Appunti di Modelli di Business e Business Intelligence (Digital Business), Sbobinature di E-Business

Scarica Appunti di Modelli di Business e Business Intelligence (Digital Business) e più Sbobinature in PDF di E-Business solo su Docsity! Sommario Introduzione al corso................................................................................................................................... 9 Cosa è un e-business? .............................................................................................................................. 9 What is the McDonald’s business model? Cosa fa McDonald? ............................................................. 9 Chi ha creato l’e-business? ...................................................................................................................... 9 Che cosa è la business intelligence? ...................................................................................................... 10 Generating a business model: canvas ........................................................................................................ 11 Value proposition: valore proposto ..................................................................................................... 12 - Novelty ........................................................................................................................................ 13 - Performance ............................................................................................................................... 13 - Customization ............................................................................................................................ 13 - Getting the job done .................................................................................................................. 14 - Design ......................................................................................................................................... 14 - Brand o status ............................................................................................................................ 14 - Prezzo ......................................................................................................................................... 14 - Riduzione dei costi .................................................................................................................... 14 - Riduzione del rischio ................................................................................................................. 14 - Convenienza o facilità d’uso ..................................................................................................... 14 Customer segments: segmenti .............................................................................................................. 15 - Mercato di massa (Mass market) ............................................................................................. 15 - Nicchia di mercato (Niche market) ........................................................................................ 15 - Segmentazione di mercato (Segmented market) .................................................................... 15 - Diversificazione (diversified) .................................................................................................... 15 - Segmenti interdipendenti (Multi-sided platforms) ................................................................. 15 Channels: canali di comunicazione ...................................................................................................... 15 - Diretti e indiretti (Direct vs Indirect channel) ........................................................................ 16 - Di proprietà o partner (property vc partner channel) ........................................................... 16 Customer relationship: relazioni con i clienti ..................................................................................... 17 - Personal assistance .................................................................................................................... 17 - Dedicated personal .................................................................................................................... 17 - Self-service ................................................................................................................................. 17 - Automatic services ..................................................................................................................... 17 - Communities .............................................................................................................................. 17 - Co-creation ................................................................................................................................. 17 Revenue streams: flussi di ricavi .......................................................................................................... 18 - Asset sale (risorsa) ...................................................................................................................... 18 - Usage fee ..................................................................................................................................... 18 - Subsccription fees ...................................................................................................................... 18 - Licensing ..................................................................................................................................... 19 - Brokerage fees ............................................................................................................................ 19 - Advertising (pubblicità) .............................................................................................................. 19 Key resource: risorse chiave ................................................................................................................. 20 - Materiali ..................................................................................................................................... 20 - Financial ..................................................................................................................................... 20 - Intellectual .................................................................................................................................. 20 - Human ........................................................................................................................................ 20 Key activities: attività chiave ............................................................................................................... 20 Key partnership: collaborazioni chiave ............................................................................................ 21 - Not competitor alliance ............................................................................................................. 21 - Competitor allinaces .................................................................................................................. 21 Il processo di business intelligence ........................................................................................................... 77 Quali sono i fattori principali utilizzati in un processo di BI? ............................................................. 78 Data mining ................................................................................................................................................ 80 Input data ................................................................................................................................................... 82 1. Variabili di tipo categorico ........................................................................................................... 82 2. Variabili di tipo numerico ............................................................................................................ 82 Metodologie di analisi ............................................................................................................................... 83 - Analisi supervisionata ................................................................................................................... 83 - Analisi non supervisionata ............................................................................................................ 83 Le funzioni dell’analisi .............................................................................................................................. 84 1. Caratterizzazione e discriminazione (supervised) ...................................................................... 84 2. Classificazione (supervised) .......................................................................................................... 84 3. Regressione (supervised) ............................................................................................................... 84 4. Analisi delle serie temporali (supervised) .................................................................................... 85 5. Regole di associazione (unsupervised) ......................................................................................... 85 6. Raggruppamento (unsupervised) ................................................................................................. 85 7. Descrizione e visualizzazione (unsupervised) .............................................................................. 85 Data Preparation ....................................................................................................................................... 85 Data Preparation: Data Cleaning ............................................................................................................ 86 1. Incomplete data o incompletezza ................................................................................................. 86 2. Noise o rumore ............................................................................................................................... 87 3. Inconsistenza .................................................................................................................................. 87 Processo per la Data Preparation: Cleaning ........................................................................................... 88 Software di data mining: WEKA ............................................................................................................. 89 Weka Explorer ....................................................................................................................................... 90 Applicare dei filtri agli attributi ....................................................................................................... 90 Esercizio: data cleaning, pulizia di un dataset con Weka .............................................................. 94 Data Preparation: Data Transformation .............................................................................................. 101 1. Discretizzazione (discretization)................................................................................................. 101 Come discretizzare le variabili? ....................................................................................................... 102 2. Estrazione di valori (feature extraction) ................................................................................... 102 3. Standardizzazione o normalizzazione ........................................................................................ 103 Processo per la Data Preparation: Trasformation ............................................................................... 104 Weka Explorer ..................................................................................................................................... 104 Esercizio: data trasfromation, trasformazione dei dati con Weka ............................................. 104 Data Preparation: Data Reduction ........................................................................................................ 108 1. Sampling ....................................................................................................................................... 108 2. Riduzione qualitativa dei dati .................................................................................................... 108 3. Feature selection .......................................................................................................................... 108 Processo per la Data Preparation: Data Reduction ............................................................................. 109 Weka Explorer ..................................................................................................................................... 109 Esercizio: data reduction, riduzione dei dati con Weka .............................................................. 109 Data Exploration ..................................................................................................................................... 110 Analisi univariata: Univariate ............................................................................................................ 110 1. Analisi grafica .......................................................................................................................... 111 2. Analisi di tendenza .................................................................................................................. 112 3. Analisi di dispersione .............................................................................................................. 113 4. Analisi delle distribuzioni di frequenza ................................................................................. 116 Weka Explorer ..................................................................................................................................... 117 Esempio: Excel e data exploration ................................................................................................. 117 Analisi bivariata: Bivariate ................................................................................................................ 119 1. Analisi grafica .......................................................................................................................... 119 2. Correlazione ............................................................................................................................. 119 Esempio: data exploration e analisi bivariata ............................................................................... 121 Analisi multivariata: Multivariate ..................................................................................................... 