56
Circuits
Martedì 11 Luglio 2006
■ ■ Data mining Le soluzioni che permettono di classificare e prevedere i comportamenti degli utenti. Per migliorare il business
I rabdomanti
del database
Le informazioni sui propri clienti
possono diventare un asset prezioso.
Gli operatori telefonici, come Fastweb
e 3 Italia, le usano per prevenire
le fughe verso i concorrenti,
le banche e le assicurazioni
per ridurre i rischi, il portale Msn
per migliorare servizi e pagine web
di Isabella Naef
I
ntuito, senso per gli affari, un fiuto degno di un segugio per anticipare le tendenze della clientela restano la conditio
sine qua non per farsi un nome sul mercato. Ma senza soluzioni di data mining,
quelle soluzioni basate su sofisticati modelli
statistici che permettono di classificare, studiare e prevedere i comportamenti degli
utenti, è piuttosto difficile fare grandi numeri. Non è un caso che le tecniche di data mining, letteralmente estrazione da una miniera di dati, siano utilizzate soprattutto dalle
aziende che operano nel settore delle telecomunicazioni e della finanza. Se colossi come
Telecom Italia fanno sapere di non essersi
ancora cimentati con software di questo genere e di continuare ad affidarsi «a tradizionali strumenti di marketing», operatori come
Fastweb, Vodafone e 3 non fanno un mistero
di servirsene.
«Abbiamo investito molto in business intelligence», spiega Federico Giannini, responsabile aree business intelligence it, marketing and
sales per Fastweb, «ci
sono una trentina di
persone che se ne
occupano, tre di queste seguono esclusivamente il data mining. Utilizziamo queste soluzioni per verificare
eventuali anomalie della rete e per individuare con largo anticipo eventuali necessità ed esigenze sul fronte delle risorse it».
Utili per segmentare la clientela e per prevenirne con il dovuto anticipo gli abbandoni, le
soluzioni di data mining sono utilizzate sia
da Vodafone, che impiega dieci persone solo per questa attività, sia dall’operatore di videofonia 3. «Non è una novità il fatto che esista un ciclo di vita del cliente: noi dobbiamo
intervenire non appena ci accorgiamo che i
comportamenti dell’utente manifestano
qualche segnale di disaffezione», dice Andrea Gualtieri, direttore marketing consumer
di 3 Italia.
Dall’altro lato, invece, le tecnologie di data
mining, a ridosso delle frequenti campagne e
promozioni dell’azienda, analizzano le risposte delle clientela e offrono report di analisi
efficaci al fine di individuare nuove offerte
mirate e tarate sull’esigenza dell’utente.
«In altri casi, per esempio quando rileviamo che il cliente utilizza con una
certa assiduità il servizio di videofo-
Massimo
San Giuseppe
(Qlikview Italia)
Vincenzo
Tedeschi
(IWBank)
nia, cerchiamo di coccolarlo regalandogli minuti di conversazione gratis», aggiunge Gualtieri.
Un’altra soluzione fondamentale per l’operatore è costituita dai web-tool di profilazione e
segmentazione target delle campagne sms e
mms. Anche in questo caso i modelli statistici su cui si basano i software sono in grado di
rilevare chi ha letto il messaggio di promozione, chi lo ha cancellato senza aprirlo e chi
è andato al link indicato nel mms.
Del resto, «prevenire è meglio che curare e il
data mining soprattutto nel campo delle telecomunicazioni serve a questo», sottolinea
Daniele Vanzanelli, partner di Reply Consulting.
Altri grandi utilizzatori del data mining, proprio per la capacità dell’algoritmo di analizzare vasti campioni di dati allo
scopo di identificare interessanti regolarità e, quindi,
anche gli scostamenti da
queste ultime, sono le assicurazioni. La gestione del
rischio, infatti, è facilitata da modelli statistici capaci di evidenziare gli atteggiamenti
anomali e di prevedere con alti margini di sicurezza il verificarsi di determinati eventi e
di frodi. «Ovviamente per utilizzare questo tipo di strumenti sono necessarie anche competenze statistiche e risorse cospicue in termini economici. La manutenzione dei modelli non è così facilmente fruibile, le applicazioni vanno adattate nel tempo, vanno fatte crescere, è un po’ come avere un figlio»,
scherza il partner di Reply. Prendendo in
considerazione un periodo di tre anni, si può
parlare di investimenti in hardware e software compresi tra 0,5 e 1 milione e di una cifra
all’incirca analoga per la definizione dei modelli e la consulenza necessaria alla realizzazione del progetto.
