Tra i servizi che offriamo come H-FARM Innovation l’analisi dei dati è quella che ci consente di aiutare i clienti a rispondere a delle domande, intravedere pattern, trend o evidenze tra i dati in loro possesso. Ad esempio, in passato è capitato che una compagnia di assicurazione ci chiedesse di aiutarli a capire come l’introduzione di nuovi prodotti avrebbe fatto evolvere il loro bacino di clientela nel territorio nazionale italiano; in un altro caso, un’azienda di moda ci ha chiesto di indagare l’impatto del meteo sulle vendite nei loro negozi fisici.
In certi casi, il bacino di dati a disposizione dei clienti non è sufficiente per rispondere a tali domande o per indagare fenomeni così complessi legati ai loro business. Per rimediare, tramite un processo di data fusion, combiniamo e arricchiamo i dataset forniti dai clienti con dataset di contesto da fonti esterne (per esempio indicatori socio economici dell’ISTAT o della World Bank, oppure dati geolocalizzati da OpenStreetMap). Attraverso questo mash up è possibile trovare risposte accurate e oggettive a domande specifiche, e quindi realizzare dei report grafici che consentono a chiunque di interpretare i dati e quindi fare scelte consapevoli.
Un problema che abbiamo individuato è che questo tipo di analisi sono realizzate di volta in volta, ripartendo da un foglio bianco, sia dal punto di vista della raccolta e sintesi dei dati dalle varie fonti esterne, che dal punto di vista delle modalità di visualizzazione dei risultati. Questo rende meno efficiente il nostro lavoro, ma soprattutto non ci permette di massimizzare l’esperienza maturata e il valore aggiunto restituito ai clienti.
Sono quindi due le domande principali che hanno guidato il lavoro della nostra Crew:
A rispondere ci abbiamo pensato noi: la Crew DJ! Parliamo di musica? Non esattamente (anche se abbiamo una Crew per questo e si chiama Supersonic). Qui si parla di dati, e DJ sta appunto per Data Journey. La Crew Data Journey è nata con due obiettivi:
Il risultato del nostro “viaggio” nel mondo dei dati è quindi un prototipo di dashboard interattiva online che accompagna l’utente nell’ esplorazione guidata di uno o più dataset combinati tra loro, attraverso visualizzazioni interattive semplici da interpretare. Queste visualizzazioni non si limitano a mettere in bella delle tabelle excel, ma arricchiscono la lettura del contesto di riferimento, anche e soprattutto se non siete data scientist.
Per creare il nostro prototipo di dashboard, per prima cosa, abbiamo individuato un caso studio adatto a trovare delle risposte alle nostre domande. Per questo siamo partiti dall’esempio citato all’inizio dell’articolo, ovvero un’analisi già conclusa svolta per una compagnia di assicurazione, che ci aveva chiesto di aiutarla a capire come l’introduzione di nuovi prodotti avrebbe fatto evolvere il loro bacino di clientela nel territorio nazionale italiano.
Procedendo a ritroso, abbiamo distinto i dati utilizzati per l’analisi in: dati indipendenti dal contesto di ricerca, cioè quelli territoriali e provenienti da fonti esterne (dataset fisso), da quelli caratterizzanti, cioè provenienti da un dataset fornito dal cliente (dataset variabile).
Con il dataset fisso abbiamo sintetizzato le misurazioni statistiche fatte sul territorio in macro-indicatori che descrivono caratteristiche chiave delle province italiane, come attrattività, mobilità o innovazione.
Il dataset variabile invece conteneva informazioni di business già in possesso del cliente, come dati anagrafici e di vendita aggregati che descrivevano la distribuzione attuale della clientela sul territorio.
Fatto questo passaggio, abbiamo avviato due stream di lavoro per la realizzazione della dashboard.
Da un lato abbiamo iniziato a sistematizzare il processo di raccolta e sintesi dei dati del dataset fisso, per rendere il patrimonio di informazioni di contesto facilmente integrabile ed espandibile in altre analisi. Come lo abbiamo fatto? Abbiamo progettato il modulo software su cui si basa la dashboard, perché sia in grado di comunicare costantemente con le banche dati pubbliche così da raccogliere ed aggiornare regolarmente i dati. In questo modo, possiamo creare nuovi macro-indicatori o modificare quelli esistenti riducendo al minimo i passaggi manuali. Il risultato è un sistema facilmente adattabile alle esigenze del cliente e le analisi in chiave territoriale ricevono un enorme beneficio in termini di efficienza.
Dall’altro lato invece abbiamo individuato gli scenari, ovvero quei mash up tra dati fissi e variabili che creano valore aggiunto. In questo caso, il mash up ha permesso di definire delle ipotesi di azione commerciale sul territorio e simulare in maniera guidata l’impatto di queste azioni. Per esempio, una delle domande del nostro cliente era: “cosa succederebbe se introducessi un nuovo prodotto del ramo auto in zone ad alta mobilità?”
L’ultima tappa del nostro viaggio, è stato — finalmente 😀 — il design della Data Journey Dashboard, ovvero la piattaforma online e interattiva in grado di rendere i dati e i risultati delle analisi esplorabili e azionabili per l’utente e riutilizzabili per noi. Il prototipo è strutturato in due journey distinte.
Nella prima journey l’utente può esplorare attraverso un percorso guidato, la composizione del dataset fisso, partendo dai macro-indicatori sintetici fino ai singoli micro-indicatori che li compongono. In questo modo viene garantita la massima trasparenza nei dati utilizzati.
Nella seconda l’utente viene guidato nell’esplorazione dei diversi scenari scegliendo quali macro-indicatori vengono utilizzati nella fase iniziale e finale.
Inseriti questi parametri la dashboard reindirizza l’utente alla visualizzazione dello scenario, dove attraverso 3 differenti modelli visivi, può autonomamente esplorare l’evoluzione dello scenario stesso e modificarne le variabili fisse (macro-indicatori).
Indubbiamente sarebbe stato molto più semplice lasciarvi navigare la piattaforma invece che spiegarvi come funziona, ma questo progetto è ancora in beta quindi non abbiamo un link pubblico da condividere con voi.
Il risultato che abbiamo raggiunto è un prototipo che ci ha permesso di trovare una prima risposta alle nostre domande. I prossimi passi saranno dedicati al perfezionamento del sistema di raccolta dei dati di contesto e all’estensione delle funzionalità della piattaforma interattiva, con l’obiettivo di creare un modello che ci permetta di sfruttare al meglio le potenzialità dei processi di data fusion.
