TUTTI GLI ARTICOLI  >  Big Data Analytics

Gli obiettivi e i benefici dei progetti di Big Data Analytics

02 gennaio 2018 / Di Filippo Leccardi / Nessun commento

Quali sono gli obiettivi che le aziende italiane intendono perseguire con l’utilizzo dei Big Data Analytics? E qual è l’effettiva capacità di ottenere i benefici ad essi associati?

 

Big Data Analytics: obiettivo raggiunto (o quasi)

Gli Osservatori Digital Innovation del Politecnico di Milano ci offrono la risposta al nostro primo quesito. Stando ai dati in possesso dell'Osservatorio Big Data & Analytics Le aziende che hanno iniziative di Big Data Analytics in atto, o che ne hanno già effettuate in passato, perseguono o hanno perseguito questi obiettivi:

  • miglioramento dell’engagement con il cliente (70%);
  • incremento delle vendite (68%);
  • riduzione del time to market (66%);
  • ampliamento dell’offerta di nuovi prodotti e servizi e l’ottimizzazione dell’offerta attuale al fine di aumentare i margini (64% ciascuno);
  • riduzione dei costi (57%);
  • ricerca di nuovi mercati (41%).

Ma quali sono gli obiettivi effettivamente ottenuti? Sicuramente il miglioramento dell’engagement con il cliente (nella totalità dei casi). Seguono l’aumento delle vendite (91%), la riduzione del time to market (78%), l’identificazione di nuovi prodotti e servizi (67%), l’ottimizzazione dell’offerta attuale per aumentare il margine (73%) e la riduzione dei costi (56%).

Più difficile traguardare l’obiettivo dell’identificazione di nuovi mercati, effettivamente ottenuto solo da quattro aziende su dieci (38%). Il quadro è complessivamente positivo, a conferma di una comprensione crescente delle opportunità offerte dai Big Data Analytics e del percorso per valorizzarle appieno.

Va fatto notare che molte aziende sono ancora in fase di realizzazione dei progetti, non hanno ancora raccolto i risultati dei loro investimenti e di conseguenza non sono in grado di dire se effettivamente l’obiettivo sia stato raggiunto o meno. Circa il 60% delle iniziative attive nelle aziende si trovano in questa situazione, a testimoniare come ci si trovi ancora in un momento di grande fermento e di continua sperimentazione.

Guarda il video


Il parere delle aziende che hanno (e non hanno) investito sui Big Data

Una nota interessante può essere fatta per quelle aziende che non hanno ancora effettuato iniziative Big Data Analytics ma che hanno intenzione di realizzarne a breve: il 76% di queste lo farà con l’intento di migliorare l’engagement con il cliente. Quest’obiettivo è di gran lunga il principale, mentre il secondo nell’ordine, l’ottimizzazione dell’offerta attuale volta ad aumentare i margini conseguiti, risulta molto meno segnalato (39%). Segue poi l’obiettivo di diminuire i costi (36%), che risulta essere un driver importante per chi si approccia per la prima volta a un progetto di Analytics.

Il risultato complessivamente positivo generato dagli investimenti in Big Data Analytics è testimoniato anche dal fatto che, tra le aziende che ne hanno effettuati, il 13% ne giudica il risultato disruptive, il 21% un grande successo e il 29% buono o moderatamente di successo. Il restante 37% non si espone ancora in quanto ritiene che sia troppo presto per poter esprimere un giudizio. Nessuna azienda giudica un fallimento questo tipo di iniziative.

 

L'impatto dei Big Data Analytics: l'albero del valore dei benefici

Rispondiamo quindi alla seconda domanda: qual è l’effettiva capacità di ottenere i benefici da tali obiettivi?

Per analizzare in modo più approfondito le principali aree di impatto, si è costruito un albero di valutazione dei benefici che è stato validato all’interno di un workshop dell’Osservatorio. L’albero del valore è stato realizzato dopo una fase di ricerca che ha consentito di evidenziare le tre caratteristiche degli impatti che un progetto in Big Data Analytics può avere, necessarie per la costruzione di un modello coerente.

1) Trasversalità

Le progettualità nei Big Data Analytics possono avere impatti su tutta la supply chain aziendale. Le analisi dei dati possono supportare dalle fasi più a monte, quindi dalla relazione con i fornitori o la gestione della previsione della domanda di materie prime o semilavorati, fino alle fasi a valle, nella relazione con i clienti, dove i Big Data possono aiutare a migliorare il customer care. Possono essere impattati, quindi, sia processi interni sia esterni.

2) Limitata quantificabilità

I benefici derivanti da un investimento in progettualità Big Data Analytics si differenziano sulla base della possibilità di quantificarne l’impatto generato. Ci sono:

  • benefici quantificabili economicamente, quindi immediatamente traducibili in indicatori economici/finanziari che misurino la bontà del progetto;
  • benefici non quantificabili economicamente, ma che è possibile tradurre in indicatori di prestazione;
  • benefici non quantificabili, sarà importante tenere traccia anche di questi, sebbene non sia possibile offrirne una misurazione o rappresentarli attraverso indicatori quantitativi.

3) Ampiezza dell’orizzonte temporale 

L’impatto legato a progettualità innovative può esprimersi molto rapidamente così come in un orizzonte temporale molto lungo. Il tempo di payback di un investimento può essere superiore a un anno. Data questa specifica è necessario utilizzare uno strumento di misurazione che tenga conto del beneficio cumulato generato dal progetto lungo gli anni di vita utile dello stesso.

 

Dagli obiettivi ai benefici (e viceversa)

Queste tre caratteristiche condizionano la metodologia di misurazione delle performance, per quanto riguarda la parte di benefici di cui è possibile effettuare una quantificazione.L’albero del valore è quindi uno strumento realizzato per mappare i benefici raggiunti da un progetto in Big Data Analytics, analizzando quali sotto-aree ne siano impattate e misurandone gli indicatori che le caratterizzano.

L’utilizzo che si può fare del modello è duplice: ex ante può rappresentare uno strumento che consente di identificare i benefici da monitorare durante lo sviluppo del progetto, ovvero quei benefici che generano flussi di cassa differenziali rispetto allo scenario di partenza; ex post consente di valutare i benefici raggiunti rispetto alle aspettative definite ex ante e di rilevare se ci sono dei side effect non preventivati da considerare.

 

Quali sono le migliori iniziative di Big Data Analytics?Scarica il Report

Filippo Leccardi

Filippo Leccardi

Ricercatore Osservatorio Big Data Analytics & Business Intelligence