Viviamo in un mondo basato sui dati. Ad esempio, se attivi i provider di localizzazione su Google Maps e, un anno dopo, visiti la tua cronologia, puoi informarti dove ti trovavi esattamente lo stesso giorno dell'anno prima. Se attivi le soluzioni di attivazione di Facebook, suggerisce gli amici che dovresti richiedere se vai da qualche parte.
Le aziende di successo stanno estraendo saggezza e informazioni da tutte le informazioni raccolte per identificare i loro clienti target e promuovere loro prodotti e soluzioni.
Dall'attuale contesto di mercato tumultuoso, le informazioni stanno determinando il cambiamento dei modelli di business. Il pay-per-use, abilitato dai programmi cloud, è diventata una pratica consolidata. Ad esempio, l'emergere di Uber ha interrotto l'attività dei taxi. L'attenzione è cambiata da un approccio incentrato sul sistema a un approccio incentrato sull'utente. Anche le compagnie convenzionali, come le assicurazioni, offrono servizi self-service per l'acquisto e la gestione di polizze 24 ore su 24 online, su dispositivi mobili e tramite social network. Prodotti e soluzioni abilitati da nuove tecnologie come big data, intelligenza artificiale (AI), blockchain e realtà virtuale e aumentata vengono sfruttati dalle organizzazioni di ingegneria finanziaria per introdurre prodotti e servizi creativi.
L'interruzione del mercato rende imperativo per le organizzazioni acquistare ciò che possono, costruire ciò di cui hanno bisogno e esternalizzare il resto per rimanere competitivi in termini di costi. L'attenzione alla creazione è ora fondamentale per le imprese che devono sviluppare nuovi prodotti e servizi per distinguersi dalla concorrenza. L'adozione di approcci di trasformazione digitale automatizzando dalle azioni rivolte al cliente a quelle di back-office è una priorità assoluta per le aziende.
I dati creati da individui e sistemi devono essere la base per ottenere il piano giusto. Le organizzazioni che sono state in grado di sfruttare i dati per estrarre informazioni e intelligence per un vantaggio competitivo stanno scoprendo il successo.
L'intelligenza viene estratta dai dati
Le informazioni sono testo, video e audio. A titolo di esempio, si pensi alle informazioni delle azioni quotate in una borsa valori. Se dovessimo aggiungere a questi dati l'indicazione aggiuntiva se un particolare titolo si è mosso verso il basso o verso l'alto rispetto alla fine del giorno precedente, diventerebbero dati - qualcosa che ci interessa e qualcosa che potremmo analizzare. Non appena incorporiamo il contesto per consigliare, diventa intelletto.
Se dovessimo dare un'occhiata alle informazioni sul mercato azionario di 30 azioni che rappresentano un indice di borsa, queste sono semplicemente informazioni. Quando dovevamo portare l'indicatore che l'indicatore di borsa a Singapore era in ribasso di 407 punti alla fine degli affari in un determinato giorno, ma il Dow Jones era in rialzo di 330 punti nello stesso giorno, allora questa è un'informazione. È possibile utilizzare queste informazioni per cercare di prevedere come inizierà il mercato il giorno successivo a Singapore. Questa è intelligenza.
Come estrarre intelligence e informazioni dai dati?
Questo è il tema della business intelligence (BI) in un contesto organizzativo. L'obiettivo è ricevere informazioni pulite, accurate e significative. La procedura per l'estrazione delle informazioni è un'indagine e può essere eseguita tramite processi come l'elaborazione analitica online (OLAP) e il data mining. OLAP si occupa di inserire i dati in modelli di informazioni con un data warehouse come back-end per aggregarli e dividerli.
Cosa c'è di nuovo? AI, Big Data e Machine Learning
La BI che utilizza OLAP e il data mining sono in circolazione da un po 'di tempo: ciò che è cambiato negli ultimi anni è lo sviluppo di strumenti e tecniche per big data. I big data hanno generato un'esplosione nell'uso di tecniche di data mining più estese. Le caratteristiche dei big data sono, generalmente, spiegate in termini di 3 V: volume, velocità e varietà. Più recentemente, un quarto termine, veridicità, è stato aggiunto all'elenco. Cosa ha reso i big data così attraenti? Le tecnologie ora consentono di mantenere i computer di base dei dati e di contenere i costi, e alcuni algoritmi come MapReduce possono essere utilizzati per estrarre i dati ricercati, tuttavia, l'elemento trainante è il valore per un'azienda.
Esaminiamo tre modi in cui la combinazione di metodi BI convenzionali, insieme a dati di grandi dimensioni, può aggiungere valore.
In primo luogo, identificare i clienti target è vantaggioso per qualsiasi azienda. Immagina di far parte del team di marketing di una società automobilistica e di avere un record di consumatori che hanno acquistato auto. È possibile esaminare le loro statistiche sociali e creare una rosa di candidati, utilizzando uno o due gradi di separazione, di ulteriori possibili clienti target. Quindi, l'analisi dei social network fornisce uno sguardo ai legami tra persone in diversi campi e attività industriali. Un'altra tecnica di analisi - l'indagine di regressione - può essere impiegata anche per analizzare i dati demografici delle persone selezionate e, a seconda della loro età, prevedere il tipo di auto che è molto probabile che acquisteranno.
Prodotti e servizi di vendita incrociata sono solo un altro modo in cui le aziende tentano di aumentare i propri guadagni. Continuando con l'identica analogia della vendita di automobili, anche se sai che gli individui con un certo profilo demografico che acquistano un certo tipo di automobile sono più inclini a ottenere un altro tipo di auto come seconda, che ha un valore per l'organizzazione. È possibile prevedere questo legame per mezzo di una tecnica chiamata apprendimento delle regole di associazione, che comporta la scoperta di correlazioni tra fattori.
Infine, comprendere la comprensione del cliente è fondamentale per il successo di un'azienda. Come vengono percepiti il marchio e i modelli di auto nel mercato? Puoi usare una tecnica nota come analisi delle opinioni per scoprirlo.
Futuro dei dati
Dati sostanziali e metodi di intelligenza artificiale vengono utilizzati per completarsi e completarsi a vicenda per estrarre una maggiore intelligenza. Quasi tutti i segmenti di mercato verticali utilizzano l'intelligenza artificiale per rendere intuitive le loro offerte ai clienti. Dallo scenario delle vendite di auto, se dovessimo chiedere quale modello di un nuovo cliente specifico è più propenso ad acquistare, possiamo ricavare una buona risposta utilizzando AI e dati di grandi dimensioni.
I dati sono strategici e le organizzazioni che gestiscono i dati in modo olistico possono trarne profitto. Ciò significa che la tecnologia dei dati svolge una funzione crescente, attraverso nuove tecnologie, tecniche e abilità, nel fornire un vantaggio competitivo alle organizzazioni. Soprattutto, l'innovazione è importante per il successo di un'azienda, poiché le aziende devono innovare continuamente o morire.