Big Data Integration Step by Step: Data Hub

 In Big Data, Digital Analytics

Big Data Step by Step: Data Hub

Nell’articolo precedente abbiamo illustrato alcune possibili soluzioni di integrazione dati, attuabili direttamente all’interno delle Marketing Cloud. In particolare abbiamo visto i vantaggi di integrare nell’Adobe Marketing Cloud i dati delle campagne online, i risultati delle survey e i dati di esperienza di navigazione degli utenti.

L’approccio proposto mira alla creazione di una Online Customer View per l’Operational Marketing, ovvero soddisfa in primis le esigenze di business nell’ambito del marketing digitale.

Questo metodo di integrazione dati può essere visto come un primo passo verso la conoscenza olistica del comportamento dell’utente. Infatti è possibile allargare gli orizzonti e includere in maniera esaustiva tutte le informazioni che il brand ha sui propri clienti.

Estrazione mirata di dati di Digital Analytics

Come comportarsi quindi se si ha la necessità di integrare i dati digital con i dati dei propri sistemi legacy o con processi già strutturati, come per esempio inserire informazioni aggiuntive (variabile/dimensione/campo) in un proprio modello SAS?

Un primo passo, che richiede investimenti limitati, potrebbe essere quello di prevedere l’estrazione dei dati dagli strumenti del proprio ecosistema digitale e la loro successiva elaborazione in un formato tale da poterli integrare, in modo automatizzato, nel flusso di analisi dei dati tradizionali (tipicamente nel data warehouse).

In questo caso, per l’integrazione dei dati è di fondamentale importanza raccogliere all’interno del tracciamento dei propri canali digitali (sito, app, sito mobile) le informazioni necessarie per collegare il cookie del visitatore online ai dati dei clienti, presenti tipicamente in sistemi di CRM o IVR. Il metodo di maggiore affidabilità è quello di introdurre online una login che corrisponda all’identificativo cliente dei canali offline (per esempio il codice della Fidelity Card).

Integrazione completa dei dati in un Data Hub

La scelta di integrare, all’interno dei sistemi aziendali, un insieme di dati digital selezionato e a volte già aggregato potrebbe rivelarsi insufficiente al rispondere alle diverse e veloci esigenze di business, che potrebbero richiedere analisi rivolte verso nuove fonti dati, probabilmente anche non strutturate.

Le criticità da affrontare in questo scenario sono:

  • la considerevole mole di dati da estrarre dagli strumenti di Digital Analytics;
  • la necessità di modificare il flusso di gestione del dato ogni volta che il business individua nuove necessità informative.

Il passo da compiere per ovviare a queste difficoltà sarebbe quello di estrarre tutti i dati raccolti dagli strumenti di Digital Analytics, con un livello di massima granularità, e di depositarli in un sistema di Big Data (a cui spesso di si riferisce con il nome di Data Hub).

Il Data Hub, creato su sistemi No-SQL, ha un vantaggio competitivo notevole rispetto all’inserimento dei dati in un data warehouse tradizionale, poiché permette di creare la struttura dati solo al momento della lettura, adattando lo schema a ogni caso d’uso e rendendo la gestione delle richieste del business più flessibile e agile, con una notevole riduzione sui tempi di rilascio.

Uno dei casi d’uso tipici del Data Hub è la necessità di ottenere una Single Customer View, attraverso un repository dove riportare tutte le informazioni disponibili a livello di ogni singolo cliente.

Oltre alla presenza di un identificativo univoco per cliente, comune a tutti i dataset che andranno a comporre il Data Hub, in situazioni più complesse e con integrazione di dati da molte fonti diverse, è possibile individuare strategie per triangolare le informazioni e ricostruire tutte le interazioni del cliente con il Brand, sempre considerando le disposizioni in merito alla normativa privacy vigente.

Integrare i dati digital nel proprio ecosistema aziendale non permette solo di ricostruire la storia delle interazioni del cliente, ma anche di correlare questi dati con fonti che altrimenti rimarrebbero completamente separate: dati di inventario, di logistica, di sistemi di pagamento o di localizzazione tramite sensori in negozio.

L’evoluzione del mercato e la sua digitalizzazione rende sempre più cruciale definire una strategia e un approccio strutturato nella gestione del dato. Superare le difficoltà dell’integrazione dei dati e fornire un’informazione coerente, completa e accessibile è la chiave del successo per ottimizzare le azioni di marketing, garantendo un reale vantaggio competitivo.