122 Regressione .......................................................................................................................................... 122 Modello di regressione lineare semplice ........................................................................................ 124 Modello di regressione multipla ..................................................................................................... 125 Valutazione dei modelli di regressione .............................................................................................. 126 Significato dei coefficienti ............................................................................................................... 126 Analisi della varianza ...................................................................................................................... 127 Coefficiente di determinazione ....................................................................................................... 128 Multicollinearità delle variabili indipendenti ............................................................................... 128 Esempio: regressioni su Weka ............................................................................................................ 129 Selezionare le variabili predittive ...................................................................................................... 131 Esempio: costruttore di automobili e capire quali caratteristiche deve avere l’auto per essere economica ed efficiente ................................................................................................................... 132 Modelli di classificazione ........................................................................................................................ 137 Valutazione dei modelli di classificazione ......................................................................................... 139 Metodi per definire il training e validation set ................................................................................. 140 Matrice di confusione .......................................................................................................................... 142 Esercizio: applicazione della matrice di confusione ..................................................................... 144 Roc curve charts ...................................................................................................................................... 145 Classification trees ................................................................................................................................... 146 Splitting rules ....................................................................................................................................... 149 Criteri di arresto .................................................................................................................................. 149 Criteri di potatura ............................................................................................................................... 150 Esercizio: modelli di classificazione su Weka ....................................................................................... 150 - Amazon: vendita a dettaglio dei prodotti - Meteo.it: offre un servizio ad un segmento di clienti che ricevono gratuitamente il servizio ma guadagnano dai banner pubblicitari degli inserzionisti - Criteo.it: guadagna offrendo un servizio di matchmaking tra inserzionisti e chi offre pubblicità - Netflix: guadagna dalla vendita di abbonamenti e dalla personalizzazione nel senso che tutti i dati generati vengono utilizzati per personalizzare i contenuti che l’utente finale ottiene come suggeriti (sistema di raccomandazione: raccoglie tutti i dati e li utilizza per creare un profilo dell’utente e fa un matching tra il profilo ed i prodotti e si traduce in percentuale di compatibilità) gran parte dell’ utilizzo della piattaforma deriva proprio dai prodotti suggeriti. Il modello di business non è basato sull’abbonamento ma sulla personalizzazione quindi l’algoritmo è la colonna portante. I costi di Netflix saranno maggiori e la condivisione degli account sarà a pagamento in quanto non rientra più nei costi per comprare i diritti per trasmettere i film in quanto i contratti con le case di distribuzione sono cambiati. - Pinterest: Pinboard (lavagna con spiillette)+interest(interesse) vendono dati, gli utenti inseriscono le loro idee nel sito e questi dati vengono acquistati da imprese esterne - Uber, airbeb: sono basati sulla sharing economy, se ho risorse non utilizzate le inserisco in piattaforma e ottengo un guadagno - Metaverso: pay to earn vengo pagato se gioco Esistono diversi modi per fare business, cercheremo di capire quali sono gli strumenti teorici e pratici per poterli studiare. Che cosa è la business intelligence? La business intelligence è quel processo presente in tutti i business di analisi dei dati per estrarre la conoscenza, tutti i modelli di business alla base hanno degli scambi di informazioni e transazioni che avvengono sottoforma di dati che possono essere analizzati per produrre informazioni importanti che mi aiutano a migliorare e perfezionare il business. Vedremo quali sono i dati utilizzati, gli algoritmi che vengono utilizzati per gestirli. Diventa fondamentale la business intelligence perchè se immaginiamo il mercato come costituito da imprese e clienti abbiamo che i clienti danno del denaro alle imprese per ottenere i beni, le imprese però contattano i clienti per customer care, piani di fedeltà e l’utente risponde a questi stimoli con delle valutazioni; è uno scambio reciproco, in ogni scambio ci sono dei dati fondamentali che sono l’essenza della business intelligence. C’è sempre una fase di preparazione del dato, di esplorazione del dato e di data mining (scavare nei dati) e regole associative e algoritmi che ci permettono di estrarre le informazioni che verranno utilizzate per migliorare il business. Vedremo uno strumento di data mining Weka Esempio: Seconda guerra mondiale gli alleati avevano un problema con gli aerei che venivano abbattuti facilmente, volevano capire come rafforzare la struttura per ridurre il numero di aerei abbattuti. Per cercare di risolvere il problema hanno segnato i colpi ricevuti dagli aerei che rientravano alla base, i punti rossi sono i colpi che l’aereo può sopportare senza essere abbattuto. Quindi i punti da rafforzare sono quelli senza punti rossi perché quelli tornati alla base hanno portato queste informazioni: - Definizione del problema: capire come rafforzare gli aerei per non farli cascare - Dati raccolti: i punti rossi sono i colpi ricevuti dagli aerei rientrati alla base - Il complemento dei puntini rossi sono i punti in cui gli aerei vengono colpiti e cascano - Soluzione: rafforzare le aree bianche Generating a business model: canvas Andremo a definire cosa è un business model e come questo viene utilizzato nel business, analizzeremo che cosa è un business canvas osservandone tutti gli elementi e non soltanto come una impresa lavora. Principalmente il canvas viene utilizzato per: - descrivere una impresa esistente sul mercato - sviluppare una idea di business infatti è la prima cosa che viene utilizzata per trasformare l’idea in qualcosa che può essere descritto in maniera dettagliata in tutti gli elementi e componenti Diamo una definizione di business model, ci sono molte definizioni a riguardo ma una delle più utilizzate e accettate è la seguente: un business model è uno schema che descrive come una impresa genera, trasferisce e ottiene valore. Quindi mette in evidenza tre elementi: - generare valore per i clienti che comprano il prodotto - trasferire valore - ottenere valore Pensiamo ad una impresa che conosciamo. Per esempio, Fiat, un’automotive company. Qual è il valore creato da Fiat? Fiat vende automobili, quindi, crea valore costruendo automobili. In realtà vedremo che non è esattamente così ma assumendo che il valore creato da fiat sia la macchina, descriveremo come Fiat crea, genera il valore attraverso le macchine, come trasferisce (vende), comunica il valore ai clienti e anche come fiat ottiene valore. Qual è il valore ottenuto da Fiat? Revenues (Ricavi), soldi. Generalmente un business model piò essere descritto dai seguenti elementi base che rappresentano i pilastri: - customers sono i clienti che comprano il prodotto ottenendo il valore creato dall’impresa - prodotti, servizi o bundle (insieme di prodotti) - infrastrutture web, impianti e risorse utili alla creazione del valore - fattibilità economica (economic feasibility) significa controllare se i costi sono più bassi dei ricavi e quindi la capacità dell’impresa di generare profitto perchè altrimenti significherebbe andare in perdita e quindi non avrebbe senso costruire quel business Pe descrivere il buisness model utilizziamo il business model canvas i cui principali elementi sono 9; un esempio di canvas è il seguente: - customer segments - value proposition - channels - customer relationship - revenue strams - key resources - key activities - key partnership - cost structure Li spiegheremo tutti partendo da quello a metà poiché è il più importante. Impareremo a compilare ognuno di questi elementi. Value proposition: valore proposto È il valore proposto ed è l’elemento più importante perchè una volta descritto questo elemento siamo in grado di individuare quali sono i prodotti da produrre, quali sono i segmenti a cui rivolgerci e così via. Esistono diverse definizioni di valore proposto, ne vedremo alcune. 1) Il valore proposto è definito come un insieme di prodotti e servizi che generano valore per uno specifico segmento di clienti. Cosa significa bundle? Esso è una combinazione di prodotti e servizi venduti da una impresa; un esempio sono le console ps4 che viene venduta insieme a dei giochi inclusi, abbiamo due prodotti messi assieme. Cosa significa che questo bundle genera valore per uno specifico segmento di clienti? Significa che il bundle è un value proposition solo se esiste un segmento di clienti che pensa che quel bundle di prodotti e servizi abbia un certo valore. Quindi esiste una value proposition solo se un segmento di clienti apprezza un bundle. Se invece questi clienti non dessero valore al bundle, non esisterebbe la value proposition. 2) Una seconda definizione è che il valore proposto è la ragione per cui i clienti si spostano da una impresa verso un’altra. Pensiamo a Fiat. Qual è la value proposition di Fiat? Secondo questa definizione è produrre automobili. È questa la ragione per cui ci muoviamo da BMW a Fiat? Non è possibile. Qual è la ragione per cui i clienti si spostano da un’impresa ad un’altra (es. da BMW a Fiat)? È perché le automobili Fiat sono meno costose ed è questa la value proposition di Fiat. Customer segments: segmenti Il secondo elemento del business model canvas sono i segmenti dei clienti interessati ad acquistare il valore proposto da una certa impresa, il segmento definisce il gruppo dei clienti o impresa che decidiamo di raggiungere e servire. I clienti del segmento hanno stessi bisogni e sono tra loro simili, ogni segmento è differente dall’altro: ogni cliente è omogeneo rispetto al proprio segmento ma i segmenti sono tra loro eterogenei. Tutti i modelli di business sono progettati a partire dai segmenti di clienti a cui ci si vuole rivolgere. Come scegliamo il giusto segmento? Abbiamo diverse possibilità, focalizzarci su: - Mercato di massa (Mass market) Ci riferiamo a qualsiasi persona senza distinzioni, cioè i segmenti sono l’intero mercato non ci sono differenze tra segmenti e tutti i clienti hanno gli stessi bisogni. Ad esempio, le mentos vanno bene per chiunque - Nicchia di mercato (Niche market) È una piccola parte del mercato con specifici bisogni e desideri, è basata principalmente su una relazione tra fornitore e cliente. Questi sono due modelli agli estremi e vengono spesso usate delle combinazioni intermedie (tra mercato di massa e quello di nicchia) per scegliere il segmento: - Segmentazione di mercato (Segmented market) Divide il mercato in segmenti e ne seleziona alcuni con caratteristiche specifiche. Un esempio è Coca- Cola, offre diversi gusti in base all’area geografica, infatti, alcuni gusti sono presenti solo in USA, non si riferiscono a tutto il mercato ma ad uno specifico segmento - Diversificazione (diversified) Significa che mi focalizzo su diversi segmenti offrendo ad ognuno un diverso valore proposto. Un esempio è Amazon il sito web principale offre prodotti fisici a tutti ma allo stesso tempo offre servizi come il cloud; il primo si riferisce ad un segmento di persone che cercano prodotti mentre il secondo ad un altro segmento alla ricerca di servizi e performance quindi ci sono due diversi valori proposti dalla stessa impresa. - Segmenti interdipendenti (Multi-sided platforms) Pensiamo alle imprese che vendono carte di credito (Visa o Mastercard) identifichiamo due segmenti i clienti che utilizzano le carte ed i punti vendita che consentono di pagare attraverso una carta di credito, questi due segmenti sono tra loro indipendenti: se non ho la carta non posso pagare nei negozi che offrono questo servizio, se il negozio non accetta il pagamento con la carta di conseguenza non posso pagare. Channels: canali di comunicazione Quale è il collegamento tra il valore proposto ed i segmenti? Sono i canali di comunicazione che definiscono come un’impresa (a firm) raggiunga i suoi customer segments e li trasmetta la sua value proposition. Essi rappresentano quindi la connessione tra la value proposition e i clienti. Ci sono diversi canali: canali di comunicazione, canali di distribuzione, canali di vendita. Cosa significa collegare? Significa raggiungere una serie di obiettivi, possiamo utilizzare i canali per: - introdurre prodotti e servizi ai clienti - aiutare i clienti a valorizzare il valore proposto - consentire l’acquisto di prodotti esercizi - distribuire il valore proposto ai clienti - dare assistenza ai clienti dopo l’acquisto Dobbiamo definire il valore proposto in quanto questo influenza tutti gli altri elementi: costruito il valore proposto e decisi quali sono i clienti siamo in grado di aiutare i clienti a valorizzare questo valore proposto attraverso i canali di comunicazione. Ad esempio, se andiamo sul sito Apple questo ci vuole comunicare che il valore proposto è la bellezza dei prodotti (design) se andiamo sul sito di Dell o Samsung il valore proposto è concentrato sulle caratteristiche del prodotto e sul prezzo. Scegliere il giusto canale di comunicazione è importante ma allo stesso tempo è ingannevole perchè se il mio valore proposto è concentrami sul prezzo ma non lo inserisco nel mezzo di comunicazione, il cliente non potrà visualizzarlo e cosi il