno rispondere in modo chiaro e veloce alle esigenze del business.
Da questo punto di vista è importante sviluppare i progetti già con una chiara individuazione dei potenziali kpi e con lo sviluppo di una modalità che avvicina sperimentazione e produzione. In altre parole è importante affidare agli stessi PoC (Proof of Concept) non più solo un ruolo di test, ma anche di raggiungimento di risultati il più vicini possibile al business. Un altro aspetto del metodo è legato al ruolo dell’IT. È ovviamente importante che l’IT sia coinvolta, ma è altrettanto importante che il progetto sappia partire sfruttando al meglio le “configurazioni” esistenti. È importante evitare di correre il rischio di attivare progetti strategici che mettono in discussione strutture consolidate che allungano i tempi e che allontanano il raggiungimento dei risultati.
Uno degli altri aspetti del nostro metodo è proprio quello di dare vita a Data Lake già predisposti sui temi dei Big Data, con kpi ben definiti e attori, nella fattispecie persone direttamente coinvolte sul business, ben chiari. Con queste premesse una volta raggiunte le prime evidenze si lavora per aumentare e raffinare la sofisticazione a livello di output e per avvicinare sempre di più il lavoro sui dati al lavoro sul business.
Un lavoro importante dunque anche a livello di Data Governance
Certamente e ancora una volta dobbiamo tornare al tema Smart Data. Strutturare un progetto di Big Data finalizzato a produrre risultati in tempi veloci e in grado crescere in sintonia con le competenze aziendali necessita di una Data Governance adeguata. Stiamo parlando di una Governance che permette di avere dati utili e utilizzabili nelle differenti funzioni aziendali. Nelle aziende che hanno sviluppato una chiara consapevolezza di disporre di un crescente numero di touch point e di flussi di dati appare fisiologico e naturale pensare a una Data Governance. In altri casi è necessario favorire e costruire questo passaggio “culturale”.
A sua volta la gestione di progetti Smart Data si accompagna alla gestione di partnership, spesso anche con realtà esterne alle aziende e dunque con tematiche tecnologiche o di gestione dei dati e della privacy che vanno a loro volta ricondotte a una Data Governance in chiave di ecosistema progettuale. In questo senso le complessità sono da individuare nella gestione dei dati esterni, vale a dire in quelle fonti di dati che non sono di proprietà dell’azienda e che vanno dunque trattati sulla base di regole condivise sia per la compliance verso le normative sia per le regole di ingaggio tra le aziende partner.
Come vedete il ruolo del Data Scientist nello sviluppo di progetti Smart Data?
Il Data Scientist è certamente un ruolo molto importante, dal nostro punto di vista riteniamo sia importante che sia espressione delle esigenze che arrivano dalle funzioni di business che più hanno bisogno di portare avanti progetti di sviluppo basati sui dati o progetti di Digital Transformation. È importante che si tratti di figure vicine a top management, all’area vendite, al marketing o all’Ad e nella nostra esperienza abbiamo trovato tante figure con caratteristiche simili, ma con differenti livelli di evoluzione. In particolare, nel nostro metodo di approccio cerchiamo di sviluppare i progetti con l’identificazione e il supporto di una figura che possa svolgere il ruolo di “Trendsetter”, ovvero che sappia interpretare il progetto e il lavoro sui dati e sappia coinvolgere le altre figure aziendali. Il Trendsetter è una figura che è chiamata a svolgere anche un ruolo di condivisione della conoscenza e di testimonianza che il lavoro sui dati non è e non deve essere chiuso in una ristretta cerchia di eletti. È importante evitare il rischio “torre d’avorio” per i progetti Big Data, ovvero tanto che le persone si sentano escluse quanto che i team “Data Science” si allontanino dalla realtà del business e della produzione.
Che caratteristiche hanno queste figure?
Se si deve tracciare un profilo la figura che meglio interpreta questo ruolo è dotata di un background matematico, esprime un’importante capacità di analisi, è in grado di utilizzare gli strumenti di Analytics e conosce bene il linguaggio e i kpi del business. Certamente si tratta di figure ancora rare e per questo, laddove non ci sia una persona capace di interpretare e risolvere tutte queste competenze, nei nostri progetti creiamo connessioni e relazioni tra le figure che hanno specifiche competenze su queste tematiche. Fa poi parte del nostro metodo stimolare e incoraggiare l’evoluzione professionale verso gli Smart Data partendo dal presupposto e dalla convinzione che il Data Scientist deve essere anche e soprattutto curioso e creativo.
