Traducendo letteralmente dall'inglese sarebbe “analisi del cliente” ma più nello specifico, con customer analytics si intendono quei processi e quelle tecniche attraverso cui i dati raccolti dal comportamento dei clienti possono essere razionalizzati, elaborati in informazioni di valore utilizzabili dai decisori aziendali per elaborare le loro strategie.
Big Data Analytics cos'è e a cosa serve
Con Internet e la vasta gamma di canali di comunicazione online la quantità di dati potenzialmente in possesso delle aziende è illimitata, qualsiasi business deve fare i conti col fatto che questo patrimonio informativo è alla portata di tutti e rappresenta un elemento competitivo. Ma i dati vanno analizzati, proprio per questo è possibile arrivare ad affermare che non esiste business senza analytics, cioè senza la capacità di interpretare i Big Data (ossia tutti dati provenienti da fonti diverse).
La definizione di Big Data Analytics fa infatti riferimento al processo che prevede la raccolta e l’analisi di tutti i dati per trasformarli in valore per le aziende.
Ancor più nello specifico, con analytics si intende il lavoro scientifico di scoperta (analisi descrittive) e comunicazione dei modelli significativi, che possono essere individuati nei dati grezzi (analisi predittive).
In pratica, questi ultimi, grazie a tale lavoro sono trasformati in intuizioni (insights), che sono di fondamentale importanza per prendere decisioni aziendali (analisi prescrittive); ciò avviene sfruttando principi statistici e matematici così come tecnologie di business intelligence e data analysis avanzate.
Concretamente, per fare tutto questo, oltre alle risorse infrastrutturali (dalla capacità di calcolo allo storage) servono applicativi software e servizi (al fine, per esempio, di personalizzare le tecnologie a seconda dei diversi settori per integrarle negli ambienti IT pre-esistenti).
L'importanza della customer analytics per il marketing
Un approfondito lavoro di analisi è utile in tutti i dipartimenti aziendali (da quello produttivo per impiegare al meglio le risorse a quello logistico e così via), ma è particolarmente importante, e sempre più sfruttato, nell’ambito marketing, perché consente di avere una visione completa, dettagliata e aggiornata, su chi è il cliente, le sue abitudini, i gusti, eccetera. Tutto questo consente di poter instaurare con il cliente stesso un rapporto personalizzato, basato su comunicazioni aderenti al suo modo di essere e alle sue preferenze.
Sempre più, le aziende integrano vari canali e iniziative per creare un insieme coordinato e coerente di informazioni in modo da avere, in ultima analisi, un quadro complessivo da cui trarre indicazioni di prestazione per rendere più efficace possibile e in linea con gli obiettivi di business qualsiasi attività svolta sul cliente. Questo significa scegliere i canali giusti, individuare i messaggi più adeguati, adottare gli approcci più corretti.
Il delicato equilibrio tra customer analytics e privacy
Per poter gestire i Big Data in conformità con le normative vigenti in ambito privacy è necessario, prima di tutto, tracciare il confine tra quelli che sono i dati personali e sensibili, e quanti non lo sono, considerando che per dato personale possiamo intendere tutte le informazioni riguardanti una persona fisica identificabile o identificata.
Più nello specifico, i dati personali possono: essere forniti consapevolmente e volontariamente per esempio mediante compilazione di moduli cartacei o digitali; venire raccolti automaticamente dai sistemi di videosorveglianza o dai cookie; derivare da analisi sul cliente (quanto e cosa ha comperato, eccetera); ancora essere prodotti dall’uso di tecniche che consentono la correlazione tra più dati (il che può arrivare ad avere informazioni di una certa importanza quali la previsione dello stato di salute dell’individuo oppure quanto è disposto a spendere e via di questo passo).
Una volta collezionati tutti i dati e archiviati nei vari sistemi di storage il primo pericolo per l’azienda è perderli di vista, non avere più traccia del fatto di possederli.
D’altra parte, la numerosità dei canali di comunicazione fa sì che le persone interessate, i clienti, abbiano grandi difficoltà nel comprendere come i loro dati vengano integrati tra loro e trattati.