mio business avrà una cattiva immagine. Molti piani di comunicazione falliscono perché non riescono a comunicare la vera value proposition (mismatch tra ciò che viene mostrato e la reale value proposition e ciò provoca insoddisfazione nei clienti). Ci sono diversi canali che hanno tutti in comune le seguenti fasi: 1) awareness 2) evaluation 3) purchase 4) delivery 5) after sales Queste fasi servono a far sapere al cliente che il prodotto esiste, ad attribuirgli un certo valore, a permettere di acquistare il prodotto, a consegnare il prodotto e ad offrire assistenza post-vendita. Esistono diversi tipi di canali: - Diretti e indiretti (Direct vs Indirect channel) Il web è un canale diretto per cui si ha una relazione diretta tra cliente e impresa, invece, un punto vendita è un canale indiretto perchè c’è un intermediario che vende il prodotto (Store Apple) - Di proprietà o partner (property vc partner channel) Proprietà significa che il canale è di proprietà dell’impresa mentre partner significa che il canale è di un’altra impresa ed è l’esempio dei Call Center. Queste tipologie di canali possono tra loro combinarsi ad esempio avere lo store Samsung all’interno di euronics significa canale diretto in quanto c’è la presenza di Samsung ma la vendita avviene in uno store partner che è quello di Euronics. Customer relationship: relazioni con i clienti Ricapitolando, usiamo questi canali per comunicare la nostra value proposition e impostiamo una specifica relazione con il cliente (customer relationship). Quindi in base ad uno specifico canale imposto una tipologia diversa di relazione con il cliente. Questa relazione può essere personal (vuol dire che c’è una persona che comunica con il cliente) o può essere automatic (non c’è una persona, ma un software, un forum o le FAQ). Si possono utilizzare entrambi i canali per diversi segmenti di clienti ed in alcuni caso posso selezionare uno specifico tipo in base allo scopo che mi prefiggo. In generale, iniziamo una relazione con i clienti per diversi obiettivi: - Ottenere nuovi clienti - Mantenere i clienti - Vendere di più (upselling) Vodafone, una impresa di telecomunicazioni: loro cercano di acquisire nuovi clienti quando offrono minuti o cellulari gratis, oppure cercano di trattenere i propri clienti facendo offerte ad hoc per coloro che potrebbero decidere di spostarsi verso un’altra compagnia o usando delle Loyalty cards (carte fedeltà). In certi casi l’obiettivo è quello di far incrementare la quantità di soldi che un cliente spende per acquistare i prodotti/servizi (ad esempio, quando offrono 2 gb in più ad un costo aggiuntivo di 2/3 euro). In alcuni casi sarebbe meglio avere una relazione personale con i clienti ma altre volte è meglio una relazione automatica. Ci sono diversi tipi di relazione con il cliente: - Personal assistance C’è una persona ma non è dedicata allo specifico utente (es. call center); - Dedicated personal Significa che per ogni cliente ho una persona associata a quel cliente (es. una banca); Queste due sono le forme più usate di Personal relationship, le altre sono Automatic. Alcuni esempi di relazioni automatiche sono: - Self-service Pensiamo a Facebook. Hanno molte value proposition, che sono offerte a diversi segmenti di clienti, più o meno un canale. Qual è la loro relazione con il cliente? Come comunicano con il cliente? C’è una sezione del sito dove puoi trovare domande e risposte (FAQ= Frequently Asked Question) - Automatic services Tutti gli strumenti o software che comunicano con gli utenti in maniera automatica (es. Netflix, il quale suggerisce serie o film consigliati agli utenti in base alle loro preferenze ed a ciò che hanno già visto; un altro esempio può essere Amazon); - Communities Ad esempio Fastweb o altre compagnie di telecomunicazione hanno forums, blogs. In questi casi c’è una community. Se c’è un problema puoi andare lì, postarlo e aspettare le risposte di persone dell’impresa o, come accade spesso, degli altri utenti che partecipano nei forums; - Co-creation In forte aumento. In alcuni casi la relazione con il cliente è co-creata con i clienti. Pensiamo ad esempio ad Amazon. Stai scegliendo le tue scarpe ma vuoi sapere se sono comode o meno. Cosa fai a questo punto? Scorri la pagina e vedi i giudizi e le recensioni fatte dagli altri utenti/clienti. La relazione di co- creation in questo caso sta nell’assistere il cliente nel suo acquisto. È anche il caso di Uber, Air BnB, Trip Advisor ecc. passeranno ad un’altra birra magari a quella più costosa e così via. Quando il prezzo della birra cambia a seconda dell’incontro tra domanda e offerta i flussi di ricavi del pub e il metodo di determinazione del prezzo definiscono il value proposition del pub e il suo modello di business. Quello che abbiamo descritto fino ad ora prende il nome di Value side, ora vediamo cosa occorre per far funzionare il business model nel mercato osservando la parte relativa al Cost side Key resource: risorse chiave Ci dobbiamo chiedere se voglio avere questo valore proposto da offrire ad un certo segmento, in modo tale da avere dei flussi di ricavi, canali etc quali sono le risorse necessarie alla mia impresa per iniziare il business? Sono le risorse fondamentali, senza le quali il business non potrebbe iniziare. Questo tipo di risorse possono essere di proprietà dell’impresa, acquistate o affittate all’esterno. Che tipo di risorse possiamo avere? Alcune risorse sono: - Materiali Sono qualcosa di quantitativo, tangibile (posso toccarle) ad esempio se voglio produrre delle auto avrò bisogno di un impianto di produzione di materie prime etc senza queste risorse non è possibile iniziare il buisness - Financial Sono i soldi e risorse finanziarie, ad esempio le banche non possono iniziare il business senza questo tipo di risorse, non sono tangibili ma sono indispensabili per avviare il business. alcune imprese non hanno bisogno di stabilimenti produttivi o di punti vendita ma possiedono le risorse finanziare come risorse chiave; - Intellectual Come brevetti e copyright, ad esempio per coca cola le risorsa chiave è proprio la ricetta, un cliente decide di bere Coca-Cola non per il brevetto ma per il suo sapore - Human Sono le risorse umane ed il capitale umano, per alcune imprese è la risorsa chiave, ad esempio per la produzione di maglioni di prestigio la manodopera è fondamentale, senza la quale il business si fermerebbe. Ad esempio, Leonello Cucinelli è un imprenditore italiano che realizza prodotti in cachemire, un materiale costoso e di lusso. Lui assunse parecchie donne esperte nel lavoro a maglia artigianale quindi la sua value proposition è che ogni prodotto è realizzato a mano da donne capaci e nate in Italia. In questo caso ovviamente le risorse chiave sono le donne. Senza di loro il business si sarebbe fermato perché non si può generare un vero prodotto artigianale “Made in Italy”). Key activities: attività chiave Cosa ho bisogno di fare per iniziare il business? Quali attività sono necessarie per avviare il business? Le risorse chiave non possono essere utilizzate senza le attività chiave. Queste attività possono essere: - produzione (ad esempio Fiat) - problem solving per le imprese di consulenza è fondamentale - platform o network per Facebook l’attività chiave è quella di migliorare e innovare sempre la piattaforma Key partnership: collaborazioni chiave Quali sono i partner con cui intraprendere delle relazioni di business per iniziare la mia attività? Sono i fornitori di cui ho bisogno per poter iniziare il business, la ragione per cui è fondamentale avere dei partner è perché non è possibile fare tutto da soli, sono chiave se senza di essi il business si ferma. Alcuni partner chiave sono: - Not competitor alliance Abbiamo due imprese che non sono tra loro in competizione ma che ognuna ha bisogno dell’altra per poter iniziare il business. Ad esempio, McDonald e Coca-Cola ognuna ha un proprio modello di business (Mc produrre cibo, coca produrre bevande) ma McDonald offre un menù completo utilizzando la Coca-Cola e al tempo stesso Coca-Cola riesce a vendere i suoi prodotti in tutto il mondo incrementando le vendite. McDonald senza la partnership con Coca-Cola non sarebbe in grado di offrire un menu completo. - Competitor allinaces Casi in cui la relazione avviene tra imprese dello stesso settore che sono tra loro in competizione. Ad esempio, Apple e Samsung sono sempre in competizione per aumentare le proprie quote di mercato ma sono anche partner perchè per altri dispostivi non sono in competizione come le tv ed i monitor. Infatti, Samsung realizza i migliori display quindi Apple ha due opzioni: cercare di migliorare i propri display oppure comprarli da Samsung. Queste opzioni hanno dei pro e dei contro perché: • per Apple comprare i display significherebbe non spendere i soldi per produrli internamente, sviluppare R&C (buy) ma dall’altro l’acquisto dipende direttamente dal concorrente Samsung. • per Samsung ci sono dei pro e dei contro, vendo al mio concorrente diretto i miei migliori display e quindi faccio aumentare le sue vendite ma dall’altro lato ottengo ricavi sicuri da questa vendita. Per questo motivo hanno una relazione che conviene ad entrambi. Possiamo dire che sono l’un l’altro dei key partner, si tratta di una decisione di make or buy perchè le imprese non vogliono la concorrenza in quanto è rischiosa. Concorrere infatti è rischioso perchè non è detto che tutti gli investimenti si traducono in ricavi, quindi intraprendere delle relazioni con dei partner competitor sono dei modi per: • abbattere il rischio perchè investire in ricerca e sviluppo ed innovazione non assicura che il business sia vincente ed è quello che fa apple • sfruttare le economie di scala quindi efficienza produttiva cioè saturare la produzione per ridurre i costi interni (per evitare il disavanzo vado a saturazione) se Samsung produce la sua capacità massima ovviamente non sarà in grado di utilizzare tutti i display per i propri prodotti quindi sfruttando le economie di scala vende il disavanzo ad apple ottenendo dei ricavi (se non saturo la produzione è una inefficienza, se la saturo ho disavanzo) - Joint venture for new business development Due imprese intraprendono una relazione per avviare un nuovo modello di business. Ad esempio, Pepsi e Starbucks, Starbucks vende caffè nei propri punti vendita e il frappuccino per cui si distingue lo puoi bere solo nei suoi store; pepsi invece vende i suoi prodotti in diversi punti vendita che non sono di proprietà come i supermercati. Starbuck per poter vendere i prodotti in mercati diversi dai propri punti vendita Starbucks ha deciso di effettuare una venture con pepsi per entrare in nuovi mercati utilizzando gli impianti, materiali, logistica di pepsi risparmiando sui costi: ha introdotto la vendita del frappuccino in mercati diversi dai propri punti vendita. Le relazioni chiave con i partner sono necessarie per: 1) Ottimizzare il business: economie di scala, se produco più unità del prodotto i costi si abbassano perchè spalmo i costi fissi su più unità prodotte. Assumendo per esempio che Pepsi produce 1 milione di bottiglie, se raddoppiano la produzione per il frappuccino loro riducono il costo marginale di ogni singola bottiglia perché tutti i costi fissi saranno divisi per un numero più alto di bottiglie. 2) Ridurre il rischio e l’incertezza: in alcuni casi unirsi in una partnership riduce il rischio associato al mercato, un esempio è la Blu-ray Disc Association. Alcuni anni fa c’erano 2 standards di supporti video come i Bluray disk e gli HD-Disk, in questi anni tutte le imprese in questo mercato, compagnie di elettronica (LG HITACHI TDK SHARP), ma anche altre come Walt Disney che producevano contenuti e avevano bisogno di strumenti per riprodurli, dovevano decidere quale tipo di formato supportare; era difficile prevedere quale formato avrebbe vinto negli anni in futuro, quindi cosa fecero? Si unirono tutte in una partnership con la Bluray disc Association e tutte decisero di seguire il formato Bluray, così ridussero il rischio e in un certo senso indussero la scelta del formato al mercato. 3) Acquisire risorse o attività che un’attività non possiede (è il caso visto di Starbucks) Questi elementi sono tutti collegati tra loro, potremmo quindi capire cosa succede al business se uno di questi elementi dovesse cambiare; quello a cui puntano le imprese non è tanto al taglio dei costi ma aumentare il valore (revenue) senza aumentare i costi e senza cambiare l’infrastruttura esistente. Esercizio: Business Model di Amazon Ed è un pò quello che ha fatto Amazon perchè all’inizio è partita con: - Value: marketplace, prezzi bassi, prime, rimborso - Segmenti: clienti che acquistano online - Ricavi: asset sales - Canali: online - Relazioni: automatiche - Attività: piattaforma aggiornata - Risorse: server - Partner: venditori terzi - Costi: associati a tutte le attività, risorse e partner Ad un certo punto per aumentare i ricavi e non i costi hanno inserito una value proposition che possa andare d’accordo con l’infrastruttura esistente offrendo un servizio diverso: hanno introdotto Amazon web servicies offrendo a business e consumer di utilizzare i serve di Amazon per svolgere le attività. Nuovo servizio=nuovi clienti=nuovi ricavi con la stessa infrastruttura. Esercizio: Business Model di Netflix È un po’ anche quello che ha fatto netflix che all’inizio ha offerto poco ai produttori di film per ottenere la licenza, aprendo un mercato. Alla ricontrattazione i diritti sono aumentati quindi aumentano i costi quindi la fattibilità economica si riduce e il profitto si Ecco che risulta uno strumento valido per analizzare come evolvere il business e per valutare la fattibilità economica di un’idea di business: - il mio valore ha dei clienti? Osservo lo schema in alto a destra, s l’idea ha mercato passo allo schema in alto a sinistra e verifico la fattibilità tecnica. Se la fattibilità tecnica è positività procedo con la fattibilità economica ricavi>costi Soltanto dopo aver verificato questo si procede alla realizzazione pratica. Esercizio: Business Model di McDonald’s Trovare il modello di business di una impresa per un prodotto qualsiasi offerto sul mercato - value proposition: - Per questa value quali sono i segmenti? - Per questa value e segmento quali sono i flussi di ricavi? - per ogni valore e segmento quali sono i canali? Quali sono le relazioni con i clienti? - per ogni valore (uno alla volta) individuo: attività, risorse e partner - Per ogni partner, attività e risorse individuo i costi più importanti che sono generati Esercizio: Business Model di Apple Il primo step per completare il canvas è iniziare dal value proposition. 1) Value proposition Per poter individuare questi valori ci chiediamo: quali sono le ragioni per cui le persone preferiscono i nostri prodotti e servizi invece di preferire quelli dei main competitor? Cosa ci distingue? Identifichiamo delle caratteristiche attraverso delle etichette: • Operative system: sistema operativo chiuso, sicuro, robusto, ecosistema di prodotti e software etc. • Brand/status: premium aspects, design, performance • Risk reduction: riduzione dei rischi, garanzia, apple care e sostituzione • Professional use • Visibility Elencare tutti i valori e dopo effettuare una azione di sintesi per ricercare il minimo comune multiplo tra alcuni valori che magari abbiamo identificato come differenti ma che di base potrebbero essere accorpati sotto un’unica etichetta. 2) Customer segments Successivamente si identificano i segmenti, per essere certi di non dimenticare nulla, per ogni valore ci chiediamo: - quali sono i segmenti interessati a questo valore proposto? - quali è il segmento legato a quel valore proposto? • Sistema operativo chiuso o I consumatori interessati ad un sistema operativo chiuso sono pochi quindi ci riferiamo ad una stretta parte del mercato. Sono i consumatori identificati come user friendly interessati a prodotti semplici da utilizzare • Brand/status o I consumatori che associano il brand al proprio status, identificandosi nei prodotti, sono quelle persone dal reddito alto disposte a pagare di più • Risk reduction o Sono sempre quei consumatori che cercano la sicurezza e la facilità d’uso nei prodotti quindi user fiendly • Professional use o Gruppo di utenti diverso da quello precedentemente individuato in quanto vede in questa value il proprio lavoro quindi potrebbero essere icontent creator, designer, produttori di musica • Visibility o Ritrobiamo i Developers che utilizzano il brand per commercializzare le loro app e guadagnare attraverso l’App store Si identificano i seguenti segmenti: a) User friendly and rich people b) Media creator e designers • Ricerca & Sviluppo: costo delle risorse umane (stipendi) • Attività di marketing: costo delle pubblicità (stipendi) - Quali sono i costi associati ai partner chiave? • Sponsor, Samsung, C&C, Euronics, Mediaworld: costi vari associate ai partner • Fornitori materie prime e componenti: costo dei componenti premium Possiamo riassumere quanto appena detto nello schema del business model canvas: Che succede se elimino dei contratti con alcuni fornitori di materie premium? - riduco i costi - riduco una parte della value proproposition Premium - perdo qualche segmento di clienti - perdo delle vendite e quindi flussi di ricavi Con l’introduzione della Apple TV, Apple ha aggiunto una nuova value proposition (streaming di contenuti), ha raggiunto nuovi clienti interessati all’AppleCare TV, quindi h generato nuovi flussi di ricavi. Per fare tutto ciò l’infrastruttura è rimasta la stessa. Quando si fa innovazione non è una questione di abbattere i costi o aumentare i ricavi in maniera brutale, le scelte aziendali hanno lo scopo di individuare soluzioni che permettano di fare leva sulla parte destra in modo tale da lasciare invariata la parte sinistra. • OS closed (safe,ecosyst em) • Brand/status (premium) • Risk reduction • Professional use • Visibility • Use friendly, rich people • Media, creator, designers • Developers • Website • Stores • Media • App store • Automatic • Personal • Asset sales • Subscription fee • Brokerage fee • Ricerca&Svil uppo • Marketing • Ingeg., designers, software dev. • Infrastruttura IT • Brevetti • Esperti marketing • Sponsor • Fornitori materie prime • Samsung • C&C • Euronics • Mediaworld • Costo risorse umane • Costo infrastruttura IT • Costo proprietà intellettuale • Costo pubblicità • Costi dei parter • Costi componenti premium Generating a business model: Patterns Parleremo dei patterns cioè degli schemi, andremo a descrivere come i modelli di business più utilizzati lavorano utilizzando come base dei propri modelli di business questi schemi. I meccanismi al di sotto di un modello di business, seppur tra loro diversi, sono sempre gli stessi anche se i segmenti, clienti e altri aspetti del business canvas potrebbero risultare in un primo momento diversi da impresa ad impresa. È importante riconoscere un pattern perchè nel momento in cui descriviamo un business model è utile sapere da quale pattern (schema) questo deriva. Possiamo dire che sostanzialmente il pattern aiuta a formulare meglio il business model canvas di una impresa. Vedremo 5 modelli di pattern: - Unbundling business models: è quello più utilizzato e riguarda diverse decisioni strategiche - The long tail - Multi-sided platforms - Free as a business model: sono modelli di business che si basano sul fatto di offrire gratis i prodotti o servizi ai propri clienti (esempio sono le app che vengono messe sullo store gratuitamente) - Open business models: sono modelli basati sulla condivisione di conoscenze Un-bunbdling business models È modello di business che descrive il comportamento adottato dalla maggior parte delle imprese sul mercato; un-bundling significa separare un bundle, dove per bundle si intende mix di prodotti e servizi. Alla base di questo modello vi è il concetto di separare qualcosa, dividere degli aspetti importanti del business model e focalizzarsi su altri necessari per la vita dell’impresa. In generale, la maggior parte delle imprese sono solite raggiungere i seguenti obiettivi: - Customer relationship business: riguarda la gestione delle relazioni con i clienti; per esempio alcune attività che potrebbero essere fatte per raggiungere questo obiettivo sono formazione sui dipendenti - Produce innovazion business: attività che riguardano l’innovazione del prodotto o servizio; alcune attività potrebbero essere: fare molta ricerca e sviluppo, investire denaro per acquistare brevetti o innovazioni dall’esterno e cosi via - Infrastructures business: risorse necessarie al mantenimento del business model, riguardano sia le risorse materiali, virtuali etc. Un esempio potrebbe essere quello di migliorare tutta l’infrastruttura di base per commercializzare i prodotti Questi tre obiettivi che abbracciano tre diversi aspetti, quali: economico, competitivo e culturale sono alla base del business di qualsiasi impresa e fallire nel raggiungimento di uno di questi obiettivi significherebbe fallire il business oppure perdere profitti. Nella realtà quello che succede è che è vero che l’impresa deve seguire questi tre obiettivi (che variano da impresa ad impresa, da settore a settore) ma allo stesso tempo questi non potranno mai essere raggiunti con risorse interne all’impresa stessa in quanto significherebbe investire molte risorse finanziarie in obiettivi che magari potrebbero essere in conflitto tra loro nel tempo. Per questo motivo l’ideale sarebbe quello di focalizzarsi su un solo obiettivo, al massimo due, facendoli internamente e magari per il terzo riferirsi ad imprese terze, quindi ricorrere all’outsourcing. Ad esempio, una impresa che si focalizza sull’innovazione dei prodotti, potrebbe acquistare le risorse necessarie all’infrastruttura da una impresa specializzata e dare in outsourcing ad un’altra impresa la gestione delle relazioni con i clienti. Esempio: impresa mobile Vodafone Questa impresa segue questo tipo di pattern di un-bundeling in quanto si focalizza su uno o al massimo due obiettivi. Sicuramente: - devono gestire le relazioni con i clienti perchè hanno da gestire tutte le richieste e problemi che bisogna risolvere, quindi devono fornire le migliori relazioni altrimenti i clienti vanno via - devono innovare in tecnologia e prodotti offerti (4G, 5G) e per fare ciò serve un miglioramento dell’intera infrastruttura, senza la quale non funzionerebbe il business - Devono migliorare anche l’intera infrastruttura Raggiungere questi tre obiettivi è difficile e allo stesso tempo dispendioso in termini di risorse, Vodafone ha deciso di: - relazione con i clienti è il main asset cioè l’obiettivo chiave, è quello su cui si basa l’intero modello, è stata una delle prime imprese di telefonia mobile a sviluppare una applicazione dedicata, dei programmi fedeltà - Innovazione dei prodotti è fatta in outsourcing, compra l’innovazione da imprese piccole specializzate nell’innovazione - Utilizza l’infrastruttura di altre imprese, acquistando il servizio da Telecom Questo è un esempio di come una impresa si focalizza su un solo obiettivo chiave (KEY ASSET) su cui concentrare tutte le risorse e affidare a terzi le attività per raggiungere gli altri due obiettivi. Alla fine degli anni 90 l’obiettivo chiave era quello di concentrarsi sull’infrastruttura, successivamente l’obiettivo si è spostato sui servizi e prodotti da offrire ai clienti. Possiamo quindi dire che alla base del pattern un-bundeling vi è la focalizzazione delle attività su un unico obiettivo e la terziarizzazione delle attività che consentono il raggiungimento degli altri due. In alcuni casi gli obiettivi chiave evolvono nel tempo perchè le imprese partono magari facendo tutte le attività internamente ma con il tempo il valore si muove da un obiettivo verso un altro e di conseguenza bisogna adattare il modello di business. come risolvono il problema? Amazon ha moltissimi venditori di terze parti che conservano i prodotti che vendono all’interno dei loro magazzini; quindi, non tutti i prodotti che vediamo sul sito di Amazon sono di proprietà o sono nello storage plan (piani di archiviazione) di Amazon 2) Netflix Sicuramente ne fa parte, ne abbiamo parlato, hanno sia prodotti blockbuster che di nicchia nel loro catalogo; quali sono gli inventory costs? Sono bassissimi, loro hanno bisogno di una sola copia del film o della serie tv, i costi sono tutti associati alle piattaforme quindi ai server, che ti rendono facile e veloce la ricerca del tuo prodotto. 3) Ebay Anche qui troviamo prodotti di massa di tutti i tipi ma anche prodotti molto specifici e di nicchia come ad esempio Uovo Kinder personalizzati con all’interno dei giocattoli particolari molto difficili da trovare altrove anche a prezzi elevati perché chiaramente chi li vendeva poteva metterli a prezzi alti visto che non si trovavano in altri store. È possibile fare ciò per Ebay sia per la solid platform rappresentata dal sito molto facile da usare, sia per gli inventory costs che sono molto molto bassi perché loro non hanno prodotti all’interno di store, ma mettono a disposizione la piattaforma a tutti i privati che vogliono vendere qualcosa. Anni fa questo modello di business non era fattibile per la mancanza di molti servizi che invece oggi sono presenti. Nel tempo c’è stata una democratizzazione nella produzione di alcuni prodotti e nella distribuzione; infatti, la produzione e la distribuzione sono semplificate rispetto ad anni fa. 1) Democratizzazione degli strumenti di produzione Ai giorni d’oggi è semplice produrre qualcosa, pensiamo all’industria musicale, 50 anni fa se volevi iniziare a fare musica dovevi affittare uno studio di produzione musicale, dovevi comprare strumenti ecc., era molto costoso e difficile produrre una canzone; oggi hai solo bisogno di uno strumento e della connessione della chitarra al tuo computer, è facile produrre! Quindi oggi ci sono strumenti a basso costo che facilitano la produzione di servizi come canzoni o libri (abbiamo bisogno solo di un pc con Word) o prodotti come quelli fabbricati ad esempio dalle stampanti 3d. 2) Democratizzazione della distribuzione Sempre pensando all’industria musicale, in passato se anche riuscissi a fare una canzone, per iniziare a distribuirla e commercializzarla, dovevi recarti alle case discografiche e pregarli di accettare e distribuire la tua canzone ecc., una su 1 milione ci riusciva. Oggi invece basta semplicemente caricarla su Youtube e tutti abbiamo l’opportunità di fare musica. Quindi essendoci queste 2 voci la diretta conseguenza è che sul mercato in generale ci sono tantissimi prodotti, sia popolari che di nicchia e dunque ha senso intraprendere questo modello di business. 50 anni fa c’erano solo qualche centinaio di bands in tutto il mondo, non aveva senso cercare di fare un Long Tail business model perché c’erano pochi prodotti di nicchia. 3) Riduzione dei costi per il collegamento di richieste e offerte Pensate a quanto è facile usare Youtube, basta caricare la tua canzone e subito raggiungi persone interessate al tuo lavoro anche dall’altra parte del mondo in pochi secondi. 50 anni fa questo tipo di connessione era difficilissima, come potevo sapere da Bari che i Red Hot Chili Peppers stavano nascendo in California? Era totalmente impossibile. Queste sono le motivazioni per cui ha senso adottare il Long Tail, ci sono tanti prodotti sia popolari che di nicchia, e ci sono strumenti gratuiti e molto facili da usare che ne facilitano la produzione di questi prodotti in tutto il mondo. Alcuni esempi in cui questo modello ha funzionato e altri in cui non ha funzionato. Esempio di successo: Lulu.com (editore) Siamo nell’industria della pubblicazione di libri; come funziona normalmente questo settore? Dunque, se tu scrivi un libro devi stamparlo e poi iniziare ad inviarlo a diverse case editrici come Mondadori Feltrinelli ecc.; sono un editore di Mondadori, leggo il tuo libro e come scelgo se pubblicarlo o no? In base a quanto sarà vendibile, mi chiedo se questo libro riuscirà a vendere molte copie: quindi nel mercato tradizionale della pubblicazione gli editori si focalizzano solo sui blockbusters che potrebbero ed ha senso perché hanno: 1) Magazzini limitati 2) Elevati costi di produzione cioè alti inventory costs visto che devono stampare i libri e piazzarli negli store, non possono avere tantissime copie di diversi tipi di libri 3) Difficoltà nel promuovere i prodotti, tipo nella Feltrinelli può essere complicato trovare un certo tipo di libro piuttosto che un altro. Questi sono i principali problemi per cui gli editori si trovano impossibilitati ad adottare il modello di buisness del long tail. In realtà cosi non è stato per Lulu.com. Lulu.com è un sito dove chiunque può scrivere un libro e caricarlo su questa piattaforma; gli autori caricano anche dei piccoli riassunti dei propri libri e chi si reca sul sito (readers) può leggere tutti questi riassunti e se sono di suo gradimento può chiedere di far stampare quel libro. Nel momento in cui si raggiunge un numero specifico di richieste di stampa, quel libro viene stampato e mandato a tutti coloro che ne hanno fatto richiesta. Qual è il business model di Lulu.com? E’ di tipo Long Tail perché stampano anche i tanti libri richiesti da un numero relativamente basso di persone (10 ad esempio) quindi parliamo di prodotti di nicchia che vengono venduti a prezzi anche elevati perché non si trovano altrove e allo stesso tempo per hanno costi di copyright bassi perché gli autori non sono conosciuti. - piattaforma solida dall’ampio numero di prodotti sia blockbuster che di nicchia - i prodotti di nicchia sono stampati solo al raggiungimento di una certa domanda di mercato - i costi di magazzino sono ridotti perchè