TUTTI GLI ARTICOLI  >  Big Data Analytics

I Big Data dalla teoria alla pratica: alcuni esempi concreti

13 marzo 2019 / Di Alessandro Piva / Nessun commento

In diversi contesti, in cui si affronta il tema dell’innovazione e della trasformazione digitale, il termine Big Data è usato, e spesso anche abusato. Gli esempi di Big Data sono molti nella pratica. Dai dispositivi connessi ai social network, dai satelliti al web, l’esplosione della mole di dati a disposizione e l’evoluzione delle tecnologie per raccoglierli, gestirli e analizzarli ha aperto nuovi scenari e interessanti opportunità per le aziende.

 

La ricerca continuativa dell’Osservatorio Big Data Analytics & Business Intelligence registra e racconta da anni come i Big Data Analytics possano avere un impatto trasversale in processi aziendali e non solo. Al di là del significato di Big Data che abbiamo già scandagliato in precedenti articoli, in questo articolo cercheremo di rendere più concreto questo messaggio attraverso alcuni esempi specifici. Attenzione, i campi di applicazione dell’analisi dei dati vanno ben oltre!

 

Esempi di Big Data nel Marketing

Conoscere le esigenze e il sentiment dei clienti, individuare più velocemente il proprio target di riferimento, personalizzare la relazione con il consumatore attraverso comunicazione ad-hoc e così via: gli esempi di utilizzo dei Big Data con finalità di Marketing sono davvero ricchi, numerosi e rappresentano l’ambito di applicazione di cui al momento c’è maggiore consapevolezza.

Big Data e segmentazione del target

Prima di tutto, ci sono le azioni di customer micro-segmentation, in un certo senso la base per qualsiasi strategia di marketing innovativa. Con i Big Data si possono raccogliere informazioni fino a pochi anni fa inimmaginabili, come recensioni, commenti sui social o dati di comportamento dell’utente sul sito web aziendale, che permettono di profilare il cliente sulla base dell’atteggiamento con il quale si rivolge al brand e non più utilizzando soltanto variabili statiche (tipicamente demografiche). Ciò può portare a intercettare nuovi prospect, ma anche ad aumentare il valore del singolo scontrino, in quest’ultimo caso si può trattare di cross-selling altamente personalizzato, basato su algoritmi sofisticati di raccomandazione.

Big Data tra fisico e online

Altri esempi, maggiormente innovativi e complessi da un punto di vista tecnologico, riguardano la commistione di dati digitali e comportamenti offline. Tipico caso è il location-based marketing, ovvero l’utilizzo dei dati di geo-localizzazione provenienti da smartphone e da altri dispositivi mobile, per identificare la posizione del cliente e quindi effettuare azioni pubblicitarie real-time.

In modo similare, i progetti di in-store analysis si occupano di analizzare tutti i dati provenienti dai vari store aziendali e permettono quindi di costruire delle mappe in cui vengono identificate le zone del negozio e i prodotti maggiormente “attraenti”.

Scarica l'infografica

 

I Big Data per l’efficienza produttiva

Sono tantissimi gli esempi di utilizzo di analisi dei dati avanzata per ridurre i costi dei processi di produzione, in contesti manifatturieri. Prima di tutto, monitorando costantemente i dati provenienti dai sensori di una fabbrica digitalizzata è possibile comprendere lo stato di salute di tutti i macchinari e quindi prevederne la rottura: si tratta di progettualità di manutenzione predittiva.

Inoltre, l’analisi dei dati sui prodotti (non solo dati tradizionali ma anche immagini!) può permettere una valutazione accurata e automatica della qualità del singolo pezzo (e non più a campione), con un ritorno economico e reputazionale per l’azienda.

 

Predire le frodi con i Big Data

La capacità predittiva dei Big Data, o meglio la capacità predittiva derivante dall’analisi di grandi moli di dati di fonte e formato eterogeneo con tecniche (anche) di apprendimento automatico, si sta rivelando davvero disruptive.

Un esempio di applicazione che sta registrando grande interesse nel mondo bancario e assicurativo riguarda l’identificazione delle frodi. Con l’identificazione delle frodi si può far riferimento a frodi bancarie tradizionali che già molti istituti di credito tentano di combattere (l’SMS che ci avvisa che è stato ritirato del denaro a molti chilometri di distanza dal nostro smartphone), ma anche a tentativi di furti d’identità o di truffe assicurative.

 

Esempi di Big Data per il cittadino

Le finalità dei progetti di Big Data Analytics non si riducono necessariamente all’aumento del fatturato di un’impresa. Le opportunità di innovazione sociale sono davvero numerose. Comuni, regioni, strutture sanitarie: questi alcuni degli attori coinvolti in progettualità altamente innovative, che potrebbero migliorare la qualità della vita di tutti noi cittadini.

Un esempio è l’utilizzo dei Big Data per l’ottimizzazione dei flussi turistici o per monitorare la reputazione di un territorio, di un servizio, di una struttura ricettiva ecc.... Un altro campo di applicazione dalle ampie potenzialità è l’utilizzo di grandi moli di dati nella sanità. Per averne un’idea, basti pensare all’impatto della diffusione degli smart watch, che sempre di più saranno in grado di monitorare in tempo reale variabili fondamentali del nostro stato di salute, agendo come dei veri e propri salvavita.

 

Il connubio Big Data e Intelligenza Artificiale

I dati del passato erano principalmente tabelle o database generati da sistemi informativi aziendali. I dati del presente sono molti di più e assumono diverse forme, non solo righe e colonne ben definite ma anche testi, immagini, video, dati di log, dati geolocalizzati e così via.

I dati del futuro – e in alcuni casi già di oggi – diventeranno il principale elemento abilitante di una enorme rivoluzione tecnologica. Alcuni esempi di utilizzo dei Big Data, coniugato con tecniche di intelligenza artificiale, si stanno già affacciando sul mercato: robot intelligenti, assistenti virtuali, veicoli a guida autonoma e molto altro ancora da scoprire.

Vai al Webinar

Alessandro Piva

Alessandro Piva

Ricercatore alla School of Management del Politecnico di Milano, dove è responsabile della Ricerca degli Osservatori Information Security & Privacy, Big Data Analytics & BI e Cloud Transformation. All’interno delle sue aree di riferimento conduce attività di ricerca e consulenza per imprese e Pubbliche amministrazioni italiane