Data Analytics

L’evoluzione degli analytics e l’importanza della misurazione

“Misura ciò che è misurabile
e rendi misurabile ciò che non lo è”

Galileo Galilei

Non si può gestire, ma soprattutto migliorare, ciò che non si misura

E quando si parla di misurazione, gli strumenti scientifici moderni sono quelli che derivano dal software di Business Intelligence (BI), Business Analytics e Big Data Analytics

Business Intelligence

Generalmente usati per attività di query, i tool di BI permettono di acquisire ed elaborare una grande quantità di dati offrendo importanti vantaggi in termini di strategia di business.

Nello specifico permettono di:

  • accelerare e migliorare i processi decisionali;
  • aumentare l’efficienza operativa;
  • individuare nuove opportunità di ricavi;
  • identificare le tendenze del mercato;
  • creare report basati su indicatori KPI;
  • identificare nuove opportunità di business.

Business Analytics

Gli strumenti di Business Analytics offrono una panoramica dell’azienda con informazioni preziose come le operazioni aziendali o il numero di conversioni dei clienti.

Questi strumenti permettono di:

  • agevolare l’identificazione di debolezze;
  • individuare aree problematiche e correggerle;
  • avvisare i decision maker in merito a eventi non previsti;
  • prevedere risultati futuri in base alle decisioni che prenderà l’azienda.

La combinazione di questi strumenti permette alle organizzazioni di ottenere informazioni necessarie per raggiungere gli obiettivi aziendali, mantenere l’azienda competitiva e migliorare la soddisfazione dei clienti.

Come funziona la Business Intelligence?

1. Data sources

I dati possono provenire da diverse piattaforme (cloud repositories, database relazionali e non, file esterni), ed essere di diverse tipologie e formati, strutturati e non strutturati: Big Data

2. ETL (Edit, Transform and Load)

Le azioni di ETL permettono di prendere i dati dalle diverse sorgenti, attuare le opportune trasformazioni e caricarli alla destinazione prescelta. Sono facilmente automatizzabili, affinché i dati che alimentano il report siano opportunamente aggiornati.

3. Data Warehouse

Dove caricare i dati precedentemente trasformati. Può essere un SQL Server, un Azure SQL Data Warehouse o ancora un Azure Data Lake.

4. Data Model

Per rispondere alla domanda di business che viene posta, viene creato un modello dati attraverso l’individuazione e la selezione dei dati utili, la creazione di relazioni tra gli stessi e le strutture che concorreranno alla formazione di tale modello, vero motore che alimenterà la fase finale.

5. Data Analytics & Reporting

Il modello creato viene utilizzato per produrre la reportistica e le dovute analisi sui dati messi a disposizione.

Benefici

Secondo IDC gli Analytics sono una priorità per gli investimenti in tutti i settori industriali essendo strumenti importanti per monitorare i processi aziendali, le performance del capitale umano, le dinamiche della domanda e i fattori di rischio.

Obiettivi

Tra gli obiettivi che le aziende dichiarano di voler perseguire attraverso l’uso degli Analytics, emerge l’accelerazione che stanno subendo i percorsi di Digital Transformation, in particolare quelli orientati al miglioramento della proposta di servizi digitali, soprattutto se customer-centric.

Come estrarre il reale valore spesso nascosto nei database aziendali?

Tra i vari strumenti di analisi dei dati presenti sul mercato che permettono di creare, visualizzare e condividere report, il nostro team di Data Scientist, ha scelto di specializzarsi in particolar modo su Power BI di Microsoft – anche quest’anno posizionata come leader nel Gartner’s Magic Quadrant for Analytics and Business Intelligence Platforms – per analizzare e trasformare grandi quantità di dati strutturati e anche de-strutturati in informazioni strategiche per l’attività dell’azienda. Il nostro compito è infatti quello di fornire report, statistiche, indicatori, grafici aggiornati utili ai decisori per effettuare scelte più corrette al fine della promozione del business e rendere, quindi, più competitive le realtà in cui operano.

Casi studio

Fashion

Visualizzazione (suddivisa per fascia d’età, genere, fasce di orario, giorno, settimana, mese) dei seguenti Analytics:

  • numero d’ingressi
  • classifica capi venduti (con possibilità di drill down delle singole categorie nelle relative sottocategorie)
  • tempo di permanenza in store
  • percorso effettuato in store

Logistica

Reportistica sulle performance dei fornitori di un magazzino.

  • numero di item consegnati per fornitore
  • specifica delle categoria di appartenenza di ogni singolo item
  • punteggi medi raggiunti dai fornitori

Istruzione

Reportistica sui dati legati alle immatricolazioni delle lauree triennali in un istituto accademico.

  • analisi immatricolazioni (suddivisa per corso di laurea e per genere)
  • variazione immatricolati rispetto agli anni precedenti
  • dati di saturazione di uno specifico anno accademico
  • variazioni rispetto ai numeri di immatricolazione programmati dall’istituto