
Lo scorso 28 Aprile siamo stati ospiti al #SASForumMilan – Analytics Everywhere dove siamo stati immersi di spunti sul futuro dell’analisi dei dati, ambito fondamentale per i Marketer che si ritrovano sempre più spesso a dover prendere decisioni complesse in contesti mutevoli che rendono difficili le previsioni.
Si fa strada quindi il cosiddetto Data-Driven Marketing, quell’approccio che consiste nel lasciare che i dati guidino le decisioni del manager. Non è certo nato ieri quest’approccio, ma oggi può godere del supporto di enormi quantità di dati (dalle vendite, dai CRM, dal traffico dei siti web, dagli ERP aziendali, ecc…) e di software che richiedono meno capacità di programmare e più di analizzare.
A cosa serve il Data-Driven Marketing??
Essenzialmente a “poca roba”:
- a porsi le giuste domande
- ad integrare strategie di marketing su canali differenti
- ad ottimizzare il proprio marketing mix
- a comprendere meglio i propri consumatori
- a personalizzare il più possibile la customer journey
- ad essere più celeri nel prendere decisioni
- a fare simulazioni di scenari possibili
- a creare le migliori esperienze per l’utente
“Non si vede bene che con il dato. L’essenziale è invisibile agli occhi” [semi-cit.] #SASForumMilan
— This MARKETERs Life (@ThisMLife) April 28, 2016
Ciò non vuol dire che chi fa marketing debba diventare un matematico. Non smetterò mai di ripeterlo: il Marketer è proprio quella figura professionale in cui si incontrano capacità di analisi e creatività, numeri e gusto, statistica e intuizione. Il Marketer prende decisioni e lo fa bene se sa a quali strumenti affidarsi, se ha la visione d’insieme e persino se sa con quali figure collaborare (come ad esempio il Data Scientist) e come relazionarsi con loro.
Intervista al Professor Furio Camillo
Al #SASForumMilan – evento di cui potete leggere un bel riassunto scritto dalla nostra Olga – ho avuto il piacere di intervistare il Professor Furio Camillo, docente del Dipartimento di Scienze Statistiche dell’Università di Bologna nonché fondatore del DataScienceLAB.
Più che di un’intervista si è trattato di una chiacchierata visto il clima informale.
Intanto piacere, Professore. Ho visto di cosa si occupa e su cosa verterà il suo intervento e quindi ho preparato qualche domanda in merito
Bene.
Di questi tempi si parla tanto di analytics e di data-driven marketing. Secondo uno studio condotto da Act-On il 92% dei marketing leader mondiali intervistati ha affermato che il data-driven è essenziale per raggiungere gli obiettivi aziendali. Un po’ scontato, direi. Ma insomma, ripetiamo sempre quanto siano importanti sti dati per le aziende ma al di là di questo: cosa deve fare in pratica un’impresa per poter svolgere correttamente del data-driven marketing?
Allora, io ho un’opinione forse un po’ diversa dalle altre…
Meglio!
…Nel senso che io come docente e ricercatore vado in giro un po’ nel mondo. Abbiamo dei contatti internazionali e negli ultimi tempi ho avuto anche modo di “tornare in azienda”, nel senso che ho visto e visitato parecchie aziende. Molte di queste mi chiamano per avere un consiglio e con i miei ragazzi sviluppiamo delle attività di consulenza e questo mi fa stare “sul territorio”, diciamo.
Io penso che, come hai ben detto citando quel questionario, tutti oggi dicono “si, dai, facciamolo” ma in Paesi come il nostro o come in Spagna e in Portogallo credo ci sia un bias e una particolare “disattenzione alla cultura scientifica”. Mi spiego. Oggi è diventata di moda sta parola “Data Scientist”, che secondo me nun vor dì niente dato che molti si spacciano per Data Scientist ma non lo sono, poiché “data” implica avere approccio analitico e “scientist” che devi aver conseguito un dottorato di ricerca o aver pubblicato su una rivista scientifica altrimenti non sei un Data Scientist.
Eh, molti infatti confondono il Data Analyst con il Data Scientist quando in realtà il primo si focalizza appunto sull’analisi del dato mentre il secondo si occupa di predisporre il campo per la corretta raccolta e processione del dato, sviluppando anche dei modelli statistici.
Esatto. Il Data Scientist ha un approccio scientifico al problema, che è un approccio che ci ha insegnato l’Illuminismo o ancor prima Cartesio…
…eh, il Razionalismo, assieme a Bacone e Galilei…
Appunto. Un approccio in cui x=f(y): ci sono delle cause che determinano degli effetti. E quindi un modello. Senza un modello non c’è “analytics”. Facciamo solo tabelle e reportistica ma non c’è un modello alla base. E il modello parte dalla Statistica. Un ingegnere non può fare il Data Scientist dal mio punto di vista poiché questi deve necessariamente essere uno statistico. Dopodiché vi sono il know-how dell’ingegnere, dell’economista, del marketer che collaborano con lo statistico.
Questo ha determinato una grande confusione nelle aziende.
In Italia ho visto tante aziende che fanno fatica ad immaginare che esista da qualche parte un modello che dica loro “dove aprire un punto vendita”. Fanno fatica ad immaginare che le vendite del loro prodotto possano migliorare facendo un’accurata selezione dei loro clienti sulla base dei dati. E mi sento dire sempre più spesso frasi come “faccio una newsletter e la mando a tutti, tanto non mi costa niente”.
Intanto crei casino perché crei tutte quelle pubblicità fastidiose che non intercettano le esigenze dell’utente. E ottieni un abbassamento della “goodwill”, della benevolenza nei confronti di un brand.
Però nel nostro Paese in tanti si stanno muovendo per parlare di questi temi: software vendor, società di consulenza e venditori di dati. Tra le software vendor cito ovviamente SAS che amo per il semplice fatto che gestisce tutta la catena e mi fa fare a meno degli informatici: vai in azienda e ti prendi i dati “come stanno e dove stanno”, li rimetti insieme in SAS, li processi e rilasci na roba davvero fatta bene. Poi adesso con la Visual Analytics che è una “figata atomica”… [Visual Analytics è lo strumento per la Data Visualization della Suite di SAS, ossia per poter comunicare con delle rappresentazioni delle statistiche complesse in maniera semplice e intuitiva, ndr].
Ho partecipato a dei corsi a San Diego con Professori da tutto il mondo e aziende che collaborano con i dipartimenti di Statistica delle Università (cosa che da noi non si usa). In questi corsi venivano mostrate delle dashboard che servono a fare simulazioni, ove per “simulazione” intendo che durante una riunione, in tempo reale, il manager dice “ma se io abbasso di uno 0,1% i prezzi nei miei punti vendita che succede alle vendite?” e con il suo tablet fa girare un modello elaborato dietro le quinte da dei Data Scientist grazie al quale è in grado di valutare gli effetti potenziali di ciò che si sta accingendo a decidere.
Pazzesco!
Questa è la vera strumentazione di cui ha bisogno un manager. L’altro giorno ero ad un convegno universitario tra statistici aziendali a Napoli, organizzato da Almalaurea, e con il Professor Vittadini abbiamo detto insieme: “le aziende italiane fanno “underutilization” delle competenze universitarie dei nostri ragazzi”. Non si tratta di “overqualification” ma di “underutilization”: non le vogliono utilizzare ste competenze. Perché? Perché da un lato ci sono quei manager delle grandi aziende che si ostinano ad affidare sempre e solo alle solite note società di consulenza i loro progetti.
Beh, chiamare certe società è un supporto al manager durante i consigli d’amministrazione, dato che potrà sempre dire “io ho chiamato McKinsey, Bain&Company, Accenture, ecc… Anche perché a certi livelli non si può certo dire “questa decisione la sto prendendo grazie al supporto del mio stagista o del mio neolaureato”…
Esatto. Guai a dire “la sto prendendo grazie al capitale umano che sto costruendo in azienda”. Preferiscono rivolgersi ad una società di consulenza esterna che, per carità, sono fantastiche anche perché sono portatrici di cultura aziendale da oltreoceano. Però spesso le risorse per prendere le corrette decisioni i manager le hanno già.
Eppure le aziende comprano software, comprano dati. Le aziende che vendono dati stanno aumentando i loro fatturati. Ciò che le aziende fanno fatica a comprare è la conoscenza. Hanno sì sti bei software, con quei belli istogrammi. Passano da una tabella all’altra ma senza che vi sia sostanza in quei numeri. Perché non c’è stato un ragionamento dietro. E poi si finisce col prendere delle decisioni di pancia, in un consiglio d’amministrazione a porte chiuse in cui spesso la decisione è già stata presa ancor prima di iniziare la riunione.
Però vedo bene il futuro delle piccole e medie imprese.
E come fanno le piccole e medie imprese a sfruttare bene quel che i dati hanno loro da dire?
Ti faccio un esempio tratto un’impresa emiliana, di quelle imprese artigiane in cui l’artigiano è diventato imprenditore. Un amico mio ha un’azienda a Bologna che produce amarene. Lui mi dice sempre “io faccio delle buone amarene ma non so più ormai come prendere delle decisioni dato che sto mondo è diventato sempre più complesso”. Le amarene di questo signore sono davvero le migliori di tutte. Ma non è più sufficiente oggi avere il miglior prodotto quando hai davanti a te la complessità del contesto odierno. Il sistema informativo lui ce l’ha. Di dati del controllo qualità, delle fatture, ecc… ne è pieno. E all’azienda a quel punto serve un modello, che dica all’imprenditore cosa succede se sposta il Direttore delle Vendite da Rimini a Bellaria. Una serie di “what if” con cui ci si può sbizzarrire.
