Il 90% dei manager parla di case study sui big data e di quanto siano importanti per aumentare le performance del business; ma solo in pochi riescono a mettere in pratica quello che predicano.

In moltissimi mi contattano dicendo: “Abbiamo un sacco di dati in azienda, insieme a molti sviluppatori e data scientists… ma non abbiamo la più pallida idea di cosa farne“.

Tranquilli, è normale: persino alcune aziende tra le Fortune 500 non hanno uno Chief Data Officer (CDO). E i board italiani si stanno ancora chiedendo come funzioni questa tecnologia…

Adesso, però, è tempo di cambiare questa tendenza.

Siamo ormai entrati nella data economy, e dobbiamo iniziare a vedere le informazioni come asset strategici, come se fossero immobili, azioni o brevetti.

3 modi per creare valore con i big data

Ci sono solamente 3 modi per creare valore con i big data.

Non 10, 100 o 1000: solo 3.

A differenza di quello che molti pensano, ci sono tre grandi categorie sulle quali dobbiamo partire per lavorare con i dati:

  1. Migliorare il decision making
  2. Aumentare le perfomance
  3. Monetizzare direttamente i dati

Migliorare il decision making

“Migliorare il decision making” significa sfruttare le informazioni per prendere decisioni di business più accurate.

Significa iniziare con strategia a definire le domande fondamentali per la nostra ricerca e iniziare ad utilizzare dati interni, esterni e analytics per cercare di rispondere al meglio a quanto ci eravamo chiesti.

Per prima cosa, dobbiamo porci delle domande relative al nostro business.

Successivamente, dobbiamo utilizzare i dati interni ed esterni per cercare di rispondere al meglio.

In questo approfondimento vedremo il case study di Dickey’s Barbecue Pit. In particolare, analizzeremo come una catena di hamburger sia riuscita a “mettere gli steroidi” alle proprie vendite grazie all’analisi di alcuni Key Performance Indicators (KPI).

Aumentare le performance

“Aumentare le performance” significa individuare quali aree all’interno del nostro business possono essere migliorate, rese più efficienti o automatizzate.

Solitamente, questa categoria si divide in: (1) diminuire i costi operativi (ad esempio prevedendo il malfunzionamento di un macchinario per renderne più efficiente la manutenzione); e (2) aumentare le performance di vendita (applicando analytics più sofisticati al nostro processo di lead generation)

Per questo punto analizzeremo il case study di UPS. In particolare, vedremo di come è riuscita a risparmiare decine di milioni di dollari in carburante trovando percorsi più brevi per i propri autisti.

Monetizzare direttamente i dati

Ultimo, ma non certo per importanza, è la monetizzazione diretta dei dati.

Sapevi che esistono intere aziende il cui business è raccogliere e vendere informazioni?

Oppure, sapevi che esistono aziende il cui business model è offrire gratuitamente prodotti o servizi per il solo scopo di profilare i consumatori?

Vedremo il case study di Waze e di come il suo famoso CEO sia riuscito a estendere la portata della sua app senza spendere un solo centesimo. Tutto questo grazie a un semplice scambio d’informazioni!

Migliorare il decision making con i big data: Il case study di Dickey’s Barbecue Pit

Dickey's Barbecue Pit
Dickey’s Barbecue Pit

Dickey’s Barbecue Pit è una catena con 514 ristoranti negli Stati Uniti che ha deciso di investire nell’utilizzo della big data analytics. Lo so, sembra strano ascoltare “barbecue e big data” in una stessa frase… ma questa è la realtà.

Il team di analytics di questa azienda prende il nome di Smoke Stack, e la loro idea era di migliorare il decision making aziendale e aumentare le vendite cercando di rendere più efficienti aspetti come marketing, formazione del personale, branding, sviluppo del menu e operazioni varie.

Per iniziare, Smoke Stack ha installato sistemi di monitoraggio direttamente nei suoi 514 punti vendita.

In questo modo, il team era in grado di analizzare dati come promozioni di marketing, programmi di fidelizzazione, sondaggi sui clienti e prodotti in magazzino per fornire feedback quasi in tempo reale sulle vendite e altri KPI strategici.

In particolare, grazie a questo lavoro, Dickey’s Barbecue Pit è adesso in grado di prendere decisioni immediate come:

Aumentare le performance con i dati: il case study di UPS

ups case study

ORION è un sistema sviluppato da UPS per ottimizzare il percorso dei propri corrieri.

Il sistema analizza una serie di data points, come il traffico, le destinazioni dei pacchi del giorno, i tempi di ritiro, le previsioni metereologiche o altri vari dati storici per creare il percorso giornaliero più efficiente per i postini.

