Entro il 2020 l’80% delle aziende a livello mondiale avrà avviato le proprie attività di data management, secondo un report recente di IDC, e già oggi il 43% delle imprese sta implementando soluzioni per la data monetization, in altre parole per la generazione di profitti grazie alla gestione dei dati raccolti. Davanti alle aziende si apre così un nuovo mercato, sempre più competitivo e complesso.
Non è una novità di questi ultimi anni: già in passato si era diffusa la voce che Amazon, forte di una capillare conoscenza dei propri consumatori, avesse avviato iniziative di analytics per determinare in via presuntiva quali dei milioni di articoli in vendita sarebbero stati oggetto di acquisto nel futuro prossimo. Si sarebbe così messa in moto la catena logistica, per far arrivare in tempo reale quagli oggetti all’inconsapevole consumatore prima ancora che costui avesse espresso la propria volontà di acquisto.
In realtà la cosa ebbe come risultato il meno rischioso sistema di raccomandazione, in cui attraverso un ‘collaborative filtering engine’ (CFE) venivano identificati prodotti di probabile maggiore interesse per l’acquirente, a cui venivano successivamente mostrati online o su supporto mobile. Negli Stati Uniti, questi prodotti venivano anche distribuiti, tramite l’efficentissima catena logistica, ai depositi più prossima alla residenza dell’acquirente, in modo da abbattere le spese di trasporto da un 10% a un 40%.
Ma in questi anni si è aggiunta al data analysis la graduale applicazione di soluzioni di Machine Learning e di Artificial Intelligence. Il risultato? In America Settentrionale si sono andati diffondendo, particolarmente per l’abbigliamento femminile, le subscription box, gli abbonamenti cioè che inviano a casa della persona, una volta per ogni periodo predefinito, una selezione di abiti e complementi scelti dall’AI in funzione delle caratteristiche autodichiarate e degli acquisti precedenti. Tra questi si scelgono quelli che si desidera tenere, e si rimandano indietro gli altri. Ovviamente senza spese né di spedizione né di reso.
Ma vi sono anche servizi, come quello di LeTote, che prevedono la possibilità di indossarli e restituirli quando si vuole, magari senza neanche pulirli, sempre a fronte di poche decine di dollari di pagamento mensile.
Questo è solo uno degli esempi possibili in cui le applicazioni dell’intelligenza artificiale aprono nuovi ambiti di mercato. Per esempio, i dati possono selezionare accuratamente quali consumatori sono leali e ritorneranno, entro un certo tempo (diciamo un paio di settimane), nel punto vendita per effettuare altri acquisti. Una solida base – consumatori fedeli, frequenza di acquisto e scontrino medio – su cui tutti i leader di mercato costruiscono i propri piani di sviluppo, o al contrario, devono prendere urgenti contromisure.
Ma i data scientist sono in grado di determinare collegamenti ben più complessi. Ad esempio tra il tipo di auto che si guida e i prodotti che si acquisteranno, con un elevato grado di certezza, derivato dai modelli di comportamento ricavati dalle azioni pratiche delle migliaia di persone che posseggono quella stessa auto.
D’altra parte, se BCG (Boston Consulting Group) afferma che “ben 6 degli 8 aspetti principali dell’innovazione che avranno un impatto maggiore entro 3-5 anni sono legati al digitale: piattaforme tecnologiche, rapida adozione di nuove tecnologie, design digitale, big data, mobile e Intelligenza Artificiale”, si tratta solo dell’ennesima conferma della situazione attuale, in rapido cambiamento peraltro.
Come confermano i dati raccolti dall’IDC, nel 2025 i dati generati raggiungeranno i 163 Zb. Uno Zb (Zettabyte) è pari a un miliardo di Terabyte. Una dimensione enorme, se pensiamo che in meno di due giorni, oggi, si produce la stessa quantità di dati che abbiamo generato dall’inizio dei tempi fino al 2003. Ma problema del futuro non è solamente quello volumetrico, di infrastruttura IT: fortunatamente i costi delle memorie sono in picchiata.
Il primo obiettivo è quello di gestire al meglio il ciclo di vita del dato, rendendolo disponibile nel posto giusto, nel momento giusto e con il formato giusto. Una sfida cruciale, ma ineludibile. Migliorando la qualità e la ‘consistenza’ del dato, secondo il report pubblicato da IDC, non solo si supportano i processi decisionali, diminuendo i costi e minimizzando i rischi. Ma la corretta interpretazione del dato aumenta al contempo la possibilità di generare ricavi. Magari da fonti ancora ignote, o attraverso strumenti di cui ancora non si conoscono le potenzialità. Il primo passo è la demolizione dei silos aziendali: il dato deve essere disponibile per tutti gli utenti aziendali, che potranno utilizzarlo con diverse finalità. E qui si incontrano i primi ostacoli. Come rispettare le norme europee sul GDPR o le futura sulla ePrivacy. Obiettivi aziendali o protezione dei diritti dell’individuo: questo il dilemma da affrontare e risolvere. Al più presto, perché ormai il tempo è limitato.