Riassunto esame business analytics , prof Zardini, libro consigliato Competere con gli analytics. La nuova scienza per vincere nel business, Davenport, Harris

Capitolo 1: La natura della competizione analitica

Usare gli analytics per costruire una capacità distintiva

L'esempio di Netflix è un esempio emblematico di un'azienda che compete sulla base della sua abilità matematica, statistica e di gestione dei dati. Netflix utilizza gli analytics in due modi fondamentali, entrambi basati sul comportamento dei clienti e sui modelli di acquisto. Il primo è costituito da Cinematch, un motore che consiglia film, che funziona grazie ad un software algoritmico proprietario. Netflix analizza le scelte dei clienti e il loro feedback sul film che hanno guardato e consiglia i film secondo un criterio che soddisfa il gusto del cliente (spesso infatti Netflix consiglia film compatibili con le preferenze del cliente, ma che non sono molto richiesti).

Ora che Netflix si è insediata nell'industria della creazione di intrattenimento, l'azienda ha usato gli analytics per prevedere se un programma televisivo avrà successo di pubblico prima che sia prodotto. Netflix ha usato gli analytics per aumentare la probabilità di successo. L'azienda ha usato l'analisi degli attributi, sviluppata per il suo sistema che consiglia film, per predire se i clienti avrebbero apprezzato la serie e ha identificato ben 70mila attributi di film e programmi televisivi, alcuni dei quali sono stati impiegati per decidere se produrre la serie:

• Netflix sapeva che un programma simile era piaciuto a molte persone;
• Sapeva che l'autore era un autore con largo seguito;
• Sapeva che i film prodotto o diretti da Fincher erano molto apprezzati dai clienti di Netflix.

L'azienda ha utilizzato l'analisi predittiva anche per il marketing della serie, creando diversi trailer, prevedendo quale sarebbe stato più gradito da ogni tipo di cliente. Ovviamente la scommessa ha dato i suoi frutti. Come la maggior parte dei competitor analitici, Netflix ha una solida cultura degli analytics e un approccio di tipo "sperimenta e impara". Nei suoi test, Netflix impiega una grande varietà di approcci quantitativi e qualitativi compresi sondaggi, test per gli utenti sul sito web, sviluppo e verifica del concept, test pubblicitari, data mining, studi sulla brand awareness, soddisfazione degli iscritti, analisi di canale, ottimizzazione del mix marketing, ricerche segmentate ed efficacia del materiale di marketing. La verifica pervade la cultura aziendale e si estende dal marketing alle operation al servizio clienti.

Netflix è rappresentativa delle aziende e delle organizzazioni che hanno compreso le potenzialità dei business analytics e che si sono adoperate con decisione per realizzarli. Sono diversi i competitor analitici (Amazon, Caesars Entertainment, Visa, Google, etc.) e, di regola, sono presenti in tutti i settori. Queste aziende hanno solo due caratteristiche in comune: competono sulla base delle loro capacità analitiche e hanno molto successo nei rispettivi settori (queste due caratteristiche non sono prive di connessione).

Che cosa sono gli analytics?

Con il termine "Analytics" intendiamo l'uso estensivo di dati, analisi statistiche e quantitative, modelli descrittivi e predittivi e un management basato sui fatti per prendere decisioni e intraprendere azioni. Gli analytics possono rappresentare un supporto alle decisioni umane o possono guidare le decisioni automatizzate.

Competitor analitico: azienda che fa ampio uso degli analytics per battere in astuzia e performance la concorrenza. Analytics: uso estensivo di dati, analisi statistica e quantitativa, modelli descrittivi e predittivi, e management basato sui fatti per prendere decisioni e intraprendere azioni.

Gli analytics possono essere:

• Descrittivi (Business Intelligence o performance reporting): danno accesso ai dati storici e a quelli correnti. Hanno la capacità di segnalare, esplorare e riferire ricorrendo sia a dati interni che esterni provenienti da fonti diverse.
• Predittivi: operano con tecniche quantitative (es. regressione, network analysis, previsioni econometriche) e tecnologie che usano i dati esistenti per prevedere il futuro.
• Prescrittivi: usano una varietà di tecniche quantitative e tecnologie (es. machine learning) per indicare le azioni e i comportamenti ottimali.
• Autonomi: utilizzano l'intelligenza artificiale o le tecnologie cognitive (machine learning) per creare e perfezionare modelli e apprendere dai dati, senza ricorrere alle ipotesi degli esseri umani e con un coinvolgimento inferiore degli analisti.