quelle copie non sono fisicamente immagazzinate ma vengono messe in produzione solo dopo aver raggiunto un certo numero di richieste Pensiamo invece a Mondadori, concentrandosi sui libri blockbusters bisogna pagare alti costi di copyright perché chiaramente parliamo di autori molto famosi ed importanti. Esempio di insuccesso: Lego Factory Anche questa grande impresa che opera nel mondo dei giocattoli ha provato a adottare il Long Tail investendo nella LEGO FACTORY, un sito dedicato della Lego dove era possibile chiedere di produrre mattoncini e giocattoli specifici, di personaggi dei cartoni animati ad esempio, come I Simpson, e di farteli mandare a casa; tuttavia questo esperimento è andato avanti per un paio d’anni e poi è stato fermato, perché? Loro provarono a passare a un modello Long Tail, infatti, c’era una vasta gamma di prodotti tradizionali che vendevano da tanto tempo e ora una piccola parte di prodotti di nicchia (Lego dei Simpson, medievali, Star Wars...), ma perché si fermarono? Perché avevano inventory costs molto alti, era difficile in quel caso produrre tanti blocchi diversi per fare nuovi personaggi senza re-ingegnerizzare tutto il processo di produzione, non era affatto flessibile e sostenibile produrre così tanti tipi di prodotti. Quindi questo è uno dei casi in cui il Long Tail non può essere introdotto; però grazie a questo tentativo anche Lego ha avuto dei risvolti positivi; infatti, hanno scoperto che ci sono delle linee come Star Wars, Medieval, Tranformers, Simpsons che sono molto popolari e quindi decisero di tenere quelle linee particolari all’interno del loro processo di produzione, ed è la motivazione per cui le vediamo comunemente nei negozi. Lo schema di modello di business basato sul long tail è il seguente: Questo è solo un tipo di schema diciamo riguardante il bmc del Long Tail, in generale si presenta con Value Proposition dove ci sono chiaramente ‘prodotti e servizi di nicchia’ e ‘strumenti di produzione dei contenuti’ a cui sono associati rispettivamente nei Customer Segment o nei Key Partners a seconda del tipo di azienda ‘segmenti di nicchia’ e ‘fornitori di contenuti di nicchia’ , come Revenue Stream principale è presente la vendita dei prodotti di nicchia, nei Channel il più importante è senza dubbio Internet nella forma di website, applicazioni. Guardando al Left Side la maggior parte delle Risorse, Attività e Costi sono associate alle Platforms che è una delle condizioni principali per mandare avanti il nostro Long Tail bm (solid platforms) , e quindi allo sviluppo e la gestione di queste piattaforme. Quale fu il problema di questa scelta? Non avevano fatto i conti con la pirateria, c’erano tanti videogiochi che era possibile masterizzare e vendere nel mercato a nero, e ciò si traduceva in mancati ricavi per la PS3 che già aveva abbassato i costi della console; quindi, il modello di business adottato fallì, non c’era un ritorno economico effettivo dovuto alla scelta fatta di ridurre i prezzi delle console. Come risolsero questo problema? Hanno introdotto la community di playstation quindi flussi di ricavi derivanti da servizi aggiuntivi oltre che dalla vendita delle console. Se adesso comprate la PS4 o altre console come la PS5 , tu paghi la console e poi dopo averla presa ci sono molti altri servizi come il network che devi pagare in più, devi sottoscrivere un abbonamento per poterne usufruire e quindi comprare giochi o in generale giocare online, quindi in breve il business model è ancora di tipo Multi-sided: abbiamo sempre domanda e offerta (giocatori e sviluppatori), ma i revenue streams adesso provengono principalmente dalla sottoscrizione di abbonamenti oltre alla vendita dei giochi originali. Quindi la domanda che ci poniamo è possiamo attrarre un numero sufficiente di utenti per ciascun segmento?, questo fu il problema del bm della PS3, non riuscivano ad attrarre abbastanza utenti che compravano videogiochi originali per avere un ritorno economico alla scelta di mettere la console a prezzi bassi. I casi di studio analizzati fino ad ora presentavano solo 2 lati del multi-sided cioè abbiamo visto al massimo due segmenti di mercato tra loro correlati. Ma quando parliamo di multi-sided significa che il modello di business potrebbe averne di più di 2 ed è l’esempio di Android platform. Esempio di successo: android platform ANDROID è invece una piattaforma multipla che connette diversi segmenti tra di loro, in particolare collega 5 diversi segmenti. Come funziona e quali sono i vari customers della Android platform? Sicuramente gli sviluppatori di applicazioni, ma anche tutte le imprese che producono i cellulari (Samsung ecc) e sono tra loro interdipendenti; poi chiaramente ci siamo tutti noi, gli utenti che usano le applicazioni Android, ma anche gli operatori, tutti gli users e data plans delle varie compagnie telefoniche, e infine tutte le industry verticals, cioè tutte quelle industrie di svariati settori che usufruiscono dei software e servizi Android (Es: Android Auto per BMW che connette la nostra auto alla piattaforma Android; Coca Cola che ha la propria app Android ecc). Quando si parla di multi-sided model non esiste un limite al numero di segmenti, chiaramente si parte dal caso più semplice in cui abbiamo soltato 2 segmenti per poi arrivare a modelli complessi come Facebook. Tutto questo rappresenta sicuramente un Multi-sided platforms perché ognuno di questi customers è correlato e interconnesso con gli altri: ci sarebbero gli sviluppatori di app se non ci fossero gli utenti, o se non ci fossero le compagnie che producono cellulari e installano queste app? No. Ci sarebbero compagnie disposte ad investire nella piattaforma Android se non ci fossero gli sviluppatori che forniscono queste app, o molti utenti che le usano, o molti cellulari che le supportano? E così via con gli esempi per farvi capire che sono tutti customers correlati tra loro, che non esisterebbero se non ci fossero gli altri, questo business model ha senso solo se sono presenti tutti questi customers segments, ogni segmento porta i propri flussi di ricavi in quanto correlato ad un value proposition diverso ma dall’altro lato se uno di questi viene meno o perde valore, anche gli altri scompaiono o perdono valore. Il problema è sempre lo stesso, che segmento devo attrarre per primo? L’idea sarebbe quella di iniziare da un segmento il cui prezzo si presta a delle riduzioni, a delle offerte, ad esempio potremmo iniziare dagli utenti, convincerli a passare alla mia piattaforma facendo delle promozioni; in realtà in questo caso partono da 2 segmenti: il primo è quello delle partnership per far installare le piattaforme Android su molti cellulari, il secondo è quello dell’offerta degli strumenti per produrre applicazioni gratis per gli sviluppatori di applicazioni e avendo queste 2 è possibile attrarre molti utenti. Di conseguenza è facile convincere tutti gli altri customers: posso andare dalle Industry verticals e dire ho molti utenti, molti sviluppatori di app , la mia piattaforma è compatibile con molti cellulari, dovresti installare il mio software sulle tue auto (es. bmw) ecc.Per concludere pensando al business model canvas del Multi-sided Platform avremo una situazione in cui ci saranno una serie di Value propositions, ciascuna correlata con i propri Cusomer segments che sono interdipendenti tra loro, CS che a loro volta genereranno dei rispettivi Revenue Streams. Passando al left side, esso è generalmente associato alle piattaforme perché connettere diversi segmenti è difficile e costoso; quindi, nella maggior parte dei casi quando abbiamo un Multisided platform bm troveremo molte attività, legate alla manutenzione della piattaforma, le risorse e costi correlati alla gestione, promozione delle piattaforme. Free as a business model In molti casi è possibile avere un business model dando qualcosa gratuitamente a qualcuno, un segmento beneficia sempre di un prodotto o servizio in maniera gratuita. Ad esempio, facebook, spotify, paypal, whatsapp sono applicazioni che non paghiamo e queste utilizzano una delle tre configurazioni possibili di questo pattern. Abbiamo un segmento che usufruisce di qualcosa gratuitamente e ci sono altri segmenti che pagano per usufruire di contenuti aggiuntivi quindi questi flussi di cassa finanziano tutto il modello e permettono allo stesso di durare nel tempo. È possibile implementare questo pattern seguendo 3 approcci: - advertising – based - freemium model - bait & hook Advertising-based Abbiamo un segmento che utilizza servizi o prodotti gratuitamente perché c’è un altro segmento che paga per pubblicizzare i propri prodotti sull’app attraverso i banner: - videogamers → giocano gratuitamente - advertiser → pagano il produttore per poter inserire dei banner pubblicitari che appaiono durante il gioco Il messaggio principale è che è possibile trovare un segmento nel business model che non genera revenue stream. Il primo esempio che possiamo fare è Angry Birds dove è possibile giocare gratuitamente; qual è il business model? È possibile scaricare il gioco dall’applicazione e giocare gratuitamente perché ci sono degli advertisement che ogni tanto appaiono; quindi è un modello free perché è possibile giocarci gratuitamente in quanto c’è qualcun altro che paga per poter inserire della pubblicità. Il modello basato sugli advertisement non è sempre lo stesso in alcuni casi, facendo sempre l’esempio di angry bird, sul sistema operativo IOs il programma è a pagamento senza banner, questo perché è molto difficile craccare il programma quindi gli utenti sono costrutti a comprare l’app come unica alternativa. In questo caso sul sistema IOs utilizzano il modello di business tradizionale basato sui flussi di cassa che vengono generati dagli Asset Sales cioè dalla vendita dell’applicazione. - Sul sistema android poiché è aperto è più facile da craccare, gli utenti sono più flessibili → gioco gratis ma con pubblicità → revenue streams generati dai banner - Il sistema ios è più difficile da craccare in quanto chiuso, gli utenti sono meno flessibili → far pagare il gioco per generare flussi di cassa → revenue generati dalla vendita Quindi posso scegliere il modello di business e il tipo di meccanismo di flussi di ricavi a seconda dei segmenti in quanto questi hanno dei comportamenti diversi. Stessa cosa avviene per, ad esempio, le testate giornalistiche come “Leggo” che offrono un servizio gratuitamente però con la presenza di banner nelle pagine del giornale. Questo modello di business lavora soltanto se abbiamo moltissimi utenti che utilizzano il prodotto o servizio e altri tanti utenti che pubblicizzano i loro prodotti con gli ads. Bisogna fare attenzione al comportamento dei clienti che potrebbero odiare il fatto di avere sempre le pubblicità: offro qualcosa gratuitamente perché so che attirerò tanti utenti che visualizzeranno gli advertisement. Il punto principale è che tanti utenti mi danno una grande visibilità, pensiamo a facebook all’inizio 6 7 anni fa aveva tanti users, che business model aveva? All’inizio nessuno pagava per facebook ma pagavano gli ADV, ora gli adv sono “nascosti” nella timeline. - COST FOR SERVING PREMIUM USERS bisogna avere un equilibrio tra questi costi che devono essere bassi Bait & Hook Altri esempi pratici di business model che sono free è quello del bait & hook che significa “esca e amo” questo modello si basa sul fatto di offrire qualcosa gratuitamente all’inizio in quanto i ricavi arriveranno successivamente dalla vendita di prodotti o servizi connessi al primo prodotto lanciato. È conosciuto anche come il modello di “the razor and blade business model” di Gillette che all’inizio offriva gratuitamente il rasoio in quanto i ricavi venivano generati successivamente dalla vendita delle lamette. È il modello utilizzato comunemente da molte imprese come le compagnie telefoniche o le macchine del caffè in comodato d’uso, netflix, applicazioni, software e cosi via. È molto comune anche per le imprese che vendono le stampanti il cui costo all’inizio è scontato per far acquistare la stampante dal cliente e le cartucce sono vendute a prezzi alti. Stiamo parlando di un modello di business attraente, poco costoso che incoraggia poi gli acquisti successivi. Il punto chiave è decidere che tipo di offerta fare all’inizio in modo tale da avere un equilibrio tra ricavi che ci aspettiamo di avere successivamente e costi sostenuti all’inizio per offrire a prezzo scontato il prodotto al cliente: è fondamentale monitorare l’andamento dei ricavi nel tempo. Open business model È collegato con le open innovation basate sul fatto di condividere le conoscenze è più profittevole di possederle, significa che le imprese fanno un sacco di ricerca e sviluppo per trovare nuove innovazioni che vengono protette dai brevetti e queste innovazioni creano nuovo valore sul mercato. Per alcuni modelli di business queste conoscenze vengono condivise con altre imprese e per questo motivo parliamo di modello di business aperto perché si condividono le conoscenze collaborando. La condivisione della conoscenza può essere fatta in due modi diversi: - Outside-in: la conoscenza va dall’esterno all’interno dell’impresa. Ad esempio, Procter & Gamble produce moltissimi prodotti in diverse aree di business, loro in maniera continua aggiornano i prodotti, quindi, devono fare un sacco di ricerca e sviluppo. Per poter fare questo, invece di fare tanta ricerca e sviluppo internamente all’azienda, comprano dall’esterno le competenze e conoscenze e le portano al loro interno. In questo caso nel business model canvas è possibile trovare nella key partners, partners di innovazione, centri di ricerca questo perché si compra e cerca di innovare le proprie value proposition. Mentre nelle attività chiave potremmo trovare i centri di ricerca - Inside-out: la conoscenza va dall’interno all’esterno. Ad esempio, GlaxoSmith Kline il cui obiettivo è quello di rendere i farmaci più accessibili nel mondo (paesi più poveri principalmente) e facilitare la ricerca delle malattie non ancora approfondite. Una soluzione era quella di mettere i diritti di proprietà intellettuale rilevanti in vendita per lo sviluppo dei farmaci, all’interno di un insieme di brevetti disponibili ad altri ricercatori. Tra le value avranno dei risultati della ricerca e sviluppo che mettono in vendita per altre imprese sotto brevetto. A volte utilizzare questo modello di business non è sempre conveniente, vediamo alcuni esempi: - Cocacola: in questo caso non conviene a coca-cola condividere il proprio brevetto e quindi conoscenza interna perché è l’elemento centrale piu importante del business - Aziende farmaceutiche: hanno molti brevetti, molti di questi vengono utilizzati, altri vengono condivisi ed altri ancora venduti ad aziende esterne Abbiamo analizzato due esempi di impresa in cui nel primo caso P&G è alla ricerca disperata di conoscenza per poter sviluppare la ricerca e sviluppo, mentre, nel secondo caso la GlaxoSmith possiede molta conoscenza che la mette in vendita per altri ricercatori. Ci sono anche delle piattaforme multi-sided come ad esempio InnoCentive che diventa un psoto in cui c’è l’incontro tra chi cerca conoscenza e chi è interessato a venderla; è un intermediario che fornisce le connessioni tra le organizzazioni che hanno problemi di ricerca e ricercatori di tutto il mondo che vogliono risolvere determinati problemi. 