The Innovation GroupThe management consulting & advisory boutique

Che cosa significa la

rivoluzione dei dati

per le aziende ?

ANALYTICS SUMMIT 2013

Milano, 13 Giugno

Ezio Viola, Co-Founder & General Manager, The Innovation Group

Quanto interessano i Big Data

2

Le caratteristiche di una Data Driven Enterprise

� Capace di trovare, accedere e analizzare le informazioni

provenienti da ogni “sensore” sia interno che esterno

� Capace di “insight e di azione”: precisa e rigorosa nel

prendere le decisioni su fatti e non a sensazioni e “intuito”

� Capace di anticipare e reagire al mercato velocemente:

“event driven”

� Capace di memorizzare e riutilizzare la conoscenza

accumulata

“Companies with data-driven decision making have

productivity level 5-6% higher”

Source: Prof. E. Brynjolfsson MIT Sloan School of Management

3

Che cosa può fare meglio una data driven enterprise?

Fare

Financial

Research

Trovare correlazioni tra

eventi diversi

Ascoltare la voce dei

clienti e predire il

customer churnFare

market

research

Analisi di Trend

attraverso dati e

contentuti

Fare

competitive

intelligence

Prevenire Frodi e

fare investigazioni

su eventi dolosi

Simulare

Performance in processi

aziendali

(logistica, supply Chain)

Segmentazioni e

Customer Insights

Migliorare i servizi

online ai clienti e

aumentare le vendite

Monitorare blogs e news

feeds per analisi delle

opinioni di notorietà di

brand e prodotti

Gestire problemi di

qualità dei prodotti e di

servizio ai clienti

Pubblicare o ricevere

notizie personalizzate e

monetizzarle con adv

molto mirate

Esplorare nuove

aree per fare

innovazione

CRM e multicanalità

analisi

comportmaento clienti

e campagne

Accesso univoco

alle informazioni

In tempo reale

Supportare

meglio i processi

decisionali

Fare

eDiscovery

4

Una data driven enterprise gestisce come asset il

“portafoglio dei dati aziendali”

Unstructured

Data Transactional Data

Semi-

Structured

Data

Scientific Data

Analytical Data

Application

DataUser Data

Audio – Visual

Data

Machine DataThird Party

Data

Manually

Managed Data

EDW Data

Web Data Financial Data SCM / ERP Data Sales Data

5

Forrester: «Firms use effectively 5% of available data»

Gartner: «enterprise data is expected to grow by 650% in the next 5 years»

Business Analytics: dove siamo

Da diversi anni le aziende fanno analisi dei dati?

� Le Sorgenti di dati sono relativamente “piccole”, strutturate,

all’interno dell’azienda

� I Dati sono memorizzati in DW o Data Mart aziendali prima

dell’analisi

� La maggior parte delle analisi è di tipo descrittivo e orientata al

reporting

� La creazione di modelli di analisi era/è un lavoro “Batch” che può

richiedere diverso tempo

� Le analisi quantitative sono fatte da risorse separate dal business

� Poche aziende hanno la visione di poter competere con gli

analytics

6

Cosa c’è di nuovo: i BIG DATA?!

“Big Data is a term applied to data sets whose size is beyond the ability of commonly used software tools to capture, manage, and process the

data within a tolerable elapsed time. Big data sizes are a constantly moving target currently ranging from a few dozen terabytes to many

petabytes of data in a single data set”.

Esempi:

“web logs; RFID; sensor networks; social networks; Internet text and documents; Internet search indexing; call detail records; astronomy,

atmospheric science, genomics, biogeochemical, biological, and other complex and/or interdisciplinary scientific research; militarysurveillance; medical records; photography archives; video archives;

and large scale eCommerce.”

