Internet delle cose ed Internet delle persone stanno generando un enorme quantità di dati. Internet delle cose ed Internet delle persone generano un enorme quantità di informazione.
I Big Data servono a "misurare" la società e ci indirizzano verso una nuova scienza dei dati in grado di prevedere crisi economiche, epidemie e pandemie, distribuzione delle risorse economiche o energetiche, e bisogni.
Misurare e valutare le iniziative web: introduzione alla Web AnalyticsAlberto Rota
Dalla comprensione delle metriche alla costruzione di un modello di misurazione [Corso introduttivo al web writing per l'Università di Milano, dicembre 2013]
Misurare e valutare le iniziative web: introduzione alla Web AnalyticsAlberto Rota
Dalla comprensione delle metriche alla costruzione di un modello di misurazione [Corso introduttivo al web writing per l'Università di Milano, dicembre 2013]
Business Intelligence & Big Data per il RetailRoberto Butinar
Innovazione e cambiamento stanno interessando in modo crescente tutte le forme di interazione sociale, e quindi economica.
L'industria del retail probabilmente è una di quelle maggiormente coinvolte. L'esplosione delle informazioni disponibili per i potenziali consumatori fanno il paio con il moltiplicarsi delle opzioni e canali di acquisto.
Nonostante la crisi economica, gli acquisti online continuano a crescere in tutto il mondo a doppia cifra, ed alcune aree in particolare, tra cui l'Italia, il potenziale di crescita per i prossimi anni è ancora più forte.
Il ruolo del governo dell'informazione, in questo processo di radicale trasformazione, risulta essenziale. Non solo per l'acquisto effettuato online, ma per l'acquisto più tradizionale effettuato in negozio.
Multicanalità significa che gli utenti utilizzano diversi dispositivi per informarsi, interagire fra di loro e con noi, ed eventualmente completare l'acquisto. Significa quindi maggiore complessità, più interazioni da monitorare, clienti più informati, più concorrenza e maggiore pressione sui prezzi.
Non è possibile affrontare questa complessità crescente senza un adeguato supporto informativo. E' qui che entrano in gioco la Business Intelligence e il Big Data Management.
In TARGIT abbiamo una lunga e consolidata esperienza in ambito Retail. Sappiamo inoltre quanto sia importante che le informazioni possano essere fruite in modo semplice ed immediato. Siano tradizionali, o Big Data.
Per questa ragione abbiamo voluto rivoluzionare l'interazione fra utenti ed informazioni. Con TARGIT è sufficiente chiedere ciò di cui si ha bisogno, e il sistema si preoccuperà di comprendere quali informazioni sono realmente quelle di nostro interesse, imparando dalle nostre abitudini e da quelle dei nostri colleghi. Maggiore sarà l'utilizzo di TARGIT, più precise e pertinenti saranno le risposte che il sistema sarà in grado di restituirci.
La presentazione offre una panoramica sul mercato Retail, sulle sue evoluzioni recenti e un approfondimento sulle soluzioni offerte da TARGIT.
Buona lettura.
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Free Your Talent
Digital Transformation: Big Data, User Targeting ed Etica - Project Work a cura degli studenti del Master ISTUD in Marketing Management Alex Caruso, Federica Ferrara e Riccardo Pavesi
I social media sono un'importante fonte d'informazioni sui bisogni, le opinioni e le esigenze dei clienti: come analizzare il sentiment grazie ai Big Data?
Presentazione di Sergio Patano, Research & Consulting Manager di IDC Italia, tenuta all’IDC Big Data & Analytics Conference 2014 di Milano, il 18 Settembre 2014
Offering - Business Intelligence: il nostro approccioXenesys
Non esiste una soluzione di Business Intelligence migliore in assoluto, non è neppure quella più costosa: scopri come gli specialisti di Datawarehouse, Corporate Performance Management, BI Analytics accompagnano le imprese in un percorso verso le nuove frontiere della Business Intelligence, per ottenere anche informazioni che scaturiscono dall'analisi stessa dei dati.
Big Data Social Media
Valore dei Dati
Volume Varietà Velocità
Trends & Patterns
Numeri Vs Immagini
Dati Vs Istinto
Data Flow nel Business e nei Social Media
Big Data Value Chain
Analisi Predittive
Hadoop, Microsoft Big Data
Big Data landscape 2014
Convergenza: Social Media, Coding, Big Data, Apps, Cloud
Un viaggio nel mondo dei dati. Presentazione a supporto incontro Polo tecnologico Pavia 1 Giugno 2016.
Materiale rilasciato sotto licenza (CC BY 3.0 IT)
Business Intelligence & Big Data per il RetailRoberto Butinar
Innovazione e cambiamento stanno interessando in modo crescente tutte le forme di interazione sociale, e quindi economica.
L'industria del retail probabilmente è una di quelle maggiormente coinvolte. L'esplosione delle informazioni disponibili per i potenziali consumatori fanno il paio con il moltiplicarsi delle opzioni e canali di acquisto.
Nonostante la crisi economica, gli acquisti online continuano a crescere in tutto il mondo a doppia cifra, ed alcune aree in particolare, tra cui l'Italia, il potenziale di crescita per i prossimi anni è ancora più forte.
Il ruolo del governo dell'informazione, in questo processo di radicale trasformazione, risulta essenziale. Non solo per l'acquisto effettuato online, ma per l'acquisto più tradizionale effettuato in negozio.
Multicanalità significa che gli utenti utilizzano diversi dispositivi per informarsi, interagire fra di loro e con noi, ed eventualmente completare l'acquisto. Significa quindi maggiore complessità, più interazioni da monitorare, clienti più informati, più concorrenza e maggiore pressione sui prezzi.
Non è possibile affrontare questa complessità crescente senza un adeguato supporto informativo. E' qui che entrano in gioco la Business Intelligence e il Big Data Management.
In TARGIT abbiamo una lunga e consolidata esperienza in ambito Retail. Sappiamo inoltre quanto sia importante che le informazioni possano essere fruite in modo semplice ed immediato. Siano tradizionali, o Big Data.
Per questa ragione abbiamo voluto rivoluzionare l'interazione fra utenti ed informazioni. Con TARGIT è sufficiente chiedere ciò di cui si ha bisogno, e il sistema si preoccuperà di comprendere quali informazioni sono realmente quelle di nostro interesse, imparando dalle nostre abitudini e da quelle dei nostri colleghi. Maggiore sarà l'utilizzo di TARGIT, più precise e pertinenti saranno le risposte che il sistema sarà in grado di restituirci.
La presentazione offre una panoramica sul mercato Retail, sulle sue evoluzioni recenti e un approfondimento sulle soluzioni offerte da TARGIT.
Buona lettura.
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Free Your Talent
Digital Transformation: Big Data, User Targeting ed Etica - Project Work a cura degli studenti del Master ISTUD in Marketing Management Alex Caruso, Federica Ferrara e Riccardo Pavesi
I social media sono un'importante fonte d'informazioni sui bisogni, le opinioni e le esigenze dei clienti: come analizzare il sentiment grazie ai Big Data?
Presentazione di Sergio Patano, Research & Consulting Manager di IDC Italia, tenuta all’IDC Big Data & Analytics Conference 2014 di Milano, il 18 Settembre 2014
Offering - Business Intelligence: il nostro approccioXenesys
Non esiste una soluzione di Business Intelligence migliore in assoluto, non è neppure quella più costosa: scopri come gli specialisti di Datawarehouse, Corporate Performance Management, BI Analytics accompagnano le imprese in un percorso verso le nuove frontiere della Business Intelligence, per ottenere anche informazioni che scaturiscono dall'analisi stessa dei dati.
Big Data Social Media
Valore dei Dati
Volume Varietà Velocità
Trends & Patterns
Numeri Vs Immagini
Dati Vs Istinto
Data Flow nel Business e nei Social Media
Big Data Value Chain
Analisi Predittive
Hadoop, Microsoft Big Data
Big Data landscape 2014
Convergenza: Social Media, Coding, Big Data, Apps, Cloud
Un viaggio nel mondo dei dati. Presentazione a supporto incontro Polo tecnologico Pavia 1 Giugno 2016.
Materiale rilasciato sotto licenza (CC BY 3.0 IT)
Big Data e Business Intelligence. Intervento del Prof. Pozzan nell'ambito dell'open day organizzato dalla Fondazione ITS Kennedy di Pordenone, evento del 13 settembre 2014 in cui sono stati presentati i temi per i corsi in partenza a novembre 2014.
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...Denodo
Watch full webinar here: https://bit.ly/3awy5Tj
In questo webinar andremo a spiegare cosa si intende per Data Virtualization, come si integra nei sistemi aziendali e perché è una componente critica del data fabric di qualsiasi organizzazione.
La trasformazione digitale richiede che diamo potere a tutti i consumatori di dati all'interno dell'organizzazione, ma richiede anche agilità, e la Data Virtualization offre un accesso significativo alle informazioni che possono essere condivise da una miriade di consumatori.
Per questo motivo è così strettamente legata alla Data Science: le tecniche avanzate di data science, come il machine learning, sono estremamente utili per ricavare informazioni preziose dai dati, le piattaforme di Data Science sono sempre più accessibili, ma comunque il Data Scientist trascorre ancora la maggior parte del tempo a pulire e manipolare i dati per renderli utilizzabili a fini analitici. In questo senso la Data Virtualization è un ottimo strumento per rendere i dati aziendali più accessibili e promuovere una cultura della condivisione dei dati, quindi semplificare la fase di preprocessing e lasciare ai Data Scientist tutte le energie da dedicare agli aspetti più analitici ed avanzati.
my personal ICT Trends Analysys for upcoming 2015. 10 points that needs to be in our target for 2015. La mia personale analisi sul futuro e sulle tendenze ICT 2015
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoSMAU
Come e perché diffondere competenze data driven in azienda. Estrapolare, leggere e interpretare i dati per prendere decisioni consapevoli, deve e può essere un obiettivo di ogni membro del Team.
La gestione logica dei dati come chiave del successo per Data Scientist e Bus...Denodo
Watch full webinar here: https://buff.ly/3Fmc74I
Affinché i progetti di data science abbiano successo, i Data Scientist e i Business Analysts hanno bisogno di accedere a una molteplicità di dati. Tuttavia, consentire l'accesso a tutti i dati tramite un repository centrale integrato è un compito spesso arduo, che può richiedere fino all'80% del tempo del progetto in attività di acquisizione, esplorazione, comprensione e preparazione dei dati.
La Gestione Logica dei dati può aiutare i Data Scientist e i Business Analyst ad accelerare alcune delle attività più tediose e onerose, consentendo loro di concentrarsi sui loro obiettivi e su come i dati consentono di raggiungerli. Poiché la piattaforma di Gestione Logica dei dati dei dati si integra agilmente nell'ecosistema aziendale, i Data scientist o i Business Analyst possono continuare a utilizzare gli strumenti che conoscono, senza dover acquisire nuove competenze per sfruttare compiutamente i dati disponibili.
In questa sessione on-demand, scopriremo insieme come la Gestione Logica dei dati permetta di:
- fornire tutti i dati aziendali, in tempo reale e senza repliche;
- creare e condividere più modelli logici con un semplici operazioni di drag and drop;
- disporre di un catalogo attraverso il quale comprendere facilmente il significato dei dati, le loro relazioni reciproche e la loro origine.
2. marco domizio
Marco Domizio
Digital Transformation Consultant
Affianco imprenditori a realizzare progetti
digitali per aumentare clienti e vendite
m.domizio@tiscali.it
+39 335 1223483
Un obiettivo,
senza un
piano, rimane
solo un
desiderio.
“
2
3. marco domizio
L’era della rivoluzione digitale sta cambiando le
modalità con cui le aziende creano prodotti e servizi,
adattano la propria organizzazione e sviluppano le
relazioni con i clienti.
I Big Data aprono le porte verso nuovi modi di percepire
il mondo e di prendere decisioni. Essi sono ovunque, e
ogni giorno sempre più applicazioni vengono create per
trarne valore e arricchire la vita personale e
professionale degli utenti.
I Big Data sono il nuovo strumento che rende
"misurabile" la società. Ci indirizzano verso una nuova
scienza dei dati in grado di misurare e, in prospettiva,
prevedere crisi economiche, epidemie e pandemie, di
usione di opinioni, distribuzione delle risorse
economiche o energetiche, bisogni di mobilità.
Scopriamo come creare valore per la nostra
organizzazione.
Big data
INTRODUZIONE
Di cosa parliamo? | Executive summary
LE SFIDE
Per capire dove ci si trova, è necessaria una
mappa
CREARE VALORE
Se una cosa non può essere misurata, non può
essere migliorata
01
02
PIANO
EVERYWHERE
Tutto questo è imbarazzante
03
ANALYTICS
Analizza i fatti, parla con i dati
04
TOOLS
Uno sguardo agli strumenti di lavoro
05
309:07
4. 01 BIG DATA: LE SFIDE
Per capire dove ci si trova, è necessaria una
mappa
5. marco domizio
Trasformare i dati grezzi in saggezza guidata
Nell'era dei Big Data, la sfida è trovare metodi
automatizzati e industriali per realizzare questa
trasformazione.
GESTIONE DEI DATI
CONSAPEVOLEZZA
MISSION
01 - BIG DATA: LE SFIDE 5
6. marco domizio
Obiettivi
01 - BIG DATA: LE SFIDE
“C’è una sola definizione valida dello scopo
del business: creare un cliente.
Sarà quest’ultimo che determinerà ciò che
deve essere il business.
Non è fondamentale quello che un’impresa
pensa di produrre … bensì quello che il
cliente pensa di comprare e che valore
attribuisce a quell’acquisto”
Peter Drucker, The Practice of Management
6
7. marco domizio
How many data in the world?
800 Terabytes,2000
160 Exabytes, 2006 (1EB = 1018B)
4.5 Zettabytes, 2013 (1ZB = 1021B)
44 Zettabytes by 2020
How much is a zettabyte?
1,000,000,000,000,000,000,000 bytes
A stack of 1TB hard disks that is 25,400
km high
How many data in a day?
2.5 Exabytes
8TB,Twitter
50 TB,Facebook
90% of world's data:
generated over last two years!
ALCUNI NUMERI
CONSAPEVOLEZZA
01 - BIG DATA: LE SFIDE 7
27. marco domizio
BA, BI, Big data, data mining…
01 - BIG DATA: LE SFIDE
• Business Analytics – Strumenti per esplorare i dati passati per
ottenere informazioni sulle future decisioni aziendali.
• BI – Strumenti e tecniche per trasformare i dati in informazioni
significative.
• Big Data – set di dati così grandi o complessi che le applicazioni
tradizionali di elaborazione dati sono inadeguate.
• Data Mining - Strumenti per scoprire modelli in grandi set di dati.
27
29. marco domizio
Obiettivi data analytics
01 - BIG DATA: LE SFIDE
Descriptive
analytics
Predictive
analytics
Prescriptive
analytics
Cosa sta succedendo? Tecniche analitiche e statistiche per
l’estrazione di quantità che descrivano l’insieme di dati nel loro
complesso: media, varianza, ecc… (Anche chiamato passive BI).
Cosa succederà? Tecniche analitiche, modelli matematici ed
algoritmi per l’analisi del dato storico e la predizione o di eventi
sconosciuti o di andamenti futuri dei fenomeni sotto studio.
(Active BI)
Cosa posso fare? Tecniche analitiche, modelli matematici ed
algoritmi per l’analisi delle decisioni alternative e la selezione di
quelle che massimizzano l’efficacia rispetto agli obiettivi
individuati. (Active BI).
29
32. marco domizio
• Economia incerta
• Ambienti in rapida evoluzione
• Concorrenza globale
• Digital transformation
• Clienti esigenti
Sfruttare le informazioni acquisite dalle aziende è
un fattore critico di successo.
Supporto alle decisioni
Modello
01 - BIG DATA: LE SFIDE 32
33. marco domizio
Big data
01 - BIG DATA: LE SFIDE
“Big data exceeds the reach of commonly used hardware
environments and software tools to capture, manage, and process it
with in a tolerable elapsed time for its user population.”
“Big data refers to data sets whose size is beyond the ability of typical
database software tools to capture, store, manage and analyze.”
“Big data is a collection of data sets so large and complex that it
becomes difficult to process using on-hand database
management tools.”
33
35. marco domizio
Valore=utilità dei dati per un'organizzazione.
La caratteristica di valore è intuitivamente legata alla
caratteristica di veridicità, in quanto maggiore e la
fedeltà dei dati, e più valore essi hanno per il
business. Il valore dipende anche da quanto tempo
impiega l'elaborazione dei dati affinchè risultati
analitici abbiano una shelf-life. Piu tempo impiegano i
dati per essere trasformati in informazioni
significative, meno valore hanno per il business.
Risultati stantii inibiscono la qualità e la velocità del
processo decisionale.
Valore
01 - BIG DATA: LE SFIDE 35
37. 02 BIG DATA
ANALYTICS: CREARE
VALORESe una cosa non può essere misurata, non può
essere migliorata
38. marco domizio
• market level
• brand/product level
• customer level
LIVELLI
Modello
02 - CREARE VALORE
Market
Brand/
products
Customer
3811:07
39. marco domizio
• Tangibili (transazioni,
registrazioni…)
• Intangibili (brand
reputation, recensioni…)
ASSET
Modello
02 - CREARE VALORE 39
40. marco domizio
• Persone esperte
• Sistemi: ecosistema
integrato
• Processi: immissione,
accessibilità e gestione
• Organizzazione
FUNZIONALITA’
Modello
02 - CREARE VALORE
VALUE
GENERATION
people
process
system
organization
40
41. marco domizio
• Analisi focalizzata sulle
intuizioni per ottenere
successo
• Analisi che mira a
sviluppare modelli per
migliorare il processo
decisionale.
APPROCCIO
Modello
02 - CREARE VALORE 41
42. marco domizio
La presenza di big data offre enormi
opportunità.
1. avviare un analisi e iniziare a
scavare nei dati disponibili. (Tesco
analizzando i dati della loro carta
fedeltà, hanno scoperto che i
consumatori acquisto di pannolini
spesso acquistano anche birra e
patatine)
2. approccio problematico, anziché un
approccio esplorativo.
