Data-Driven Ideas

di Valerio Franco

Valerio Franco aka Mr. White, è l'evoluzione moderna e contemporanea della quasi estinta specie degli Strategic Planner. Fondatore e Chief Innovation Officer di Hallelujah, la prima agenzia italiana di data-driven-ideas. Già Partner & Strategy Director di Enfants Terribles + ebolaindustries, Valerio è da oltre 10 anni in prima linea nello sviluppo di strategie e progetti di comunicazione tra i più innovativi e sperimentali del nostro Paese. Insegna Marketing Non Convenzionale e Virale all’Accademia di Comunicazione di Milano e in alcune Università in Italia.

Machine learning: i 4 check up per partire

Machine-learning-1

Come trasformare i big data in smart data e attivare processi di marketing intelligence in tempo quasi reale? Il Machine Learning è indubbiamente una parte nodale di questa risposta. A introdurci in questo territorio ancora tutto da esplorare per il mondo del marketing e della comunicazione, è Yilmas Mohammed Alì, Digital Strategist di Hallelujah.

Una ricerca di BCC Research prevede che il mercato del Machine Learning raggiungerà 15.3 miliardi di dollari entro 2019, con un tasso di crescita medio annuo del 19,7%. Per convincersi di tale potenziale è sufficiente pensare che i grandi del Digitale come Google, Facebook, Twitter, ecc. ne hanno fatto il motore dei propri servizi. Altrimenti, basta dare un’occhiata al colosso dell’automotive Tesla, che ha già raccolto dati per 780 milioni di miglia di guida, e che ne sta aggiungendo ad una velocità di un milione ogni 10 ore.

Ma cosa si intende con “Machine Learning” (ML)?

Diventata vera e propria disciplina scientifica alla fine degli anni ‘90, il Machine Learning (ML) si basa su algoritmi che possono “imparare” nozioni a partire da dati grezzi e senza la necessità di fare affidamento su articolati sistemi di programmazione basati su regole. La sua principale caratteristica è quella di entrare in gioco nella crescente complessità e volume dei Big Data nel quale nuota il mondo di oggi, nutrendosene per aumentare sempre più il suo potenziale e, di conseguenza, l’importanza di farne un uso strategico.

La buona notizia per le aziende è che tutti i dati che sono stati archiviati per anni finalmente possono essere trasformati in un reale vantaggio competitivo che non si soffermi alla semplice reportistica sul passato e che grazie alla sua capacità di interpretazione-risposta (quasi) in tempo reale permetta, a chi ne fa uso, di arrivare agli obiettivi di business. Uno studio di McKinsey ha infatti evidenziato come una dozzina di banche europee stia già sostituendo le tecniche di modellazione statistica classica con il Machine Learning.

Sono molte le industrie nelle quali il ML sta portando il suo contributo.

Machine-Learning-fig-2

Il panorama diventa ancora più intrigante se si considerano i vari utilizzi nel marketing e nelle vendite. Secondo Forbes infatti:

  • Il 76% delle aziende intervistate dice di puntare già su un Machine Learning finalizzato alla crescita delle vendite, attraverso applicativi di up-selling e di cross-selling, dove l’uso dei dati sta contribuendo alle omnichannel-sales;
  • Il 40% ne sta già facendo uso per migliorare oltre che le vendite anche il marketing;
  • Diverse banche europee infine, stanno aumentando del 10% le vendite di nuovi prodotti, riducendo il tasso di abbandono del 20%;
  • Econsultancy riporta che nel 2015 il 40% dei dirigenti sostiene che più di metà dei dati e analytics raccolti gli sono stati utili nei processi decisionali.

In questo scenario di opportunità che si sta via via aprendo, trovano terreno fertile diversi player che hanno deciso di razionalizzare in modo intelligente grandi volumi di dati per fare del Machine Learning il proprio core business in diversi settori operativi come:

Risorse umane: Entelo e Gild utilizzano modelli di apprendimento automatico per identificare e reclutare talenti.

Finanza: Anaplan, Adaptive Planning e Trufa fanno parte di una nuova generazione di società finance-oriented che utilizzano il Data Science per la pianificazione finanziaria.

