Per analizzare i big data non esiste un unico approccio, ma più processi, a partire dalla prescriptive analytics. Ecco cos’è e come funziona l’analisi prescrittiva.
Si tratta di una tipologia di big data Analytics che aiuta le aziende a essere più competitive, a offrire il prodotto giusto quando davvero serve. In generale la prescriptive analytics migliora l’esperienza complessiva del cliente.
Grazie a intelligenza artificiale (AI) e machine learning e deep learning, è possibile superare tecniche di analisi dei dati basate su classici report e dashboard, per spalancare una porta nel futuro.
Definizione di prescriptive analytics o analisi prescrittiva
La prescriptive analytics è una delle tecniche di analisi dei big data per estrarre valore dai dati, mitigare i rischi e ottimizzare il processo decisionale. Non bisogna più ottenere vantaggi studiando reporting tradizionali. Sono i vantaggi ad arrivare sulla scrivania dei manager, tramite azioni ovvero notifiche push come checklist, messaggistica eccetera.
L’analisi prescrittiva dei big data serve ad aiutare aziende e organizzazioni a capire come possono agire per fare in modo che accada ciò che hanno deciso, attraverso graph analysis, complesse elaborazioni degli eventi, reti neurali, motori di raccomandazione, euristica e machine learning.
Infatti l’analisi dei big data deve servire ai decision maker aziendali a prendere le decisioni corrette in base ai dati ovvero a criteri oggettivi, per sapere:
- cosa avverrà;
- perché succederà.
E quindi suggerire implementazioni e intraprendere azioni in base alla predizione effettuata, per esempio, per fornire il prodotto giusto nel momento giusto e dunque per far avverare le decisioni.
L’analisi descrittiva, predittiva e la prescriptive analytics non sono tecniche isolate, ma contribuiscono insieme a realizzare una customer experience evoluta.
Prescriptive analytics come funziona
Secondo Forrester, l’analisi prescrittiva sfrutta ipotesi, trial, modelli, simulazioni, analisi matematica e statistica, per perfezionare il processo decisionale, raccomandando cosa fare e incitando all’azione.
I manager ricevono suggerimenti automatizzati per prendere decisioni e scegliere quali azioni svolgere per ottenere risultati certi, decidendo cosa fare perché succeda un evento.
Ecco come funziona la prescriptive analytics:
- utilizza la capacità di auto-apprendimento dei sistemi;
- automatizza le azioni da compiere;
- suggerisce cosa fare agli utenti finali;
- prescrive azioni o linee di condotta a supporto del processo decisionale;
- fornisce raccomandazioni per trovare soluzioni a problematiche, superare difficoltà, approfittare di occasioni positive, cogliendo nuove opportunità eccetera.
Per esempio, nel monitoraggio dei big data in Industria 4.0, l’analisi prescrittiva funziona così:
- analizza i grandi volumi di dati che provengono dai sensori e dai dispositivi IoT;
- avvia la big data analytics di queste grandi moli di dati;
- sfrutta gli automatismi esistenti;
- grazie agli automatismi, avvia misure correttive in base ad alert ricevuti e/o richieste di azioni da compiere in real-time.
Esempi di analisi prescrittiva
La prescriptive analytics trova impiego nel marketing, nella cybersecurity, nella finanza, nell’eCommerce, nell’intrattenimento, nell’istruzione (corsi di e-learning), nella sanità digitale e molti altri ambiti applicativi, dove sfruttare dati demografici e di consumo permette di progettare strategie e così di velocizzare e ottimizzare il processo decisionale. Inoltre serve a monitorare il comportamento dei clienti e i feedback degli utenti per capire cosa non funziona in un prodotto o nei servizi avanzati.
Industria 4.0
L’analisi prescrittiva viene utilizzata nell’ambito dello smart manufacturing per monitorare i big data che provengono dai dispositivi Internet of Things (IoT) da sottoporre a big data analytics, per ricorrere a eventuali automatismi e adottare misure correttive in caso di alert e richieste di intervento in tempo reale.