Ognuno di questi approcci risponde a domande relative alle diverse attività dell'azienda. Le applicazioni statistiche efficaci richiedono buone capacità di gestione delle informazioni per acquisire, trasformare, gestire, analizzare e agire sui dati prodotti internamente e all'esterno dell'azienda.

Qualcuno potrebbe pensare che gli analytics coincidano con le tecnologie informatiche per l'analisi, ma sono proprio gli aspetti umani e organizzativi della competizione analitica a fare la differenza.

Perché competere con gli analytics?

Molte delle basi sulle quali in passato si fondava la competizione non sono più disponibili. La base ancora disponibile sulla quale competere è svolgere l'attività imprenditoriale con la massima efficienza ed efficacia, optando per le decisioni di business più intelligenti. E i competitor analitici spremono il valore dei processi di business e delle decisioni strategiche fino all'ultima goccia. Gli analytics sono ormai incorporati in molti dei loro prodotti e servizi.

Gli analytics sono in grado di supportare quasi ogni tipo di processo aziendale, ma le aziende che intendono essere competitive devono possedere una qualità, per cui si distinguono rispetto alle altre concorrenti del settore (una capacità distintiva). Le buone decisioni nascono in genere da informazioni strutturate in modo sistematico e da un processo di analisi (non ci si affida in primo luogo all'intuito). I competitor analitici sono quindi organizzazioni che hanno scelto una o due capacità distintive sulle quali basano le loro strategie e che fanno largo uso di dati, statistiche e quantitative e che prendono decisioni basate su fatti a supporto delle capacità distintive prescelte.

Gli analytics non costituiscono essi stessi una strategia, ma sicuramente lo diventano quando sono impiegati per ottimizzare una capacità aziendale distintiva. Qualunque sia la capacità che si intende coltivare, gli analytics sono in grado di potenziarne l'efficacia.

Qualunque azienda in qualsiasi settore può competere con successo servendosi degli analytics? Da un lato, sembra che qualunque azienda abbia le potenzialità per competere sulla base degli analytics. Dall'altro lato, alcune industrie sono più propense all'uso degli analytics rispetto ad altre. Se la vostra azienda genera grandi quantità di dati relativi alle transazioni, competere attraverso gli analytics è una strategia naturale. Analogamente, se potete attingere all'abbondanza di dati disponibili su internet o sui social media per individuare con precisione i bisogni dei vostri clienti e le opportunità offerte dal mercato, la competizione basata sugli analytics è una via estremamente proficua per differenziarvi rispetto alla concorrenza.

Praticamente ogni giorno abbiamo possibilità di osservare aziende che operavano in modo intuitivo e che ora hanno adottato processi analitici.

In che modo ci siamo arrivati? Le origini della competizione analitica

I manager che hanno cercato nuove fonti di vantaggio e differenziazione oggi hanno molti più dati a disposizione di quanto non sia mai accaduto in passato. Una nuova generazione di manager con una formazione tecnica sta trovando posto nelle aziende e cerca nuove modalità di gestione dei dati con il supporto della tecnologia. La capacità di comprendere il significato dei dati grazie ai computer e il software è giunta a maturazione.

L'uso degli analytics ha avuto inizio come un'attività limitata e secondaria di determinate funzioni aziendali che richiedono un uso intensivo dei dati. All'inizio degli anni '60, professionisti e ricercatori hanno cominciato a sperimentare l'uso di sistemi computerizzati per analizzare i dati e per attività di supporto alle decisioni. L'analisi statistica attraverso l'uso diretto di computer è diventata un'attività consueta partire dagli anni '70.

La tecnologia analitica è stata impiegata più di frequente per immagazzinare quantità di dati relativamente piccole e per interrogazioni ad hoc finalizzate al supporto delle decisioni e al monitoraggio della performance. La gestione dei dati è diventata progressivamente sempre più importante perché i sistemi come ERP e POS rendevano disponibili enormi quantità di dati. Questo particolare orientamento ai dati è stato definito OLAP (Online Analytical Processing), che in seguito ha preso il nome di business intelligence. Le attività di gestione dei dati erano note con il termine data warehousing. I depositi di dati di dimensioni inferiori erano chiamati data mart.