STRATEGIA
Modello
02 - CREARE VALORE 42
43. marco domizio
• V2C value to client
• V2F value to firm
PROSPETTIVE
Modello
02 - CREARE VALORE 43
44. marco domizio
Le metriche sono sistemi che
quantificano le tendenze, le
dinamiche, o caratteristiche
METRICHE
02 - CREARE VALORE 44
45. marco domizio
V2C: METRICHE DI
MERCATO
02 - CREARE VALORE
Obiettivi:
product awareness & values
Metriche:
• Relative advantage: è il grado in cui un'idea o un
prodotto viene percepito come meglio dello
standard esistente
• Complexity: quanto sia facile per la gente capire la
nuova idea o utilizzare il nuovo prodotto
• Compatibility: Quanto facilmente posso utilizzare
la mia esperienza passata per capire come
funziona questo nuovo prodotto
• Observability: i risultati evidenti provando un
prodotto
• Trialability: E’ facile interagire con i nuovi concetti
o sperimentare il prodotto?
45
46. marco domizio
V2C:METRICHE DI BRAND
02 - CREARE VALORE
Obiettivo:
Brand awareness
Metriche:
• Differentiation: Distinguere la percezione del marchio.
Definisce il marchio e riflette la sua capacità di distinguersi
dalla concorrenza. È il "motore del marchio: ... se il motore si
ferma, così sarà il treno“.
• Relevance: rilevanza personale e l'adeguatezza e
l'importanza percepita del marchio.
• Esteem: Il livello di rispetto dei consumatori per il marchio e
la valenza dell'atteggiamento dei consumatori. Riflette in che
misura il brand mantiene le sue promesse.
• Knowledge: Consapevolezza e comprensione dell'identità
del marchio. Cattura l'intimità dei consumatori con il marchio.
Risultati delle comunicazioni (marketing) e delle esperienze
personali con il marchio.
• Energy: La capacità del marchio di soddisfare le esigenze dei
consumatori in futuro e di adattarsi e rispondere ai gusti e alle
esigenze mutevoli. Indica orientamento futuro e capacità del
marchio.
Brand-Asset Valuator®: Young & Rubicam
46
48. marco domizio
V2C:METRICHE CUSTOMER
02 - CREARE VALORE
Customer feedback metrics
• Net promoter score (NPS): per valutare la fedeltà
in una relazione impresa-cliente. È un'alternativa
alla tradizionale ricerca di soddisfazione del cliente
ed è correlata con la crescita dei ricavi
• Customer satisfaction
• Customer effort score
• Source:
• Fonte di dati interni (transazioni, reclami,
tempo di ripristino servizio, ..)
• Fonti online: recensioni
48
49. marco domizio
V2C:TUTTE?
02 - CREARE VALORE
Concentrarsi su un numero
limitato di metriche e
includerli in una dashboard di
marketing.
I manager dovrebbero quindi
cercare di influenzare queste
metriche con le strategie di
marketing
49
50. marco domizio
V2F:BRAND METRICS
02 - CREARE VALORE
Metriche di performance di mercato del
marchio
• penetrazione del marchio,
• le vendite del marchio
• la quota di mercato
• fedeltà alla marca
• BRAND EQUITY : la performance
finanziaria del marchio, il ruolo del
marchio nelle decisioni di acquisto, e la
forza del marchio, che è la capacità del
marchio di creare fedeltà alla marca.
50
51. marco domizio
V2F:MARKET METRICS
02 - CREARE VALORE
• dimensioni del mercato
• numero di concorrenti
• concentrazione del mercato
(difficile, a causa della
frammentazione del
mercato es. Supermercati
che vendono abbonamenti
telefonici….))
51
52. marco domizio
V2F:CUSTOMER METRICS
02 - CREARE VALORE
metriche di acquisizione dei clienti, che si
concentrano sulla prima fase di attirare i clienti
• Tasso di risposta: il numero di clienti che ha risposto
ad una campagna diviso per il numero di clienti totali
avvicinato con una campagna
• Tasso di conversione: il numero di clienti acquisiti
diviso per il numero di clienti che ha risposto a una
campagna.
metriche di sviluppo dei clienti, che si concentrano su
come il rapporto si sviluppa dopo l'acquisizione dei
clienti
• continuazione del rapporto
• tasso di abbandono (Churn)
• defezione: la percentuale di clienti che abbandonano
il rapporto con la ditta
• fidelizzazione dei clienti: la percentuale di clienti
proseguire il rapporto con la ditta (1 - il tasso di
abbandono dei clienti / defezione)
52
53. marco domizio
V2F:CUSTOMER METRICS
02 - CREARE VALORE
• Customer Lifetime Value (CLV)
• Frequenza di acquisto: il numero di volte in cui un
cliente acquista da una società in un determinato
periodo di tempo
• Recency: Tempo dall'ultimo acquisto
Metriche di espansione del rapporto
• Numero medio di prodotti / servizi venduti per
cliente
• Cross-selling: La percentuale di clienti che
acquistano prodotti o servizi aggiuntivi da una
società
• up-selling: La percentuale di clienti di aggiornare i
loro prodotti o servizi a un livello superiore (ad
esempio contratto di servizio aggiornato)
• adozione: la percentuale di clienti che acquistano il
prodotto o il servizio di recente introduzione
• …
53
54. marco domizio
V2F:CUSTOMER METRICS
02 - CREARE VALORE
Customer Lifetime Value (CLV)
il valore attuale dei futuri flussi di
cassa attribuiti al cliente durante il
suo intero rapporto con la società
1. Margine
2. Durata prevista
3. Investimenti (contributi,
Gadgets, Campagne di
marketing, Channel
costs… )
54
55. marco domizio
Nuove metriche
02 - CREARE VALORE
Customer engagement
I clienti aggiungono valore non solo
con il loro comportamento di
acquisto, ma possono anche
aggiungere valore scambiando le
loro esperienze online, influenzando
altri clienti e fornendo un contributo
attraverso la co-creazione. Questo
comportamento non transazionale
viene spesso indicato come “il
comportamento di coinvolgimento
del cliente”
Social network analysis:
•number of referrals per customer
•number of relationships of a
customer with other customers
•number of ideas (e.g. new
products, service improvements) of
customers provided to a firm
•influential power of customers
55
56. marco domizio
Nuove metriche
02 - CREARE VALORE
Omnichannel:seamless
experience
I clienti, sono sempre più “connessi” e
le loro aspettative e la “customer
experience” sono in continua
evoluzione. Oggi non è più sufficiente
gestire più canali di contatto in parallelo
(multicanalità), ma è necessaria una
loro progettazione e gestione integrata
per garantire una piena consistenza tra
di essi.
56
57. marco domizio
Nuove metriche
02 - CREARE VALORE
Digital Customer journey
• Number of website visits
• Click through rates
• Purchase conversion rate
• Average order size
• Costs of each unique touchpoint
• Channel switching
• Research shopping percentage
57
58. marco domizio
Omnichannel
02 - CREARE VALORE
VANTAGGI • avere segmenti di domanda diversi per fruizione ed occasioni di consumo; •
massimizzare i benefici e minimizzare gli svantaggi dell’utilizzo di ciascun canale; •
massimizzare la possibilità di raccogliere e analizzare i dati relativi ai clienti, attraverso fonti
diverse; • sfruttare le economie di scala connesse alla standardizzazione in una molteplicità
di canali dei processi operativi
RISCHI • problemi interni quali conflitti tra canali che si rivolgono agli stessi clienti, rischi di
cannibalizzazione delle vendite tra canali, rischi di sottoutilizzazione delle risorse, rischi legati
alla disomogeneità del prezzo dei prodotti collocati in canali differenti, all’asincronia della
comunicazione di brand, ecc.; • problemi esterni quali la decisione di aprire un sito internet
come canale di vendita diretto da parte del produttore, il trasferimento di responsabilità di
alcune fasi della catena del valore.
58
62. marco domizio
I dati sono ovunque
03 - BIG DATA, EVERYWHERE
Tipi di dati
• Strutturati
• Non strutturati
Fonte dei dati
• Interna
• esterna
62
63. marco domizio
Tipi di dati
03 - BIG DATA, EVERYWHERE
strutturati: sono conformi a uno schema o modello dei dati e vengono spesso archiviati in forma tabellare. Essi sono
utilizzati per acquisire le relazioni tra entità diverse e, pertanto, sono più spesso archiviati in un database relazionale e
vengono generati da applicazioni aziendali, come sistemi ERP e CRM.
non strutturati: I dati che non sono conformi a un modello o schema di dati sono noti come dati non strutturati. Si stima che
i dati non strutturati costituiscono l'80% dei dati all'interno di qualsiasi organizzazione. I dati non strutturati non
possono essere direttamente elaborati o eseguiti tramite una query, utilizzando SQL. (testo, audio, video ed immagini)
semi-strutturati: I dati semi-strutturati hanno un livello definito di struttura e consistenza, ma non sono relazionali nella loro
natura. Anzi, i dati semi-strutturati sono gerarchici o basati sui grafi. Questo tipo di dati è comunemente archiviato nei
file che contengono testo. A causa della natura testuale di questi dati, e della loro conformità a qualche livello di
struttura, sono più facilmente elaborati rispetto ai dati non strutturati. (XML, Json, Sensori...)
metadati: forniscono informazioni sulle caratteristiche e sulla struttura di un dataset. Questo tipo di dati è, in gran parte,
generato dalla macchina e può essere visto come un livello aggiunto ai dati "grezzi". Il tracciamento dei metadati è
cruciale per l'elaborazione, l'archiviazione e l'analisi dei Big Data perché fornisce informazioni circa il "pedigree" dei
dati e la loro provenienza durante l'elaborazione. Le soluzioni Big Data si basano sui metadati, particolarmente per
l'elaborazione di dati semi-strutturati e non strutturati
63
65. marco domizio
5W + 1H
03 - BIG DATA, EVERYWHERE
I keep six honest serving-men They
taught me all I knew; Their names are
What and Why and When And How and
Where and Who (Ruyard Kipling)
Queste domande “W” sono spesso risolte
solo da un unico punto di vista / origine dati.
Questo può causare problemi perché le
risposte alle diverse s “W” potrebbero non
essere coerenti, o possono addirittura essere
contraddittorie.
Difficoltà tecnico, statistiche e legali
65
68. marco domizio
Integrazione dati
03 - BIG DATA, EVERYWHERE
Extract
•selezione delle sorgenti di
dati pertinenti
•Convalida
•Metodo (manuale o
automatico)
•Frequenza
Transformation
•Selezione di alcuni dati
attributi
•Sostituzione di valori dei dati
(ad esempio “M” invece di
“maschio”),
•tradurre i valori da caratteri
in numerico (ad esempio “1”
invece di “cliente attiva”),
•calcolare i valori (entrate IVA
esclusa = ricavi diviso per
1,22),
•l'estrazione e la suddivisione
variabili in variabili differenti
(ad esempio, tirando fuori il
numero civico e il nome della
strada del campo di indirizzo
e di metterlo in due nuove
variabili).
Load
•Staging/backup
•Sovrascittura/aggiunta
68
69. marco domizio
Varietà dei dati
03 - BIG DATA, EVERYWHERE
• dati dichiarati (descrittori dei clienti)
• dati aggiunti (dati delle transazioni e di
fatturazione, i dati di contatto, i dati di
contatto di marketing, le caratteristiche, il
comportamento dei consumatori, i dati
delle prestazioni del marchio) …
• Dati impliciti (segmentazione, modelli di
scoring, share of wallet, frequenza di
recency valore monetario (RFM)
classificazione, ecc).
69
71. marco domizio
Le sfide dell’Integrazione dati
03 - BIG DATA, EVERYWHERE
Tecnica
•Integrazione a livello individuale
(es. ID univoco nelle diverse
base di dati)
•Integrazione a livello intermedio
(es. segmentazione in base alle
dimensioni che possono essere
identificati in tutte le sorgenti da
integrare –età, reddito…)
•Integrazione a livello tempo (es.
dati verranno aggregati al
periodo di tempo che può essere
identificato nelle fonti di dati)
Analitica
•Sincornizzazione di dimensioni e
segmenti nelle diverse basi di
dati (es ga e i visitatori al mio
sito:i canali (fb, google..) sono le
dimensioni a cui applico delle
metriche mentre i segmenti
sono le fasce di età..)
•KPI and P&L
71
72. marco domizio
Privacy & Security
BIG DATA, EVERYWHERE
03 - BIG DATA, EVERYWHERE
Big data, minaccia per la privacy
• Big Data sono disponibili in modo permanente
• Big Data coinvolgono grandi volumi di dati.
• Big data vengono raccolti invisibilmente.
• Non esiste una buona valutazione della sensibilità
della privacy dei dati a causa del grande volume di
dati
• Non sono accessibili e comprensibile dai clienti.
• I dati provenienti da più fonti vengono fusi.
• I clienti percepiscono una mancanza di controllo sulla
grande raccolta di dati.
72
73. marco domizio
Privacy & Security
03 - BIG DATA, EVERYWHERE
Preoccupazioni
• La raccolta dei dati: “Troppi dati e informazioni vengono raccolti”
• Utilizzo dati: “I dati vengono utilizzati per altri scopi che servire il
consumatore”
• errori dati: “Gli errori di dati possono avere conseguenze negative”
• la violazione dei dati: “Accesso non autorizzato e l'utilizzo dei dati”
• Controllo dei dati: “un sufficiente controllo sui propri dati”
• coscienza dei dati: “Non è sufficientemente informato sulle politiche
di dati.”
73
74. marco domizio
Privacy & Security
03 - BIG DATA, EVERYWHERE
Legislazione europea
• Right to be forgotten: Customers have the right that their information
can be deleted if they require it
• Right of portability: Customers have the right to view their collected
personal information
• Informed consent: Privacy is default for customers. Data are only
collected if a customer opts for that (opt-in)
• Clear notice: There is an official save time of contact information
• Privacy by design: Protection of privacy should be part of the whole
design or engineering process of new product and service innovations.
74
75. marco domizio
La Normativa della General Data Protection o GDPR (EU) 2016/679
è la nuova normativa che ha l’intento di:
Rafforzare e unificare le regole di data protection di tutti i cittadini europei
Gli obiettivi principali sono:
✓ Fornire ai cittadini il controllo completo dei loro dati personali
✓ Semplificare le normative relative alle attività commerciali in ambito internazionale
✓ Regolare il traffico dei dati personali effettuato al di fuori della comunità europea
Panoramica
03 - BIG DATA, EVERYWHERE 75
76. marco domizio
Cosa significa «Accountability»?
Art. 5.2 del Regolamento
Accountability significa che, in forza del Regolamento, il titolare del trattamento deve mettere
in atto misure tecniche e organizzative adeguate per garantire, ed essere in grado di
dimostrare, che il trattamento è stato effettuato conformemente al Regolamento.
Aiutano a dimostrare la conformità del trattamento al Regolamento:
Accountability
1. la tenuta di un registro del trattamento
2. l’adesione a codici di condotta
3. un meccanismo di certificazione.
Privacy & Security
03 - BIG DATA, EVERYWHERE 76
77. marco domizio
Il principio di «privacy by design» - o di «protezione
dei dati personali fin dalla progettazione» - prevede
che ogni titolare o responsabile del trattamento
debba tenere in considerazione, sin dalla ideazione e
progettazione delle attività di trattamento che
intende porre in essere, la protezione della
riservatezza dei dati personali degli interessati cui il
trattamento si riferisce.
Effettuare il trattamento nel rispetto della norma,
minimizzando i rischi e rispettando la tutela degli
interessati.
Il principio di «privacy by default» - o di «protezione
dei dati personali «per impostazione predefinita» -
prevede che ogni titolare o responsabile effettui il
trattamento dei soli dati personali degli interessati
nella misura e per il tempo necessari a raggiungere le
specifiche finalità del trattamento, implementando,
all’interno degli ambienti, dei sistemi informatici e
delle infrastrutture di rete utilizzate per tale
trattamento, le misure tecniche idonee a proteggere
i dati personali degli interessati.
Trattare solo dati necessari per raggiungimento
delle finalità del trattamento.
La tutela della riservatezza «by design» e «by default»
Privacy & Security
03 - BIG DATA, EVERYWHERE 77
78. La normativa GDPR riguarda ogni persona
informazione ed ogni dato relativo agli individui
Le informazioni reltive alla privacy
devono essere: Chiare, Facili
comprendere, Facili da trovare
da chiunque (bambini inclusi)
DAL 28 Maggio 2018
La precedente normativa NON sarà più valida
In tutta Europa ed Inghilterra
• IL GDPR prevede che i Processi e le
Verifiche da effettuare devono essere
valutate in base ai reali rischi intrinseci
L’IT è lo strumento strategico per:
Verificare la conformità dei flussi dati
coinvolti
Verificare la correttezza ed integrità delle
delle informazioni gestite
Le multe per le violazioni sono estremamente
onerose
Fino a 20 milioni di Euro
Per le aziende il 4% del fatturato globale
Normativa
03 - BIG DATA, EVERYWHERE
79. marco domizio
▪ Se tu sei il GESTORE dei dati, il GDPR definisce specifici obblighi giuridici a cui ci sideve
attenere.
Ad esempio, si è obbligati a custodire i riferimenti di ogni processo e/o attività che riguardino i dati
personali delle persone
▪ Qualora si verificasse una violazione sull’uso o gestione dei dati, il GESTORE sarà considerato
legalmente responsabile dell’accaduto.
Questi obblighi sono nuovi e non erano previsti prima dell’introduzione del GDPR
▪ Se tu sei un REVISORE, non si è esentati dagli obblighi previsti per chi gestisce i dati!
La normativa GDPR, definisce specifiche norme e responsabilità per le attività che si svolgono
con chi gestisce i dati
GDPR si applica a TUTTE le organizzazioni che gestiscono dati relativi i cittadini
dell’Unione Europea
Normativa
03 - BIG DATA, EVERYWHERE
80. marco domizio
➢ La definizione dei dati personali prevista dal GDPR è più ampia rispetto alle
precedenti normative sulla protezione dati e chiarisce che informazioni relative alla
presenza online.
