Analisi del mercato e relative strategie

Nel 2015 il mercato degli Analytics in Italia è cresciuto del 14%, raggiungendo un valore di 790 milioni di euro, composto per l’84% da BI e per il 16% da Big Data. La crescita della parte Big Data, seppure ancora marginale nei volumi, risulta tuttavia molto robusta con un tasso del +34%, mentre la BI si ferma ad un +11%. (Osservatorio Big Data Analytics & Business Intelligence, Politecnico di Milano).
Non si evidenziano barriere all’entrata tecnologiche ma barriere culturali, organizzative e gestionali. Si rimarca la carenza di figure professionali per gestire i progetti Big Data a livello interfunzionale che siano in grado di rendere fruibili alle funzioni interessate applicazioni pratiche e misurabili.

ODS offre servizi specializzati astraendo la complessità della tecnologia e dando la possibilità di eseguire facilmente algoritmi complessi. Il cliente tipo è una società large/medium o della PA, che ha bisogno di una piattaforma di Big Data ready to use con potenzialità evolutive. Si sono identificate 3 macro aree nel mercato degli strumenti di BI e Analytics, aggregate per ambito di utilizzo e tipo di gestione dei dati, strutturati e/o destrutturati.

• Performance management and analytic applications: applicativi commerciali di supporto alla schematizzazione e all’automazione di processi aziendali, per la revisione ed ottimizzazione di business operation e la scoperta di nuove opportunità di business. Es.: CRM, customer acquisition, supply chain, financial, production;
• Business Intelligence and analytic tools: strumenti di query e reporting, strumenti di tipo previsionale, strumenti per l’analisi spaziale o di contenuto. Es.: dashbord di monitoring, raccolta di dati di posizione, funzioni di tagging;
• Datawarehousing platform software: applicativi volti ad organizzare i dati provenienti da più fonti. Si distinguono piattaforme di DW Generation (per la progettazione, la pulizia, la trasformazione, il caricamento e la gestione di data warehouse) e piattaforme DW management (per la gestione dei dati all’interno del data warehouse). Es.: caricamento e gestione dei dati in Data Base cloud e not cloud.

Il prodotto ODS, nel contesto delle tecnologie per il settore IoT e di machine learning, si trova al Top del modello Hype Cicle di Gartner per la maturità, l'adozione e l'applicazione di specifiche tecnologie.
I settori per i quali l’utilizzo della tecnologia Big Data e degli algoritmi ML possono essere estremamente funzionali alla risoluzione di problemi complessi sono:

• Sanità
• Studi sociali
• Finanza
• Marketing
• Sicurezza
• Mobilità

ODS ha l’obiettivo di posizionarsi su mercato dei servizi di BI & Analitycs orientandosi alla vendita di servizi in ambito di imprese di medie dimensioni ed in generale imprese con forte penetrazione territoriale e/o grande afflusso di visitatori/utenti. La valutazione iniziale ha coperto diversi fasi della value chain, permettendo di individuare una serie di settori sui quali i servizi ODS possono avere un impatto immediato in termini di redditività. La metodologia utilizzata da ODS per l’identificazione del target market immediati si è articolata in 4 fasi, sotto riportate, che hanno permesso di stimare il numero di potenziali clienti, quindi di stimare il mercato potenziale e conseguentemente i ricavi presenti nel Business Plan. - Individuazione dei need che il servizio soddisfa attraverso la Value Proposition predefinita per perimetrare le esigenze che i clienti dovrebbero avere per essere attratti dal servizio offerto
- Individuazione Industry in cui i need identificati possono essere più marcati, in particolare industry caratterizzate da grande quantità di dati sfruttabili, maturità tecnologica e applicabilità del servizio in termini di sensibilità dei clienti all’offerta
- Target Client mediante l’identificazione dei player maggiormente attrattivi in termini di potenziali revenue in base a driver quantitativi e qualitativi:

• Dimensioni (es. in termini di fatturato e diffusione)
• Maturità tecnologica e propensione ad investimenti in ambito
• Fitting con la value proposition di TIDS

Prioritizzazione dei player selezionati attraverso la valorizzazione numerica dei driver usati per l’identificazione e la suddivisione dei target client nei diversi anni secondo il livello di priorità Al termine di questa fase il verticale prioritario individuato è stato il settore retail, articolato nei seguenti segmenti per ognuno dei quali si riportano le principali peculiarità:

