Data monetization, ovvero come trasformare i dati in “moneta sonante”

Siete un client manager nel bel mezzo di una riunione con un possibile cliente, presenziata da persone poco avvezze alla tecnologia, al quale volete proporre un Data Lake on cloud garantendogli l’ingresso nel mondo dell’Industria 4.0.

Dopo 2 ore di riunione e 100 slide con numeri e schemi infrastrutturali, incomprensibili per la maggior parte dei partecipanti, vi troverete a snocciolare le cifre dell’operazione che faranno assumere al volto dei presenti in sala un’espressione a metà tra “con gli stessi soldi mi compro una Lamborghini” e “per quei soldi lo faccio io in excel“.

A quel punto vedrete alzare la mano di una delle tante persone in sala, probabilmente il più pragmatico dell’azienda, che con fare autorevole vi porgerà questa domanda: “Ok, tutto quello che propone è molto interessante, ma stringi stringi, dopo aver tirato su l’infrastruttura e salvato i dati su questo Data Lake come facciamo a rientrare dell’investimento fatto ?

Riprendendo la parola esclamerete: “Con la Data Monetization !!!

E in quel momento vi sveglierete, accorgendovi che è stato un sogno poco discordante dalla realtà. Infatti ogni mattina un commerciale si sveglia e sa che dovrà vendere un Data Lake / Datawarehouse o verrà licenziato e nel farlo dovrà spiegarne i vantaggi dal punto di vista economico.

A parte gli scherzi, e alla luce di quanto sopra, ho deciso di scrivere questo articolo per far comprendere in maniera semplice come è possibile trasformare i dati acquisiti in un vero e proprio asset aziendale pronto a rendere molti soldi.

Cos’è la Data monetization

Senza tanti giri di parole possiamo descriverla come la capacità di generare dei benefici economici attraverso l’utilizzo dei dati in due differenti modalità: interna ed esterna.

Detto questo andiamo a vedere nello specifico come funzionano entrambe.

La data monetization interna

Si parla di data monetization interna quando i dati vengono utilizzati all’interno dell’azienda per fare delle analisi che portano a scelte decisionali atte ad ottenere dei benefici economici.

Alcuni di questi benefici possono essere:

  • L’aumento dei profitti
  • L’abbattimento dei costi
  • L’ottimizzazione della produzione
  • Lo sviluppo di nuovi prodotti
  • L’ingresso in nuovi mercati
  • Miglioramento dei servizi offerti
  • Ecc..

Questo processo, in base alla complessità del risultato che si vuole ottenere, necessita di figure professionali come Data Scientist, Business intelligence specialist o Machine Learning Experts in grado di elaborare i dati che saranno studiati dai Business Analyst per trarre le proprie conclusioni.

I casi d’uso dell’Internal data monetization possono essere molteplici e svariati, per comprenderne la potenzialità vi illustro 3 semplici esempi.

  • Scelte di marketing
    Una catena di GDO (Grande distribuzione organizzata), grazie all’analisi dei dati di vendita ottenuti dalla storicizzazione degli scontrini, può decidere come promuovere determinati prodotti piuttosto cha altri.
  • Abbattimento dei costi
    Una compagnia di trasporti, utilizzando i dati dei GPS presenti sui propri veicoli, può analizzare le tratte percorse facendo prendere ai propri autisti quelle con tempi di percorrenza minore in modo da diminuire i tempi di percorrenza e di conseguenza i costi.
  • Ottimizzazione della produzione
    Un’azienda manifatturiera, grazie ai sensori installati sui propri macchinari, è in grado di monitorare in tempo reale la produzione diminuendo gli scarti di produzione.

Se non siete ancora convinti dei benefici derivabili dall’uso della data monetization interna non mi resta che illustrarvi un esempio reale dei vantaggi ottenibili.

Case study del Georgia Aquarium

Cos’è il Georgia Aquarium
Il Georgia Aquarium, con più di 100.000 animali e oltre 37 milioni di litri d’acqua, è tra i cinque acquari più grandi al mondo e riesce ad attrarre ogni anno circa 2,5 milioni di visitatori.

Qual’era il problema principale al Georgia Aquarium
Dopo i primi anni di forte affluenza le entrate complessive stavano diventando stagnanti e il numero di visitatori tendeva a diminuire.
Essendo una struttura molto onerosa da mantenere, il management decise di fare un punto della situazione per capire quali azioni intraprendere per assicurarsi l’aumento dei visitatori e di conseguenza degli introiti.

Quali sono state le azioni intraprese
La prima cosa a cui pensarono i business analyst dell’acquario fu l’analisi dei milioni di feedback ottenuti sulle proprie piattaforme web e social media.
Quello che ottennero fu una moltitudine di recensioni riguardanti gli spettacoli dei delfini, delle balene beluga e delle altre attrazioni.
Tuttavia questi dati non portavano a nessuna soluzione, si decise allora di spostare l’attenzione sugli elementi di “contorno”, scoprendo che la maggior parte delle recensioni riguardavano il sovraffollamento che poi andava ad influenzare in maniera negativa la valutazione generale dei visitatori.

Una volta individuata la problematica, l’ufficio marketing del Georgia Aquarium decise di apportare scelte mirate atte a mitigare questo fenomeno, garantendo che la soddisfazione degli ospiti non fosse compromessa dal sovraffollamento.
Quindi, attraverso promozioni e offerte personalizzate, decisero di influenzare i visitatori indirizzandoli nella scelta di visitare l’acquario in ore che sapevano essere meno affollate e di conseguenza ridurre le code e garantire un’esperienza migliore.