Un esempio? l’indirizzo IP, è ora considerato come un Dato Personale.
➢ La normativa ha recepito il cambiamenti tecnologici e per questo motivo si è
adeguata sfruttando le nuove opportunità offerte dalle nuove tecnologie e
comportamenti delle persone
➢ GDPR si applica ai dati gestiti in forma automatizzata, ma anche in quelli gestiti
manualmente quando questi fossero accessibili e palesementeidentificabili
Dati Personali Dati Personali Sensibili
Privacy & Security
03 - BIG DATA, EVERYWHERE 80
81. marco domizio
GDPR identifica i dati personali sensibili come: CATEGORIE SPECIALI DI DATI PERSONALI
Le categorie dei dati che rientrano in questa categoria sono principalmente gli stessi che erano
inseriti nella precedente normativa come:
▪ Etnia o razza della persona
▪ Opinioni politiche
▪ Religione
▪ Membro di sindacato od associazioni
▪ Condizioni fisiche o mentali
▪ Orientamento sessuale
DATI IL CUI TRATTAMENTO
È VIETATO
Il GDPR comunque prevede 10 eccezioni che includono il consenso esplicito per aspetti vitali dell’individuo(art.9)
Dati Personali Dati Personali Sensibili
Privacy & Security
03 - BIG DATA, EVERYWHERE 81
82. marco domizio
Il GDPR richiede che i dati personali siano:
▪ Gestiti secondo la leggevigente
▪ Raccolti e gestiti per fini chiari leciti especifici
▪ Adeguati, pertinenti e limitati esclusivamente allo scopo che si vuole perseguire
▪ Tenuti aggiornati, qualora il fine preposto lo richieda
▪ Gestiti per ottenere dati identificabili esclusivamente e strettamente per il solo scopo previsto
▪ Utilizzati in modo tale da garantire la protezione dei dati singoli personali:
Questo include anche la protezione verso utilizzi non autorizzati, illegali, smarrimenti edistruzioni
Il Revisore sarà responsabile di quanto sopra elencato ed inoltre:
DOVRÀ ESSERE SEMPRE IN GRADO DI DIMOSTRARE L’OSSERVANZA DI
QUANTO PREVISTO DALLA LEGGE
Accountability
03 - BIG DATA, EVERYWHERE 82
83. marco domizio
Il DPPR ha riferimenti chiari al "consenso" e al "consenso esplicito", entrambe le forme di consenso devono
essere state fornite liberamente, specifiche, informate e fornire una indicazione inequivocabile dei desideri
dell'individuo.
➢Il consenso nel GPDR Richiede chiare «azioni di conferma». Il Silenzio Assenso, Caselle precompilate o
mancanza di reazioni da parte della persona NON COSTITUISCE ASSENSO
➢ Il consenso deve essere VERIFICABILE. Questa richiesta prevede che con il consenso si debba
raccogliere e conservare quando e come il consenso sia stato fornito
➢ Le persone hanno il diritto di poter revocare il consenso in qualsiasi momento
➢Ci sono comunque soluzioni legalmente valide che permettono quali: quando l’elaborazione è
necessaria ai fini degli interessi legittimi dell’azienda o quando si trattano dati (legittimi) per conto di
terze parti.
La mancanza di dei consensi descritti impedisce le elaborazioni dei dati. In questo
caso sarà necessario valutare opportunità alternative che possono essere disponibili
nella legislazione vigente.
Consenso
03 - BIG DATA, EVERYWHERE 83
84. marco domizio
Il GDPR crea nuovi diritti per le persone
e ne rafforza alcuni che erano già presenti nella vigente normativa.
Il GDPR stabilisce I seguenti diritti per ciascunindividuo:
➢ Il diritto di essere informati (trasparenza su come i dati personali vengono ad essere utilizzati)
➢ Il diritto all’ Accesso (accesso ai propri dati, a come sono utilizzati e qualunque altro dato utilizzato in combinazione con i
propri)
➢ Il diritto di rettifica (diritto a rettificare i dati in caso siano incompleti o incorretti)
➢ Il diritto di alla cancellazione (diritto a che i dati siano cancellati quandonnon sussiste alcuna ragione valida per
conservarli)
➢ Il diritto a Limitare il trattamento dei dati (si può consentire che i dati siano archiviati, ma non processati)
➢ Il diritto alla portabilità dei dati (Poter trasferire i propri dati da un sistema informatico all’altro senza cheil
controllore lo possa impedire)
➢ Il diritto di opporsi(opporsi al trattamento dei propri dati)
➢ Diritto di Contestazione delle decisioni automatizzate (possono essere contestate le decisioni chehanno
impatto personale e che sono state prese usando esclusivamente algoritmi informatici)
Nuovi diritti
03 - BIG DATA, EVERYWHERE 84
85. marco domizio
1 – Consapevolezza
Comunicare le regole della normativa
GDPR nell’organizzazione
7 – Consenso
Rivedere ed aggiornarela
metodologia percercare,
otteneree gestire il consenso
concedere
3 – Comunicazione
Rivedere le attuali regole di privacy,
identificarele aree da adeguare per essere
in regola
2 – Informazione
Comprenderequali dati personali sono
gestiti,dove sono e con chi li condividi
8 – Bambini
Adottareprocessi e regole per verificare
l’età delle persone ed ottenere il
consensoin caso di dati relativi a minori
5 – Gestione degli accessi
verificare ed aggiornare le procedure che
governano le richiestedi accesso ai dati
9 – Violazioni
Adottare strumenti e procedure per
rilevare,cercare e segnalarepossibili
violazioni ai datigestiti
10 – Security byDesign
Usare PIA’s quando necessario
(PIA = piano impatto sulla protezione dei dati)
12 – International
Identificare l’autorità di vigilanza
competentein caso di una ispezione in
ambito internazionale
11 – Data Protection Officers
Identificaree/o nominareil DPO
(DPO = Data Protection Officer)
6 – Legale
Rivedere la gestione deiprocessi
effettuata nell’organizzazione e
documentarlo su baselegale
4 – Individui
Individuazione dei diritti i diritti delle
persone ed aggiornamento delle procedure
relative alla privacy
12 tips
03 - BIG DATA, EVERYWHERE 85
86. marco domizio
La normativa prevede che per ottemperare al
nuovoregolamento,le organizzazionidevono
conoscereegestire:
➢ Dove sono gestiti i dati personali
➢ Chi ha accesso ai dati personali
➢ Perché gestiscono dati personali
➢ Con chi condividono i dati personali
➢ Per quanto tempo i dati personalivengono
ad essere tenuti
➢ Il consenso fornito per utilizzarli
Il GDPR è specifico per ogni azienda !!
I controlli devono essere studiati sui possibili e reali
rischi esistenti
La soluzione vincente è l’ utilizzo di policies e
strumenti IT che garantiscano la la riservatezza,
integrità, disponibilità e resilienza dei sistemi adottati
Il GDPR fornisce alle persone nuovi diritti e
poteri per garantire che le proprie
informazioni digitali siano elaborate e
condivise con le regole prescritte dalla legge
vigente
I responsabili ed i gestori delle informazioni digitali saranno considerati responsabili nel caso di violazione dei dati
Riepilogo
03 - BIG DATA, EVERYWHERE 86
87. marco domizio
D.P.O.
03 - BIG DATA, EVERYWHERE
D.P.O. (Data Protection Officer) RESPONSABILE PROTEZIONE DATI
Tale figura, viene prevista solo in determinati casi:
• Se il trattamento è svolto da una pubblica amministrazione;
• Se i dati trattati richiedono un monitoraggio regolare e sistematico o su larga scala;
• Se vengono trattati dati classificati particolari (relativi alla salute della persona – giudiziari).
Il D.P.O. ha una funzione di consulenza, che supporta il titolare od il responsabile, tiene i contatti con l’autorità
(Garante), può disporre l’attuazione di misure di sicurezza qualora si rendano indispensabili, può essere
interessato anche da tutte le altre figure che operano all’interno dell’azienda, in materia si sicurezza nel
trattamento dei dati.
Per ogni decisione in materia di trattamento, detta figura DEVE ESSERE CONSULTATA da parte del titolare.
Il D.P.O. viene nominato dal titolare del trattamento.
Le linee guida emesse dalla commissione WP29, raccomandano la nomina del D.P.O. anche nei casi in cui tale
figura non sia obbligatoria.
87
88. marco domizio
D.P.I.A. (Data Protection Impact Assessement)
03 - BIG DATA, EVERYWHERE
Trattasi di un documento finalizzato a realizzare una analisi dei rischi attraverso lo studio e le modalità di
trattamento dei dati. Detto documento deve individuare i rischi correlati e le misure idonee a neutralizzarli e, in
ultima ipotesi a gestirli. La stesso deve contenere:
• Una descrizione sistematica dei trattamenti previsti;
• Le finalità del trattamento;
• L’interesse legittimo perseguito dal titolare del trattamento;
• Una valutazione della necessità e proporzionalità dei trattamenti in relazione alle finalità;
• Una valutazione dei rischi;
• Le misure previste per affrontare i rischi;
• Le garanzie, le misure di sicurezza e i meccanismi per garantire la protezione dei dati personali.
