Come fanno le aziende ad ottenere un vantaggio competitivo grazie ai dati che le persone gli forniscono, e soprattutto come fanno ad individuare i parametri più importanti da tenere in considerazione?
Scopriamolo studiando gli effetti dell’intelligenza artificiale sulla produttività degli insight aziendali.
La produzione dei dati:
Avete un’idea di quanti dati vengono generati oggi? Il numero dei dati che stiamo producendo è incrementato drasticamente negli ultimi dieci anni, grazie all’avvento della digitalizzazione di molte imprese.
Si stima che il traffico dati su internet tra il 1984 e il 2016 (32 anni) sarà pari a quello prodotto nel 2022. Ma di che cifre stiamo parlando?
4,8 ZB (zettabyte) –> 4,8 * 1021 byte (solamente 48,000,000,000,000 gigabyte; il mio iPhone ne ha 64).
Come possiamo vedere nel grafico sottostante, la crescita prevista dal 2017 al 2022 è estremamente elevata. Questo perchè ormai la direzione che stiamo prendendo è verso una strategia Data-Driven ossia prendere decisione grazie ai dati ottenuti (rimane tutto tracciato).
Come fa un umano a leggere ogni dato? L’intelligenza artificiale semplifica questo lavoro
Ripartendo dal paragrafo prima è facile capire che non è possibile per un umano controllare miliardi di dati generati attraverso una piattaforma web, o un proprio ERP (Enterprise resource planning), piuttosto che da un insieme di strumenti non collegati l’un con l’altro.
È qui che entra in gioco il supporto dell’intelligenza artificiale (IA), la quale svolge questa attività in modo efficiente imitando le nostre capacità intellettuali e risolvendo problemi. Questo è reso possibile da un avanzamento della parte di IoT (Internet of Things), la quale ha reso possibile la generazione di molteplici fonti di dati (i cosiddetti Big Data) che rendono il lavoro dell’intelligenza artificiale efficiente ed efficace.
La query con SQL
Sono sicuro che se hai ricoperto un ruolo manageriale o comunque sei a stretto contatto con i database, sicuramente conosci il linguaggio di programmazione SQL (Structured Query Language).
Se non hai mai utilizzato SQL ti anticipo che ad oggi è il linguaggio di programmazione più utilizzato nell’analisi dei dati di un database.
Esso ci permette di fare delle query di ricerca, ossia delle ricerche specifiche nel database in base a delle caratteristiche che noi stiamo studiando (se abbiamo un database di clienti, possiamo estrarli ed osservarli per ogni caratteristica che ci interessa, ad esempio se hanno comprato nell’ultimo mese, se non hanno mai acquistato, etc… .)
É la soluzione più intelligente SQL?
Grazie all’utilizzo dell’Intelligenza artificiale siamo in grado di creare nuovi metodi automatici per l’analisi dei dati (che possono affiancare anche i tradizionali).
Questo è reso possibile grazie a strategie di Machine learning (ML), o anche detto di apprendimento automatico, le quali riescono ad ottenere un output (un risultato) basandosi su uno storico dei dati.
Cerchiamo di fare chiarezza con un esempio pratico.
Il caso Procter & Gamble: l’utilizzo dell’intelligenza artificiale nell’aumento della produttività degli insight aziendali:
Procter & Gamble (P&G) è una multinazionale americana di beni di largo consumo, che ha fatturato 68 miliardi di $ nel 2017.
Ha oltre 92,000 dipendenti con oltre 100 stabilimenti produttivi in tutto il mondo.
Sicuramente alcuni dei suo marchi li conosci:
- Braun, Gillette (rasatura)
- Pantene, Head & Shoulders (cura della persona)
- Oral B, AZ (igiene orale)
- Dash (cura dei tessuti)
- Swiffer e mastro lindo (cura della casa)
Sono sicuro che almeno metà di questi li conoscevi!
Cosa ha fatto il management di Procter & Gamble per monitorare i giusti insight?
Il gruppo, date le molteplici aziende che possiede, ha deciso di attuare un approccio comune a livello aziendale per quanto riguarda la gestione e l’analisi dei dati nell’ambito dell’organizzazione.
Ha stabilito degli indicatori standard per ogni azienda sottostante. Con questi standard, le aziende sono in grado di confrontare dati che riguardano linee di prodotti e regioni diverse senza problematiche, perchè ogni KPI (key performance indicator) è standard e quindi uguale e ricorrente in ogni regione e per ogni linea di prodotto.
I KPI vengono decisi tramite uno studio di intelligenza artificiale la quale tiene in considerazione le caratteristiche più importanti sottolineate dai manager e riesce a creare dei match che per una persona umana sarebbe impossibile (immaginatecvi di avere 10 milioni di righe su excel con 12 colonne di caratteristiche; secondo voi è possibile?).
Non conosciamo il modo in cui l’intelligenza artificiale elabora il dato, ma possiamo conoscere il risultato finale, che è proprio il nostro obiettivo.
I manager si sono accorti che questa strategia ha portato dei grossi benefici a livello aziendale poiché secondo uno studio svolto sull’azienda è stato velocizzato ed è migliorato drasticamente il processo decisionale dei manager.
In più l’azienda per supportare i manager ha utilizzato degli strumenti di information Technology (IT) i quali hanno reso possibile la pubblicazione automatica di report specifici per ogni unità aziendale. Questo ha fatto si che l’attività dei manager fosse estremamente più semplificata e soprattutto data la stessa linea per tutte le aziende grazie all’aiuto di elementi visivi (come grafici e trend) gli analisti aziendali e i manager oggi sono in grado di prendere decisioni in maniera molto semplificata.
P&G ha svolto anche molte altre applicazioni nel mondo dell’intelligenza artificiale e dell’utilizzo dei BigData, soprattutto a supporto del team:
- gestionale
- direzionale
- commerciale
Ricapitolando: posso essere più efficiente nell’analisi degli insight aziendali?
É a tratti impossibile che un uomo d’affari non vuole avere vantaggi per la propria azienda con:
- Aumento di efficienza
- Costi inferiori
- Rischi minori nelle operazioni commerciali
E così in altri infinite aree aziendali.
Tantissimi manger e leader aziendali sono consapevoli che l’intelligenza artificiale e il machine larning possono in concreto aiutare a semplificare le operazioni, accelerare la crescita e alimentare l’innovazione.
Oggi molte azienda non stanno sfruttando questo forti tecnologie legate all’intelligenza artificiale, che possono in concreto far ottenere un vantaggio competitivo (vedi caso Zara).
Di recente, Mathias Golombek, CTO di Exasol (una delle aziende leader nei software di gestione dei database), ha fatto un’importante affermazione:
L’intelligenza artificiale sta migliorando questo mondo di analisi con capacità totalmente nuove di prendere decisioni semi-automatiche basate sui dati di addestramento. Ha rivoluzionato il modo in cui si ottengono regole, decisioni e previsioni senza un complesso know-how umano.
Mathias Golombek, CTO di Exasol
I dati sono ancora dati, ma i modi per ottenere approfondimenti su di essi miglioreranno, proprio come la combinazione di IA e big data sta iniziando a rivelare le sue possibilità.
Tu che ne pensi? Lo vedresti applicabile nella tua azienda/progetto?
Mi piacerebbe proprio sapere la tua opinione su queste applicazioni. Non riguardarti a farmi sapere la tua opinione con un commento! Non c’è mai una risposta sbagliata! 💪🏻
Se ti interessa rimanere aggiornato, iscriviti alla newsletter per non perderti l’articolo che pubblico ogni settimana.
Se ti è piaciuto condividilo pure con i tuoi collegamenti.