L’evoluzione degli analytics

Il termine analytics si riferisce a tutti quei software che raccolgono e visualizzano informazioni su determinati fenomeni: gli accessi ad un sito web, le interazioni con una pagina sui social media, il funzionamento di un macchinario e così via. Nel marketing moderno sono diventati indispensabili per capire cosa sta succedendo e quali effetti hanno avuto le azioni intraprese.

Negli anni questi software di analisi hanno subito un’evoluzione dovuta alla disponibilità di molti più dati rispetto al passato (in alcuni casi veri e propri Big Data) e al miglioramento delle tecniche di estrazione di valore (Intelligenza Artificiale nelle sue varie articolazioni).
Ecco come si possono classificare i sistemi di analisi dei dati.

evoluzione degli analytics

Descriptive Analytics

Gli strumenti di analytics si dicono descrittivi quando fanno luce sul passato e, se sono di tipo “real time”, anche su quanto sta accadendo nel momento in cui il fenomeno è in corso di svolgimento.
Permettono di confrontare momenti diversi del passato e individuare le attività che hanno apportato benefici e quelle che non lo hanno fatto. L’idea è che comprendendo il passato e il presente, sia possibile programmare meglio le azioni future. Ma sta all’analista farlo, il software si limita ad esporre i dati.
Per esempio le analisi descrittive possono rispondere a domande come “qual è stato il periodo in cui ci sono state più visite al sito?” o anche “quanto ha speso questo cluster di clienti nel periodo natalizio?”.

Diagnostic Analytics

Gli strumenti di analytics diagnostici sono un’estensione di quelli descrittivi che permettono di far luce sul perché. Quindi dall’analisi del passato si passa alla ricerca delle cause dei fenomeni accaduti. Il software lo fa utilizzando metodi statistici tesi a capire l’incidenza di una serie di variabili.
Le domande alle quali risponde questo tipo di analisi sono del tipo “perché questo cluster di clienti ha speso di più in questo periodo?”.

Predictive Analytics

I software di analisi attuali, sempre più spesso, non si limitano ad esporre i fenomeni passati e a comprendere per quale motivo sono accaduti, ma fanno un passo ulteriore, provano a predire il futuro. O meglio stimano probabilisticamente cosa succederà in futuro in uno scenario simile a quello passato.
Può essere la cosa più semplice come l’estrapolazione di una tendenza lineare o più complessa come lo sviluppo di algoritmi di machine learning. L’obiettivo del praevidere è “comprendere in anticipo” in modo da identificare rischi e opportunità di business. Nel marketing si può applicare a svariate operazioni critiche come l’analisi dell’andamento della domanda in determinati periodi e mercati o la previsione dei clienti che sono più propensi ad abbandonare l’azienda (churn), in modo da progettare per tempo le contromosse per evitare che accada.

Prescriptive Analytics

I software di analisi più evoluti sono quelli che oltre a comprendere il passato, diagnosticare le cause e predire il futuro, suggeriscono cosa fare nel caso in cui si verificasse un fenomeno previsto. In alternativa possono rispondere anche alla domanda “Cosa dovrei fare per far accadere questa cosa o se dovesse accadere?”.
In altre parole combinano la scienza delle previsioni con l’arte del prendere le decisioni.
Tutto ciò è possibile solo utilizzando enormi quantità di dati eterogenei e modelli avanzati di machine learning in grado di selezionare e proporre le azioni più appropriate da compiere (Gartner parla di tecniche come il “complex event processing”, l’analisi dei grafi, la simulazione, l’euristica, le reti neurali).
Tipicamente questi suggerimenti vengono valutati dal manager che potrebbe combinarli con la sua conoscenza di informazioni di mercato ulteriori non elaborate dal software, come indiscrezioni e segnali deboli.

Ma se la macchina è in grado di fare una previsione e proporre la migliore azione possibile, quanto tempo ci vorrà affinché faccia tutto da sola? In alcuni scenari meno critici per l’azienda, in realtà, già accade. Per esempio il sistema può riconoscere un cliente di valore, propenso a comprare e proporgli automaticamente l’offerta più adatta al suo profilo.

In futuro arriveremo ad un marketing col pilota automatico? Tema ampio che merita un post separato o forse un intero libro 😉

1 Comment

Leave a Reply