Un impegno cospicuo che,
però, dà i suoi frutti:
«Noi investiamo in
business intelligence e data mining circa il 6-7% del budget
Massimiliano
Maggi
(Linea)
Circuits
Martedì 11 Luglio 2006
it», afferma Massimiliano Maggi, responsabile sistemi informativi di Linea, società finanziaria di credito i cui azionisti di riferimento
sono Banco Popolare di Verona e Novara,
Banca Popolare di Vicenza e Banca Popolare di Sondrio. Sbagliare, ovvero continuare a
erogare finanziamenti a un cattivo pagatore
può essere fatale per realtà di questo tipo:
ecco perché le soluzioni di data mining e la
possibilità di effettuare previsioni e simulazioni divengono fondamentali per restare sul
mercato. La società ha scelto il fornitore Sas
per automatizzare il processo di valutazione
delle pratiche di finanziamento in base alla
rischiosità. Nel 2004, infatti, il top management ha dato vita a una riorganizzazione ed
è stata creata ex-novo una vicedirezione generale credito e rischi, in cui sono state
concentrate tutte le
funzioni di gestione e
di monitoraggio sia
del processo del credito, sia del risk management. I criteri
utilizzati per concedere un finanziamento vengono definiti
dal risk management
e sono continuamente rivisti e modificati
sulla base di evidenze derivanti da una
serie di analisi effettuate con sistemi predittivi di tipo statistico. Queste analisi
permettono di individuare, sulla base dei parametri di entrata
che la caratterizzano, la cosiddetta probabilità di default, ovvero di insolvenza di una
pratica, e se questa è elevata, di fare in modo
che il finanziamento non sia concesso.
«La decisione di realizzare un avanzato sistema di risk management rientra in un progetto più ampio il cui obiettivo è quello di sviluppare modelli di compliance con le normative Ias39 e Basilea II che tengano conto del
rischio di credito collegato all’attività di Linea», osserva Maggi.
I dati più importanti, quelli che vanno ad alimentare l’algoritmo di data mining, invece,
per un’altra azienda del settore finanziario
come IWBank sono quelli relativi alle transazioni. «Siamo facilitati in questa operazione poiché offriamo esclusivamente un servizio via web e tutto ciò che fa
il cliente è tracciato»,
racconta Vincenzo
Tedeschi, responsabile relazioni
esterne della
banca del
Gruppo Bpu
specializzat a n e l tra-
Luciana
Franciosi
(Piaggio)
57
La Vespa è più affidabile con Atos Origin
Un progetto finalizzato all’analisi degli interventi in garanzia per profilare l’affidabilità dei componenti, correlare le difettosità
al profilo d’uso dei mezzi e, infine, incrementare l’affidabilità dei prodotti e dei servizi per liberare risorse da destinare allo
sviluppo di servizi post vendita. Questo, come spiega Luciana Franciosi, responsabile
qualità e customer management corporate
di Piaggio, l’obiettivo che ha portato il
gruppo di Pontedera alla realizzazione di
un progetto di data mining con il supporto
di Atos Origin.
«A oggi è stato predisposto un datawarehouse in cui sono
stati raccolti tutti i dati sui clienti, sul parco
installato, sulle gading.
Quello che interessa al management è
il tipo di operazioni
effettuate dal cliente, gli strumenti utilizzati e i mercati
presi di mira: il tutto
per lanciare nuovi
servizi, migliorare
quelli esistenti e
realizzare un’offerta
Fabio
mirata. «Grazie alle
Agostini
soluzioni di data mi(Atos Origin)
ning, il cui investimento si aggira
grosso modo intorno al 5% del budget it, da
un mese i nostri clienti hanno la possibilità di
negoziare direttamente le opzioni sui titoli
azionari Usa, un’offerta messa a punto dopo
un’analisi dei comportamenti e delle propensioni di acquisto», aggiunge Tedeschi.
Puntano a migliorare l’interfaccia e i contenuti le analisi e i monitoraggi del comportamento degli utenti effettuate da Msn. «Analizzare in modo anonimo e totalmente rispettoso della privacy dei consumatori il comportamento di decine di milioni di utenti costituisce un’opportunità unica per migliorare
la qualità dei nostri servizi e del contenuto»,
spiega Stefano Maruzzi, strategy director
Msn media network international.
Le soluzioni di data mining, in questo caso,
sono state realizzate ad hoc poiché era impossibile rispondere alle esigenze conoscitive dell’intero network e dei singoli
mercati che lo compongono.
