I big data aiutano davvero ad aumentare il fatturato?
Per quanto sempre più frequentemente si senta parlare di big data (BD) e di business analytics (BA), le due locuzioni non sono sempre agevolmente comprensibili. Esse rischiano pertanto di essere confuse o mal interpretate, pur essendo fondamentali per lo sviluppo delle imprese nel momento storico nel quale viviamo, ovvero la quarta rivoluzione industriale.
In questo scenario, i dati hanno assunto fondamentale importanza giacché essi contengono un’enorme mole di informazioni che, se ben trattate, divengono fonte di vantaggio competitivo per le organizzazioni di ogni tipo.
La quantità di dati prodotti è colossale in termini sia di volume sia di velocità; si pensi che utenti e sensori Iot connessi alla rete generano ogni giorno 2,5 petabytes (ovvero trilioni di bytes o 2515) di dati. Essi sono inoltre contraddistinti da una notevolissima varietà, si tratta di dati strutturati e non strutturati, tabelle di Excel, documenti word, video e fotografie, che vanno progressivamente ad aggregarsi a un insieme di dati preesistenti.
Le imprese si trovano dunque di fronte a una sfida inedita, mai affrontata prima: hanno una grandissima mole di dati da gestire e tali dati contengono talmente tante informazioni da essere considerati il “nuovo petrolio” per il business. Eppure, non è per nulla chiaro come sia possibile analizzare e gestire i dati per estrarre valore. Entrano così in gioco gli advanced analytics (AA), gli strumenti più avanzati di cui si dispone per l’analisi dei dati. Gli Aa sono piattaforme che consentono l’analisi di dati e contenuti utilizzando tecniche e strumenti sofisticati.
Essi hanno rapidamente assunto un ruolo-chiave per le imprese che desiderano incrementare l’efficienza dei processi, migliorare la loro gestione operativa e il loro processo decisionale.
Le performance degli AA travalicano tipicamente quelle della business intelligence (BI), aiutano a effettuare previsioni e offrono un ventaglio di nuove opportunità di scelta ai decisori aziendali. Grazie all’utilizzo degli AA è oggi possibile condurre diversi tipi di analisi e utilizzare molteplici strumenti applicati, quali data/text mining, apprendimento automatico, forecasting e reti neurali.
Gli AA vengono solitamente suddivisi in quattro macro categorie
Descriptive analytics, sono strumenti utilizzati per osservare e descrivere la situazione trascorsa e presente che concerne le varie funzioni aziendali
Predictive analytics, sono una tipologia di advanced analytics che, grazie all’utilizzo di complessi modelli matematico-statistici, permette di predire la probabilità che un evento futuro accada.
Prescriptive analytics, dopo aver offerto una previsione delle probabilità di accadimento di un evento futuro, l’algoritmo suggerisce al decisore alcune decisioni ottimali da prendere, fornendo informazioni sugli effetti derivanti da quelle decisioni
Automated analytics, permettono di automatizzare alcune azioni o processi, ritenuti ottimali in un determinato contesto, riuscendo anche a interagire con tutti gli altri sistemi aziendali (un esempio tipico si riferisce ad alcuni siti ecommerce ove avviene la modifica automatica del prezzo del bene o servizio sulla base delle preferenze del cliente che visualizza l’articolo, per invogliarlo ad acquistare).
I campi di applicazione
Nel settore manifatturiero, grazie all’utilizzo di numerosi sensori, è possibile implementare la cd. “manutenzione predittiva”: interrompendo brevemente la produzione si riesce a riparare un macchinario prima che esso possa guastarsi. Nel settore bancario si utilizzano gli AA per prevenire le frodi, sfruttando la potenzialità di questi sistemi in grado di monitorare un enorme flusso di dati (basti pensare al numero di transazioni effettuate con la carta di credito ogni giorno) in real time. Il settore logistico è un altro esempio degno di nota: grazie all’utilizzo dei modelli predittivi, gli Aa forniscono informazioni utilissime sulla gestione delle scorte e degli approvvigionamenti.
Lo studio
Per comprendere l’impatto che gli AA hanno sulle performance delle imprese, è stato condotto uno studio su un campione di 50 aziende italiane di varie dimensioni, dalle imprese piccole e medie sino alle più grandi e strutturate, operanti in diversi settori. Si sono potuto rilevare differenze in termini di risultati economico-finanziari fra le imprese che adottano gli AA nei loro processi operativi e quelle che non li adottano.
Lo studio è stato condotto in un arco temporale di cinque anni, dal 2015 al 2019. Il database è stato suddiviso in due parti: la prima parte contiene 25 imprese, operanti nei cinque settori di interesse (manifatturiero, utilities, logistico, finanziario-assicurativo e agricolo), che utilizzano piattaforme di AA. La seconda parte del database contiene le restanti 25 imprese, operanti negli stessi settori, ma che non utilizzano piattaforme di AA.
L’obiettivo era di osservare se vi fosse una correlazione fra l’utilizzo degli AA e l’incremento delle performance finanziare delle imprese e se questo impatto potesse subire delle variazioni di intensità in base al settore di applicazione. Come variabile dipendente è stato esaminato il fatturato e, come variabili indipendenti, gli investimenti in risorse IT, i costi per materiali, i costi del personale, l’EBITDA e due variabili dummy.
I risultati ottenuti mostrano la presenza di un’effettiva correlazione diretta fra utilizzo degli AA e aumento del fatturato delle imprese. È stato altresì possibile osservare l’azione di altri due interessanti fenomeni: il primo mostra che alcuni settori oggetto di studio beneficiano maggiormente rispetto ad altri degli effetti positivi derivanti dall’utilizzo degli AA: in particolare, il settore manifatturiero seguito dal settore bancario e assicurativo e dal settore logistico.
Il secondo fenomeno osservato mostra invece che “l’intensità informativa” di ogni settore è una variabile aggiuntiva in grado di influenzare gli effetti degli AA. I settori in cui sussiste maggior densità di informazioni, o settori data-driven (manifatturiero e finanziario-assicurativo), sfruttano meglio di altri le potenzialità degli AA.
Sulla base dei risultati ottenuti, si può in effetti affermare che le imprese in grado di utilizzare correttamente gli AA ottengono un vantaggio competitivo. Tale vantaggio si manifesta nel momento stesso in cui tali imprese acquisiscono la capacità di processare i dati in loro possesso ed estrarre da essi informazioni rilevanti per tradurle in conoscenza.
Massimizzando il valore aggiunto derivante da ogni decisione, tale capacità consente di conseguire una conoscenza del mercato più approfondita e di palesare un processo decisionale più fluido rispetto al passato poiché basati sull’analisi di molte più variabili e di un gran numero di scenari differenti.
L’articolo rappresenta la sintesi del paper di Guglielmo La Bruna, Giovanni Battista Dagnino e Giuseppe Notarstefano (Lumsa).
La ricerca è stata premiata alla terza conferenza su Competitive renaissance through digital transformation, organizzata dall’università di Pavia con la Società italiana di management, e pubblicata da @Wired.