A partire da una decina di anni fa, alcune aziende della Silicon Valley (come Google e LinkedIn) hanno sviluppato nuovi modi per elaborare e dare senso ai dati che incamerano. Oggi, questo ambito di attività assume diverse denominazioni: big data analytics o business intelligence e advanced analytics, che includono sia la raccolta, la gestione e il reporting di dati orientati alle decisioni, sia le tecniche analitiche e i metodi informatici impiegati per processare e analizzare i dati.

Due studi di grandi imprese che utilizzano sistemi ERP hanno evidenziato che l'efficacia del processo decisionale era il primo beneficio ricercato, e nel 2006 gli analytics erano la tecnologia d'elezione per trarre vantaggio dai dati forniti dai sistemi di pianificazione d'impresa.

Ci concentreremo sulle aziende che hanno fatto della gestione dei dati, dell'analisi statistica e quantitativa, del modeling predittivo e del processo decisionale basato sui fatti una vera e propria arte. Queste organizzazioni sono impegnate in attività analitiche che difficilmente passano inosservate; esse sono divulgate a ogni investitore e a ogni parte in causa dai CEO. In queste aziende, gli analytics non restano sullo sfondo, ma approdano in consiglio di amministrazione, compaiono nei report annuali e negli articoli di settore.

Queste imprese hanno preso una risorsa a disposizione di chiunque e l'hanno perfezionata a tal punto da poterla usare per la costruzione delle loro strategie (e sempre di più anche per la realizzazione dei loro prodotti).

Quando le decisioni analitiche sono adeguate?

Le decisioni basate sugli analytics hanno una maggiore probabilità di essere corrette rispetto a quelle basate sull'intuizione. È meglio sapere (nei limiti consentiti da analisi e dati), piuttosto che credere, pensare o sentire, e la maggior parte delle aziende può trarre beneficio da un maggior numero di decisioni analitiche.

È chiaro che chi prende le decisioni deve ricorrere all'intuizione quando mancano i dati e serve una grande rapidità e anche le aziende che sono generalmente orientate alle decisioni analitiche devono ricorrere all'intuizione in assenza di dati. Jeff Bezos, CEO di Amazon, preferisce realizzare test circoscritti per le nuove caratteristiche di Amazon, quantificando con precisione le reazioni degli utenti prima di implementarle.

Il messaggio fondamentale è che la linea di confine delle decisioni che si prestano a un trattamento analitico continua a spostarsi in avanti. Le aree del processo decisionale che si prestavano maggiormente all'utilizzo dell'intuizione, col tempo, accumulano dati e acquisiscono rigore analitico, e l'intuizione non è più l'opzione ottimale.

Un futuro più analitico è una tendenza che accomuna praticamente tutte le aziende. La quantità di dati disponibili non potrà che aumentare (i sensori RFID saranno montati su tutti i pallet e su tutti gli scatoloni che si spostano lungo la supply chain, generando una infinità di dati nuovi che le aziende potranno raccogliere e analizzare). Il software analitico si diffonderà ulteriormente e sarà alla portata di tutte le aziende. Imprese orientate al software statistico (come SAS e IBM) conducono analisi sempre più sofisticate utilizzabili dalle aziende e dagli utenti medi. Produttori come FICO corp. e MMIS Inc. metteranno a disposizione nuove applicazioni industriali relative a diverse funzioni aziendali. Strumenti analitici open-source (come R) e architetture informatiche (come Spark) sono in rapida evoluzione e si stanno diffondendo nel mondo delle imprese.

Ovviamente, per continuare ad essere competitor analitico è necessario rimanere all'avanguardia. La competizione analitica sarà una corsa agli armamenti e richiederà uno sviluppo continuo di nuovi parametri, nuovi algoritmi, nuove fonti di dati, nuove tecniche di manipolazione dei dati e nuovi approcci al processo decisionale.

Per far sì che le decisioni quantitative siano implementate in modo efficace, la capacità di utilizzare software analitici dovrà diventare un'abilità diffusa tra i dipendenti e non dovrà essere limitata.

