TUTTI GLI ARTICOLI  >  Big Data Analytics

Startup e Big Data Analytics: la strada verso l'innovazione

21 novembre 2018 / Di Filippo Leccardi / Nessun commento

Tra i principali attori che calcano il palcoscenico del fenomeno Big Data, ci sono le startup, nel ruolo di vera fonte di innovazione. Monitorare l’andamento dell’ecosistema startup degli Analytics a livello internazionale può significare intercettare nuovi modelli di business che potranno fare la differenza da un punto di vista competitivo e caratterizzare il mercato negli anni a venire.

 

Perché le startup sono importanti per i Big Data

Per quale motivo le startup sono tra i principali attori che trainano l’innovazione anche in ambito Big Data Analytics? E in che modo le aziende già presenti e strutturate all’interno del mercato possono collaborare o interfacciarsi al meglio per cogliere le opportunità di innovazione proprie di queste startup?

Le startup, definizione alla mano, sono organizzazioni temporanee (la fase di start up è pur sempre transitoria) che hanno lo scopo di crearsi un business model innovativo dotato essenzialmente di due elementi:

  • scalabilità, un business model che possa inserirsi in un mercato con possibilità di crescita
  • ripetibilità, un business model che abbia dei processi replicabili (di vendita e distribuzione in primis).

Ma per potersi proporre con un modello di business di successo e che sia replicabile e scalabile, devono differenziarsi rispetto a quanto sia disponibile sul mercato. Subentra qui un terzo elemento tanto fondamentale quanto distintivo delle startup: l’innovazione.

All'interno delle startup, pertanto, vengono generate, testate e validate nuove idee a un ritmo decisamente più alto rispetto a ciò che è lecito attendersi in un contesto aziendale già ben consolidato. Ed è qui che si inseriscono le aziende leader di mercato, sempre più propense ad acquisire il know-how innovativo proprio di una startup (licenze, brevetti, idee), se non proprio la startup stessa.

Il discorso vale dunque in ogni ambito dell'innovazione digitale, Big Data su tutti. Quali settori verranno maggiormente impattati dalle soluzioni innovative che sfruttano i Big Data Analytics?

Vai al Webinar

 

L'ecosistema startup dei Big Data

Gli Osservatori Digital Innovation del Politecnico di Milano, nel 2018, hanno identificato e analizzato 443 startup operanti nel mercato Big Data Analytics.

Sono state selezionate le aziende fondate dal 2013 in avanti e che hanno ricevuto finanziamenti da investitori istituzionali dal 2016. La somma dei finanziamenti ricevuti dalle aziende oggetto d’analisi da parte di finanziatori istituzionali ha totalizzato 4,74 miliardi di dollari.

All'interno di questo campione, il 63% delle startup censite offre un orientamento specifico, ovvero una soluzione pensata per un particolare settore o per l’utilizzo da parte di una particolare funzione aziendale. Di queste, il 53% è focalizzato su uno settore, mentre il 37% su una funzione.

 

Startup e Big Data: tre aree di innovazione

Le startup censite operanti nel mercato dei Big Data sono state classificate in tre macro aree: Technologies Analytics Systems e Applications./p>

1. Technologies startup

Rappresentano l'8% delle startup dedite ai Big Data. Offrono strumenti volti alla raccolta, l’immagazzinamento, l’organizzazione e integrazione del dato. All’interno di questa categoria, sono state individuate a loro volta 3 classi:

  • Hardware Technology (31%): tecnologie hardware in grado di dotare il sistema della capacità computazionale necessaria agli algoritmi per portare a termine le analisi ed elaborazioni;
  • Big Data Enabler (29%): strumenti che permettono l’analisi e l’integrazione di Big Data con architetture o strumenti di Business Intelligence tradizionali, in modo da rendere più semplice l’esplorazione di dati eterogenei;
  • Database Management System (23%): sistemi che offrono le tecnologie e i linguaggi con i quali è possibile raccogliere Big Data ed eseguire analisi su essi;
  • Computing Architecture (17%): sistemi che consentono di gestire flussi di dati real time, dalla raccolta alla trasformazione fino all’analisi.

2. Analytics Systems startup

Il 29% del campione offre sistemi di Analytics non riconducibili univocamente a un ambito di utilizzo. Detto in termini più semplici, queste startup non hanno un’applicazione specifica ma possono avere un utilizzo differente a seconda delle necessità del cliente. Sono state individuate ulteriori classi di questa tipologia di startup. Tra le principali:

  • General Platform (53%): soluzioni che prevedono l’integrazione e l’analisi di dati volta a favorire l’estrazione d’insight in tempi rapidi oppure volte ad effettuare analisi predittive, aiutando così le aziende ad affrontare situazioni di decision making. Le soluzioni fornite da queste startup hanno uno scopo ampio, per questo non è possibile ricondurle univocamente alle sottocategorie presentate di seguito;
  • Image Analysis (16%): piattaforme dedicate all’analisi di immagini e/o video;
  • Data Visualization (7%): piattaforme che prendono i dati grezzi e li presentano in formati visivi complessi e multidimesionali con l'obiettivo di rappresentare graficamente i principali KPI e mettere in risalto le informazioni ricercate;
  • Text Analytics (7%): strumenti che consentono di analizzare dati testuali e di estrarne insight. Questo genera maggior conoscenza e consapevolezza che si tramuta in decisioni migliori;
  • Recommendation System (4%): piattaforme dedicate allo sviluppo di software in grado di fornire ad un utente raccomandazioni personalizzate sulla base di preferenze e interessi espressi in maniera indiretta.

3. Application startup

In quest’ultima categoria (nel quale rientra il 63% delle startup Big Data) sono contenute tutte quelle startup che hanno sviluppato un’offerta specializzata per un particolare settore o per una funzione aziendale. Questo tipo di startup si pone idealmente ad un livello di specializzazione superiore agli Analytics Systems, in quanto indirizza le possibilità di analisi a uno specifico servizio o verso un solo ambito.

Le Applications possono essere suddivise a seconda che si rivolgessero ad uno specifico settore o funzione/processo aziendale. Distinguiamo tra:

  • Industry Oriented Applications” (53%), che offrono infine soluzioni orientate ad uno specifico settore di impresa (finance, healthcare, travel, automotive, real estate, agriculture, education, sport, entertainment, legale, in ordine di numerosità);
  • Department Oriented Applications” (47%).

Le seguenti sono le principali sottocategorie identificate per la parte “Department Oriented Applications”:

  • Security & Privacy (19%): propongono strumenti per l’analisi e l’incremento della sicurezza dei dati;
  • Customer Journey Management (18%): soluzioni che consentono l’integrazione di dati del CRM con dati presenti in altre fonti per poterne ricavare insight volti a migliorare il servizio offerto al cliente e la sua fedeltà verso l’azienda;
  • Marketing Intelligence (11%): soluzioni volte a migliorare alcune attività in carico al Marketing, per esempio la ricerca della miglior posizione per il collocamento di uno store sulla base delle caratteristiche della zona e della presenza della concorrenza, e l’incremento di efficienza delle campagne di marketing;
  • Human Resources (10%): mettono a disposizione piattaforme per l’analisi della forza lavoro e per l’ottimizzazione e il miglioramento dei processi di selezione, assunzione, formazione, valutazione delle performance e gestione delle paghe e delle ricompense (es. Namely).

Vai al webinar

Filippo Leccardi

Filippo Leccardi

Ricercatore Osservatorio Big Data Analytics & Business Intelligence