Data driven business: la rivincita degli Small Data
Resta aggiornato su DMA
Table of content
Table of content
Resta aggiornato su DMA
Per anni abbiamo sentito parlare di big data: “megadati” che hanno trovato la loro ragion d’essere in svariati campi di applicazione, in virtù del loro potere di suggerire correlazioni nascoste tra l’enorme mole di informazioni e scorgere futuri trend. Ma che, soprattutto, hanno sancito la consacrazione di nuovi modelli di business aziendale, basati su metodologie “data driven”.
Certamente, quella di trasformare i dati in informazioni decisive per guidare le scelte strategiche della propria azienda è stata una vera rivoluzione. Questo approccio, conosciuto altrimenti come Data driven business, si oppone decisamente alla vecchia immagine (per la verità un po’ naif) dell’imprenditore che fiuta il successo in nuovi affari basando le proprie scelte sull’intuito. Oggi, sappiamo che a determinare il successo di una nuova linea strategica sono soprattutto i dati e la loro analisi. Per questo, da anni, molte grandi aziende hanno inaugurato una vera e propria rincorsa alle competenze e agli strumenti adatti a elaborare nuove orde di informazioni: una “corsa all’oro” che ha visto via via ampliare il patrimonio di dati da trattare e analizzare.
Eppure, negli ultimi tempi, tra gli esperti di Data driven business c’è qualcuno che ha insinuato un ragionevole dubbio: e se i Big data non bastassero da soli a guidare le scelte di business?
Che cosa sono i Big Data e perché sono alla base del Data driven business
Facciamo un passo indietro.
Di big data si inizia a parlare nel 2001 quando l’analista Doug Laney enuncia la formula che diventerà poi la più nota definizione di big data, il “modello delle 3 V”:
-
Volume: La raccolta dei dati proviene da una grande varietà di sorgenti. Ogni azione lascia un’impronta assimilabile a un dato. Il risultato immediato è che tutti questi dati, incamerati e registrati insieme, uno dopo l’altro, crescono in maniera esponenziale e, per questo, si traducono in volumi e dimensioni molto elevati.
-
Varietà: Dalla molteplicità delle fonti deriva anche la complessità dei dati, molto eterogenei tra loro. Essi sono suddivisi a loro volta tra “strutturati”, ovvero raccolti secondo criteri definiti, e “non strutturati” (informazioni di diversa entità che includono anche immagini, video, audio, e che quindi non è possibile ordinare secondo un criterio comune).
-
Velocità: i dati sono prodotti con sempre maggiore rapidità e frequenza, richiedendo quindi tempi di processo e di interpretazione veloci e compressi.
A queste “3 V” se ne sono poi aggiunte una 4° e una 5°, rispettivamente Variabilità (da non confondere con la Varietà già citata) e Valore. Queste due nuove coordinate descrivono la natura decisamente esuberante dei big data: da un lato sottolineano quanto sia importante che i dati di partenza siano accurati, veritieri, attinenti, affidabili; dall’altro, mettono in luce anche il loro comportamento sfuggente, così strettamente legato a fattori esterni da determinare un andamento fatto di alti e bassi, di picchi periodici e flussi talvolta inconsistenti.
Controllare tutta questa mole di dati, con questi comportamenti repentini, a velocità sempre più elevate, sarebbe impensabile per la sola mente umana. L’aggettivo “big” appare quasi riduttivo. E difatti i big data non potrebbero esistere senza la giusta tecnologia per processarli. Lo sforzo e l’investimento valgono comunque il gioco, se pensiamo alla profonda utilità che possono fornire nella logica del Data driven business: la loro analisi è utilissima per individuare e comprendere i fenomeni che caratterizzano il mercato di riferimento di un’azienda, anticipando sviluppi, tendenze e, di conseguenza, scelte strategiche.
