Hai raccolto i dati utili, ora è tempo di studiarli!
Nel precedente post, il primo della rubrica ADS.DATA, abbiamo parlato di Business Intelligence.
Esso è l’insieme dei processi aziendali che hanno l’obiettivo di raccogliere ed analizzare dati, cosiddetti, “strategici”. I dati diventano così informazioni da utilizzare per definire la strategia di impresa.
La BI, abbiamo detto, è l’insieme dei seguenti processi:
- La raccolta dei dati;
- La selezione e l’integrazione dei dati;
- L’elaborazione, l’aggregazione e l’analisi dei dati;
- L’utilizzo dei dati nella definizione di un piano strategico.
Selezione ed elaborazione dei dati
Sempre nel precedente articolo abbiamo parlato più dettagliatamente della raccolta, citando diversi sistemi di archiviazione. Ora ci concentreremo, invece, su come usare i dati. È importante sottolineare che l’analisi dei dati non è considerabile mai separatamente dalla raccolta e dalla selezione. La ricerca, infatti, è sempre influenzata dalle ipotesi formulate inizialmente. La scelta cioè di individuare determinati dati, presuppone già all’inizio una determinata elaborazione degli stessi.
Nell’ambito della Business Intelligence l’attività di data mining consiste nell’estrarre informazioni da grandi dataset, allo scopo di renderli disponibili per l’analisi dei dati. Ma come avviene la selezione? In questo momento il ruolo dell’esperto è fondamentale, è il Data Scientist a dover individuare:
- Quali dati sono rilevanti per il mio business o il mio obiettivo?
- Ci sono delle “costanti”?
- Esistono delle relazioni fra dati diversi?
Potrà accadere, infatti, di scoprire correlazioni che non si immaginavano tra i dati, proprio in fase di analisi. Alcuni esempi di “incrocio dei dati” o, per meglio dire, relazioni fra variabili, sono: età e abitudini di consumo, sesso e professione, grado di istruzione e reddito annuo etc. L’esperto quindi è chiamato a selezionare queste informazioni e a metterle in correlazione fra loro.
Come analizzare i dati
Selezionati i dati sarà necessario disporli in forma grafica affinché possano essere analizzati. La classica tabella, per intenderci, è detta matrice dei dati ed è il punto di partenza di ogni elaborazione. In essa troveremo tante colonne quante sono le variabili individuate, e tante righe quanti sono i casi rilevati. La prima e più semplice elaborazione dei dati consiste nel conteggio.
Esempio: quante donne rivestono ruoli dirigenziali (questo per l’ipotesi sesso/professione)? È il Data Manager a occuparsi della data visualization, la fase che consente e semplifica l’elaborazione e l’analisi dei dati raccolti. Spesso lo fa sulla base di un’ipotesi che è stata determinata preliminarmente, a volte invece le relazioni emergono dall’analisi dei dati, richiedendo, in questo caso, una variazione delle ipotesi iniziali.
Nel caso dell’analisi dei dati nel marketing si tratta sempre di studiare le relazioni tra variabili, viene cioè effettuata un’analisi bivariata o multivariata.
Cosa vuol dire? L’analisi mette in luce l’esistenza di una relazione tra due o più variabili analizzandole nella loro distribuzione congiunta. Facciamo un esempio.
L’oggetto della ricerca sono sempre le Donne, le variabili sono Età e Stipendio. Attraverso una tabella, detta a doppia entrata, riusciremo a conteggiare quante volte si incrociano la variabile “+60” e lo stipendio “0 o estremamente basso”. Se dovessimo rilevare un’alta concentrazione dimostreremmo, per semplificare, che oggi le donne sono più indipendenti, lavorano e guadagnano abbastanza mentre le donne over 60 per lo più sono casalinghe o fanno piccoli lavoretti.
Tipologie di analisi dei dati
Abbiamo con questi esempi fornito solo un’introduzione all’analisi dei dati che, come potrai immaginare, è materia molto più complessa. La data analysis viene in genere suddivisa in quattro tipologie:
- Descriptive Analytics
- Predictive Analytics
- Prescriptive Analytics
- Automated Analytics
Analisi descrittiva
La prima tipologia è l’analisi descrittiva. Si ipotizza inizialmente che esistano delle variabili da rilevare e nell’elaborazione ed analisi dei dati, ci si preoccuperà principalmente di fornire una descrizione di queste variabili usando tabelle e grafici. Lo scopo è evidenziare la distribuzione delle diverse caratteristiche del campione. È usata, per esempio, nell’ambito delle vendite, nelle attività di digital marketing e dei processi online, come campagne di lead generation o azioni di marketing automation.
Analisi predittiva
L’analisi predittiva (Predictive Analytics) analizza fatti storici e attuali per fornire predizioni sul futuro. In ambito aziendale serve ad identificare rischi e opportunità. Un esempio sono le previsioni del tempo o l’analisi dei titoli di borsa, basate sui dati storici e sul calcolo delle probabilità.
Analisi prescrittiva
L’analisi prescrittiva (Prescriptive Analytics) è effettuata mediante tool che elaborano i dati e forniscono indicazioni strategiche che derivano dal processo di analisi descrittiva e predittiva. L’analisi prescrittiva è, quindi, una consulenza, essa ha l’obiettivo di determinare l’effetto delle future decisioni e di prospettarne i possibili risultati.
Analisi automatizzata
Infine, l’analisi automatizzata (Automated Analytics) è il frutto delle precedenti analisi. In questo caso si tratta di strumenti sofisticati capaci di avviare differenti azioni in modo autonomo a seconda del risultato delle analisi. Le piattaforme di automated analytics attivano azioni programmate come modificare automaticamente un prezzo online o cambiare il modello di email nel direct marketing.
Conclusioni
Gli strumenti di Business Intelligence permettono di acquisire ed elaborare una grande quantità di dati offrendo importanti vantaggi in termini di strategia di business. Come possiamo utilizzare l’analisi dei dati per pianificare una campagna? Come possiamo stilare un piano di comunicazione sulla base delle informazioni emerse dalle piattaforme di analytics?
Nel prossimo post ci soffermeremo proprio su questo aspetto, come sempre #staytuned e per approfondimenti non esitare a contattarci!