Tale documento risulta obbligatorio quando:
• È presente una valutazione sistematica e globale di aspetti personali relativi a persone fisiche, basata su un
trattamento automatizzato, compresa la profilazione, e sulla quale si fondano decisioni che hanno effetti
giuridici o incidono in modo analogo significativamente su dette persone fisiche;
• Viene effettuato un trattamento, su larga scala, di categorie particolari di dati personali (es.sanitari), o di dati
giudiziari;
• Videosorveglianza.
Il D.P.I.A. deve essere redatto dal titolare del trattamento, unitamente al responsabile, in collaborazione con il
RESPONSABILE DELLA PROTEZIONE DATI (D.P.O.).
88
89. marco domizio
REGISTRO DELLE ATTIVITA’ DI TRATTAMENTO
03 - BIG DATA, EVERYWHERE
Ogni titolare del trattamento e, ove applicabile, il suo rappresentante tengono un registro delle attività di
trattamento svolte sotto la propria responsabilità.
Tale registro contiene tutte le seguenti informazioni:
• il nome e i dati di contatto del titolare del trattamento e, ove applicabile, del contitolare del trattamento, del
rappresentante del titolare del trattamento e del responsabile della protezione dei dati;
• le finalità del trattamento;
• una descrizione delle categorie di interessati e delle categorie di dati personali;
• le categorie di destinatari a cui i dati personali sono stati o saranno comunicati, compresi i destinatari di paesi
terzi od organizzazioni internazionali;
• i trasferimenti di dati personali verso un paese terzo o un’organizzazione internazionale, compresa
l’identificazione del paese terzo o dell’organizzazione internazionale e, per i trasferimenti di cui al secondo
comma dell’articolo 49, la documentazione delle garanzie adeguate;
• i termini ultimi previsti per la cancellazione delle diverse categorie di dati;
• una descrizione generale delle misure di sicurezza tecniche e organizzative.
Tale registro è obbligatorio nei seguenti casi:
• imprese od organizzazione con almeno 250 dipendenti;
• che il trattamento possa presentare un rischio per i diritti e le libertà dell’interessato;
• che il trattamento non sia occasionale;
• che il trattamento includa categorie di dati particolari (sanitari o giudiziari).
89
90. marco domizio
REGISTRO DELLE ATTIVITA’ DI TRATTAMENTO
03 - BIG DATA, EVERYWHERE
Ovviamente anche per quanto concerne procedimenti di informativa agli interessati nonché consenso, sono state
previste modiche che rendono obbligatorio riformulare le procedure.
E’ opportuno rappresentare come, per CATEGORIA PARTICOLARE DI DATI PERSONALI, devono intendersi dati
personali che rivelino:
• l’origine razziale o etnica;
• le opinioni politiche;
• le convinzioni religiose o filosofiche;
• l’appartenenza sindacale;
• dati genetici;
• dati biometrici intesi a identificare in modo univoco una persona fisica (es.videosorveglianza – impronte
digitali – iride);
• dati relativi alla salute;
• dati relativi alla vita sessuale;
• dati relativi all’orientamento sessuale.
90
91. marco domizio
Alcune regole
03 - BIG DATA, EVERYWHERE
• livelli di aggregazione più elevati
• Dati anonimi
• Pseudonimo
• Campione permission-based
91
92. marco domizio
Security
03 - BIG DATA, EVERYWHERE
• Persone:fallimento umano (perdere
chiavetta usb con dati, mail con allegati a
persona sbagliata…) o comportamenti
scorretti
• Sistemi
• Processi
Regole&controllo
• Accesso: come, quando e chi
• Continuità: backup, disaster recovery…
• Controllo: organizzazione, indicatori e
reporting
LA PRIVACY E LA SICUREZZA NON SONO UN
PROBLEMA DI UFFICIO LEGALE!!
9215:17
94. marco domizio
Introduzione
04 - ANALYTICS
Per analytics si intende l'ampio uso di dati,
analisi statistiche e quantitative, modelli
esplicativi e predittivi, e basato sui fatti per
guidare le decisioni e le azioni”
“Qual è l'assortimento ottimale del prodotto
da offrire in un negozio?”
“Quale sarebbe il livello di prezzo ottimale?”
“Attraverso quali canali dovremmo contattare
un cliente, al fine di ottimizzare il valore per il
cliente?”
94
95. marco domizio
Tipi di analisi
04 - ANALYTICS
Tipi
• Esplicativa: perché
• Predittiva
Esecuzione
• Statica (al tempo t)
• Dinamica (al tempo t1, t2, …tn)
95
96. marco domizio
Dimensioni
04 - ANALYTICS
Dimensione primaria
• Problema predefinito
• Sfide di marketing
• Obiettivi di crescita
Dimensione secondaria
• Dati predefiniti
• CRM, transazioni..
• Combinazione di dati
96
97. marco domizio
Problem solving
04 - ANALYTICS
“Come si può aumentare il valore dei nostri
clienti?”
“Quale strategia di prezzo dovrei usare per
attirare i clienti più redditizi?”
97
98. marco domizio
Data modeling
04 - ANALYTICS
Problema: prevedere il tasso di abbandono
Obiettivo: trovare relazioni specifiche nei dati
Rischio: ad un padre di una adolescente è
stato offerto prodotti per l'infanzia, perché
sua figlia, apparentemente in stato di
gravidanza ha acquistato prodotti per
bambini utilizzando il suo programma di
fidelizzazione
98
99. marco domizio
Data mining
04 - ANALYTICS
Dati e problema non pre-definiti :analisi
induttiva
i dati ampiamente disponibili possono fornire
informazioni preziose semplicemente
scavando
99
100. marco domizio
Data mining
04 - ANALYTICS
analisi esplorativa per scoprire nuove
relazioni
Tesco analizzando i dati della loro carta
fedeltà, hanno scoperto che i consumatori
acquisto di pannolini spesso acquistano
anche birra e patatine
100
102. marco domizio
Regole
04 - ANALYTICS
Una delle dimensioni dei big data è il volume.
Non è il volume che è importante, ma che il campione analizzato sia rappresentativo.
Il volume è importante solo al fine di ottenere risposte più affidabili. In particolare
se:
•Se vengono studiate più variabili in un'analisi e specificamente quando si studiano gli effetti di variabili
multiple su una variabile di esito
•Se uno ha bisogno di studiare diversi sotto-campioni. Il sotto-campione dovrebbe essere di dimensioni
sufficienti per analizzare
•Se c'è molta eterogeneità. Ad esempio, i clienti possono differire fortemente in come si comportano e
come rispondono alle azioni di marketing
•Se la variabile studiata si verifica molto raramente (ad esempio una conversione su una campagna di
posta elettronica) e un numero sufficiente di punti dati è necessario per comprendere i driver di questo
evento
•Se esiste una forte collinearità tra le variabili indipendenti utilizzate per prevedere o spiegare una
variabile dipendente, ad esempio le vendite o la cedola.
102
103. marco domizio
Classificazione
04 - ANALYTICS
Area di applicazione (mercato, marca, cliente)
Descrittivi o predittivi;
Metodo statico o dinamico
103
106. marco domizio
Classificazione
04 - ANALYTICS
Questi sette metodi classici hanno in comune il fatto che sono spesso utilizzati
all'interno di funzioni di marketing intelligence. Inoltre, molti di questi metodi hanno
un ruolo in ambienti Big Data. E’ molto importante padroneggiare questi metodi
prima affrontare l’analisi dei Big data
1. Reporting: hanno lo scopo di fornire informazioni di gestione su alcune statistiche descrittive pertinenti a KPI
specifici, come quota di mercato, la soddisfazione del cliente, e / o la redditività dei clienti
2. Profiling: fornire una descrizione di marche e di segmenti di clientela. Ad esempio, confrontare utenti Apple vs
Samsung vs Blackberry su variabili specifiche, quali l'età, l'istruzione, e di genere
3. Migration: La migrazione può essere utilizzato per studiare lo sviluppo dei clienti e la marca o l'utilizzo del prodotto
nel tempo. Questa analisi migrazione è spesso necessaria per comprendere variazioni di dati di vendita aggregati
nel tempo
4. Segmentation (gerarchici, k-means)
5. Trend analysis market and sales forecasting (regressione lineare)
6. Attribute importance (Misura indicata di importanza, Approccio basato sulla regressione, Analisi congiunta)
7. Individual prediction models: analisi RFM (Recency, Frequency, Monetary) , alberi di decisione, modelli logit,
modelli informatici (bootstrap aggregation (“bagging”))
106
107. marco domizio
Big data & analytics
04 - ANALYTICS
tipi di dati: non strutturati e diversi
nuove sfide: ecosistema digitale
nuove 7 tecniche di analisi
107
111. marco domizio
Web analytics
04 - ANALYTICS
Obiettivo
Comprendere come il consumatore
visita ed usa siti internet
Metodi
• site-centric: interazione con un sito
specifico convergenza, funnel
• User-centric: registrazione utenti nel
comportamento on line
Tecniche:
• SEO
• Miglioramento sito: test a/b 111
112. marco domizio
Customer journey analysis
04 - ANALYTICS
L’analisi permette di avere data da molte
sorgenti e, dove possibile, dare un senso a
queste per comprendere meglio il customer
journeys e gli effetti di un touchpoints verso
l’acquisto
Metodi
-Analisi qualitativa
-Analisi quantitativa
-Channels/touchpoints used for search
-Channels/touchpoints used for
purchase
-channels/touchpoints used for after-
sales
112
113. marco domizio
Attribution modeling
04 - ANALYTICS
L’analisi permette di avere data da I
clienti sono influenzati da diversi
touchpoints: come valutare gli effetti di
un touchpoint?