«Vista la mole di utenti, è possibile
costruire cluster comportamentali
utili per derivare trend, atteggiamenti, preferenze e modalità d’uso. Da queste analisi prendiamo
costantemente spunto per migliorare l’interfaccia utente dei
ranzie e sugli interventi. Sono in fase di
sperimentazione e prototipizzazione i tool
di mining da utilizzare e sono in fase di
analisi i report istituzionali in cui verranno
inseriti i livelli di affidabilità per prodotto,
area, fascia di clienti», dice Franciosi.
Il mining verrà utilizzato in una prima fase
per esplorare il bagaglio di informazioni
oggi disponibili, mentre il secondo step
sarà di utilizzarlo per clusterizzare clienti
e prodotti in modo da individuare i segmenti a rischio. «Il terzo sarà infine di analizzare ogni singola richiesta e attribuirle
uno scoring in modo da caratterizzare l’intervento in funzione del profilo d’uso, determinare la probabilità che sia un intervento a regola d’arte e utilizzare questa
informazione direttamente nel sistema di
nostri servizi sottoponendo la home page e
altre porzioni del sito a continui rinnovamenti e miglioramenti», dice Maruzzi. In particolare, in questo periodo Msn sta sviluppando soluzioni atte a ottimizzare i criteri di
visualizzazione dei messaggi pubblicitari in
relazione alle preferenze, comportamenti e
possibili necessità di fasce di consumatori.
«Si tratta di un lavoro con possibili impatti
non trascurabili sui risultati del business, data
la rilevanza e la costante
crescita degli investimenti sul web. Rendere
più mirata la comunicazione ritagliandola sulle
specifiche esigenze del
singolo è da sempre un
obiettivo per chi si occupa di pubblicità», conclude il manager.
Un obiettivo che è possibile centrare solamente
attraverso soluzioni di
data mining, «in quanto
Federico
Giannini
si tratta di una tecnolo(Fastweb)
gia che permette di superare una delle più
grosse limitazioni di una
soluzione di business intelligence, ovvero il
fatto di lavorare solo su dati storici, quelli
contenuti nel datawarehouse», afferma Michele Zoppi, product manager Sql server e
integration server di Microsoft.
Le soluzioni di data mining, e risiede qui
gran parte del loro valore
aggiunto, permettono di andare a
capire se, all’interno di questi
dati, esistono
dei pattern,
dei percorsi
ricorrenti e,
Daniele
Vanzanelli
(Reply Consulting)
gestione delle garanzie», afferma Fabio
Agostini, responsabile della delivery unit
che in Atos Origin si occupa di business intelligence.
In pratica, l’applicazione registra e correla
tutte le informazioni sul cliente, sulla geografia, ossia regione, provincia e città, caratteristiche orografiche, sul prodotto, sul
difetto e sulla rete di assistenza.
«Attualmente il sistema è stato rilasciato agli utenti dei servizi after sales per le
prime analisi e validazioni dei dati di base e dei modelli di analisi e mining. In futuro verrà integrato stabilmente con i sistemi di datawarehouse e business intelligence e verrà collegato al sistema di
gestione garanzie», conclude il manager
di Atos Origin.
quindi, di fare previsioni in base alle serie
storiche accumulate. Ecco perché tra gli habitué ci sono anche diverse realtà della grande distribuzione.
Telecomunicazioni, assicurazioni e banche,
però, fanno la parte del leone. Ed è proprio
una banca, il Mediocredito Trentino Alto
Adige, al centro di uno degli ultimi progetti
di data mining realizzato da Qlikview Italia. Come spiega Massimo San Giuseppe,
presidente e amministratore delegato del
fornitore di tecnologia,
la banca, specializzata
nel sostegno e nella
promozione delle attività economiche delle
piccole e medie imprese, dopo aver completato la fase di predisposizione del data
warehouse e dei modelli matematici di
calcolo aveva la necessità di poter visualizzare e analizzare le
informazioni in modo
flessibile. Esigenze
che sono state soddisfatte grazie a uno strumento che ha reso intuitiva la consultazione
pur mantenendo la potenza necessaria per
consentire analisi mirate e destrutturate in
tempo reale, con potenzialità avanzate data
mining.
Per Leo Nicolussi Paolaz, servizio pianificazione finanziaria e controllo di gestione di
Mediocredito Trentino Alto Adige, «dal punto di vista squisitamente tecnico il prodotto è
risultato valido soprattutto per la potenza del
motore di importazione dei dati e la logica
associative query logic sottostante e per le
funzioni di analisi e trattamento delle informazioni». (riproduzione riservata)