A questo proposito, la questione delle informative e dei relativi moduli di raccolta di consenso è cruciale: i principi normativi indicano che una descrizione troppo vaga e generica delle finalità del trattamento determina la nullità del consenso.
Anonimizzare i dati (ovvero trattarli utilizzando tecniche informatiche che impediscono di identificare la persona cui fanno riferimento) non sempre può risolvere il problema della privacy, perché è possibile in alcuni casi riuscire a individuare l’interessato anche se le informazioni possono apparire anonime, per esempio facendo customer analytics, attraverso la fusione di diverse banche dati.
Il GDPR, il Regolamento generale sulla data privacy recentemente introdotto, è stato pensato dal legislatore europeo proprio per rafforzare la tutela dei dati personali dei cittadini dell’Unione a fronte dei nuovi rischi derivati dall’evoluzione delle tecnologie digitali.
Big Data management e GDPR, la gestione dei dati personali nell'epoca del nuovo Regolamento europeo
L’impatto del Regolamento generale sulla data privacy impatta tutte le fasi del trattamento dei dati personali e, inevitabilmente, riguarda anche la customer analytics.
Le aziende devono essere in grado di progettare servizi e applicazioni che utilizzino dati dei consumatori secondo due criteri principali, nuovi, introdotti dal GDPR. Si tratta, in primo luogo, dell’approccio privacy by design, che implica il fatto che si deve considerare la privacy a partire dalla progettazione del servizio o del processo aziendale (con le relative applicazioni a supporto) per cui sono utilizzati i dati personali, in modo proattivo e non a posteriori.
D’altra parte, secondo l’impostazione privacy by default, si richiede che l’uso dei dati personali sia esclusivamente circoscritto allo specifico servizio per cui sono stati raccolti e per un periodo prestabilito di tempo.
Insomma, in queste due indicazioni risulta evidente il fatto che i cittadini (con le informazioni che li riguardano) sono prioritari rispetto alle finalità aziendali con cui sono pensati i servizi.
Un’ulteriore rivoluzione è introdotta dalla normativa con il principio dell’accountability per cui sta al titolare del trattamento dei dati dover dimostrare di avere adottato tutte le policy, le misure pratiche e organizzative, le tecnologie tese a far sì che i suddetti principi e, in generale, tutto l’impianto normativo del GDPR sia rispettato in azienda. Non sono cioè indicate soluzioni tecniche o misure da adottare, si richiede che l’azienda si organizzi e sappia dimostrare di essere conforme alle norme.
Contact center e protezione dei dati del cliente
Il contact center è il sistema principale su cui si basa la gestione della customer experience in un’azienda: attraverso di esso sono gestite tutte le relazioni con il cliente che si effettuano nei diversi canali di comunicazione messi a disposizione dall’azienda.
Inevitabilmente, quindi un sistema di questo tipo raccoglie una serie di informazioni sulla clientela e deve essere adeguato a tutte le normative per tutelarle correttamente. Quindi i contact center sono tenuti a garantire misure procedurali, tecniche e informatiche progettate per assicurare conformità alle normative sulla privacy; ad assicurare integrità e riservatezza dei dati prevenendo o minimizzando i rischi di perdita, distruzione o divulgazione non autorizzata dei dati; a osservare i criteri di salvaguardia dei dati fin dalla progettazione dei servizi.
Più nel particolare, un software per contact center deve perciò offrire tutta una serie di funzionalità, quali quelle crittografiche e la pseudonimizzazione (ossia la possibilità in automatico di conservare le informazioni dell’utente in una forma che ne impedisca l’identificazione in modo definitivo, proteggendole anche se ci si deve interfacciare con banche dati di clienti o prospect).
Il Garante della privacy è anche intervenuto in relazione al fatto che i sistemi di contact center sono sempre più dotati di intelligenza artificiale e lo ha fatto indicando che, anche in questi casi, l’approccio tecnologico deve essere incentrato sulla prevenzione e attenuazione dei potenziali rischi relativi al trattamento dei dati personali anche se, appunto, le capacità cognitive applicate per utilizzare i dati sono di una macchina, invece che di un essere umano.