Modelli
“path to purchase”,
Ultimo click, first click, time-decay
attribution, touchpoint offline
113
114. marco domizio
Esempio: Campagna Adwords
04 - ANALYTICS
Time decay:assegna maggior valore ai clic eseguiti più a ridosso della conversione. Il credito
viene distribuito utilizzando un lasso di tempo di sette giorni, vale a dire che un clic eseguito otto
giorni prima di una conversione riceverà metà del credito assegnato a un clic eseguito un giorno
prima di una conversione.
Esempio Adwords: Immaginiamo che tu sia il proprietario dell'hotel Paulina di Firenze. Un cliente trova il tuo sito facendo clic sugli annunci AdWords
dopo aver eseguito le seguenti ricerche: "hotel Toscana", "hotel Firenze", "hotel 3 stelle Firenze" e infine "hotel 3 stelle Paulina Firenze". Il cliente
prenota dopo aver fatto clic sull'annuncio attivato dai termini di ricerca "hotel 3 stelle Paulina Firenze".
Con il modello di attribuzione "Ultimo clic", tutto il credito della conversione verrebbe attribuito all'ultima parola chiave ("hotel 3 stelle Paulina
Firenze").
Con il modello di attribuzione "Primo clic", tutto il credito della conversione verrebbe attribuito alla prima parola chiave ("hotel Toscana").
Con il modello di attribuzione "Lineare", il credito della conversione verrebbe distribuito equamente tra tutte le parole chiave (il 25% ciascuna).
Con il modello di attribuzione “Time decay", la maggior parte del credito verrebbe attribuita alla parola chiave "hotel 3 stelle Paulina Firenze" perché è
quella che è stata utilizzata più a ridosso della conversione. La parte minore del credito verrebbe attribuita alla parola chiave "hotel Toscana" perché è
quella utilizzata più lontano nel tempo rispetto alla conversione.
Con il modello di attribuzione "In base alla posizione", il 40% del credito della conversione verrebbe attribuito alle parole chiave "hotel Toscana" e
"hotel 3 stelle Paulina Firenze", mentre il 10% del credito verrebbe attribuito rispettivamente alle parole chiave "hotel Firenze" e "hotel 3 stelle
Firenze".
Con il modello di attribuzione "Basato sui dati", la parte di credito verrebbe attribuita a ciascuna parola chiave in base al numero di conversioni che ha
generato.
114
115. marco domizio
Dynamic targeting
04 - ANALYTICS
• Recommendation systems
• Content filtering systems
• Collaborative filtering systems
• Hybrid forms of content and
collaborative filtering systems.
• Personalization systems.
La differenza fondamentale tra sistemi di
raccomandazione e sistemi di personalizzazione è
che i sistemi di raccomandazione raccomandano
prodotti o servizi esistenti, mentre i sistemi di
personalizzazione adattano l'offerta alle esigenze dei
clienti.
115
116. marco domizio
Integrated models
04 - ANALYTICS
Integrazione ad un livello
Integrazione Multi-level
Adaptive forecasting
L’arroganza dei big data: effetto Google
Flu Trends
116
117. marco domizio
Social Listening
04 - ANALYTICS
• Analisi del testo (dr.watson)
• “opinion mining”: tecniche computazionali
per l'estrazione, la classificazione, la
comprensione e la valutazione delle
opinioni espresse in varie fonti di notizie
online, social/commenti dei media, e altri
contenuti generati dagli utenti (sentiment
analysis)
Errori da evitare:
commento che accompagna un’immagine di
una reazione cutanea rispetto ad una crema
per il corpo che afferma:“Grazie xxx! Davvero
un effetto strepitoso “
oppure un commento ad un ritardo nel volo:
“Il mio volo è in ritardo. Splendido!”
117
118. marco domizio
Social network analysis
04 - ANALYTICS
Non solo FB, Linkedin (piazze)…ma
community specializzate!
• Creation of network data
• Description of the network using
network metrics
• Social network targeting and
valuation.
teoria dei grafi, influencer
Warning!: privacy
118
119. marco domizio
Social network analysis
04 - ANALYTICS
Degree centrality:Misura il numero di contatti diretti
che un individuo ha in una rete
Betweenness centrality: E’ legato al numero di volte
in cui un nodo si ritrova lungo lo shortest path tra le
altre coppie di nodi della rete
Closeness centrality: esprime il grado di prossimità di
un utente agli altri della rete
Clienti con un alta betweenness centrality hanno più
potere in una rete
Clienti con bassa Closeness centrality hanno più
facilità di raggiungere altri clienti
ESEMPIO
Influencer e Testimonial
119
120. marco domizio
Emerging techniques
04 - ANALYTICS
Analisi foto e video (CBIR ( Content-Based Image
RetrievalSystems)
Proximity marketing&cookies
120
121. marco domizio
Successful big data
04 - ANALYTICS
Investimento in
• Persone:reclutare, sviluppare e mantenere il
giusto talento analitico
• Sistemi:la piattaforma e gli strumenti per un
ecosistema dati integrato
• Processi: creare un modo comune di lavoro basato
sul business e sostenuto dalla privacy e dalla
sicurezza
• Organizzazione:prendere il ruolo giusto e il posto
nell'organizzazione per il maggior impatto.
VALUE
GENERATION
people
process
system
organization
121
125. marco domizio
Tools
05 - Tools, storage & processing
NoSQL: è un movimento che promuove sistemi software dove la persistenza dei dati è
caratterizzata dal fatto di non utilizzare il modello relazionale, di solito usato dai database
tradizionali (RDBMS)
◦ DatabasesMongoDB, CouchDB, Cassandra, Redis, BigTable, Hbase, Hypertable, Voldemort,
Riak, ZooKeeper
MapReduce: è un framework software brevettato e introdotto da Google per supportare la
computazione distribuita su grandi quantità di dati in cluster di computer.
◦ Hadoop, Hive, Pig, Cascading, Cascalog, mrjob, Caffeine, S4, MapR, Acunu, Flume,
Kafka, Azkaban, Oozie, Greenplum
Storage
◦ S3, Hadoop Distributed File System
Servers
◦ EC2, Google App Engine, Elastic, Beanstalk, Heroku
Processing
◦ R, Yahoo! Pipes, Mechanical Turk, Solr/Lucene, ElasticSearch,
Datameer, BigSheets, Tinkerpop
125
126. marco domizio
Risorse e servizi distribuiti
05 - Tools, storage & processing
• Distributed Architecture
• Clusters of computers that work together
to a common goal
• Scale out not up!
• Fault- tolerance
• Resource replication
• Eventual consistency
• Distributed processing
• Shared-nothing model
• New programming paradigms
126
127. marco domizio
Teorema di CAP
05 - Tools, storage & processing
Per aumentare il livello della prestazione nella gestione e nell'interrogazione dei dati si punta, dunque, ad un
sistema distribuito, il quale si basa sulle proprietà del Teorema CAP, presentato nel 2000 da Eric Brewer
Esso specifica come in un contesto distribuito si possano identificare 3 proprietà fondamentali:
• Consistency (Coerenza): i dati rimangono consistenti alla fine dell'esecuzione di un'operazione, ovvero, una
volta effettuato un update, tutti i client dispongono degli stessi dati.
• Availability (Disponibilità): ogni richiesta riceverà una risposta sia in caso di successo che in caso di fallimento;
in altre parole, il sistema è sempre disponibile.
• Partition Tolerance (Tolleranza al Partizionamento): il sistema continua a funzionare nonostante la presenza di
un meccanismo di comunicazione inaffidabile e di eventuali perdite di messaggi.
Il teorema enuncia l'impossibilità di avere tutte e tre le caratteristiche nello stesso momento; pertanto, se ne
possono implementare al più due a discapito della terza. Di conseguenza, se si sceglie di non avere una tolleranza
al partizionamento si avranno problemi sulla scalabilità verticale, che è sicuramente più costosa. Se si rinuncia alla
disponibilità dobbiamo attendere che vengano risolte alcune richieste a discapito delle prestazioni. Se si rinuncia
alla coerenza si avrà, per un periodo, un disallineamento dei dati sui nodi. A fronte dei risultati offerti dal teorema
CAP, i database di tipo NoSQL, per poter essere scalabili come richiesto, devono sacrificare la consistenza a
scapito le prestazioni e la disponibilità dei dati. La consistenza non è possibile garantirla sempre a priori, ma è
comunque presente in una forma più debole.
