Clive Humby, data scientist e matematico inglese, nell’ormai lontano 2006 coniò lo slogan “I dati sono il nuovo petrolio”.
Così come il petrolio ha permesso lo sviluppo socio-economico mondiale tra il XIX ed il XX secolo, nel XXI secolo sono le connessioni, le tecnologie ed i dati a svolgere questo importante ruolo.
I dati, hanno non solo permesso e promosso il progresso sociale, ma creato nuove opportunità di business, modificato completamente interi settori industriali e sviluppato nuove figure professionali.
Il concetto di Big data, entrato a far parte del nostro vocabolario ormai da una decina d’anni, non è più solo un argomento dibattutissimo e di estremo interesse, ma anche oggetto di studio interdisciplinare in continua evoluzione.
Prima di approfondire perché i dati siano così rilevanti e come è possibile trarne del vero valore, è necessario capirne le caratteristiche ed i cambiamenti che hanno portato sul mercato:
E’ in questo contesto che si è affermata la Data Science, cioè la scienza dei dati, l’insieme di principi metodologici e di tecniche multidisciplinari volta all’estrazione ed interpretazione dei dati. I data scientist, sono coloro che combinano le proprie competenze e conoscenze di statistica, informatica, marketing, micro e macroeconomia, per raccogliere ed analizzare i dati provenienti da varie fonti, come web, smartphone, clienti, gps, sensori, ecc…
In parole semplici, se i big data sono una potenziale miniera di conoscenza, la data science è la cassetta degli attrezzi per estrarne il prezioso valore.
Ma come estrarlo davvero? Quali dati sono necessari per prendere decisioni strategiche, di investimento, di realizzazione di nuovi prodotti?
Per rispondere a queste domande è necessario avere le idee molto chiare su quale è l’argomento di indagine, quali sono i dati da estrapolare, come e da dove estrapolarli, per chi e per quali scopi. Si identificano quindi 3 step per ricavare utili prospettive dai big data:
In questo processo è facile intuire che strumenti di automazione, tecniche analitiche avanzate, machine learning e modelli predittivi, abbinati alle competenze ed alle capacità del data scientist, sono fondamentali non solo per ridurre i costi temporali ed economici di elaborazioni complesse, ma anche il margine di errore rispetto ad un lavoro svolto completamente a mano.
Per le aziende di qualsiasi settore, sta diventando fondamentale avere il supporto dei dati e di figure competenti in grado di leggerli, interpretarli e calarli nei contesti di riferimento, per prendere decisioni strategiche. Qualche esempio del valore strategico che considerazioni basate sui dati possono avere:
Da questi esempi potremmo aprire molti altri spunti di riflessione, come ad esempio elaborare modelli previsionali della domanda, tecniche di valutazione dell’impatto dei prodotti, comprensione dei processi decisionali di acquisto in un contesto omnicanale, predirre il customer lifetime value ed il customer acquisition cost. Il campo di applicazione dei dati, inoltre, non si esaurisce solo parlando di consumatore finale, ma si allarga a tutto ciò che riguarda il mondo del lavoro: come efficientare i processi aziendali e produttivi di un’azienda, come migliorare lo stile di vita dei lavoratori, come e quando prevedere il sistema di incentivi per i manager.
Concludendo i dati potrebbero essere il nuovo petrolio, ma, come il petrolio greggio, i big data devono essere raffinati ed elaborati prima di poter veramente essere una ricchezza!