Gestione di Big data alla prova di clienti, consumatori e utenti

92

Secondo IDC le informazioni in circolazione raddoppiano ogni due anni, ponendo nuovi problemi a quanti, in azienda e fuori, hanno bisogno di elaborare grandi volumi di dati, di garantirne l’accesso, l’accuratezza e la leggibilità

Le informazioni e le applicazioni necessarie per elaborarle sono le basi su cui sostenere i processi decisionali, per fluidificare le procedure organizzative e le attività aziendali, per dare significato a dati strutturati e non strutturati e per fornire una visione chiara e completa di tutti i dati a disposizione. Un aspetto poco considerato ma importante è però l’uso delle informazioni disponibili anche per creare nuove e più soddisfacenti esperienze utente/cliente.

Descrivere il Big Data sulla base delle sue caratteristiche tecniche in termini di grandi volumi gestiti, velocità con cui si costruiscono e varietà dei dati raccolti, non è sufficiente. Il Big Data riferito alle aziende è il risultato dell’aggregazione di informazioni diverse come quelle operazionali (metriche di processi di business, CRM e così via), finanziarie, istituzionali, organizzative e di mercato. Queste informazioni sono solitamente integrate in modo da dare loro significato e senso in base all’utilizzo che se ne fa.

 

Raccolta dati focalizzata sul cliente 

La relazione con il cliente è un ambito nel quale le informazioni fanno la differenza, sia nella forma B2B che B2C. Tutte le aziende dispongono ormai di grandi quantità di informazioni su ognuno dei loro clienti. Non solo dati anagrafici e profili personali, ma anche metriche attitudinali e comportamentali (Facebook, Linkedin, Twitter) utili a studiare e analizzare i comportamenti all’acquisto e i processi decisionali di comunità di utenti che compongono i mercati di riferimento e le target audience dell’azienda.

Aziende focalizzate sul cliente e alla ricerca della sua fidelizzazione non si accontentano di raccogliere, e analizzare le informazioni sul cliente ma integrano le informazioni interne con i dati provenienti dal cliente stesso in forma di feedback, di lamentele, di richieste di assistenza, e così via. L’integrazione non è semplice, soprattutto se le informazioni e i dati risiedono su silos, sistemi (HR, CRM, BI, ERP, Call Center e Customer Service) e applicazioni diverse. Il Big Data rappresenta una soluzione possibile in termini di federazione di dati e di integrazione applicativa che lascia le applicazioni esistenti così come sono ma permette l’estrazione dei dati e fornisce tecniche e strumenti analitici adeguati per acquisire informazioni importanti e utili per competere sul mercato.

Il Big Data e le informazioni in esso gestite possono fare la differenza nelle strategie e nei programmi di fidelizzazione della clientela. La fedeltà del cliente in termini di comportamenti fedeli (durata della relazione, referenze, maggiori click sul web, aumento della spesa e altro ancora) è un elemento chiave per il successo di molte aziende. Per mantenere questa fedeltà è fondamentale conoscere a fondo il cliente e le esperienze nelle quali è coinvolto ogni qualvolta interagisce con l’azienda e con il marchio. Punto di partenza di tutti i programmi di fidelizzazione è la raccolta e la comprensione dei dati forniti dal cliente in ogni fase di interazione: social media, web, punti vendita ecc. I dati raccolti servono a identificare le esperienze del cliente e ad usarle per allocare le risorse necessarie ad intervenire sulle stesse.

La gestione dei Big Data non è ancora pratica comune di tutte le aziende ma una realtà tecnologica affidabile, funzionante e performante. Il problema è più organizzativo che tecnico. Serve superare i silos informativi aziendali per federarli e usarli al meglio nell’analisi dei dati sui clienti. Nel farlo le buone pratiche suggeriscono l’applicazione di metodi di aggregazione e federazione appropriati e sperimentati con successo nella creazione di set di dati utilizzabili per rispondere alle domande necessarie al business giorno per giorno e per fare le necessarie ipotesi applicando modelli statistici di analisi per valutare costantemente il livello di fedeltà, soddisfazione e fidelizzazione del cliente.