6. Modify the existent business model / create a new business model, in alcuni casi il risultato dell’analisi swot potrebbe essere una modifica integrale al modello di business esistente o la creazione di uno nuovo 7. Choice between merging or splitting, ovvero unire il nuovo business model con quello che avevamo prima oppure dividerlo. Business model: Environment (l’ambiente) Conosciamo il modello di business e l’identità desiderata quindi andiamo ad analizzare e studiare l’ambiente. Ogni business model è eseguito in un ambiente specifico, ad esempio i produttori di auto, alfa, bmw, audi, tutti producono lo stesso prodotto ma l’ambiente in cui eseguono il loro business model è differente l’uno dall’altro. Anche dopo aver analizzato l’ambiente e definito come operarci all’interno, il problema è che l’ambiente in cui ogni azienda opera cambia molto velocemente e se l’ambiente cambia dovrò cambiare anche il modello di business, significa avere un monitoraggio continuo e costante dell’ambiente: - Se cambiano le leggi → cambia l’ambiente → devo adattare il modello di business - Se cambia lo scenario economico → cambia l’ambiente → devo adattare il modello di business Conoscere l’ambiente significa capire cosa cambiare, aggiungere, modificare, ecc. del business model ma non stoppare la creazione o modificazione del business model: l'ambiente non deve limitare la creazione di modelli di business ma deve influenzarli. Ci sono molti fattori ed elementi che modificano l’ambiente in cui ogni impresa opera, ci sono in particolare 4 fattori da considerare per la definizione dell’ambiente: - l'industria forze - tendenze chiave - forze di mercato - forze macroeconomiche rispondere a queste domande e definire a fondo questi fattori che influenzano l’ambiente significa conoscerlo nel profondo ed essere in grado di comparare l’ambiente con il modello di business definito e renderlo più forte e competitivo. Andiamo a caratterizzare le forze esterne singolarmente. Environment: Market Forces Quando studiamo l’ambiente dobbiamo analizzare quali sono i segmenti, la domanda del segmento e altri problemi che potrebbero modificare il modello di business. È la parte dell’ambiente che riguarda i “customers”, per capire quali sono le forze di mercato bisogna capire: - Market issues o problemi di mercato: problemi che guidano e modificano il mercato, ad esempio, se sono Play station o Microsoft e ho il modello di business che opera nel mercato delle console, quando analizzo l’ambiente mi devo chiedere se ci sono dei problemi in questo mercato, se ci sono degli elementi che stanno cambiando nel mercato, se ci sono dei trend in crescita e così via. Le domande che ci poniamo sono: • Quali sono le questioni più importanti del mercato? • Verso dove sta andando il mercato? - Market segments o segmenti di mercato: segmenti più grandi e la loro attrattività quando effettuiamo l’analisi dell’ambiente non dobbiamo andare a vedere solo i segmenti a cui si riferisce l’impresa ma tutti i segmenti presenti sul mercato perché bisogna capire quali potrebbero essere i segmenti interessati e potenziali se ci sono dei segmenti emergenti, capire i trend di bisogni dei consumatori. Sempre nel mercato dei videogames se una impresa scopre che c’è un nuovo segmento di mercato, ad esempio, quelli che usano il telefono per giocare e non la console, scoprire questo da l’opportunità per cambiare qualcosa nel business perché c’è una domanda e nessuno la sta soddisfacendo. Le domande che ci poniamo sono: • Quali sono i segmenti più importanti? Quelli esistenti o ci sono nuovi segmenti? • Quale è la crescita potenziale dei segmenti? • Quali sono in declino? • Quali richiedono più attenzione? - Needs and demands o bisogni e richieste: quali sono i bisogni e quanto bene li stiamo soddisfacendo, ci chiediamo: • Di cosa hanno bisogno i clienti? • Quali sono i bisogni più incustoditi? - Switching costs o spese di cambio: costi per lo spostamento che un cliente sostiene per essersi spostato da una impresa ad un’altra. Ad esempio, se un cliente si sposta da Playstation a Microstfot gli switching cost sono i soldi che deve sborsare per comprare l’altra console necessariamente ma anche costi legati alle caratteristiche dei prodotti come le esclusive sui giochi e così via. Dobbiamo capire quali sono i costi di switching per i nostri clienti, se ci sono eventuali nuovi costi di switching, se questi stanno cambiando o se stanno crescendo. Tendenzialmente i costi di switching dovrebbero essere elevati. Ad esempio, per Facebook, i costi di switching che il cliente deve sopportare sono legati al cambio della piattaforma e quindi alla perdita di tutte le amicizie. Ci chiediamo: • Cosa lega il cliente all’impresa? • Che tipo di costo riduce l’abbandono? • È facile sul mercato reperire prodotti simili? • Quanto è rilevante per il cliente il brand? - Revenue attravtiveness o attrattività del fatturato: quali sono i prodotti e servizi da vendere al cliente, per capire quali sono queste opportunità dobbiamo necessariamente studiare l’ambiente altrimenti ci perdiamo una serie di opportunità e quindi profitti o attrattività in termini di redditività. Ci chiediamo: • Quanto pagherebbero i clienti? • Dove è possibile ottenere i margini più alti? • Possono i clienti trovare e acquistare facilmente prodotti / servizi più economici? Abbiamo capito come questi elementi fondamentali che fanno parte delle forze di mercato esterne possano andare ad influenzare il modello di business. Se ci sono problemi sul mercato, segmenti in crescita, cambiamenti circa i bisogni dei consumatori, costi di switching oppure opportunità che non so cogliere dal mercato, se non modifico in maniera opportuna il business model avrò delle perdite in termini di valore e di flussi di ricavi. Questa prima parte di analisi dei fattori riguarda più il lato dei clienti. Environment: Industry Forces Andiamo a guardare l’altra parte del mercato che è relativa a quella delle imprese, dobbiamo capire quali sono: - Competitors o concorrenti: andiamo a studiare quali sono i concorrenti, i concorrenti più forti sul mercato e i concorrenti diretti, se questi stanno avendo più valore sul mercato o se lo stanno perdendo e soprattutto capire i loro punti di forza e debolezza. Ci chiediamo: • Quali sono i concorrenti più forti? • Quali sono i loro vantaggi e svantaggi? • Quale è la loro offerta ed i segmenti a cui si rivolgono? • Quale è la loro struttura dei costi? - New entranrs o nuovi entranti: andiamo a vedere quali sono i potenziali nuovi concorrenti, dobbiamo scoprire questi nuovi entranti all’inizio poiché sono piccoli e quindi riusciamo a capire meglio le differenze tra il nostro modello di business ed il loro e ridurre questa distanza. Scoprire i nuovi entranti troppo tardi risulterebbe difficile e quindi sarebbe complicato modificare il modello di business per accorciare le differenze e di conseguenza differenziare i prodotti. - Substitute products o prodotti sostitutivi: dobbiamo capire quali sono i prodotti sostitutivi che sono presenti sul mercato e che porterebbero il cliente a preferire quelli piuttosto che il prodotto base. Dobbiamo chiederci: • Quanto costano i prodotti sostituitivi? • Come il prodotto sostitutivo può sostituire il prodotto base? • Quanto è facile passare da un prodotto all’altro per il cliente? Pensando ai videogames, ad esempio, gli smartphone potrebbero essere dei sostitutivi della console così come i giochi da tavolo. Noi possiamo decidere se giocare ad una consolle o giocare a monopoli. - Suppliers and other value chain actor o fornitori e altri attori della catena del valore: fornitori o attori chiave che sono direttamente connessi al mio busines. Ci chiediamo: • Quali sono gli attori nella catena di approvvigionamento? • Quanto dipendiamo da loro? - Stakeholders: i cosiddetti portatori di interessi attori che possono influenzare il modello di business e l'impresa, ci chiediamo: • Quali sono gli stakeholder? • Quanto influenti sono? • Sono Lobby, workers o government? Ad esempio, tutte le aziende che fanno merchandising riguardante i videogames. Altro esempio, nel business dei videogames gli stakeholders possono essere i gamers che fanno recensioni, influenzano molto, cosi come ad esempio il Comicon conference che sono focalizzati sulla competizione oppure gli sviluppatori di videogiochi. Environment: Key Trends Significa capire se ci sono tendenze chiave nel mercato che modificano il business model, che possono rafforzare o indebolire il business model, significa capire: - Technology trends o tendenze tecnologiche: capire quali sono le tecnologie innovative presenti sul mercato che minacciano o rafforzano l’attività all'interno e all'esterno del mercato, ci dobbiamo chiedere: • Quali sono le opportunità o minacce tecnologiche nel mercato? Evaluating business model: SWOT Analysis Abbiamo chiaro l’ambiente in cui il modello di business di trova ad operare; il passo successivo è comparare quello che potremmo ottenere dall’ambiente in cui operiamo con l’attuale business model. Se compari il business model con l’ambiente, scopri quali sono i problemi, opportunità o minacce che si potrebbero avere rispetto all’ambiente circostante. L’acronimo sta per: - Strenghts: sono i punti di forza, quando compariamo il modello di business con l’ambiente scoprire un punto di forza significa avere qualcosa nel canvas in linea con le richieste del mercato; ad esempio per il modello di business di Apple un punto di forza potrebbe essere che ho user friendly come value proposition e dall’analisi dell’ambiente scopro che la richiesta del mercato è un device user friendly allora apple ha un punto di forza perché ha qualcosa nel suo canvas che è coerente con quello che è all’esterno. - Weaknesses: sono i punti di debolezza, un elemento del canvas va in direzione opposta rispetto alle richieste del mercato - Opportunities: sono le opportunità, è qualcosa che sta fuori che non è presente nel canvas ma potrebbe essere una opportunità qualora venisse inserito - Threats: sono le minacce, è qualcosa che sta fuori che potrebbe succedere e minacciare il canvas e quindi mi spinge ad eliminare o ridurre alcuni elementi presenti nel canvas SWOT Analysis: Internal Environment Ci sono diversi modi con cui condurre questa analisi, se partiamo dall’ambiente interno e vogliamo identificare quali sono i punti di forza ed i punti di debolezza presenti nel modello di business, per ogni elemento del canvas mi devo porre la seguente domanda: questo elemento del canvas è coerente o no con l’ambiente interno? (lo faccio prima per le value proposition, poi per i customer segment etc.). Se l’elemento è coerente allora è un punto di forza se invece non è coerente allora è un punto di debolezza; se scopro che quell’elemento è un punto di forza lo devo intensificare mentre se è un punto di debolezza lo devo ridurre. In questo modo dopo aver preso ogni elemento e confrontato con l’ambiente capirò per ogni elemento se è qualcosa da incrementare o ridurre. Un esempio di questa analisi è il seguente: se il valore proposto che stiamo analizzando è “allineati con i bisogni dei clienti” oppure “i bisogni dei clienti sono disallineati”, per rispondere vado a confrontare i bisogni dei clienti con l’analisi effettuata, se sono allineati metto un + con un certo valore, se sono disallineati metto un – con un altro valore. Andando a rispondere a tutte queste domande sono in grado di identificare quali elementi sono dei punti di forza e quali elementi rappresentano i punti di debolezza e di conseguenza agire per incrementarli o ridurli dal canvas del modello di business. - Esempio di punto di forza: value proposition user fiendly, il mercato richiede dispositivi user friendly - Esempio di punto di debolezza: value proposition user fiendly, il mercato richiede funzionalità da programmatori Studiare il modello di business → studiare l’ambiente interno → comparare il modello con l’ambiente → fare la SWOT analisi → per ogni elemento del canvas identifico i punti di forza ed i punti di debolezza Vale PropositionAssessment vj i munn DCCETT== i srrgremmotimimmeste DADI DODDO Ie poi he è E E TÈ i are gestamen (DIA reno È } Tee re amogsrramioc tamen 3) DA) AO DDODO mer eno nere berneen __i x Oureustomersare vey sati (MINO AO ODDODO Weta frequent omplainis ° Cost/Revenue Assessment 2 Mmmm VDOOOC|OOOOO omne g i I Ti & : Qurrevenues are predictable O0000|O0O0ODO urea upedcbie __i 30 Geremia -«;/ OOOOCOOOOO corea ze razioni Î 0 Gegmaee svenne 00000 OOOOO iene scio rene o Seo fm ee OOOAOO|OOODO Sr Cime 2|90000 mr sm nio__ OVODR MODO tenori Arie simone O)OOOO ODO Prpice rece Sercese ee pacs O00000|0DODO erre Seciommenzmia ©OAVO OOO eo mai Ouroperatonzam costetto — (D))AA)I DODA e retin are costinaticen "We panefit from economies of scale 00000 DOYGG Weesornoeononie sie a Infrastructure Assessment ie 9 Our Key Resources are difficult for D@AOGAE ke Resources are easily si 3 competitors to replicate — OOOOO replicated __i i Resource needs are predictable OOO Rescue needs are unpredictable 3 We degioy Key Resources in the ODDO E) Wetavetroubie deploying he È È tisttameene ste gite DODOD Li mame ana gu im ; a We efficienthy execute Key Activities OOGDOE MeAciviy eecation is inetficient Our Key Activities are difficult tocopy Our Key Activities are easily copied Execution quality is high Execution quality is low Balance of'in-house versus outsourced execution is ideal activities ourselves We execute t00 many or too few We are focused and work with partners when necessary sufficientiy with partners Were unfocused and faîl to work We enjoy good working relationships with Key Partners Partners are conflict-ridden 5) Working relationships with Key Dopo aver comparato il nostro modello di business esistente con il nostro ambiente, troveremo punti di forza e di debolezza, opportunità e minacce che sono elementi che dobbiamo rafforzare o ridurre, includere o eliminare. In genere, troveremo qualcosa da ridurre o da eliminare sul lato sinistro (cost side) e includere o rafforzare qualcosa sul lato destro (value side). Quindi dopo aver effettualo la swot analisi sappiamo cosa includere, eliminare, incrementare o ridurre per cui bisogna prendere il modello di business e iniziare a modificarlo. Da dove inizio a modificare il modello di business? Possiamo cominciare dalla parte destra o dalla parte