Ma il vero problema è, a questo punto, capire come ricavare queste proiezioni, predire i trend e studiare risposte correlate. La difficoltà si pone non soltanto perché è necessario sviluppare metodologie, logiche e processi di analisi per cogliere correlazioni veritieri e spunti rilevanti. Oltre al limite metodologico, bisogna tenere in considerazione il value, il valore del dato, la sua attinenza al business di riferimento. Avere una mole di dati è utile per ricavare conclusioni utili ai modelli di gestione tipici del Data driven business: ma questa operazione di “tirare le somme” è utile solo se inerente al mercato in target, al proprio business. Ed estrarre, all’interno dei grandi numeri, quelli giusti per il proprio settore, è una sfida che non tutte le organizzazioni sono in grado di portare a termine.
Ne deriva che sì, i big data sono una grande opportunità, ma troppo difficile da intraprendere per quelle piccole medie imprese che dovrebbero internalizzare non solo tecnologie, non solo quantità indefinite di dati, ma anche le competenze giuste. A costi spesso non sostenibili. Qual è dunque la soluzione?
Small Data: il Data driven business delle piccole cose
La risposta ce l’ha offerta Martin Lindstrom, noto esperto di neuromarketing e nuovo alfiere degli “avversari” dei big data: gli small data, appunto.
Come sottolineato dallo studioso, gli small data sono dati abbastanza piccoli da poter essere compresi dall’uomo. Niente a che vedere con i big di prima, quindi, le cui dimensioni e comportamenti sfuggivano al tentativo umano di fare ordine e chiarezza. Questo vuol dire che gli small data sono sicuramente accessibili e più facilmente processabili.
Ma a stupire non sono tanto le loro dimensioni e la loro “semplicità, quanto piuttosto la loro natura. Nell’epoca che ha consacrato i big data, in cui abbiamo visto che la grande sfida è rappresentata dalla selezione dell’informazione rilevante in un mare magnum di dati, Lindstrom predica un ritorno alle azioni quotidiane come “spia” e indizio a cui attingere per fare Data driven business. Sono i comportamenti quotidiani, le singole abitudini, a offrirci un orizzonte di informazioni dal valore fondamentale. Del resto, sono proprio queste azioni a tratteggiare quei modelli di comportamento che il marketing da sempre pone alla base dei processi decisionali, tra cui quelli di acquisto.
La raccolta di questi piccoli indizi può avvenire online, attraverso la collezione di azioni compiute su social e web. Oppure attraverso sondaggi, interviste, surveys. Ma, addirittura, la casistica degli small data include quei dati presenti all’interno delle imprese, ad esempio nei CRM aziendali. Cosa hanno in comune tutte queste informazioni?
Prima di tutto sono precise. Precisione che potrebbe sfociare persino in un’estrema specificità del dato che, a prima impatto, risulterebbe difficile mettere in relazione con altri. Ma è proprio di fronte a questa apparente incongruenza che Lindstrom ci stupisce svelando la profonda utilità degli small data: sì, perché la loro raccolta prevede non solo la ricerca di comportamenti comuni ai diversi individui, ma anche azioni che rivelano qualcosa fuori contesto. La continua frequenza di indizi simili, così come la presenza di piccole “note stonate” nel classico modello comportamentale, sono una fonte di informazione preziosa, perché ci possono svelare mancanze o desideri del nostro target di riferimento. E dietro questi si nasconde sempre un bisogno, quel bisogno che un prodotto o un servizio può soddisfare.
È così che tutti questi piccoli indizi “svelano i grandi trend”, dando nuovo impulso al Data driven business e Marketing. Una vera rivincita, dopo che per anni ci eravamo dimenticati di quanto anche la dimensione “small” fosse importante.
Data driven business: un futuro a metà strada tra il Big e lo Small?
I big data sono stato il big topic del momento. Dalla loro prima definizione, hanno guidato le scelte di quelle aziende che hanno avuto i mezzi per investire in tecnologie e competenze utili a integrare un Data driven business basato sui grandi numeri. Ma forse, e lo abbiamo visto, qualcosa sta per cambiare.
Questo non vuol dire che gli small data succlasseranno i big data. Anzi, è assai più probabile che, con il tempo, le differenze vadano assottigliandosi fra loro, dando avvio a un nuovo approccio in grado di integrare entrambe le visioni. E a quel punto sarà l’integrazione dei grandi e dei piccoli dati, delle informazioni esterne e interne, a offrire un nuovo modo di fare Data driven business. Sempre più aderente ai trend, sempre più vicino ai clienti.