La maggior parte delle aziende non riesce a utilizzare pienamente il potenziale valore di dati e analytics per migliorare il business ed in alcuni settori raggiunge a stento il 30% del valore stimato.
Nel 2011 McKinsey ha redatto un report in cui si evidenziava l’incapacità da parte delle aziende di sfruttare appieno il valore dei dati soprattutto in relazione a cinque settori produttivi fondamentali: servizi pubblici in Europa, servizi sanitari negli Stati Uniti, settori manifatturiero, retail e location based data. A distanza di cinque anni e malgrado alcuni progressi siano stati fatti nel settore dei servizi per la localizzazione e la vendita al dettaglio, quelli più legati alla produzione, al settore pubblico e alla sanità continuano ad utilizzare meno del 30% del valore potenziale stimato dei dati ed analytics. Questo è quanto emerge dal nuovo report McKinsey “The Age of Analytics: competing in a data-driven world“.
Le criticità da superare
Gli ostacoli più evidenti riscontrati dalle aziende per la giusta valorizzazione di dati e analytics sono principalmente di tipo organizzativo e legati alla complessità nella scelta delle soluzioni tecnologiche e nell’attrazione di professionalità e competenze necessarie per l’implementazione di efficaci processi di business.
Del resto l’introduzione di nuovi tipi di set di dati (“dati ortogonali”) può destabilizzare le aziende, e rendere difficoltosa la capacità d’integrazione; ma il valore aggiunto dell’analisi dei dati è proprio la capacità di superare i silos organizzativi e tecnologici, consentendo la scoperta di nuove intuizioni e l’implementazione di nuovi modelli. Ad esempio le piattaforme digitali hyperscale riescono ad abbinare acquirenti e venditori in tempo reale, trasformando le inefficienze del mercato; i dati granulari possono essere usati per personalizzare prodotti e servizi come ad esempio nel settore dell’assistenza sanitaria. Le nuove tecniche analitiche alimentano scoperte ed innovazione e soprattutto possono abilitare più velocemente i processi decisionali.
Una ulteriore criticità è rappresentata dalle questioni legate alla normativa che pongono ulteriori ostacoli per la valorizzazione dei dati soprattutto nel settore pubblico e dell’assistenza sanitaria. Infine in molti casi la mancanza di interoperabilità dei sistemi nello scambio dei dati determina l’insuccesso da parte delle organizzazioni complesse, pubbliche e private, nell’utilizzo pienamente soddisfacente delle strategie di data governance.
I benefici economici
I recenti progressi del machine learning possono essere utilizzati per risolvere una grande varietà di problemi: ad esempio i sistemi abilitati di automazione possono fornire servizio clienti, gestione logistica, analisi delle cartelle cliniche, e addirittura scrittura di notizie. Il valore potenziale dei dati si esplica ovunque, anche in quei settori che si stanno digitalizzando più lentamente. Già nel Report 2011 l’indagine aveva rilevato che il 45% delle attività di lavoro, associate a 14,6 trilioni di dollari di salari totali, potevano essere automatizzate grazie ad alcune tecnologie come potrebbe essere oggi il machine learning. Secondo il recente rapporto McKinsey questa tecnologia abilitante potrebbe riconvertire e automatizzare addirittura l’80% delle attività lavorative. Un esempio a cui far riferimento è il settore delle traduzioni. Negli Usa si stima che questo settore potrebbe rappresentare un possibile mercato di circa 4 milioni di dollari entro il prossimo decennio. La stima è stata eseguita calcolando il numero dei laureati nel prossimo decennio, ovvero circa circa 9,5 milioni di individui nei settori STEM, i quali, nel 40% dei casi, avranno necessità di piattaforme, servizi e sistemi di traduzione professionale per soddisfare le proprie esigenze di business che potrebbero essere implementanti appunto attraverso il machine learning.
Un ulteriore aspetto interessante da indagare è legato alla crescita dei processi di analytics di oltre il 50% a partire dal 2010. In questo contesto la sfida più stimolante a cui le aziende dovranno far fronte è la complessità della valutazione dei dati che è eterogenea proprio in relazione alle differenti categorie dei dati stessi, come ad esempio quelli che includono dati comportamentali come l’acquisizione delle azioni in ambienti digitali e fisici, dati transazionali dei rapporti d’affari, dati ambientali, ovvero le condizioni nel mondo fisico monitorato e catturato dai sensori, dati geospaziali, ecc.
Le opportunità
Dal lato della domanda, i dati possono fornire spunti per diversi usi: alcuni settori industriali si stanno completamente modificando come alcune caratteristiche di un determinato mercato. Nel trasporto personale, i servizi di ride-sharing utilizzano la tecnologia di mappatura geospaziale per raccogliere dati cruciali circa la posizione esatta dei passeggeri e driver disponibili in tempo reale. L’introduzione di questo nuovo tipo di dati abilita una corrispondenza efficiente e immediata che se adeguatamente analizzata porta a vantaggi economici importanti. Un caso concreto è rappresentato dalle piattafoprme Uber, Lyft e il cinese ride-sharing Didi Chuxing che sono state in grado di intercettare la domanda del cliente con l’offerta, riequilibrando la gestione in positivo di una risorsa inutilizzata in relazione all’uso dell’auto di proprietà personale (che nella maggior parte dei casi è inutilizzata per l’85-90% del tempo) riuscendo ad offrire un servizio di qualità a costi contenuti non dovendo realizzare investimenti importanti per procurarsi l’auto. In questo settore si stima che entro il 2030 i servizi di mobilità, come la condivisione di guida e il car sharing, potrebbe rappresentare oltre il 20% del totale delle migliaia dei veicoli passeggeri a livello globale. I consumatori potrebbero risparmiare sugli acquisti di auto, carburante e parcheggio con un conseguente impatto economico che potrebbe raggiungere 845 bilioni di dollari di cui 2,5 trilioni di dollari a livello globale entro il 2025.
Anche il Retail Banking è un settore ricco di dati su transazioni dei clienti, situazione finanziaria e demografia; con una efficiente data governance si stima un potenziale impatto economico da 110 a 170 miliardi di dollari solo nel settore bancario dei mercati sviluppati e da 60 a 90 miliardi di dollari per i mercati emergenti.
Emma Pietrafesa