sinistra, è indifferente perché siccome gli elementi del canvas sono tra loro collegati si modificheranno di conseguenza. Esistono tre modalità per modificare il canvas, si parte da quella che presenta più elementi da modificare: - Iniziare dai customer segments (destra) Potremmo iniziare dai clienti, quindi dalla parte destra del canvas, possiamo incrementarli o ridurli ma se incremento o riduco i segmenti di mercato andrò ad influenzare i canali, i flussi di ricavi, value proposition e così via. - Iniziare dalla value proposition (centro) Potremmo iniziare anche dalle value proposition ma allo stesso modo modificando queste, andrò a vedere gli effetti sulla parte destra e sinistra. - Iniziare dal lato sinistro dei costi (sinistra) Se, ad esempio, individuiamo alcuni costi da ridurre o da aumentare per alcune ragioni, dobbiamo poi individuare quali sono le partnerships, le risorse e le attività che stanno generando questi costi addizionali. Probabilmente questi nuovi costi permetteranno di dare vita a nuove value proposition e quindi dovremo aggiornare anche il resto del canvas. Possiamo iniziare da qualsiasi parte del canvas ma comunque dovrò andare a modificare gli altri elementi. Questi tre approcci sono molto simili in quanto differiscono solo per il punto di partenza (lato destro, sinistro o riquadro centrale delle value propositions). Come scegliere se partire dal lato destro, sinistro o dal centro? In realtà dipende dall’analisi SWOT perché dall’analisi la maggior parte delle modifiche sono relative al lato destro, ai clienti (in genere è meglio usare il primo approccio in cui si parte dai clienti e poi si passa agli altri elementi). Un esempio può essere quando dall’analisi si evince che bisogna cambiare i clienti a cui ci si riferisce e pare ovvio che conviene partire dai customer segments per poi passare agli altri elementi. Se invece, dopo aver condotto un’analisi SWOT, ci rendiamo conto che la maggior parte delle azioni da compiere sono relative alle value proposition, allora è meglio partire dal centro e controllare poi gli effetti sugli altri elementi; se invece le nostre azioni sono mirate ad una riduzione dei costi o a qualche tipo di riduzione sul lato sinistro allora sarà meglio partire dai costi e controllare gli effetti sugli altri elementi. Facciamo un paio di esempi per capire come viene applicato un piano strategico tradizionale. 1) Cirque du soleil È un circo famoso e gli spettacoli comprendono pochi “numeri” con animali e molti con artisti acrobati e clown, gli spettacoli possono essere visti in TV e l’ambiente è particolare in quanto è molto dettagliato, simile ad un’opera teatrale. Molti anni fa era un circo tradizionale e i flussi di ricavi provenivano dalla vendita dei biglietti (ricavi non molto alti in quanto facevano molti sconti) e dalla vendita di pop corn, foto ecc. I clienti a cui si rivolgevano erano principalmente le famiglie. Le risorse erano gli animali e il personale che lavorava nel circo, mentre una delle principali attività era la cura degli animali (fondamentale per i loro spettacoli). La maggior parte dei costi era quindi associata alla cura e al sostentamento degli animali e agli stipendi degli artisti. Questo era il loro modello di business iniziale tradizionale di un circo, tramite il quale aspiravano ad essere il circo più importante e famoso del mondo. Ad un certo punto hanno iniziato a domandarsi se ci fossero delle market force, industry force, key trend e macro-economic force che avrebbero potuto influenzare il loro modello di business. Analizzando le market-economic forces, hanno scoperto che il segmento di clienti a cui si riferivano (le famiglie) si stava riducendo poiché la maggior parte delle famiglie preferivano andare al teatro o al cinema. Allo stesso tempo, analizzando le market forces, hanno notato che le persone, che erano solite andare a teatro e che spendevano in genere più soldi rispetto alle famiglie, iniziavano a ricercare degli spettacoli con un’atmosfera più “rifinita”, tipo l’atmosfera dell’opera (con meno humor). Scoprirono che questo secondo segmento era più attrattivo a livello di introiti futuri. Per quanto riguarda le industry forces, avevano tantissimi competitors, c’erano circhi in tutto il mondo; inoltre, negli ultimi anni sono state approvate molte leggi per la tutela delle condizioni di vita degli animali (key trends). Infatti, in alcune nazioni è stato proibito l’uso degli animali per gli spettacoli. Tramite l’analisi dell’ambiente, partendo dai customer segments, avevano quindi capito che c’erano dei problemi, delle debolezze con il loro segmento di clienti, con tutte le value proposition, con le attività e le risorse che si riferivano all’uso degli animali per gli spettacoli, decisero quindi di modificare il modello di business esistente. Decisero di eliminare gli animali, di conseguenza l’attività chiave di cura degli animali non c’era più e non vi erano più le risorse chiave, sono andati ad agire sulla parte sinistra relativa ai costi. Riducendo tutte queste risorse, sono andati ad eliminare una value proposition legata agli spettacoli con gli animali e quindi hanno ridotto il focus sulle famiglie ed anche i flussi di ricavi derivanti dalla vendita dei biglietti. Decisero anche di ridurre il focus sulle famiglie, riducendo quindi anche le value proposition che si riferivano alle famiglie, come l’atmosfera divertente e scherzosa, tutte le vendite di pop corn, le foto con gli animali cioè tutte le value proposition a cui le famiglie davano un certo valore, riducendo quindi anche i flussi di ricavi provenienti da questi clienti. Da qui, la loro decisione di ridurre anche il numero di animali e con loro anche le spese dedicate alla cura degli animali (ormai una debolezza per loro). Dopo aver analizzato i primi sei punti ed aver modificato il modello di business esistente o averne creato uno nuovo, la domanda da porci è: dovrei eliminare il vecchio modello di business? Dovrei unire (merging) i due modelli (quello vecchio e quello nuovo)? O mi conviene dividerli (splitting)?. In generale è difficile gestire più di un modello di business ma allo stesso tempo è difficile unire due modelli di business tra loro diversi; a seconda del caso specifico abbiamo due alternative: - Merging: unire i due modelli, il vecchio già esistente con il nuovo risultante dopo l’analisi SWOT in modo tale da avere un unico modello di business finale - Splitting: separare il vecchio modello di business dal nuovo Vedremo due esempi uno è il caso del merge e l’altro è il caso di split per comprendere meglio quando utilizzare una alternativa piuttosto che l’altra. Esempio: modello di business di tipo merging Un esempio del merging è SMH, una impresa svizzera molto famosa che produce orologi per Tissot, Calvin Klein, Omega, Longines. Questa impresa era leader nel mercato degli orologi di lusso fino alla fine degli anni ’80. Alla fine di quegli anni ci fu un cambio per quanto riguarda le normative di trasporto, in particolare i competitor asiatici iniziarono a vendere i propri prodotti nel mercato europeo e questo rappresentò un rischio di un attacco da parte di alcune companies di Hong Kong che stavano iniziando a produrre orologi, focalizzandosi solo su orologi molto economici, al contrario di SMH che produceva solo orologi molto costosi. A fronte di questo cambiamento nel mercato, scoperto grazie ad una profonda analisi, SMH aveva due opzioni: - Restare con lo stesso modello di business senza intraprendere alcuna azione correttiva - Entrare nel mercato degli orologi economici per fronteggiare la competizione La value proposition di SMH era quindi vendere orologi di lusso a persone facoltose. Essi però, da un’analisi dell’ambiente, si resero conto di questo potenziale rischio e così decisero di entrare nel mercato degli orologi economici (il cui costo di entrata era abbastanza basso) iniziando a produrre orologi “Swatch”, ben più economici di quelli prodotti fino ad allora. La loro decisione strategica, quindi, fu quella di aggiungere una nuova value proposition: produrre orologi economici, aggiunsero quindi un nuovo segmento di clienti. Inizialmente essi producevano orologi di lusso per persone molto facoltose e orologi “medi” per un segmento “medio” di clienti. Tutto il lato sinistro era focalizzato sugli stabilimenti di fabbricazione, sulla produzione degli orologi, sul brand portfolio (tutti i loghi e i brand di quelle imprese come Tissot ecc.); tutte le attività erano focalizzate sulla produzione e sul controllo qualità, in quanto, essendo orologi svizzeri, erano famosi per la loro precisione e il rispetto delle specifiche richieste. Quando hanno deciso di entrare nel mercato più economico, hanno aggiunto un nuovo segmento di clienti a cui rivolgersi: il mass market. Hanno cambiato i loro flussi di ricavi? No, essi provenivano ancora dalla vendita degli orologi. Hanno dovuto cambiare il lato sinistro? No, poiché potevano utilizzare gli stessi stabilimenti di produzione, gli stessi uffici per le attività di controllo della qualità, di R&D (Research & Development). Quello che hanno dovuto fare per il nuovo modello di business è usare nuovi canali dedicati, come negozi “Swatch” (brand-based shops, attualmente diffusi in tutto il mondo) decidendo di vendere questi orologi in modo leggermente diverso dagli orologi di lusso (con questi negozi dedicati solo a quel tipo di orologi) con una diversa strategia di marketing (dato che si riferiscono ad un target molto diverso di clienti). In questo caso, per entrare in questo mercato hanno solo dovuto aggiungere un nuovo valore, un nuovo canale e un nuovo segmento di clienti (lato destro), mantenendo le stesse attività e attrezzature (lato sinistro invariato) che utilizzavano per produrre gli altri brands. SMH ha deciso di unire i due modelli di business perché quasi tutti gli elementi del nuovo modello di business andavano bene (fit) con quello vecchio e tutto il lato sinistro è centralizzato (il lato destro è decentralizzato solo per un paio di elementi). In questo caso non ha senso sviluppare un nuovo modello di business perché porto avanti il business esistente con delle piccole modifiche utilizzando le risorse già in possesso. In definitiva, quando abbiamo un nuovo modello di business che è adattabile a quello vecchio per quasi tutti gli elementi la soluzione è unirli (to merge). Non è utile costruire un nuovo stabilimento di produzione, istituire una nuova funzione di marketing, duplicare alcune funzioni del controllo qualità SOLO per queste nuove linee di produzione. Possono, invece, servirsi di tutte le funzioni, le risorse e le attività che venivano usate per gli altri brands. Esempio: modello di business di tipo splitting Un esempio di splitting è: Nestlè, una impresa molto importante nel mercato del caffè solubile (Nescafè). In Italia il caffè solubile (instant coffee) non è molto apprezzato, ma è molto famoso nel resto del mondo. Quest’azienda era presente anche nel mercato del caffè macinato (ground coffee) attraverso le capsule Nespresso. Quindi decisero di focalizzarsi con il Nescafè sul mass market, mentre con il caffè macinato sugli uffici. All’inizio, quindi, Nespresso era solo per gli uffici. L’idea era che le famiglie nel mondo volessero qualcosa da bere per un lungo tempo (come il caffè americano), mentre negli uffici le pause sono brevi e gli impiegati avevano bisogno di qualcosa di forte per tenersi svegli. Inizialmente avevano due modelli di business: uno per Nescafè e uno per Nespresso. Il modello di business di nespresso era focalizzato sul segmento degli uffici e sul regalare la macchina del caffè e ricevere i flussi di ricavi dalla vendita delle capsule, mentre il modello di business di nescafè era focalizzato sul mass market e le famiglie. Decisero quindi di condurre un’analisi dell’ambiente e scoprirono che molte famiglie non avevano più tempo per bere un lungo caffè americano e anche che c’era un nuovo trend che consisteva nel bere caffè italiano anche tra le famiglie. Capirono che era conveniente spostarsi dal mercato degli uffici al mercato delle famiglie anche per Nespresso. Cosa vuol dire muoversi dagli uffici alle famiglie? Prima di tutto cambia il segmento di clienti a cui ci si rivolge. THE BUSINESS MODEL CANVAS — FACEBOOK The Business Model Canvas 3 Value P castomer 4 | cusome fin = “È rovosiion “(| feinonziie CP | Sommo DI Apple Diffusion Automatic Mass market Android Event organization | Personal Firms interested in Content sharing data Leisure Advertisers Free Programmers Data collection Communication/visibil ìty for firms Ke Accessabilty channde € Resources Finding people DM Targeted advertising | Server Marketing er API for programmers| Network cone Server neve presbook. a Secure Sirena ‘acebook coin r Employees Data purchase & Advertising Quale era il modello di business di Instagram? INSTAGRAM Hey rai value 7 9 | castome filone © SE io on PI Olaz è » Platform Unique photo development | sharing and photo‘ Community and retouching Socreatica 1 iass marker maintenance experienec p \utomatie of more than | None? TO nations Intorost network a dine iiSSoarces * Platform * Interna: + Employees * Mobile + Network rtevene 1 Simeme ‘Nu Cd + Platiorm Î + Emploees Siamo all’inizio della strategia: sappiamo quali sono i due business model, Facebook sa che cosa vuole essere e cosa vuole diventare mentre Instagram non ha ancora una identità chiara. A quel punto Facebook effettuò una analisi dell’ambiente, in particolare, analizzando le forze di mercato si scoprì che: - i bisogni dei clienti (customers needs) analizzando i dati per il 40% erano costituiti dal condividere foto e video; quindi, Facebook si chiese “stiamo facendo bene questa cosa?” - il numero di concorrenti presenti sul mercato stava crescendo, vi era la presenza di Google + e Twitter che minacciavano la presenza di Facebook - potenziali prodotti sostitutivi come altre tipologie di social network basati su specifici interessi come cinema, fotografia - crescita dei trend tecnologici in particolare il numero di utenti in possesso di smartphone sta crescendo in maniera esponenziale rispetto agli utenti che preferiscono dispositivi fisici - trend legislativi in alcune nazioni come la Cina o Giappone la presenza di facebook è limitata Questi sono alcuni elementi che Facebook ha riscontrato nel momento in cui ha effettuato l’analisi, dopo aver rilevato questi elementi ha effettuato un paragone tra il modello di business esistente e il nuovo potenziale modello di business che sarebbe nato a seguito delle modifiche. Si possono definire: - Weakness • Mobile app: molte persone si sono spostate dal pc a dispositivi mobile e all’epoca Facebook era disponibile solo nella versione Facebook e non in mobile app • Only one social network: era un generico social network non vi erano dei temi specifici su cui si basava • Places fail: i dispositivi