I Big Data spaventano perché non sono umani?

 In Attribution, Big Data, Marketing Mix Modeling

Big Data: il volto umano dei datiPer quanto ormai quello dei Big Data sia un tema di discussione centrale nelle Enterprise, ci sono ancora ostacoli nello sviluppo di progetti di Intelligence guidati dai dati. Molti si chiedono addirittura se abbia senso parlare di Big Data e appare comunque evidente che non siamo di fronte a una reale discontinuità rispetto al passato. Nella stessa Enterprise diversi tipi di dati possono essere infatti più o meno “big”.

Ma allo stesso tempo è indubbio che l’adozione di uno scenario di Big Data, con servizi estensivi di Digital Intelligence, possa portare per le Enterprise benefici tangibili in termini di crescita di produttività e profittabilità.

Quindi, qual è il principale ostacolo legato ai Big Data? Vi sono sicuramente fattori pratici e operativi, come la suddivisione in silos delle attività o la mancanza di un punto di vista complessivo sulla gestione dei dati aziendali, che sono comunque superabili con strategie adeguate e l’adozione di nuove tecnologie.

Ma soprattutto, vi sono barriere psicologiche. Gli insight e le recommendation che possono emergere da servizi di Digital Intelligence e da analisi Big Data possono avere un impatto sui risultati di business solo se le persone all’interno dell’organizzazione li vogliono utilizzare.

“I Big Data sono troppo difficili e non ripagano dello sforzo”

Soprattutto nelle aree Marketing e Sales, si tende a credere che l’adozione di nuovi processi basati sull’Intelligence richieda competenze specifiche e un investimento di tempo significativo in training su nuove tecnologie. Soprattutto, sembra che non sia chiaro il ritorno di questo investimento: di fronte al tempo speso nella formazione, non è evidente il vantaggio per l’attività lavorativa quotidiana.

Da un lato, lo scenario Big Data è talmente vasto, e le sua applicazioni così eterogenee, da rendere meno evidenti per le linee di business i benefici legati ad approcci data-driven. D’altra parte, spesso gli stessi addetti ai lavori tendono a ricadere su temi tecnologici: è difficile spiegare a un marketer i vantaggi dei Big Data cominciando a parlare di Hadoop. Sarebbe diverso mostrare come grazie ad approcci data-driven è possibile per esempio ricostruire il ROI delle attività di marketing e adottare logiche di pianificazione media in near real-time, garantendo benefici in termini di miglior Accountability e lift sulle Revenue. Ma la risposta a questo punto potrebbe essere…

“Da anni porto già i risultati: perché cambiare il mio modo di lavorare?”

Quando parliamo con i marketer, abbiamo di fronte professionisti che sanno come gestire al meglio le proprie attività e condurre pianificazioni media efficaci. D’altra parte, hanno sempre portato risultati, perché allora mettere in dubbio che non stiano già compiendo le scelte giuste?

I dati, da soli, non parlano. Neanche le più avanzate tecnologie in grado di mettere in relazione tutti i dati di vendita di un’azienda con le attività di marketing, per esempio, potranno mai sostituire l’esperienza e il know-how delle persone. Ma se stiamo facendo bene le nostre scelte, non ci sono comunque evidenze in grado di confermare che non ci siano margini per l’ottimizzazione. In secondo luogo, lo sviluppo tecnologico tende a cambiare in maniera sempre più veloce le logiche di marketing (dal digital ai social) e, senza un’attività continuativa di analisi, non è possibile valutare in maniera immediata il valore dei nuovi canali. Questo significa che la scelta se investire su un nuovo canale (per esempio un canale social o un network mobile) diventa più difficile senza la possibilità di condurre dei pilot controllati e analizzati in maniera oggettiva.

“Come posso fidarmi?”

Quando parliamo di nuove tecnologie per migliorare la raccolta di insight e recommendation in scenari Big Data, vi è sempre un certo livello di insicurezza sulla qualità dell’output. Già il fatto di utilizzare tecnologie, magari solo in parte conosciute all’interno dell’Enterprise, aumenta l’insicurezza. Automatizzare fonti dati ed eliminare una parte di lavoro manuale e operativo, se da un lato rappresenta un vantaggio in termini di produttività, d’altra parte aumenta il rischio di perdere il controllo su quello che sta accadendo. Superare questo ostacolo non è semplice, perché si fonda su una problematica più generale: posso delegare parte delle mie attività alle macchine senza perdere il controllo su quanto sto facendo?

Ma, ancora una volta, i dati non parlano. Adottare strategie di Intelligence in scenari Big Data non vuol dire perdere il controllo su quanto sta succedendo. Al contrario, l’adozione di tecnologie, accompagnate a servizi specifici di Analytics, permette di evidenziare nuove relazioni tra dati e di concentrare le risorse sulla parte di strategia, risparmiandole dalle parti di operatività a basso valore e aumentando il controllo su di cosa sta accadendo ora nel mercato.

Il volto umano dei dati

Si può quindi dire che i principali ostacoli ai Big Data siano di natura psicologica. Il vero cambiamento in atto riguarda il rapporto tra il valore della creatività (umana) e le potenzialità delle tecnologie algoritmiche.

È indubbio che, per esempio nel Marketing, non si possa fare a meno dell’esperienza e della creatività. Non pensiamo a scenari in cui i Big Data possano in maniera automatica decidere su investimenti e campagne. E non perché questo non sia possibile: nel Programmatic Marketing, per esempio, gli engine di Attribution e Modeling, insieme a tecnologie di analisi dell’audience come i DMP, possono a tutti gli effetti rendere possibili scenari evoluti in cui, sulla base dei risultati, viene automatizzata la pubblicazione e il bidding tramite DSP.

Ma c’è qualcosa che le tecnologie, da sole, non possono considerare. È il contesto. Il fattore umano diventa centrale in termini di connessione tra la tecnologia e il mondo reale (ovvero il mercato). Così complesso e imprevedibile, con tutte le sfaccettature che la sensibilità personale permette di ricostruire e che nessun algoritmo, per quanto istruito e capace di apprendere dallo storico, potrà mai prevedere.

È sulla base del contesto che il fattore umano diventa necessario per tracciare la strategia su medio e lungo periodo. L’Intelligence, l’adozione di tecnologie e i dati che queste sono in grado di elaborare fanno parte di questa strategia e sono centrali in due aspetti: liberare risorse dagli aspetti operativi e permettere di far emergere insight e recommendation che solo l’analisi algoritmica di enormi (Big) quantità di dati può individuare.