Velocità, Volume, Varietà, Variabilità, Veridicità etc.,

7

Source: Wikipedia

Cosa c’è di nuovo: i BIG DATA creano valore per il Business

� I BIG DATA sono diversi perchè hanno alti volumi, vengono

dall’esterno e sono non strutturati

� Devono essere memorizzati e processati rapidamente

� Necessitano di architetture nuove

� Nuove modalità di analisi non solo descrittiva

� Nuove tecniche di Visualizzazione dei dati

8

Le Opportunità per settore (ROI vs Spending on Big Data)

9

High

Low

High Low

Projected

ROI on Big

Data

Spending on Big Data

(as a % of mean Industry Revenue)

Source : The emerging Big return from BIG DATA TCS February 2013 1217 aziende a livello internazionale

Utilities

High Tech

Energy

& Resource

Retail

Telecom Banking

Insurance

Travel

Manufacturing

Life

Science

Dove si possono ottenere i maggiori benefici

1. Identificare clienti a più alto potenziale, opportunità di cross-selling e

l’efficacia delle campagne e dei canali (expected ROI 41% -56%)

2. Identificare i bisogni dei clienti per nuovi prodotti o miglioramenti

(expected ROI 40-48%)

3. Identificare clienti a rischio, analizzare i comportamenti dei clienti online

(expected Roi 54%)

4. Monitorare qualità dei prodotti e delle spedizioni , ottimizzazioni scorte

(50-70%)

5. Misurare il rischio, pianificazione budgeting e forecasting (expected ROI

69%

6. Migliorare la retention delle risorse qualificate e l’efficacia del recruiting

(expected ROI 48%)

Source : The emerging Big return from BIG DATA TCS February 2013 1217 aziende a livello internazionale

10

Quale utilizzo di BA e BIG DATA

� Social Intelligence

– Sentiment Analysis, Social Customer Care

� Predictive Analytics

– Propensity, Price Elasticity, Anti-Fraud Analytics

� Segmentation Insights

– Funnel Analysis, Behavioral Patterns, Cohort Analysis

� Mobile Analytics

– Ad-Targeting, Geo-spatial Analytics

11

Customer Insights: ampia diffusione per tutti i canali

Le attività analitiche sui clienti riguardano già oggi canali digitali e fisici, con tassi di crescita

importanti (+21%) per quanto riguarda le analisi su Social Networks.

12

69%

34%48% 52%

21%

34%17% 14%

10%

21%

7% 10%

10%

28% 24%

Comportamento dei clienti sul

sito Web dell'azienda

Comportamento dei clienti online

o su Social Networks

Acquisti fatti dai clienti nei negozi Acquisti dei clienti sul sito di

ecommerce dell'azienda

Vengono fatte attività analitiche sul comportamento dei Clienti?

No e non

previste

No, ma

previste

Si, in modo

discontinuo

Si, in modo

continuativo

Benefici associati ai BIG DATA

13

7%

40%

43%

67%

70%

73%

Altro

Possibilità di misurare meglio la Customer

Satisfaction

Ottimizzazione di processi core dell’azienda (es.

campagne promozionali)

Produzione di Customer Insights in tempi più rapidi

per migliorare il supporto decisionale

Sviluppo di nuovi approcci più efficaci rivolti a

incrementare l'Engagement dei Clienti

Migliore conoscenza del Cliente e capacità di

rispondergli meglio

Quali saranno secondo voi i principali benefici associati alla

disponibilità di BIG DATA sui Clienti?

Churn

prevention,

sviluppo nuovi

servizi

Utilizzo dei BIG DATA: previsioni di ampia crescita

10%

3%

53%

27%

57%

67%

67%

77%

80%

83%

43%

70%

23%

33%

13%

43%

13%

10%

10%

7%

3%

3%

50%

23%

0% 20% 40% 60% 80% 100%

Registrazioni video

Dati generati da sensori/misuratori digitali (RFID)

Feedback dei clienti (negozio, online)

Dati di geo-posizionamento (GPS)

Comunicazioni dei clienti (email, customer service)

Indagini di Customer Satisfaction

Dati demografici (fonti esterne)

Transazioni relative agli acquisti

Analisi di mercato (fonti esterne)

Anagrafica clienti

Conversazioni su siti Social (Sentiment data)

Dati sul comportamento online dei clienti (visite)

Quali fonti di dati utilizzate per le analisi sul

comportamento dei Clienti?

Ad oggi

Tra 2 anni

14

Già oggi, le fonti di Big Data relative ai clienti utilizzate dalle aziende del B2C sono numerose. Per alcune

fonti di dati sono previsti ampi tassi di crescita (es. Sentiment data, GPS, sensori, video).

Big Data

Big Data

Big Data

Big Data

Big Data

Big Data

Big Data

Anche il trend relativo agli investimenti mostra il forte

orientamento verso i canali digitali e analytics

Diminuisce la spesa verso i canali tradizionali (pubblicità su TV, giornali) mentre crescono gli investimenti verso

canali online e Customer Analytics.

15

37%

11% 7%

56%

15%33%

7%

74%59%

Canali tradizionali Canali online Customer Analytics

Con riferimento agli investimenti per il Customer Engagement, quale

è la situazione nel vostro caso?

Incremento

degli

investimenti

Investimenti

stabili

Diminuzione

degli

investimenti

Analytics 2.0: LA DATA REVOLUTION sta nel fondere

BIG DATA e Analytics

� Partire da che cosa voglio ottenere dai dati

� Identificare e Integrare I dati interni ed esterni, strutturati e non

� Supportare le decisioni interne all’azienda ma anche costruire le basi per nuovi “product, service data driven or based ”

� Costruire modelli analitici che possano essere incorporati in processioperativi e decisionali

� Adottare architetture di dati post-dw più veloci e più economici

� Le nuove tecnologie in-memory accoppiate a metodi analitici agili e flessibili e a tecniche di machine learning permettono analisi quasi in real time

� Team misti di specialisti di dati, analisti quantitativi e di business, e IT sonoalla base di nuove organizzazioni dedicate alla BA

� Analytical Apps che supportano particolari decisioni rese disponibili sulpunto in di utilizzo (on fingertips)

16

BIG DATA: nuovi business models e data products

17

Data

SourcingStorage

Processing &

NormalizationVisualization

Raw MaterialInsight: arbitrage

Vertical Specific

Sales & Mktg

L’adozione di BIG DATA: i fattori di sviluppo

BIG DATA Technologies facili da gestire, usare e

distribuire: sono mature le attuali tecnologie a livello

aziendale?

BIG DATA Skills e pratiche:

Ci sono in azienda e sul mercato? e come li organizzo?

Un nuovo MINDSET: le aziende hanno la cultura

adatta per sviluppare applicazioni e per estrarre valore

dai BIG DATA?

18

Che cosa serve alle aziende: un nuovo mindset

Come DEMOCRATIZZARE

i BIG DATA ?

19

Strumenti e Architetture per nascondere la complessità anche

Una cultura di condivisione dei dati tra le funzioni

Democratizzare i BIG DATA

ADMINISTER

SECURE

DEPLOY ANALYZE

VISUALIZE

AUTOMATE

INTEGRATE

PROCESS

MANAGE

20

L’approccio tradizionale non è più adatto

21

CRM

ETL

Data QualityNormalized Data

Traditional

Data

WarehouseERP

Finance

Data

Data

IT/Data Warehouse Specialist/AdminBusiness Analyst

Business User

BIG DATA Technology Platforms: diversi approcci e soluzioni

� Data Integration

� DW Appliance

� BA/BI BIG DATA Cloud service

� Open Source Framework (Hadoop, HFS etc)

� NoSQL Databases

� Machine Data Processing

� Streaming Data

� Text & Semantic Analytics

� In memory processing analytics

� Etc..

22

Scelte tecnologiche per bisogni differenti

23

Batch Real Time

Stru

ttu

rati

Mu

lti-

stru

ttu

rati

Standard SQL

Appliance

No SQL Generalizzati

Hadoop

No SQL Specializzati

Streaming

In –Memory

Analytics

BIG DATA landscape: una industria in sviluppo

24

BIG DATA: BIG MONEY

CAGR of 58%

Revenue mix today: 44% services, 31% hardware, 25% software

25

BIG DATA: BIG Financial Investments

26

Acquisition activity per Big

Data also increasing with 2012

seeing 20 exits including 3

IPOs.

$4.9 Billion Invested Across 523

Deals Since 2008

Conclusione: Quale approccio per la BA e BIG DATA nelle

aziende

� Top down: definire lo “use case” (partire dalle domande

giuste con delle ipotesi)

� Bottom up: scoprire il valore dei dati collezionandoli e

condividendoli

� Integrazione e Sperimentazione: trial pilot & repeat

� Nuova cultura della qualità e dell’utilizzo del dato

� Nuovi Approcci al disegno e sviluppo delle applicazioni

� Team Multi-interdisciplinare e massa critica

organizzativa

� Focus su learning by doing

27

BIG DATA: nuovo fattore di produzione che genera

valore economico in molti settori

28