BUSINESS ANALYTICS
I grandi eventi globali degli ultimi anni hanno costretto le aziende a pensare in modo diverso. Le organizzazioni hanno capito che per affrontare lo straordinario ritmo del cambiamento devono essere agili, più pronte ad affrontare condizioni economiche in rapida evoluzione.
La Business Analytics si rivela sempre più determinante per queste nuove esigenze. La Business Analytics è un insieme di pratiche, strumenti e servizi automatizzati di analisi dei dati che aiutano l’azienda a capire cosa sta succedendo nel loro business e perché, in modo da migliorare il processo decisionale e aiutarle a pianificare il futuro.BUSINESS INTELLIGENCE, BUSINESS ANALYTICS E ANALISI DEI DATI
Ogni azienda crea quotidianamente una grande quantità e varietà di dati.
Per trarre dei vantaggi da questi e utilizzarli per individuare anomalie e problemi nascosti sui processi e attività aziendali, permettere di prendere decisioni più rapide e sicure e avere maggiori profitti servono metodi e strumenti per trasformare i dati aziendali in informazioni concrete.
Le applicazioni di Business Intelligence (BI) , se progettate bene e basate su dati aggiornati, offrono queste soluzioni.
La BI è un termine generico per indicare la tecnologia che consente la preparazione, il data mining¹, la gestione e la visualizzazione dei dati.
Gli strumenti di Business Intelligence trasformano i dati grezzi² in informazioni utili in modo da fornire al management una visione approfondita del passato e del presente dei processi aziendali come vendite, produzione, approvvigionamento, marketing e così via, in pratica forniscono una conoscenza significativa e globale sull’azienda.
Di fatto la BI è incentrata sull’analisi descrittiva (Descriptive Analytics) il cui obiettivo è quello di analizzare i dati per descrivere la situazione attuale e passata dei processi di business.
Esempi di questa tipologia di analisi sono quelli relativi alla spesa media dei clienti e allo stock dei prodotti in magazzino.
La Descriptive Analytics trova le correlazioni tra passato e presente senza però spiegare le cause dei fenomeni.
Pertanto risponde alle domande: “Cosa è successo ?” e “Cosa sta succedendo ?”.
Dunque la Business Intelligence, per quanto indispensabile in azienda, presenta dei limiti: non è in grado di fornire una previsione di ciò che avverrà in futuro.
Questo aspetto per chi deve decidere in azienda rappresenta un punto fondamentale poiché si tratta di sostituire una scelta soggettiva basata sull’intuito imprenditoriale o manageriale con una basata su alternative analizzate su dati oggettivi.
Per questo negli ultimi decenni si è avvertita la necessità di avere a disposizione strumenti più completi che permettessero di individuare la probabilità di risultati futuri.
La previsione di ciò che avverrà in futuro è affidata all’analisi predittiva.
Questo tipo di analisi fornisce delle stime sulla probabilità che in futuro si verifichi un determinato risultato basandosi sugli eventi accaduti in passato.
L’analisi predittiva è utilizzata dalla Business Analytics.
Nel corso del tempo quindi la diffusione di tecniche e sistemi innovativi quali il Decision Support System (DSS)³, OLAP (On-Line Analytical Processing)⁴ e l’esplosione dei Big Data⁵ hanno contribuito al progresso della Business Intelligence.
Tanto che oggi la BI, anche se il termine è spesso utilizzato in senso ampio attribuendogli ruoli tipici della BA, la si indica come parte della disciplina di Business Analytics.
In realtà, sebbene queste siano correlate, esiste una differenza tra Business Intelligence e Business Analytics.
Come si evince dalla Fig.1, in alcune parti la BI e la BA sono sovrapponibili, come ad esempio nella visualizzazione dei risultati ottenuti. In entrambi i sistemi avviene attraverso l’uso di grafici, istogrammi, infografiche e persino animazioni in modo da permettere una facile comprensione delle complesse relazioni tra dati e fornire elementi utili per orientare le scelte di business.
Tuttavia la BI e la BA differiscono per il periodo temporale al quale si rivolgono e per le risposte che forniscono alle aziende.
La Business Intelligence è descrittiva, si focalizza sulla valutazione dei dati storici e attuali evidenziandone i trend e gli aspetti così da realizzare raffronti approfonditi.
La Business Analytics si occupa della strategia attuale e futura, utilizzando tecniche statistiche quali analisi diagnostica, predittiva e prescrittiva.
L’analisi diagnostica risponde alla successiva domanda logica: “Perché è successo?”, l’analisi predittiva risponde invece alla domanda “Cosa potrebbe accadere in futuro?”.
Infine l’ analisi prescrittiva risponde alla domanda “Cosa dovremmo fare dopo?”
La Business Analytics
Esistono dunque quattro categorie di Business Analytics (Fig.1). Oltre quella basata sull’analisi descrittiva le altre si basano sull’analisi diagnostica, predittiva e prescrittiva.
L’analisi diagnostica ha lo scopo di scoprire le cause che hanno determinato la situazione attuale, per migliorare e ripetere gli interventi più efficaci e intervenire su quelli che non hanno portato i risultati attesi. Un esempio di tecniche utilizzate è il drill-down⁶
L’analisi predittiva usa tecniche quali il data mining, la modellazione predittiva e l’apprendimento automatico per analizzare dati storici e attuali e individuare la probabilità di risultati futuri. L’obiettivo è andare oltre la comprensione di cosa è successo per arrivare a una migliore valutazione di scenari futuri.
Un esempio concreto di utilizzo con successo dell’analisi predittiva è offerto dalla gestione del magazzino. Le aziende possono ottimizzare la loro gestione dell’inventario grazie alle previsioni supportate da un sistema di BA, le giacenze possono essere pianificate in modo molto più preciso consentendo enormi risparmi.
L’analisi prescrittiva non solo ha l’obiettivo di prevedere cosa accade ma spiega anche il perché accadrà e fornisce automaticamente raccomandazioni riguardo a quali azioni intraprendere.
Un’applicazione pratica è quella di indicare ai venditori quali sono le migliori proposte da fare a ciascun cliente.
Con la Business Analytics l’azienda ha quindi la possibilità di anticipare gli sviluppi e adottare i cambiamenti necessari per ottenere risultati positivi molto più velocemente e con costi inferiori.
I VANTAGGI APPLICATIVI DI UN SISTEMA BUSINESS ANALYTICS
Un sistema di BA ha diverse applicazioni pratiche, una dimostrazione potrebbe essere fornita da un’azienda che vende prodotti o servizi sia in modo tradizionale e sia online. Questa per avere risposte a specifiche domande e poter fare delle previsioni dovrebbe trovare le connessioni “nascoste” nei record di dati.
Per esempio: quali clienti (clienti individuali o imprese) acquistano e/o utilizzano quali prodotti o servizi ? Esiste una correlazione tra il tipo di servizio offerto insieme al prodotto e quantità di prodotto acquistato ?, Qual è il comportamento dei consumatori ?, Quale sistema di pagamento o modalità di acquisto preferiscono i clienti e perché ?, A quali clienti meno affidabili nei pagamenti è necessario inviare un sollecito e perché, Quali sono le probabilità che si verifichino questi risultati nei prossimi mesi ?
Un sistema di BA cerca di fornire risposte a molte di queste domande e possono essere intraprese specifiche azioni. A seconda del risultato, possono essere presentati prodotti o servizi più adatti, aggiunti o migliorati alcuni servizi offerti insieme ai prodotti, possono essere concessi sconti sui servizi preferenziali, può essere imposto un limite di spesa ai clienti, è possibile prevedere la domanda con l’obiettivo di regolare gli acquisti, evadere gli ordini ed evitare il deterioramento dei prodotti.
Per giungere a questi risultati gli analisti di dati utilizzano diverse decine di variabili e cercano correlazioni tra di loro. Queste variabili contengono varie informazioni, ad esempio sulla demografia, sul comportamento degli utenti, sulle transazioni passate, caratteristiche della stagionalità, sulle attività di marketing avviate dall’azienda, ecc.
Anche se l’azienda potrebbe facilmente correlare tra loro due o più variabili utilizzando strumenti di office automation, quali Excel, diventerebbe comunque difficile con decine o addirittura centinaia di variabili.
È proprio qui che risiede il potenziale dei modelli automatizzati.
Questi possono rivelare connessioni nascoste e correlazioni inattese non solo in modo più veloce ma soprattutto in maniera più attenta, più precisa e più obiettiva di un’analisi manuale.
Conclusioni
Mai come negli ultimi anni la capacità del management di prendere decisioni tempestive e precise, sia a livello strategico che tattico, è indispensabile per il successo della azienda.
Tuttavia nelle PMI il processo decisionale è spesso affidato all’esperienza, all’intuizione del management e si basa su informazioni generiche, incomplete e in alcuni casi addirittura superate. .
Tutto questo conduce a risultati incerti e a un dispendio di tempo e risorse.
Di qui la necessità di ricorrere a strumenti più affidabili.
Come dimostrano le aziende che hanno adottato un sistema di Business Analytics l’analisi può essere un potente strumento per le organizzazioni che cercano di crescere e migliorare i propri prodotti, servizi e operazioni.
La BA svolge un ruolo prezioso in molte aziende di settori economici diversi, dall’agroalimentare ai servizi e interessa le diverse aree di un’organizzazione aziendale, marketing, produzione, logistica, risorse umane, finanza, acquisiti, commerciale, ecc. .
Ma affinché un sistema di Business Analytics possa “entrare” in azienda questa deve abbandonare l’errata convinzione di avere tutte le informazioni sotto controllo.
Solo se supera questo preconcetto l’organizzazione sarà consapevole della necessità di cambiamento e prepararsi all’avvio di un progetto di Business Analytics.
¹Data Mining (estrazione di dati): consiste nelle tecniche per ricercare automaticamente delle informazioni da grandi archivi di dati attraverso metodi computazionali.
²I dati grezzi sono dati che richiedono elaborazioni statistiche (ad esempio, calcolo di frequenze, rapporti statistici, ponderazioni, standardizzazioni, ecc.) prima di poter essere mostrati sotto forma di elementi visivi per facilitarne la comprensione.
³Decision Support System (DSS) è un sistema software che analizza enormi quantità di dati fornendo informazioni complete che possono essere utilizzate per risolvere problemi e fornire supporto a coloro che devono prendere decisioni strategiche.
⁴OLAP (Online Analytical Processing) è una tecnologia che consente di organizzare i database aziendali di grandi dimensioni attraverso l’esecuzione di analisi complesse.
⁵Big Data è un termine applicato a una raccolta di dati che possiedono una o più delle seguenti caratteristiche: elevato volume, elevata velocità o estrema varietà. Gran parte di essi viene generata in tempo reale e su vastissima scala. Provengono da sensori, dispositivi, video/audio, reti, applicazioni, web e social media, ecc. I Big Data rappresentano una così vasta raccolta di dati da richiedere tecnologie e metodi analitici specifici per l’estrazione.
⁶Drill-Down (termine inglese che significa scavare a fondo) si intende la capacità di analizzare in dettaglio un dato complessivo, per esempio il dato annuale delle vendite può essere visualizzato in diversi report mensili e questi a loro volta disaggregati in dati giornalieri.
