Le abitudini e la psicologia hanno da sempre giocato un ruolo fondamentale nella vita dell’individuo e rappresentano due degli elementi cardine sui quali gli esperti di marketing cercano di elaborare strategie per migliorare la performance della propria azienda.

Accanto a loro, negli ultimi anni, un fattore ha acquistato sempre più importanza fino a diventare protagonista, il dato.

Si è sviluppata una scienza nota come Data Science che dai dati disponibili, cerca di creare valore per l’organizzazione.

Essa è un mix di informatica, statistica e economia ed è favorita dall’esponenziale accumulazione di dati in formato elettronico, da una riduzione dei costi di data storage e dallo sviluppo di nuove tecniche di analisi.

Uno dei processi centrali di questa nuova scienza è rappresentato dal Data Mining che individua “l’insieme di tecniche e metodologie che hanno per oggetto l’estrazione di informazioni utili da grandi quantità di dati (Database Datawarehouse ecc.) attraverso metodi automatici o semi-automatici”.

Esso viene utilizzato per individuare correlazioni tra più variabili che fanno riferimento ad un singolo individuo e per formulare previsioni sulla base dei suoi comportamenti.

Le tecniche di Data Mining sono fondate su algoritmi che hanno il compito di identificare dei pattern (schemi/regolarità) utili per esplorare relazioni causali nuove.

L’ ambito di applicazione di tale scienza è vastissimo (industria 4.0, salute, veicoli, ambiente, sport, marketing) ed ha un potenziale enorme.

Relativamente al marketing, facciamo riferimento al caso di Andrew Pole data analyst (laureato in statistica e economia) di Target una delle più grandi aziende di distribuzione al dettaglio americana.

Il suo compito all’interno dell’azienda era riuscire, attraverso l’interpretazione dei dati, a leggere il pensiero dei consumatori, decifrarne le abitudini e aumentare le vendite attraverso un approccio personalizzato. I dati venivano raccolti dall’azienda attraverso numerose fonti (tessere fedeltà, acquisti on-line ecc.) e venivano catalogati all’interno di un database in cui a ciascun consumatore era assegnato un Guest ID Number.

In particolare, identificò il suo gruppo target nelle donne in gravidanza. Riuscì a sviluppare un software basato su un algoritmo previsionale che identificò 24 prodotti che, in base alla frequenza di acquisto, gli consentì di individuare a che punto era la gravidanza della cliente, in altri termini individuò attraverso l’analisi dei dati e le tecniche di previsione delle correlazioni precedentemente ignote.

Articolo di Enrico Perinelli