Qual’è stato il risultato ottenuto
Il risultato finale fu sbalorditivo. Attraverso un attento monitoraggio dei feedback dei clienti nel corso di nove mesi, i business analyst dell’acquario videro aumentare i punteggi complessivi di soddisfazione dei visitatori, mentre assistevano a una rapida diminuzione delle recensioni negative riguardanti l’affollamento.

Inoltre, la possibilità di monitorare queste iniziative, fornì i dati necessari per confermare che questi interventi organizzativi avevano funzionato e potevano essere mantenuti in atto.

Ma alla fine dei conti quanto fu il ritorno economico dell’Acquario della Georgia?
Grazie a tutto ciò ci fu un aumento delle presenze complessive rispetto l’anno precedente pari al 20%, portando ad un aumento delle entrate complessive pari al 15 % !

Facendo i conti della serva, se un biglietto in media costa 45 € e in un anno ci sono 2.500.00 visitatori il 15 % corrisponde a:

2.500.000 X 45 X 0,15 =
16.875.000 € di entrate in più in 9 mesi.

E tutto questo grazie all’analisi delle recensioni rilasciate dai propri visitatori.

Questo esempio è la dimostrazione che un’infrastruttura BIG Data da sola non può portare profitto ma necessita di un corretto utilizzo dei dati per monetizzare.

La data monetization esterna

Nel caso della data monetization esterna le cose cambiano drasticamente in quanto i dati non vengono più utilizzati da chi li ha generati ma venduti a uno o più soggetti terzi traendone un profitto economico diretto.

Per farlo è necessario creare un’infrastruttura adatta alla distribuzione dei dati verso i clienti finali o le piattaforme di vendita, come Snowflake Exchange, Amazon Data Marketplace o Datarade

Sebbene relativamente giovane, questa pratica sta crescendo molto rapidamente grazie alla maggior consapevolezza delle aziende del valore dei propri dati.

Venderli non è però l’unica strada percorribile, infatti esiste anche la possibilità di “cederli” o “scambiarli” in un’ottica di ottenere dei benefici indiretti.

Ma come è possibile ottenere un beneficio cedendo i dati gratuitamente ?
Facciamo un esempio teorico e vediamo insieme i risultati ottenibili.

Mario, il proprietario di una catena di “Bike shop”, decide di cedere i dati di vendita della propria impresa all’azienda di bici XYZ fornitrice dei propri negozi.
L’azienda XYZ, grazie ai dati ottenuti, effettua delle analisi che scaturiscono nella produzione di un nuovo modello di bici rispecchiante le richieste del mercato.
Essendo Mario un rivenditore del marchio XYZ , mette in vendita il nuovo modello di bici ottenendo un aumento delle vendite e di conseguenza degli incassi.

Come avrete potuto intuire dall’esempio il guadagno non deriva dalla vendita dei dati ma arriva in modo indiretto attraverso i benefici ottenuti dal reale utilizzatore.

Ma un conto è fare degli esempi teorici e un altro è applicare queste conoscenze nella realtà, per questo vi propongo uno use case reale condiviso dalla Vodafone.

Case study Vodafone Business

Chi è Vodafone business
Per chi non lo sapesse Vodafone è uno dei provider di telecomunicazioni più grande al mondo con più di 625 milioni di clienti tra fisso e mobile.
Ma pochi sanno che esiste una divisione B2B chiamata Vodafone Business dedita al supporto delle imprese nel mondo digitale.
Con la propria esperienza stanno tracciando il futuro delle aziende data-driven attraverso prodotti e soluzioni dedicate alla valorizzazione dei dati generati sulla rete mobile Vodafone.

Qual’è la sfida che si sono posti ?
Con un aumento del traffico dati pari al 76%, tra il 2012 e il 2017, Vodafone Business ha intuito di avere in mano un grande potenziale ma non sapeva ancora come sfruttarlo.
Dopo una fase di analisi e sviluppo crea una piattaforma B2B per la vendita degli insights ottenuti dai dati della propria rete mobile.

Questo progetto presentava 2 sfide:

  • rispettare le regole sulla privacy
  • creare un’interfaccia per la rappresentazione di questi insight

Qual’è stato il risultato ottenuto
Grazie all’aiuto di Carto Vodafone ha creato una propria piattaforma di Analytics che fornisce informazioni dettagliate sulla mobilità umana consentendo di migliorare il processo decisionale in settori come: turismo, vendita al dettaglio e immobiliare.
Tutto questo basandosi sugli spostamenti dei clienti sulla propria rete mobile.

Uno screenshot della piattaforma Vodafone Analystic Footfall

Per migliorare l’efficacia dei propri dati la Vodafone Analytics fu suddivisa in 3 aree specifiche:

  • Vodafone Analytics Footfall
    Dedicata al settore immobiliare viene utilizzata per l’analisi delle location in cui investire. Questo è possibile grazie all’utilizzo del traffico pedonale nei dintorni degli asset mirati.
  • Vodafone Analytics for Retail
    Sfruttando lo stesso principio del Footfall, arricchito con altri dati, consente di analizzare le performance di un negozio e la tipologia di clientela.
  • Vodafone Analytics for Tourism
    Dedicata al settore turistico consente di comprendere il comportamento delle persone nelle aree turistiche nazionali e internazionali.

Conclusioni

Come abbiamo visto i dati possono essere una vera fonte di guadagno che si può trasformare anche nel core business di un’azienda in grado di capirne le potenzialità.

Quindi ricordatevi che non basta solo disporre di una infrastuttura informatica super avanzata per fare soldi, bisogna anche avere i dati e le persone che li sanno analizzare traendo informazioni per fare business.

Potrebbero interessarti anche...

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *