A cura di Greg McStravick, president of Database and Data Management, SAP
Il mondo del business oggi è indubbiamente influenzato dalla tecnologia: la corsa all’innovazione è in atto in tutte le aziende, indipendentemente dalla dimensione. E mentre molte organizzazioni hanno capito che i dati sono al centro della rivoluzione tecnologica, la maggior parte deve ancora sfruttare il pieno potenziale delle nuove tecnologie. Tendiamo a focalizzarci esclusivamente sulla natura transazionale del business come lo conosciamo, ma nell’epoca del “cambiare o subire il cambiamento”, la stagnazione non porta le aziende a crescere.
Nuovi dati vengono continuamente generati, e spesso provengono da fonti inaspettate che niente hanno a che vedere con il passato. I progressi tecnologici e le esigenze in continua evoluzione dei clienti hanno creato nuove opportunità e sfide per le imprese. La combinazione di dati esistenti con nuove fonti di informazioni in un unico repository diventa quindi sempre più importante.
In che modo quindi un’azienda deve attingere a queste nuove fonti di dati che aiuteranno a trasformare i modelli di business?
Ogni settore subirà gli effetti di tecnologie dirompenti come l’intelligenza artificiale e il machine learning, e vi sono mercati che si sono mossi velocemente per capire come gestire i dati provenienti da fonti conosciute e “non tradizionali”, come ad esempio il mondo dello sport. Questo settore sta facendo scuola nel modo in cui sfrutta i dati – dalla raccolta e analisi dei dati dai dispositivi wearable all’utilizzo di personaggi sportivi creati per i videogiochi.
L’utilizzo dei Bi-modal Data
Utilizzare l’esempio dello sport rende più semplice dimostrare come sfruttare la potenza dei dati bi-modali. Nell’analogia con il mondo dello sport, la maggior parte degli analytics relativi alle squadre e ai loro modelli di business vive in Modalità 1, mentre i dati sulle prestazioni dei giocatori si trovano esattamente nella Modalità 2. Questo significa una quantità ancora maggiore di dati su cui lavorare che se ben combinata con la direzione evolutiva del modello di business permette alle organizzazioni sportive di migliorare le esperienze degli atleti e dei tifosi.
Abbiamo visto progetti di questa natura nascere per campagne di marketing personalizzate per i fan da organizzazioni come la National Hockey League (NHL). Utilizzando l’analisi dei social media, ad esempio, la NHL è in grado di identificare le preferenze dei tifosi osservando come si comportano rispetto alla loro squadra del cuore, studiando i contenuti pubblicati su bacheche e blog al fine di offrire esperienze uniche e promozioni ad hoc.
La NHL sta inoltre lavorando per migliorare l’esperienza dei fan con le statistiche disponibili sul proprio sito implementando il riconoscimento vocale che consente ai tifosi di porre domande specifiche e cercare precisi dati statistici, sia che si tratti delle prestazioni di un giocatore nei tempi supplementari o della classifica generale, ma anche voci di dettaglio come ad esempio il numero di tiri sbagliati in una partita.
Infine, le organizzazioni come la NHL stanno dando un esempio al mercato di come integrare l’intelligenza artificiale e il machine learning per migliorare la customer experience.
Le imprese possono quindi chiedersi: cosa significano questi esempi per i settori più tradizionali? Anche se molte delle fonti di dati del mondo sportivo sono intrinsecamente non convenzionali, è possibile applicare gli stessi modelli per identificare e utilizzare in modo intelligente le informazioni.
Due di queste aree sono quelle geospaziali e translytical (Transactional/Analytical), entrambe discipline emergenti che contengono grandi quantità di dati precedentemente non sfruttati. L’analisi dei dati geospaziali include il GIS, il sistema di registrazione delle mappe, e gli strumenti ERP per sovrapporre i dati sulle mappe per una maggiore visibilità e comprensione – uno strumento particolarmente utile per applicazioni in ambito smart city dove l’obiettivo potrebbe essere di migliorare i flussi del traffico privato, dei trasporti pubblici, rendere le reti energetiche più energetiche e diminuire i tempi di risposta alle emergenze. I dati translitici sono un’altra fonte di dati emergenti che ha visto un’enorme crescita negli ultimi tempi, sebbene i leader di settore stiano ancora definendo il termine. Gartner definisce un’architetture di database translitico HTAP (Hybrid Transactional / Analytical Processing), nel senso che lavorano per rendere i dati operativi più analitici.
Secondo un recente rapporto di Forrester, la crescita del translytical è dovuta al fatto che “sempre più esperti di architetture aziendali considerano il translytical un fattore decisivo per la loro strategia aziendale”. Ciò che rende uniche le piattaforme translitiche è la loro capacità di eseguire una varietà di funzioni all’interno di un database, creare nuove opportunità di business fornendo elaborazione, integrazione e real-analytics avanzati per offrire alle aziende informazioni più tempestive e facilmente utilizzabili.
Infine, i dati che andranno ad alimentare le nuove applicazioni si estenderanno oltre i confini del data center o del cloud aziendale e includeranno fonti esterne: dalla rilevazione del meteo, all’analisi dei social media, ai sensori di app per l’IoT, ecc.
Una combinazione vincente
Sebbene possa essere facile essere travolti dalla mania delle nuove tecnologie, è importante ricordare che i dati sono al centro di tutte le transazioni. Per utilizzare queste nuove tecnologie al massimo delle loro potenzialità, le organizzazioni devono assicurarsi di avere prima a portata di mano le fonti di dati a cui possono attingere. Quindi, prendendo spunto dal mondo dello sport, le organizzazioni hanno oggi la possibilità di migliorare ulteriormente l’efficienza e l’accessibilità ai dati e ottimizzare i processi di business – dall’esperienza dei tifosi (servizio clienti), ai biglietti e merchandise (vendita di prodotti) alle prestazioni dei giocatori (performance e fidelizzazione dei dipendenti).