UPS utilizza dati e modelli predittivi per aumentare la sua efficienza, riducendo così sia i costi che gli impatti ambientali.

Tracciando percorsi più efficienti, UPS è stata in grado di ottimizzare l’utilizzo dei veicoli e degli autisti, con un notevole risparmio di carburante: uno dei costi maggiori per le aziende di logistica.

L’implementazione di ORION si è svolta in tre distinte fasi:

  1. UPS usava algoritmi già noti per l’ottimizzazione dei percorsi (come l’ordine di consegna dei pacchi); ma i risultati iniziali erano frustranti, incoerenti e non facilmente implementabili dai conducenti UPS.
    Questo non deve sorprenderci, ci sono sempre forti attriti nel processo di innovazione di un processo. Collegare business e tecnologia non è mai facile, e richiede tempo e ingegno.
  2. Successivamente, UPS è riuscita a dimostrare risultati coerenti. Una volta compreso che ORION avrebbe funzionato in un ambiente di test (in laboratorio), il team ha testato il programma sul campo. Il risultato è stato un aumento significativo dell’efficienza e un potenziale incremento del ROI.
  3. Nella fase finale di adozione, UPS ha sviluppato uno strumento software scalabile che ha poi implementato in tutta l’organizzazione. La sfida principale era informare e motivare tutto il personale UPS ad adottare questo nuovo sistema e abituarsi a questo nuovo modo di lavorare.

Al completamento di ORION, UPS prevede di vedere riduzioni annuali di 100 milioni di miglia percorse e risparmi di carburante di 10 milioni di galloni all’anno.

Da non sottovalutare è anche il risparmio di 100.000 tonnellate di emissioni di gas serra ogni anno.

Migliorare le performance in un settore come la logistica non implica ‘solamente’ un notevole taglio ai costi (vista la notevole mole di trasporti), ma anche la possibilità di poter offrire prezzi più competitivi, aprire le porte a nuovi grandi clienti e aumentare quindi il fatturato in modo notevole.

Monetizzare i dati: il case study di Waze

waze
Waze

È proprio vero che, nel 2020, il 99% delle aziende non ha idea di essere seduta sopra a una minerà d’oro d’informazioni che possono essere monetizzate, vendute e scambiate in decine di modi diversi.

Questo è proprio quello che è successo a Waze: la famosa app di mappe geografiche (ora integrata a Google Maps) che segnala traffico, cartelli stradali, autovelox e pericoli vari mentre sei alla guida.

Noam Bardin (CEO di Waze) voleva espandere la portata dell’app in Sud America. Un’idea audace, ma piuttosto costosa sia in termini di tempo che di denaro.

Così, Bardin ha contattato una compagnia che rivende informazioni geografiche dell’intero Sud America per avere accesso al loro prezioso database ed espandere la propria portata.

La cosa interessante è che Bardin non ha dovuto sborsare un centesimo per accedere alle tanto preziose informazioni geografiche: ha semplicemente proposto di barattarle in cambio di dati che Waze stessa avrebbe raccolto dagli utenti sudamericani (come traffico automobilistico, posizione degli autovelox, lavori stradali e incidenti).

In questo modo, l’astuto CEO ha individuato una partnership strategica creando una situazione win-win, conveniente per entrambe le aziende:

Waze è solo uno dei tanti esempi che delineano la nuova tendenza chiamata “baratto di dati“, in cui le società si scambiano database in cambio di soldi, altre informazioni, prodotti o servizi.

In aggiunta, questo case study è anche un esempio che spiega come sia possibile monetizzare le informazioni della propria azienda.

Come spiego ai miei clienti durante le consulenze, ci sono infiniti modi per trarre profitto dai propri dati. Ormai, sono diventati una vera e propria merce dei scambio.

Bisogna capire come guardare oltre le “linee e le caselle di un database”, e usare il nostro genio creativo per fiutare opportunità di business che possono generare profitti immensi, e, sopratutto, con spese minime.

Pensieri finali

È arrivato il momento di ripensare il design della nostra azienda, di mettere le informazioni al centro dei nostri asset strategici.

In questo modo, potremo davvero mettere i super poteri al nostro business.

Molto presto non esisteranno più business che possono permettersi di ignorare l’analisi dei dati; ma solo business iper-competitivi che cercano di trarre il massimo vantaggio dalle informazioni per massimizzare il ROI, diminuire i costi e alzare barriere d’entrata.

Un consulente esterno potrebbe rivelarsi davvero utile per guidare questa trasformazione con strategia fin dal principio. Clicca qui per organizzare una consulenza con me.