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