The next big step: l’analisi prescrittiva

Stiamo vivendo un periodo di grande evoluzione collettiva basata sia sulla disponibilità di dati che di strumenti sempre più sofisticati. Dalla tecnologia dei primi database relazionali passando per strumenti di business intelligence siamo rapidamente arrivati a tecnologie di analisi predittiva.

Oggi l’orizzonte è quello dell’analisi prescrittiva.

Come riportato nell’immagine di Gartner, ci siamo prima chiesti: cosa è successo? siamo poi passati a chiederci: perché è successo? oggi siamo abbastanza capaci di chiederci: cosa succederà? ma il vero traguardo del processo evolutivo consiste nel chiederci: come possiamo farlo accadere?

Cosa è successo? ovvero la “Descriptive Analytics”

La categoria dell’analisi descrittiva si è consolidata attraverso la progettazione e consultazione di dati in contesti data warehouse. Motori di reporting sempre più evoluti, compresi quelli OLAP si occupavano di analizzare i dati storici provvedendo a dar loro un “significato” attraverso categorie, informazioni temporali e spaziali con cui poi realizzare, tramite analisi matematico-statistiche, opportune quanto suggestive “narrazioni”. L’obiettivo era infatti quello di raccontare cosa era successo per prepararsi a ciò che sarebbe potuto accadere.

Perché è successo? ovvero la “Diagnostic Analytics”

La categoria dell’analisi diagnostica si è imposta in tutti quei contesti nei quali l’analisi descrittiva permetteva di intercettare eventi avversi o risposte a specifiche azioni grazie all’analisi delle serie storiche. Può essere usato in ambito operation per capire se e perché accadono dei guasti ricorrenti, in ambito di Advertising e Marketing per comprendere la risposta a campagne sui vari canali, oltre che per tutti gli ambiti aziendali per i quali le prestazioni siano un elemento chiave di successo nel business.

Cosa succederà? ovvero la “Predictive Analytics”

Grazie alla maturazione di adeguati modelli statistici e matematici e l’avvento di risorse computazionali a costi sostenibili, oggi siamo nel pieno periodo di diffusione di strumenti e tecniche predittiva, capaci di fornirci una adeguata previsione sul futuro. Ormai grazie alla quantità di dati grezzi e ad un adeguato lavoro di data preparation è possibile creare e utilizzare modelli predittivi che ci forniscono previsioni attendibili su quello che accadrà.

Tra le più interessanti e usate tecniche di Predictive Analitics citiamo:

  • Anomalies Detection. poter identificare comportamenti e andamenti anomali (come transazioni con carte di credito, oppure incidenti) che non rientrano nei pattern o nelle frequenze attese ha permesso di ridurre il tasso di frodi bancarie e assicurative e aiutato a limitare i costi ad essi associati.
  • Cross & Up Selling. Amazon è un esempio da manuale di come adeguate tecniche predittive possono facilitare acquisti aggiuntivi per ogni evento di navigazione del negozio alla ricerca di prodotti.
  • Churn Analysis. La churn rate è in ambito business il tasso di abbandono di un cliente. L’analisi della propria base clienti permette di determinare quegli insiemi di clienti che hanno un’alta possibilità di abbandonare il proprio prodotto o servizio così da agire proattivamente per evitare che passino ai propri concorrenti.
Come possiamo farlo accadere? ovvero la “Prescriptive Analytics”

All’apice di questi scenari di analisi si colloca la più interessante area di sviluppo: come posso fare a far accadere quello che desidero? Si tratta di un campo che richiede un approccio innovativo pur basandosi sulla qualità degli strumenti che forniscono la precedente analisi predittiva.

L’obbiettivo ambizioso è quello di fornire un modello capace di fornire ai decisori dei diversi livelli aziendali strumenti “real time” per mettere in atto azioni studiate dal modello stesso per massimizzare il risultato di business. Si tratta di sistemi che “apprendono”, cioè sono capaci di analizzare l’effetto delle azioni suggerite così da migliorare le azioni da intraprendere la volta successiva e ridurre gli effetti di errori sui risultati.

Ad oggi citiamo come principali classi di algoritmi a supporto dell’analisi prescrittiva:

I recenti esperimenti e successi con Intelligenze Artificiali applicate ai giochi (vedi l’esempio AlphaGO) oppure gli algoritmi di Trading automatico sono un evidente esempio di come la prescriptive analytics permetterà di sviluppare sistemi sempre più capaci di affiancarsi all’operatore umano nella gestione delle situazioni proprie del suo lavoro.

Personalmente, nell’ambito della discussione sull’impatto dell’intelligenza artificiale sulla sopravvivenza umana sono più propenso a credere nello scenario previsto da Thiel (macchine come potenziamento del lavoro umano) piuttosto che a quello apocalittico previsto da Musk (macchine che sterminano la specie umana).

 

3 mesi ago