127
128. marco domizio
Big data flow
05 - Tools, storage & processing
ETL
RealTime
Streams
Distributed File System (HDFS)
NoSQL
(HBase,
Cassandra,
MongoDB)
New SQL
(Oracle,
VoltDB,
Teradata)
Real Time
Processing
Analytics
(Spark,
Cloudera,
Greenplum)
Batch
Processing
128
129. marco domizio
Trend
05 - Tools, storage & processing
ETL
RealTime
Streams
Distributed File System (HDFS)
NoSQL
(HBase,
Cassandra,
MongoDB)
New SQL
(Oracle,
VoltDB,
Teradata)
Real Time
Processing
Analytics
(Spark,
Cloudera,
Greenplum)
Batch
Processing
X
129
131. marco domizio
Data Lake
05 - Tools, storage & processing
Il termine data lake è apparso per la prima volta a
ottobre 2010 sul blog di James Dixon, CTO di
Pentaho, specializzata in business intelligence
“Se si pensa a un datamart come a un negozio di
acqua in bottiglia – depurata, confezionata e
strutturata per essere consumata con facilità – il data
lake è una grande distesa d'acqua in uno stato più
naturale. Il contenuto del data lake affluisce da
sorgenti di dati e vari utenti del lake possono
esaminarlo, immergervisi o prelevare campioni.
È nella nozione di dati e campioni grezzi che un data
lake diverge da un data warehouse: il primo raccoglie
un volume consistente di dati grezzi – strutturati,
semistrutturati e destrutturati – in formato nativo e
ne permette l'analisi. “
131
132. marco domizio
Data Lake
05 - Tools, storage & processing
Dove un data warehouse memorizza i dati in file e
cartelle, un data lake fa uso di una architettura piatta.
Ogni elemento riceve un identificatore e un insieme
di metadati a corredo. Il data lake può così essere
interrogato alla ricerca di dati rilevanti, che possono
essere successivamente analizzati a parte alla ricerca
di risultati specifici.
132
134. marco domizio
Raccolta: puoi utilizzare Google Analytics per raccogliere i dati sulle interazioni degli
utenti da siti web, app mobili e ambienti collegati digitalmente, ad esempio
postazioni digitali o sistemi POS. Per i siti web, Google Analytics utilizza il codice
JavaScript per raccogliere informazioni. Un pacchetto di informazioni è definito "hit"
o "interazione". Un "hit" viene inviato ogni volta che un utente visualizza una pagina
con i tag di Google Analytics. Per le app mobili, è necessario aggiungere altro codice
per ogni "attività" da monitorare.
Elaborazione: una volta raccolti gli hit di un utente sui server Google, si passa alla
fase di elaborazione dei dati. In questo passaggio avviene la "trasformazione" dei
dati non elaborati in qualcosa di utile.
Come funziona Google Analytics
05 - Tools, storage & processing 134
135. marco domizio
Configurazione: in questo passaggio, Google Analytics applica le impostazioni di
configurazione ai dati non elaborati, ad esempio i filtri. In seguito all'elaborazione, i
dati vengono memorizzati in un database. Dopo aver elaborato e memorizzato i dati
nel database, è possibile modificarli.
Rapporti: generalmente, per accedere ai dati viene utilizzata l'interfaccia web.
Come funziona Google Analytics
05 - Tools, storage & processing 135
137. marco domizio
Il ciclo di pianificazione della misurazione è composto dai seguenti passaggi:
• Definizione del piano di misurazione
• Documentare gli obiettivi di business.
• Identificare le strategie e le tattiche per supportare gli obiettivi.
• Scegliere le metriche che saranno gli indicatori chiave di prestazione.
• Decidere come segmentare i dati.
• Scegliere gli obiettivi per gli indicatori chiave di prestazione.
• Creazione di un piano di implementazione.
• Implementazione del piano.
• Gestione e perfezionamento.
Creare un piano di misurazione
05 - Tools, storage & processing 137
138. marco domizio
I rapporti di Google Analytics contengono dimensioni e metriche.
Più comunemente, le dimensioni e le metriche vengono indicate in una tabella, in
cui la prima colonna contiene un elenco di valori per una determinata dimensione
mentre le altre colonne mostrano le metriche corrispondenti.
Le dimensioni descrivono le caratteristiche degli utenti, delle sessioni e delle azioni
eseguite.
Le metriche sono le misurazioni quantitative di utenti, sessioni e azioni. Sono dati
numerici.
Gli eventi sono interazioni tra utenti e contenuti monitorabili indipendentemente
dal caricamento di una pagina web o di una schermata.
Concetti chiave
05 - Tools, storage & processing 138
139. marco domizio
Le dimensioni descrivono le caratteristiche degli utenti, delle sessioni e delle
azioni eseguite. Ad es. la dimensione Città descrive una caratteristica delle
sessioni e indica la città.
Le metriche sono misurazioni quantitative. Ad es. la metrica Sessioni indica il
numero totale di sessioni. La metrica Pagine/sessione indica il numero medio di
pagine visualizzate a ogni sessione.
Ogni report in Google Analytics contiene entrambe le dimensioni e metriche.
Metriche e dimensioni
05 - Tools, storage & processing 139
140. marco domizio
La segmentazione ti consente di isolare e analizzare i sottoinsiemi di dati.
I segmenti sono filtri non distruttivi. Ad esempio, puoi segmentare i dati in base ai
canali di marketing per individuare il canale che fa registrare un incremento degli
acquisti.
I segmenti rappresentano sottoinsiemi di sessioni o sottoinsiemi di utenti.
• Sottoinsiemi di sessioni: ad esempio, tutte le sessioni che hanno origine dalla
Campagna A;
• tutte le sessioni durante le quali è stato generato un acquisto.
• Sottoinsiemi di utenti: ad esempio, gli utenti che hanno in precedenza effettuato
acquisti; utenti che hanno aggiunto articoli al carrello degli acquisti ma che non
hanno completato un acquisto.
Segmentazione dei dati
05 - Tools, storage & processing 140
141. marco domizio
L’impostazione degli obiettivi in Google Analytics è uno dei passaggi più importanti
dell'implementazione.
Una volta attivati gli obiettivi, ottieni metriche quali il numero di conversioni e il tasso di
conversione.
Gli obiettivi ti consentono di mappare i dati in Google Analytics in base agli indicatori
chiave di prestazione definiti nella pianificazione della misurazione.
Obiettivi ed ecommerce
05 - Tools, storage & processing 141
142. marco domizio
Esistono quattro tipi di obiettivo. Gli obiettivi vengono impostati a livello di vista
Obiettivo Destinazione è una pagina del tuo sito web che gli utenti visualizzano in
seguito al completamento di un'attività. Per la creazione di un account, potrebbe essere
la pagina di ringraziamento per la registrazione. Per un acquisto, potrebbe essere la
pagina della ricevuta. Un obiettivo Destinazione dà inizio a una conversione quando un
utente visualizza la pagina da te specificata.
Obiettivo Evento viene attivato quando un utente esegue un'operazione specifica, ad
esempio scarica un PDF o avvia un video. Per utilizzare questo tipo di obiettivo, è
necessario aver implementato il monitoraggio degli eventi nel sito web.
Obiettivi ed ecommerce
05 - Tools, storage & processing 142
143. marco domizio
Obiettivo Pagine per visita viene attivato quando un utente visualizza più o meno pagine
rispetto a una determinata soglia.
Obiettivo Durata viene attivato quando la visita di un utente supera/non raggiunge una
determinata soglia.
Obiettivi ed ecommerce
05 - Tools, storage & processing 143
144. marco domizio
C'è una differenza importante tra conversioni all'obiettivo e transazioni e-commerce.
Durante una visita, una conversione all'obiettivo può essere conteggiato una sola volta
mentre una transazione e-commerce può essere conteggiata più volte.
Ecco un esempio.
Supponiamo che uno degli obiettivi impostati sia il download di un PDF e che ogni
download sia considerato una conversione all'obiettivo valida. Supponiamo inoltre che il
valore dell'obiettivo sia € 5. In questo caso, se un utente accede al sito e scarica cinque
file PDF durante una singola sessione, ottieni una sola conversione del valore di € 5.
Tuttavia, se monitorassi ognuno di questi download come transazione e-commerce di €
5, registreresti cinque transazione ed € 25 di entrate e-commerce.
Obiettivi ed ecommerce
05 - Tools, storage & processing 144
145. marco domizio
Ottieni ulteriori dati sulla provenienza degli utenti provenienti dai referral che accedono
ai tuoi contenuti e, conseguentemente, identificare i modi più efficaci per attirare nuovi
visitatori.
Per utilizzare le campagne personalizzate, è necessario aggiungere negli URL alcuni
parametri in grado di identificare il posizionamento di tali link nell'ambito di una
specifica campagna in corso di pubblicazione. Quando un utente fa clic su un link, tali
parametri vengono inviati ai rapporti Analytics, in modo che sia possibile scoprire gli URL
su cui gli utenti fanno clic per accedere ai tuoi contenuti.
Per impostare campagne personalizzate, devi aggiungere parametri alla fine degli URL
(utm_source, utm_medium, utm_campaign, utm_term, utm_content)
Campagne
05 - Tools, storage & processing 145
148. marco domizio
Marco Domizio
Digital Transformation Consultant
Affianco imprenditori a realizzare progetti
digitali per aumentare clienti e vendite
m.domizio@tiscali.it
+39 335 1223483
Un obiettivo,
senza un
piano, rimane
solo un
desiderio.
“GRAZIE!
148