Vendite: Gainsight, Clari e Lattice impiegano meccaniche di Machine Learning per rilevare automaticamente le opportunità di vendita e costruire previsioni più accurate.

Marketing: Captora e Persado stanno usando questa scienza per personalizzare rapidamente l’esperienza utente dei clienti e dei prospect.

La cosa inizia a farsi davvero interessante quando andiamo a capire in che misura il ML sta impattando nei processi di marketing e con che risultati…

Appare chiaro che ormai il presente è stato conquistato dai dati e che le aziende più smart sono già pronte per la corsa all’ultimo byte. Ad esempio, grazie ai dati raccolti sul comportamento di un determinato target, il Machine Learning sarà in grado di fornire soluzioni data-driven personalizzate come offerte geolocalizzate, CRM e customer service profilato, cross-selling di prodotti di una stessa categoria o complementari, call to action mirate, selezione di contenuti tailored e così via. L’esempio più lampante di chi ha incentrato il proprio business sul Machine Learning è Amazon. Prossimamente contiamo di potervi raccontare anche noi del progetto di Digital CRM che stiamo sviluppando con un nostro cliente (stay tuned!).

Per questo motivo è di fondamentale importanza non restare indietro e comprendere quanto prima come fare a salire sul treno del ML.

In questo senso, il futuro è ancora tutto da scrivere e prendendo spunto da questi trend presentati da Josaph Sirosh (corporate vice president of Data Group and Machine Learning at Microsoft) vogliamo darvi 4 consigli che possano rivelarsi un buon punto di partenza per attrezzarsi ad un uso strategico dei dati in chiave Machine Learning:

  • Trasformatevi in un’azienda algoritmica: la gestione manuale dei processi di un business diventerà presto “antiquata” dal momento che la tecnologia sta iniziando a gestire processi su larga scala grazie a dati ed algoritmi;
  • Scegliete l’intelligenza cloud-hosted: Sirosh dice che gli Analytics e la Data Science di oggi sono come la sartoria di inizio secolo, quando era richiesto molto tempo e un grande sforzo. Il futuro del Machine Learning però sarà come la produzione di vestiti ad oggi. Un futuro in cui, grazie ai modelli di apprendimento dai dati, si potrà virare verso una produzione di massa con piattaforme cloud che funzioneranno come grandi magazzini;
  • Puntate sulle applicazioni intelligenti: Algorithmia, ad esempio, offre agli sviluppatori la capacità di trasformare gli algoritmi in servizi web scalabili con un solo clic. I developer che necessitano di un algoritmo particolare possono quindi acquistare ed integrare algoritmi nelle proprie applicazioni con meno di 10 righe di codice;
  • Preparatevi per l’Industrial Internet of Things: l’IIoT trasformerà le aziende, aprendo una nuova era di crescita economica e di competitività. Secondo Accenture ci aspetta un futuro in cui l’intersezione di persone, dati e macchine intelligenti avrà un impatto di vasta portata sulla produttività, l’efficienza e le operazioni di industrie in tutto il mondo.

Machine-Learning-fig-3

Con questi consigli nel bagaglio, le aziende potranno trasformare informazioni in apprendimento e da questo passare automaticamente ad azioni reali guidate dai dati in real-time. Un mondo che al giorno d’oggi produce così tanti dati fa facilmente intendere un futuro dove la loro mole aumenterà esponenzialmente e saranno ancora più accessibili, precisi ma soprattutto importanti ai fini strategici di business se elaborati in modo intelligente.

Il treno del futuro si chiama Machine Learning e le aziende più orientate al futuro stanno già facendo le valigie. Buon viaggio a tutti.

Questo contributo è di tipo esplorativo, torneremo ancora a parlarvi di Machine Learning con il progredire della tecnologia e degli usi strategici. Se vi interessa contribuire al dibattito e arricchire la conversazione di nuovi spunti, non esitate a scrivermi a yilmas.mohammedali@hallelujah.it.

In aggiunta continuate a seguire il nostro Blog per nuovi aggiornamenti sul mondo data-driven ideas.