Gli analytics nello sport agonistico e le loro implementazioni per il business

Il mondo dello sport è diverso dal mondo delle imprese, ma entrambi condividono il bisogno di ottimizzare le risorse cruciali e ovviamente il bisogno di vincere (lo sport più analitico è il baseball). Gli Oakland Athletics avevano un orientamento analitico che le consente di detenere un record di partecipazioni ai playoff, nonostante gli atleti che compongono la squadra non percepiscano compensi molto elevati. Questo è dovuto alla conversione agli analytics da parte del direttore generale (Beane), il quale cominciò ad utilizzare indicatori di performance nuovi. Come accade nelle aziende, anche loro hanno inventato nuovi parametri per valutare e migliorare la performance.

Queste sono le motivazioni per cui spesso le aziende adottano la competizione analitica: una combinazione di bisogni aziendali pressanti, la disponibilità di dati, e le tecnologie informatiche in grado di svolgere tutti i calcoli.

Un'altra squadra che ha adottato l'approccio moneyball è quella dei Boston Red Sox. I Sox rappresentano un altro motivo per cui le aziende adottano la competizione analitica: una nuova leadership. Il sostegno convinto del management dei Sox ha permesso alla squadra di avviarsi con determinazione sulla strada della competizione analitica. I proprietari sapevano di aver bisogno di un management che condividesse la loro visione sulla necessità di usare l'analisi dei dati per vincere la competizione. Inoltre, questi erano determinati a ignorare le credenze tradizionali sul baseball a favore di un'approfondita analisi dei dati al servizio del processo decisionale.

Una sola partita in quel campionato aveva messo in luce una difficoltà della competizione analitica: se si vogliono implementare le decisioni analitiche, questo approccio deve diffondersi in ogni parte dell'organizzazione. I manager e i dipendenti si devono attenere al programma analitico.

Vi sono prove convincenti del fatto che tutte le organizzazioni, persino quelle che hanno adottato tardivamente questo approccio, possono competere e vincere con gli analytics. Oggigiorno, le squadre più orientate all'approccio analitico ricercano e assumono analisti come si fa con gli atleti. Un uso approfondito degli analytics facilita la squadra nella selezione dei giocatori e consente di non superare il tetto salariale. La squadra sceglie i giocatori senza ricorrere ai servizi di scouting usati dalle altre squadre e valuta le scelte potenziali in base a fattori non convenzionali come l'intelligenza e la disponibilità a mettere l'ego personale al servizio della squadra. Sia allenatori che giocatori sono noti perché visionano e studiano attentamente i filmati e i dati statistici.

Nel calcio, sia gli allenatori che i giocatori utilizzano Match Insights quasi come un videogioco, per valutare le capacità individuali dell'avversario e sviluppare strategie di gioco. Forse l'insegnamento più importante che si può trarre dall'uso degli analytics nello sport è la sua attenzione alle risorse umane: scegliere, retribuire adeguatamente, e tenere i giocatori migliori. La competizione analitica nel mondo dello sport mette in evidenza il fatto che inizialmente si possono generare analytics solo quando sono disponibili dati sufficienti da analizzare. Se in una determinata area aziendale è disponibile una grande mole di dati per la prima volta, probabilmente questa diventerà il terreno di gioco per la competizione analitica.

La tecnologia offre allo sport, infine, maggiori opportunità di creare dati completamente nuovi e questi creano a loro volta opportunità ulteriori per conquistare un vantaggio competitivo. Le squadre analitiche hanno sfruttato tecnologie che gli consentono di prendere decisioni più informate, basate sui dati e in tempo reale durante lo svolgimento della partita. Le aziende analitiche usano le innovazioni tecnologiche più avanguardistiche per diventare più agili nelle condizioni mutevoli del mercato. La competizione analitica è quasi sempre una storia che ha come protagonisti le persone e la leadership.

Capitolo 2: Che cosa fanno i competitor analitici?

La definizione delle qualità comuni fondamentali di queste aziende

Competitor analitico: organizzazione che fa un uso estensivo e sistematico degli analytics per battere la concorrenza sul piano delle idee e dei risultati. Le aziende di maggior successo e più progredite dal punto di vista analitico condividono quattro caratteristiche essenziali:

• Gli analytics supportavano una capacità strategica e distintiva;
• L’adozione e la gestione degli analytics erano diffuse in tutta l’impresa;
• I dirigenti sostenevano l’uso degli analytics;
• L’azienda aveva fatto una impegnativa scommessa sulla competizione basata sugli analytics.