Perché il prescriptive analytics supera il concetto di reporting tradizionale?

Chi sono i nostri clienti? Di che cosa hanno bisogno? Come possiamo assicurare loro una customer experience efficace, in grado di garantirci un vantaggio competitivo?
Tutte queste domande possono trovare risposta grazie all’analisi dei dati. Ma se siamo molto familiari con report e dashboard, forse non ci siamo ancora resi conto appieno delle possibilità che nuove tecnologie, come Intelligenza Artificiale e Machine/Deep learning, possono portare nelle nostre vite professionali: non solo uno sguardo al passato, ma una vera e propria finestra sul futuro!
Le tecniche di analisi dei dati possono infatti essere suddivise in 3 categorie: descriptive analytics, predictive analytics, prescriptive analytics.
La descriptive analytics è quella più “tradizionale”: analizza i dati del passato categorizzandoli, filtrandoli, aggregandoli. Può essere personalizzata e mirata ad un dato periodo o a un certo target di clienti, consentendoci ad esempio di capire cosa è successo nell’ultimo mese o nell’ultimo anno e di tracciare le preferenze di acquisto di un dato segmento di mercato o il modo migliore per contattarlo.
La predictive analytics va un passo oltre e guarda al futuro, spesso grazie al supporto dell’intelligenza artificiale. Negli ultimi anni non è solo cresciuta, ma è diventata sempre più precisa ed attendibile. L’uso di algoritmi permette ad esempio di formulare previsioni relative al fabbisogno di un dato prodotto o servizio.
La prescriptive analytics ha le sue fondamenta nella predictive analytics ma si spinge ben oltre: non solo prevede che cosa accadrà, ma fornisce indicazioni all’utente su cosa deve fare: ad esempio esporre/ordinare più bibite di una determinata tipologia in un determinato periodo, perché si prevede sarà richiesta. In questo modo, non è necessario che una persona si prenda la briga di leggere ed interpretare un report per avere un beneficio: è il beneficio a venire da lui, per così dire, attraverso azioni push come messaggi, checklist, ecc…
Descriptive, predictive and prescriptive analytics non sono separate, ma concorrono insieme a creare quindi una customer experience avanzata. La comprensione delle azioni passate accresce la conoscenza dei propri clienti, consentendo di prevedere cosa accadrà in futuro e di pianificare azioni immediate per una esperienza cliente sempre più efficace.
Il mercato comincia ad accorgersene: dalla ricerca dell’Osservatorio Big Data Analytics & Business Intelligence della School Management del Politecnico di Milano emerge che, almeno in Italia, il mercato dei Big Data Analytics ha continuato la sua espansione nel corso del 2018, raggiungendo un valore complessivo di 1,393 miliardi di euro, in crescita del 26% rispetto all’anno precedente. La totalità delle grandi organizzazioni adotta tecniche di descriptive analytics, ma molte stanno sperimentando un’evoluzione verso logiche di analisi predictive e addirittura prescriptive. Insomma, ancora una volta l’evoluzione passa attraverso tecniche di Machine Learning e Deep Learning, che promettono di essere davvero il trait d’union di tutto ciò che ci aspetta in futuro.