Logistica
Nella Logistica la prescriptive analytics permette di gestire una supply chain e decidere se avviare una manutenzione predittiva.
In ambito produttivo, agevola la possibilità di analizzare tendenze di mercato e realizzare i prodotti giusti per i consumatori e perfezionarli nel tempo.
Servizi
Nei servizi aiuta a stabilire il costo di beni come il prezzo dei biglietti aerei, in base a parametri come la disponibilità residua, la domanda di mercato, le condizioni meteo, i prezzi del combustibile e l’andamento delle materie prime.
Marketing
Nel marketing la prescriptive analytics consente la simulazione di scenari di mercato e nella valutazione dei rischi e degli effetti di azioni, allo scopo di massimizzare il risultato di una campagna pubblicitaria da rendere più performante.
eCommerce
Nell’eCommerce permette di migliorare la navigazione dei clienti, analizzarne il comportamento, prevedere tendenze di mercato ed elaborare offerte più accattivanti.
Finanza
In questo ambito, aiuta a elaborare previsioni di tendenze e rischi, compresa la scoperta di frodi finanziarie.
Sicurezza informatica
In ambito cybersecurity, aiuta a identificare un rischio o valutare un cyber attacco, fotografare cyber-minacce ed esposizione di dati, controllare e prevedere scenari, per gestire il rischio in un dato contesto nel modo più efficace.
Intrattenimento
Nell’entertainment, permette di offrire spettacoli in base alle tendenze e all’analisi del comportamento degli spettatori.
Sanità digitale
Nella sanità, consente di analizzare l’anamnesi e la storia clinica di un paziente e prevedere eventuali future patologie.
Education
Nella formazione, e in particolare nell’eLearning, per offrire esperienze in sintonia con le necessità di istruzione da parte degli studenti.
Differenza tra analisi prescrittiva e analisi predittiva
La differenza fra analisi prescrittiva e analisi predittiva è che la prima dice cosa è probabile che accada, invece nella seconda si deduce la motivazione, da cui derivano quindi i suggerimenti utili e le azione raccomandate per rendere efficaci le decisioni e generare i risultati previsti.
Le tipologie di analisi dei big data, che si suddividono in metodi quantitativi e qualitativi, sono tre:
- analisi descrittiva (eventi del passato);
- predittiva (previsione del futuro);
- prescrittiva.
L’analisi predittiva risponde alla domanda su cosa accadrà, sulla base dei dati e delle stime in merito alla probabilità di una previsione futura. Le istituzioni finanziarie, per esempio, sfruttano l’analisi predittiva per generare il punteggio di credito e dunque stabilire la probabilità che i clienti siano puntuali nei pagamenti futuri.
Invece l’analisi prescrittiva è un campo più recente dell’analisi quantitativa dei big data, che risponde alla domanda su cosa avverrà e perché succederà, “prescrivendo” agli utenti un ventaglio di azioni con cui orientare l’attività e indirizzarla verso una possibile soluzione.
Il cuore dell’analisi prescrittiva è la consulenza. Quantifica l’impatto delle deliberazioni future per suggerire gli effetti delle decisioni, prima dell’adozione definitiva delle implementazioni.
Mercato big data analytics in Italia
Secondo l’Osservatorio Big Data analytics & Business Intelligence della School Management del Politecnico di Milano, in Italia, il mercato dei big data Analytics è in crescita da anni, anche se nel 2021 solo il 27% delle aziende rientra nella categoria “data science driven”.
Il mercato big data analytics totalizzato 1,393 miliardi di euro nel 2018, saliti nel 2021 a 2 miliardi di euro (+13% rispetto all’anno precedente).
Tutte le grandi organizzazioni adottano già tecniche di analisi descrittiva, ma sempre più imprese da anni si stanno spostando sull’analisi predittiva e prescrittiva.