• Abbigliamento: Alta importanza della profilazione degli utenti, elevata concentrazione di attività promozionali, alta adattabilità dell’offerta
• GDO Alimentare : Settore merceologico generico con elevate dimensioni dei punti vendita, alta concentrazione di attività promozionali e adattabilità dell’offerta, elevata importanza di tutti i KPI influenzabili dai servizio offerti
• Salute e benessere : Settore merceologico specifico con elevata percezione del valore della profilazione ed alta adattabilità dell’offerta
• Elettronica : Settore merceologico generico con basso tasso di conversione e grandi dimensioni dei punti vendita, il 95% del mercato è concentrato nei top player
• Arredamento : Importanza del tasso di conversione e dei KPI maggiormente influenzati dai servizi offerti, possibilità di modulare offerta in base alla profilazione della popolazione
• Ristorazione: Le catene di ristorazione sono considerate settori generici
• Servizi Bancari : Crescita del numero di sportelli sino al 2008 e successiva razionalizzazione delle filiali, i dati di presenza e modalità senza ingestion di dati clienti hanno un basso valore peril settore finanziario
• Carburanti: Basso turn over dei punti vendita i quali non vengono ridestinati ad altri settori merceologici, struttura del sistema distributivo focalizzata su concessionarie.

Il Retail è stato considerato come il best match in questa fase iniziale di lancio del servizio. Il settore esprime rilevanti e diversificati bisogni informativi, di seguiti elencati:

• Customer Base ampia, eterogenea e segmentabile, cluster con esigenze nette e distinte
• Struttura di vendita distribuita in molteplici PdV sul territorio
• Utilizzo tecniche di CRM e di Digital Marketing
• Esigenze di ottimizzazione di copertura, offering, traffico e performance a livello di rete e locale
• Necessità di clusterizzazione/segmentazione della CB
• Necessità di poter valutare il traffico e movimentazione delle persone rispetto ai PcV aziendali esistenti e/o potenziali
• Elaborazione di driver di comparazione tra diversi PdV sul territorio
• Incrementare il tasso di conversione delle campagne di advertising attraverso corretta profilatura delle persone che insistono sul bacino del PdV e/o dei luoghi di provenienza o di arrivo;
• Valutazione dei flussi e delle presenze per Eventi/manifestazioni, azioni promozionali, etc.
• Ottimizzazione offerta/staffing/etc.
• Ottimizzazione del PdV in relazione alla qualificazione demografica della popolazione di pertinenza.

Il settore Retail utilizza i seguenti Key Performance Indicator (KPI):

• Traffico nel punto vendita: identificazione delle caratteristiche qualitative e quantitative dei footfall in diversi mainframe
• Tasso di conversione: identificazione del numero di acquisti in rapporto al numero e alle caratteristiche di clienti entrati nello store in diversi timeframe
• Efficacia promozionale: Misurazione dell’impatto di attività promozionali sulle vendite e sull’interesse dei clienti
• Fidelizzazione clienti: Abilità a fidelizzare clienti e generare acquisti ricorrenti da determinati target
• Tempo di sosta: Aumentare il tempo in cui il cliente rimane nello store. Il dato è direttamente correlato con gli acquisti effettuati dal cliente
• Gestione punto vendita: Razionalizzazione dei dispendi energetici, ottimizzazione orari di apertura, gestione forza lavoro
• Gestione magazzini: Riduzione dei costi associati a rischi di overstock e stock out oltre a migliorare la gestione del merchandising in base alla stagionalità dei footfall

La soluzione ODS è in grado di fornire risposta alle esigenze informative attraverso l’erogazione di tre tipologie di servizi:

Proximity Marketing, che consente

• Strategie di retention e loyalty program
• Ampliamento della customer base
• Localizzazione geografica dell’offerta
• Azioni di marketing mirato
• Le campagne in real-time in grado di ottimizzare Occupancy Rate

In store Analytics, che consente

• Di sfruttare i feedback restituiti dalle analisi degli Analytics per migliorare l’interazione con la propria customer base aumentandone il grado di soddisfazione e di loyalty
• Operare su diversi driver:
• Placement dei prodotti/servizi
• Staffing del personale
• Queue management

Analytics CP, che consente

• Strategie di retention e loyalty program e la possibilità di automatizzare i processi di profilazione e contatto dei propri clienti e di potenziali nuovi consumer
• Ampliamento ed alla fidelizzazione della customer base