Le aziende italiane iniziano a vedere i limiti dell’approccio data driven. I big data sono fuori portata della maggior parte delle aziende e molto spesso sono solo una mole di informazioni fuori contesto rispetto alla propria realtà. Un nuovo approccio insight-drive sta però prendendo piede e creando risultati veri, andando oltre il data driven con dati di prima parte che non richiedono ingegneri per gestirli, sono già in contesto e provengono direttamente dall’interazione tra azienda e consumatore.
Troppi dati ancora non utilizzati
Mentre le organizzazioni continuano a raccogliere, archiviare e analizzare i dati, il loro reale potenziale rimane in gran parte non sfruttato. Forrester ha scoperto che tra il 60 e il 73% di tutti i dati aziendali non viene mai analizzato. Solo il 21% della forza lavoro globale è pienamente fiducioso nelle proprie capacità di alfabetizzazione dei dati, ovvero le proprie capacità di leggere, comprendere, interrogare e lavorare con i dati. C’è una grande differenza tra avere i dati ed estrarre informazioni rilevanti per il proprio business, molto spesso i dati aggiungono solo confusione e le informazioni di valore restano intrappolate all’interno di terabyte di materiale digitale. La realtà è che la forza lavoro italiana è sprovvista di competenze inerenti al mondo dei dati (statistica, data analysis, programmazione, AI) e i pochi ad avere un tale livello di specializzazione preferiscono lavorare in realtà molto strutturate dove i loro sforzi vengono glorificati. Da non dimenticare poi l’enorme gap delle poche aziende che invece hanno accesso a questo tipo di competenze tecniche: per quanto gli esperti del dato possano essere in gamba nel loro lavoro devono poter interloquire ed essere guidati da una leadership che è molto distante dal comprendere questo mondo in continua evoluzione. Il rischio è ovviamente quello di portare avanti progetti complessi tecnicamente ma con scarso impatto economico fino a disilludere la leadership sul potenziale di queste attività.
Forse la radice di questo problema, oltre alla carenza della data literacy sopra citata, è proprio nell’approccio verso l’uso del dato e dell’informazione. Per anni ci siamo interrogati su come i big data possano avere un impatto sul nostro business. I big data sono ovunque e la loro diffusione nella società odierna è esponenziale, il problema è che le aziende italiane non sono pronte ai big data. Prima di tutto non sono pronte per una questione di IT: per poter gestire una tale mole di dati è necessario avere sistemi IT come data lake e data warehouse in grado di gestire velocità, quantità e varietà della mole di dati. In secondo luogo, direttamente collegato al problema dell’IT si collega il problema della data literacy e dei talenti sopra menzionati. Per poter gestire e ricavare informazioni da dati grezzi (spesso non strutturati ed esterni all’azienda) sono necessari professionisti molto ricercati come data engineer, data scientist e data analyst. Per le aziende che ancora credono nel data driven è arrivato il momento di cambiare approccio, di pensare prima alla strategia di business e poi alla soluzione data driven più efficiente secondo un rapporto di costi/benefici. In linea di massima conviene sempre cercare una soluzione alla propria domanda di business partendo dai dati interni e strutturati, poi a quelli interni e non strutturati, a quelli esterni e strutturati e solo alla fine a quelli esterni e non strutturati (i cosiddetti big data).
Thick Data, dati di prossimità
I dati possono essere uno strumento straordinario che aiuta a raccogliere nuove informazioni sul nostro comportamento e sulle nostre preferenze. Quello che non può spiegare è perché facciamo quello che facciamo. Oltre alla complessità di gestione le aziende che si affidano troppo ai numeri, ai grafici e ai big data, infatti, rischiano di isolarsi dalla realtà qualitativa della vita quotidiana dei propri clienti. Le aziende di successo lavorano per comprendere il contesto emotivo, anche viscerale, in cui le persone incontrano il loro prodotto o servizio e sono in grado di adattarsi quando le circostanze cambiano. Sono in grado di utilizzare ciò che oggi chiamiamo Thick Data. I Thick Data sono dati di prossimità già in contesto che vengono raccolti direttamente nell’interazione tra consumatore e azienda. Non hanno bisogno di strutture IT importanti e di ingegneri per poterli gestire: molto spesso sono il frutto di sondaggi, social messaging ed interviste. Sono dati interni che possono essere raccolti su scala grazie ad AI conversazionale e una customer data platform in grado di raccoglierli e valorizzarli in tempo reale. Non hanno bisogno di interazioni multiple tra IT, analisti e leadership: per definizione sono dati già in contesto che puntano direttamente alla radice del problema.
L’esempio di un’azienda di tecnologia medica danese
Un buon esempio per dimostrare l’ambiguità dei big data e il valore dei dati di prossimità è proprio il caso Coloplast, un’azienda di tecnologia medica con sede in Danimarca. Leader mondiale nel mercato di nicchia delle sacche per stomia dopo la chirurgia del colon, Coloplast ha scoperto che i suoi prodotti stavano perdendo quote di mercato rispetto alla concorrenza a causa di ‘perdite’ e usura delle proprie sacche. Seguendo analisi di mercato e ricerche esterne, il presupposto generale in tutto il settore era di migliorare gli adesivi perché sono la diretta conseguenza delle perdite. Per anni, gli ingegneri di Coloplast avevano apportato miglioramenti ai loro adesivi e non c’era modo di spiegare il recente calo di vendite. Per avere un’idea migliore di ciò che l’azienda avrebbe potuto fare per fornire un prodotto superiore, hanno deciso di cambiare approccio sul come ricevere feedback sui propri prodotti.
Nel corso di diversi mesi, l’azienda si è impegnata a estrarre e analizzare dati qualitativi sui loro clienti. Mentre i dirigenti di Coloplast si facevano strada attraverso video, foto e dati di prima parte, potevano osservare la reale situazione dei pazienti. Ciò che è emerso infine è che l’adesivo non era il problema. Piuttosto, ciò che ha causato le perdite è stato il cambio di peso dei pazienti dopo l’intervento chirurgico o lo sviluppo di tessuto cicatriziale che rendeva difficile mantenere in posizione corretta le sacche. Coloplast ha utilizzato questa intuizione per creare tre diverse categorie di prodotti per i tipi di corporatura. Questo non solo ha aiutato a fermare il problema delle perdite, ma ha fornito all’azienda una chiara prospettiva e una direzione per l’innovazione futura.
Immagine Coloplast
Conclusioni
Ed è proprio questa la direzione che le aziende italiane dovrebbero adottare per sfruttare a pieno il potere del data driven o meglio dell’insight-driven. Molto spesso non è nemmeno necessario condurre ricerche di mercato con video, foto e interviste. In un mondo dominato dal social messaging e dal feedback veloce, dare la possibilità al consumatore di fare domande e risposte in tempo reale è un vantaggio importante per avvicinarsi veramente ai suoi bisogni senza dover assumere un team di ingegneri e spendere cifre importanti per estrarre informazioni da una mole di dati spesso di dubbio valore e contesto per il proprio business. Ed è quindi la profondità e il contesto del dato a creare valore, non tanto velocità e mole che, anzi, crea complessità e spesso ci porta sulla strada sbagliata.
