DDBM: Data Driven Business Model

I modelli di business data driven rappresentano modelli economici basati su generazione, raccolta, analisi e aggregazione di dati proprietari o di terze parti.

Tenendo conto che il 90% dei dati oggi disponibili sono stati generati solo negli utlimi due anni, risulta evidente la possibilità di iniziare ad esplorare i possibili modelli di business che si possono generare.

La nostra produzione di dati, oggi, consiste all’incirca di 2,5 quintillioni al giorno (miliardo 10^9 – quintillione 10^18)

La chiave è dunque passare da decisioni “emotive” a decisioni basate sulla conoscenza, l’informazione e, quindi, sui dati. I dati sono il nuovo petrolio.

Per renderti l’idea, dai un’occhiata a Visual.ly in questo articolo che mostra cosa accade in rete e sui social network ogni sessanta secondi.

Esistono sei tipologie di modelli Data Driven

Free data collector and aggregator

Sono modelli data driven per l’acquisizione e l’aggregazione di dati basati, principalmente, su piattaforme gratuite che consentono di clusterizzare dati provenienti da differenti sorgenti all’interno di un’unica dashboard.

Tra questi troviamo Open Data Kit, una piattaforma open source che consente, mediante community, di accedere gratuitamente a strumenti di vario livello di complessità per iniziare ad aggregare dati proprietari o di fonti esterne.

Un importante obiettivo della comunità Open Data Kit è quello di permettere agli utenti di selezionare i componenti adatti da un ecosistema di strumenti complementari. Un ecosistema di questo tipo permette alle organizzazioni di utilizzare gli strumenti che meglio si adattano alle loro esigenze senza preoccuparsi del vendor lock-in (dipendenza tra il fornitore del servizio e l’utillizzatore finale).

Analytics as a service

Sono generalmente piattaforme di servizi di analytics per aiutare marketers e agenzie a comprendere meglio i propri clienti, a costruire un’audience altamente mirata, a misuraree l’efficacia delle inserzioni e a costruire esperienze ottimizzate e personalizzate.

Factual, ad esempio, tramite l’observation graph, consente alle imprese, ai marketer e agli sviluppatori di comprendere meglio il comportamento dei clienti, di rivolgersi ai potenziali acquirenti e di creare esperienze utente interessanti.

“Factual | Observation Graph – The Real World Behavior of Mobile Users”

Analizzando più di 1,5 milioni di dispositivi unici e con 270 milioni di device attivi al mese, mediante tecnologia “Place Attachment”, Factual è di gran lunga più preciso nell’attribuire l’attività del dispositivo alla giusta posizione rispetto ai geofence standard.

Data generator and analytics

Knime Analytics Platform è uno dei software open source per la creazione di applicazioni e servizi di data science. Intuitivo, aperto e in continua integrazione di nuovi sviluppi, questa piattaforma rende la comprensione dei dati e la progettazione di flussi di lavoro per il data science e componenti riutilizzabili e accessibili a tutti.

data driven filippo scorza

Knume permette di aprire e combinare semplici formati di testo (CSV, PDF, XLS, XLS, JSON, XML, ecc.), tipi di dati non strutturati (immagini, documenti, reti, molecole, ecc.) o dati di serie temporali.

Consente inoltre la connessione a una serie di database e data warehouse per integrare dati da Oracle, Microsoft SQL, Apache Hive e molto altro.

Free data knowledge and discovery

Gild utilizza data science, tecnologie user friendly e analisi predittiva per generare conoscenza in tutte le fasi dei processi di assunzione del personale. Gild sta trasformando l’industria dell’acquisizione di talenti e cambiando radicalmente il modo in cui le aziende assumono. Questa piattaforma di reclutamento intelligente modifica il modo in cui le aziende trovano e assumono talenti in tutti i settori e le funzioni. Gild viene utilizzato dalle aziende in crescita per assumere i talenti di cui hanno bisogno per innovare e avere successo in maniera più intelligente e veloce. Fondata nel 2011, Gild ha sede a San Francisco, con uffici a Salt Lake City e Milano.

Data aggregator as a service

Questo modello di servizio permette di aggregare informazioni con medesimo significato provenienti da sorgenti web differenti: dai modelli di scarpe clusterizzati in base alla taglia o materiale, appartamenti aggregati in base ai mq, esposizione, numero di finestre o altre caratteristiche sono solo alcuni degli esempi di utilità forniti da Aggregatus.

Multi source data mashup and analytics

Klipfolio permette di creare connessioni tra centinaia di fonti dati tra cui siti web, fogli di calcolo o database al fine di creare interazioni e visualizzazione delle correlazioni mediante un’interfaccia user friendly.. Permette di individuare immediatamente le tendenze e capire come si sta evolvendo il proprio business.

Caso studio: Macy’s

Macy’s Inc. modifica i prezzi dei propri prodotti in tempo quasi reale per 73 milioni di articoli, in base alla domanda e all’inventario, utilizzando la tecnologia data driven.
Il software esamina i dati provenienti dai social media, le transazioni dei negozi e i dati del sito web dell’azienda.
Macy’s può quindi rafforzare i propri margini e spostare più scorte di magazzino reagendo a minuscoli cambiamenti nel mercato e cambiando i prezzi di conseguenza.

Prezzi dinamici significa che possono aumentare i prezzi per i beni che sono richiesti da un momento all’altro e abbassare i prezzi sugli articoli che devono essere spinti maggiormenti all’acquist ma che non attirano molta attenzione.


Attualmente, Macy’s è in grado di modificare dinamicamente i prezzi su oltre 73 milioni di prodotti. E’ come una versione al dettaglio di “Hot or Not”.

E, infine, tramite l’analisi e l’utilizzo dei Big Data delle loro operazioni di vendita al dettaglio dà loro un vantaggio incomparabile. Questo è assolutamente cruciale in un settore come quello della moda e della vendita al dettaglio di abbigliamento, dove i margini possono essere molto sottili e la concorrenza è agguerrita.

Spread the love
Translate