Il tema della piccola e media impresa è comunque complicato. C’è ancora persino una difficoltà di accesso agli analytics. Perché spesso manca la sensibilità a questo tema e non si investe. Ma, ripeto, alcuni stanno iniziando a capire. Penso che il futuro dell’Italia ripartirà proprio da lì, dal capire l’importanza degli analytics. C’è ad esempio un gruppo di parrucchieri che si è unito per investire in un software di gestione del cliente adatto a loro. Bisogna capire che le scelte non vanno più prese di pancia.
All’interno delle nostre aziende troppo spesso si prendono scelte con un atteggiamento poco razionale. E l’irrazionalità è quanto di più contrario ci sia agli analytics. Ecco, gli analytics, se conoscete Corrado Guzzanti, per molti manager sono come “Quelo”.
Ahahahaha
“Che ce fai con Quelo?”, “Non lo so però è Quelo che risolve tutti i problemi” (Quelo è una “particolare” divinità e Guzzanti ne è il profeta. Così come Quelo mostra non avere alcun fondamento logico, allo stesso modo lo sono gli analytics per alcuni manager, ndr).
Restando in tema di analytics. Cosa mi dice riguardo la questione dell’integrazione dei dati tra offline e online?
Quel mondo lì è un po’ un casino. Perché sono due logiche completamente diverse. C’è un’idea di fondo che la televisione debba essere la “baseline” della pubblicità. Il problema è che costa un sacco di soldi e non sai mai con precisione chi hai raggiunto. Appare chiaro che l’online ha dei vantaggi pazzeschi a confronto. Stiamo collaborando di recente con una multinazionale dell’automotive che ci ha chiesto: “dato che spendiamo un sacco di soldi in pubblicità televisiva che cosa succederebbe se la spegnessi per sei mesi?”. Abbiamo fatto dei calcoli. Abbiamo persino ipotizzato di regalare 1000 vetture al mese a 1000 influencer, restando sotto il costo di un’eventuale campagna televisiva di sei mesi. Idee di questo tipo, insomma.
In generale, per un’analista, sincronizzare online ed offline è davvero difficile perché la temporalità è diversa e “i dati non si parlano”. Inoltre l’online funziona “a consuntivo” mentre l’offline “a preventivo”. Nell’online puoi cambiare la campagna strada facendo, nell’offline invece, una volta che hai pagato i creativi e hai costruito tutto e ottieni i dati sui risultati anche un mese dopo non puoi mica effettuare cambiamenti. Si tratta di una pianificazione di lungo periodo.
Vanno invece creati modelli econometrici che mettano insieme i dati per stimare l’effetto nel lungo termine della pubblicità tradizionale dati degli innesti che fungano da impulsi durante i mesi di programmazione.
Ma dalla sincronizzazione perfetta siamo ancora lontani. E non perché manchino i modelli ma perché, ripeto, mancano le teste. Una volta ho assistito ad una discussione tra un media planner digital ed uno tradizionale…
Due mondi che si incontrano
Due mondi che si incontrano. E che a volte si percepiscono come antagonisti. E poi si che fai fatica a sincronizzarli. Ancora una volta è un problema di persone che prendono decisioni. Non tanto di scienza, di software, di tool o di dati, ma di atteggiamento decisionale. Se hai “Quelo” e poi non lo usi o non lo sai usare… Sempre Guzzanti diceva: “ma se io ho una tecnologia che mi permette di parlare dall’altra parte del mondo con un aborigeno che sta nascosto nella jungla. Ma ad un certo punto io a te, aborigeno, che c***o ti devo dire?”
Ahahahahah
Quindi costruisci dei meccanismi e poi ti ritrovi con dei muri nel capire ciò a cui possono servire.
Difatti il buon Avinash Kaushik, uno dei massimi esperti di Digital Analytics, dice che le aziende devono applicare la regola del 90/10: “per ogni 10$ spesi in software, 90$ devono essere spesi per formare l’analista”. Perché senza un giusto analista si può anche avere il miglior software o il miglior dato in assoluto ma non si riuscirà comunque a cavare neanche un ragno dal buco.
Purtroppo ancora il dato è ribaltato ma qualche scorcio di luce si inizia ad intravedere. Le aziende cominciano a dare qualche segnale quantomeno nell’accuratezza con cui scelgono i neolaureati perché iniziano a vederli come risorse su cui investire. Ma ci vuole ancora tempo per arrivare al rispetto di quella regola.
Un’ultima domanda. Noi MARKETERs siamo molto affascinati dalle potenzialità derivanti dall’uso dei dati per prendere decisioni di marketing (questo famoso Data-Driven Marketing di cui abbiamo parlato) ma lei, da Professore, ha un particolare consiglio che vorrebbe darci?
Sicuramente dovete mettere il naso fuori dall’Italia. Lo dico pure a mia figlia. Mettere il naso fuori ti apre davvero la testa. E poi tornare qui con tanta fantasia e non temere di non ricevere una valorizzazione immediata perché purtroppo il sistema-Paese Italia non valorizza immediatamente i giovani ma lo arriva a fare comunque, solo con un po’ di pazienza.
Bene. La ringrazio, Professore per questa chiacchierata.
Grazie a voi.
————-
Bonus track: