Modello Data Driven: i 3 step per impostarlo
E come devono essere i dati

Modello Data Driven: i 3 step per impostarlo

Come raccogliere ed organizzare i dati utili alla tua azienda.

Pubblicato il in Data Driven Marketing
labelTags:Aziende
av_timer4 minuti di lettura

Vuoi applicare il metodo Data Driven nella tua attività?

Noi di Wybe siamo determinati a far crescere le micro-imprese italiane. La nostra unica domanda è: tu sei altrettanto determinato?

Richiedi l'analisi gratuita

Sempre più attratti dal modello data driven vediamo, in questo articolo, come impostarlo seguendo 3 step basilari: raccolta, pulizia e predisposizione dei dati. Affinché sia analizzabile, ogni dato raccolto deve essere aggregabile, condivisibile ed intelligibile; in questo modo potrai trarre tutte le informazioni necessarie per ottimizzare i processi della tua attività, ridurre gli sprechi, aumentare i ricavi e molto altro.

Guida step-by-step per l’impostazione del tuo dataset

Nei nostri precedenti articoli abbiamo visto cos’è il modello data driven e quali sono i suoi utilizzi ed i principali vantaggi che può portare ai vari processi della tua attività - sia che si tratti di una grande azienda internazionale che di una piccola attività locale. Sempre più attratti da questo argomento, e desiderosi di scandagliarlo in maniera dettagliata, nell’articolo di oggi vogliamo parlare di come funziona e quali sono i passaggi per impostare il modello data driven all’interno della tua attività.

“Data driveness in about building a culture that acts on data”.

Questo è il punto più importante sottolineato da Carl Anderson nella sua definizione di data driven. E siccome ti sei convinto che questo modello faccia al caso tuo ora vuoi impostare il tuo modello data driven, solo che non sai da dove cominciare. Nessun problema!

STEP ONE: COLLECTING DATA

Per iniziare a trarre decisioni sul modello data driven dobbiamo dedicarci all’azione più scontata: la raccolta dei dati. I dati sono indiscutibilmente l’elemento chiave dell’intero modello. Ma non possiamo “semplicemente” raccogliere dati, dobbiamo raccogliere i dati appropriati. Il nostro dataset deve essere pertinente per le questioni che ci interessano o rischiamo di avere una quantità eccessiva e, soprattutto, inutile di dati da dover processare. In questo modo non solo rallenteremmo il nostro sistema, ma le conclusioni tratte da questo sarebbero assolutamente inconcludenti per i nostri fini.

STEP TWO: CLEANING DATA

Una volta raccolti i dati inerenti il grosso del lavoro sembra fatto e vuoi subito passare a processarli per sfruttare tutti i vantaggi del modello data driven? Mi dispiace ma ancora non siamo a quel punto. Infatti il dataset deve essere affidabile, accurato, e pulito, ossia i nostri dati devono essere privi di parzialità. Questo ci porta alla seconda azione da compiere: la pulizia dei dati. Come testimonia lo stesso Anderson, i dati che raccogliamo contengono sempre bias, ossia parzialità. Ogni bias può compromettere il tuo processo di analisi. Se pensi che questo step sia molto lungo ed incredibilmente difficile… hai perfettamente ragione! Infatti questo importantissimo processo può essere davvero lungo e dispendioso, ma è strettamente necessario affinché il nostro modello data driven sia funzionale. Pensate che i data scientists passano l’80% del loro tempo raccogliendo, ripulendo e predisponendo i dati e solo il 20% del loro tempo è dedicato alla creazione di modelli, all’analisi dei dati e a l’estrapolazione di conclusioni dai dati.

STEP THREE: DATA ACCESS

Una volta raccolti e ripuliti di dati di cui abbiamo bisogno per le nostre analisi, arriviamo infine all’ultimo punto della nostra lista: la predisposizione dei dati. Ogni bit di informazione che andremo ad inserire all’interno del nostro dataset deve rispondere a 3 caratteristiche fondamentali affinché possano effettivamente servirci per trarre conclusioni sulle quali basare le nostre decisioni.

Le 3 caratteristiche fondamentali dei dati per una corretta applicazione del Modello Data Driven

Affinché tutto funzioni alla perfezione occorre tenere presenti 3 caratteristiche intrinseche che ogni informazione a nostra disposizione deve soddisfare. Queste caratteristiche sono:

  1. aggregabilità (joinable), ossia i dati devono essere predisposti in una forma che renda possibile aggiungerli ad altri dati di altre imprese quando necessario. Esistono molte opzioni, come i database relazionali, NoSQL stores o Hadoop, basta solo trovare lo strumento giusto per il proprio lavoro.
  2. condivisibilità (shareable), ossia occorre sviluppare la cultura della condivisione dei dati tra le varie organizzazioni, così da renderli aggregabili e poterli interfacciare tra loro.
  3. intelligibilità (queryable), ossia occorre rendere possibile agli strumenti appropriati di interrogare e di “sminuzzare” i dati. Tutti i report e le analisi richiedono il filtraggio, il raggruppamento e l’aggregazione dei dati così da ridurre la grande quantità di dati grezzi in un set più ristretto strutturato su livelli.

Ecco, ora tutto è predisposto per funzionare al meglio ed i tuoi dati sono pronti per essere analizzati ed utilizzati per trarne tutti i vantaggi. Ora che la struttura del modello data driven è impostata non rimane che vedere come gli esperti di marketing sfruttano le possibilità derivanti dall’applicazione del modello data driven nel loro settore.

Se tu hai una mela ed io ho una mela e ce le scambiamo entrambi avremo ancora una sola mela. Ma se io ho un’idea e tu hai un’idea e ce le scambiamo allora entrambi avremo due idee! Condividi la cultura digitale.


Vuoi applicare il metodo Data Driven nella tua attività?

Noi di Wybe siamo determinati a far crescere le imprese italiane. La nostra unica domanda è: tu sei altrettanto determinato?

Richiedi l'analisi gratuita

Vuoi applicare il metodo Data Driven nella tua attività?

Noi di Wybe siamo determinati a far crescere le micro-imprese italiane. La nostra unica domanda è: tu sei altrettanto determinato?

Richiedi l'analisi gratuita

Se ti è piaciuto questo articolo, clicca Mi Piace!

oppure seguici su Twitter!

Prima di andare via ti suggeriamo di dare un'occhiata a questi post che potrebbero interessarti:

Small Data spiegati da Kirk Borne

Small Data vs Big Data

Conoscerli per capirli ed imparare ad usarli: a lezione da uno scienziato della NASA.

Pubblicato il in Data Driven Marketing
La marcia in più per le attività

Small Data: i dati che realmente ti servono

Non puoi processare grandi moli di dati, ma quelle piccole sì.

Pubblicato il in Data Driven Marketing
Come farlo fare anche a tua nonna

Raccogliere i dati per la mia attività

Come evitare gli errori più comuni di raccolta? Leggi la nostra guida.

Pubblicato il in Data Driven Marketing