mobile potevano fornire ulteriori dati relativi alla posizione degli utenti ma dato che vi era la mancanza di una mobile app questi dati erano in possesso dei competitors come Instagram • No Facebook in China: Instagram invece era abilitato in questi paesi - Strenghtens • Photos: i bisogni dei clienti erano maggiormente legati alla possibilità di condividere le foto e la piattaforma di Facebook consentiva di fare questo per cui rappresentava una forza - Risks • No partnerships with strong firms in near sectors: Facebook non aveva alcuna partnership con I main competitor del settore dei social network • Partnership between Twitter or Google + and Instagram: rischio che gli altri competitor potessero iniziare una partnership con Instagram se non fosse intervenuta Facebook - Opportunities • New revenue from IPO: erano già quotate in borsa e il valore delle azioni incrementa se le persone utilizzano molto le attività di Facebook, una opportunità per incrementare il valore delle azioni era quella di sviluppare prodotti innovativi in modo tale da poter incrementare il trend • Effettuare una merge con altri social network In questo caso poteva fare due cose: modificare il modello di business oppure acquisire Instagram, alla fine hanno deciso di comprarla per pochi billion di dollari. Il nuovo pattern del modello di business di Facebook dopo l’acquisizione è il seguente: hanno incrementato il valore dei dati, il prezzo dei dati che vanno a rivendere alle imprese ed hanno incrementato il valore del profilo degli utenti, sono entrati in nuovi paesi. L’acquisizione è una possibile risposta ad una strategia di business dopo aver effettuato una SWOT analisi, attraverso l’acquisizione hanno incrementato tutto il valore del business, delle attività, delle pubblicità portando all’interno tutte le risorse di Instagram. analitici per poter estrarre le informazioni rilevanti e trasformarle in informazioni e conoscenza che possono essere utilizzati per prendere le decisioni. Adesso andremo a studiare quale è il processo dietro alla business intelligence che porta dai dati alle informazioni che vengono estratte e successivamente processate. Possiamo dare una definizione di dati codificazione strutturata di singole entità primarie, nonché di operazioni che coinvolgono due o più entità primarie. - Entità primarie: clienti, punti di vendita e prodotti - Transazioni: vendita dei prodotti Focalizziamoci sul significato di “data”, il problema è che tutti i dati nell’analisi non vengono usati in tutti i loro contenuti; pensiamo ai dati raccolti da un supermarket, avremo i dati relativi ai prodotti acquistati, ai metodi di pagamento, eventuali iscrizioni a programmi fedeltà, eventuali market actions. Quando parliamo di dati, abbiamo informazioni riguardanti le entità e le transazioni riguardanti oggetti e consumatori; applicare una business intelligence a questi dati significa trasformarli in informazioni, grazie al fatto che processo i dati. Conoscere l’id delle entità delle transazioni non è abbastanza perché se voglio creare una relazione fra entità e transazioni, devo avere informazioni riguardo gli stessi ad esempio se devo inviare degli sconti devo sapere a che utenti inviarli: inviarli solo a chi ha la carta fedeltà del supermercato ad esempio. Dopo aver collezionato i dati relativi alle entità primarie e alle transazioni questi vengono processati e trasformati in informazioni, ad esempio, percentuale di incassi superiori a 100 € a settimana o numero di clienti titolari di una carta fedeltà che hanno ridotto del 50% l'importo mensile speso, queste per un supermercato rappresentano informazioni significative. L’ultimo step è quello di trasformare le informazioni in conoscenza e vengono utilizzate per prendere delle decisioni e sviluppare delle azioni corrispondenti alla strategia; ad esempio, rilevare un gruppo di clienti che vivono in un'area hanno ridotto la quantità abituale di affari, in tal caso la conoscenza porta ad azioni mirate alla risoluzione del problema rilevato. Entità e transazioni → vengono codificate → dati utilizzate dagli algoritmi → dati trasformati in informazioni → informazioni trasformate in conoscenza → vengono prese delle decisioni La conoscenza permette di avere delle informazioni che permettono di prendere delle decisioni strategiche nel modo migliore e in partcolare, nell’esempio di supermercato riesco ad individuare quali sono i clienti a cui offrire lo sconto tra tutti quelli che sono presenti nel database. La business intelligence serve a dare valore al dato. Business intelligence architecture Il processo di business intelligence parte dal DATA SOURCES per giungere fino alle decisioni al vertice. 1. DATA SOURCES Nel primo step bisogna raccogliere e unificare i dati provenienti da fonti differenti, raccogliere i dati è un compito molto difficile perché si trovano per lo più in maniera eterogenea, e porta a molti errori a volte. Il processo parte con i dati grezzi che vengono manipolati, grazie all’applicazione del data mining è possibile utilizzarli per giungere a delle conclusioni e decisioni. Ad esempio, se raccogliamo due informazioni su una stessa persona, avremo due ID differenti per una stessa persona, se immetto questo stesso id il sistema informativo lo riconoscerà come due persone differenti. 2. DATA WAREHOUSES AND DATA MARTS I dati raccolti vengono memorizzati su appositi database che vanno a supportare la business intelligence attraverso l’interazione, l’estrazione e la trasformazione. 3. DATA EXPLORATION (passive) Dopo aver collezionato i dati abbiamo la fase di data exploration che sarebbe una business intelligence passiva, in questo step vengono applicati i modelli statistici, query di interrogazione per verificare se è vera o falsa un’informazione. In questo modo il decision maker inizia a generare ipotesi e verificarle analizzando i dati. Ad esempio se i flussi di ricavi sono collegati ad una determinata area geografica e sono rilasciati da un certo gruppo di clienti, è possibile fare delle ipotesi utilizzando delle query e tool di visualizzazione e successivamente applicare dei metodi statistici per verificare se le ipotesi sono supportate dai dati a disposizione. 4. DATA MINING (active) Il passo successivo è il data mining (scavare), nel quale non c’è bisogno di formulare ipotesi ma si applicano algoritmi e si estrapolano conoscenze e risultati dai dati, si scopre qui ad esempio che chi compra qualcosa come la birra, compra anche la nutella, non ci sono da fare ipotesi. Ci soffermeremo su questo concetto per capire qual’ è la tecnica o le tecniche che si utilizzano per il data mining, le migliori decisioni e soluzioni da applicare. Non devono essere verificate le ipotesi nel data mining, la metodologia ci dà informazioni senza ipotesi. 5. OPTIMIZATION Sono delle attività di ottimizzazione che significa rivedere i risultati ottenuti per ricercare la soluzione migliore da un set di alternative che sono date in output dall’algoritmo. 6. DECISIONS Scegliere e attuare una specifica decisione come conclusione del processo; queste decisioni vengono prese dai decision makers che utilizzano le informazioni informali e non strutturate disponibili per adattare e modificare le conclusioni raggiunte attraverso l'uso di modelli matematici. Partendo dal basso e arrivando al vertice della piramide, per i primi steps, cioè dal basso le competenze sono un buon sistema informativo; verso il centro della piramide ci sarà bisogno di analisti ed esperti che sanno usare le statistiche la matematica e i vari modelli statistici e matematici, per svolgere tutti i compiti come data exploration e data mining. Per passare al vertice della piramide dove vi è tutta l’attività di “decision making” basata sui risultati delle analisi precedenti è necessario essere degli esperti. Il processo di business intelligence È un processo di metodologie e strumenti che consentono in maniera automatica di estrarre delle informazioni rilevanti dai dati presi in input, le quali informazioni diventano fondamentali per i decision maker. Abbiamo visto il processo di business intelligence come una piramide che attraverso una serie di passaggi e diverse fasi, in cui le sorgenti confluiscono all’interno di un unico database strutturato, danno origine ad una serie di informazioni, le quali poi vengono utilizzate al vertice per prendere delle decisioni strategiche. Se è chiaro come funziona l’architettura di un processo di business intelligence, possiamo comprendere quali sono le skills necessarie per poter intraprendere un processo di business intelligence: - se partiamo dalla fine della piramide le competenze vengono fornite da specialisti di sistemi informativi - verso il centro occorrono un mix di competenze tra informatiche, matematiche e statistiche - al top della piramide abbiamo competenze che si concentrano principalmente sul management. Quindi osservando la piramide nella sua interezza notiamo che servono principalmente tre competenze chiave: - Information system - Mathematical and statistical - Business e Management Nello scenario migliore queste competenze sono possedute dai membri dell’impresa ma nella realtà cosi non è perché queste risorse e competenze vengono acquisite dall’esterno. Se pensiamo alla funzionalità della BU questa viene principalmente utilizzata nelle seguenti aree aziendali: - Marketing e sals per promuovere e vendere i prodotti e servizi ai clienti - Logistics and productions - Accounting and control per controllare I flussi di ricavi e tutti gli aspetti finanziari Data mining Vedremo una definizione chiara di data mining e il metodo principale utilizzato nel data mining. Il data mining è un processo interattivo che analizza una quantità enorme di database con l’obiettivo di estrarre informazioni e conoscenze che potrebbero fornire potenziali e accurate conoscenze per lavoratori impegnati in un processo di decisione strategica e consentire loro di risolvere determinati problemi. È basato su un learning metods, ovvero “metodi che apprendono” che sono metodi che provano a memorizzare ricorrenze nei dati e fissare una sorta di regole. Quando abbiamo detto che il data ming è basato su un metodo di apprendimento, significa che è basato sull’estrarre conoscenze e formare delle teorie comuni applicabili a più casi comuni. Queste informazioni raccolte devono essere originali non banali e devono essere funzionali allo sviluppo della mia attività. Quando parliamo di attività di data mining ci riferiamo a due tipologie di analisi che è possibile condurre a seconda dell’obiettivo che si vuole raggiungere: - Interpretazione → data mining interpretativo o data mining interpretation Vengono utilizzate per identificare dei pattern, delle regole e dei criteri che possano essere utilizzati e capiti dagli esperti. Significa che sono tecniche utilizzate per avere come output delle regole dando in input dei dati; ad esempio, se sono un supermercato do in input i dati relativi ai clienti e l’algoritmo mi da come output schemi regolari di clienti che comprano birra, clienti che comprano panettone e spumante assieme e così via. Queste informazioni sono necessarie nel momento in cui il supermercato vuole interporre dei prodotti tra quelli più acquistati dai clienti e questo tipo di analisi è possibile effettuarla attraverso il data mining interpretation. Quindi viene utilizzato nel momento in cui come obiettivo abbiamo l’estrazione di pattern o regole; in particolare le regole devono essere originali e non banali in modo da incrementare il livello di conoscenza e di apprendimento dei sistemi automatici. Comprare il panettone con lo spumante è una cosa banale che avviene durante il periodo natalizio mentre comprare le birre ed i pannolini è una conoscenza non banale e nuova perché non tradizionale e magari questa conoscenza può essere utilizzata per posizionarli nello stesso scaffale - Previsione → data mining predittivo o data mining prediction Esistono degli strumenti e algoritmi che consentono di anticipare il valore di determinate variabili e stimare che valore assumono delle variabili nel tempo. Significa che io applico un determinato algoritmo per predire qualcosa. Cioè io ho una variabile e voglio prevedere un valore futuro di questa variabile. Ad esempio, NETFLIX ci manda delle raccomandazioni e suggerimenti su quello che potremmo vedere in base ai film già visti (past transaction) grazie a questa transazione passata il modello ci manda suggerimenti sul contenuto da vedere. Le tecniche di data mining vengono maggiormente utilizzate nel marketing relazionale ossia quella parte di marketing che consente di parlare con i segmenti di clienti e realizzare determinate attività in modo da instaurare una relazione, in particolare servono ad eseguire le seguenti attività: - Identificare i segmenti di clienti che rispondono meglio ad un certo targeting oppure ad una certa campagna di marketing - Identificare i segmenti target per predire i clienti prossimi all’abbandono e offrire loro determinate promozioni - Predire una risposta positiva dei consumatori verso una determinata campagna pubblicitaria oppure a degli sconti - Interpretare e comprendere una serie di comportamenti dei consumatori - Analizzare il carrello della spesa dei clienti e comprendere perché acquistano determinati prodotti assieme (market basket analysis) Esistono altre applicazioni delle tecniche di data mining quali: - Identificazione di frodi Soprattutto nel settore bancario consente di identificare le persone che rubano l’identità di altri clienti, persone che effettuano false transazioni e così via; attraverso il data mining è possibile identificare tutte le frodi che vengono realizzate andando ad analizzare la singola transazione utilizzando una serie di dati storici con degli schemi di transazioni tipo (regular pattern) di transazione di tipo frode. Se la transazione è simile al pattern di frode viene bloccata altrimenti no. - Valutazione del rischio Le tecniche vengono utilizzate per predire un rischio associato ad una decisione futura, utilizzate soprattutto in ambito medico - Text mining Consentono di analizzare articoli, libri, documenti, e-mail, post per estrarre determinate informazioni (riconoscimento automatico di testo) - Riconoscimento di immagini Algoritmi che consentono di identificare caratteri scritti, confrontare e identificare volti umani; vengono utilizzati soprattutto negli aeroporti per identificare comportamenti sospetti ed effettuare controlli - Web mining Famiglie di algoritmi che analizzano i click, la sequenza di pagine visitate da un utente - Diagnosi mediche Input data Le tecniche di data mining richiedono come input una ingente quantità di dati, in particolare gli input tradizionali di un processo di BI sono dei data set cioè una tabella formata da righe e colonne dove ogni singola osservazione può essere una transazione, un click, un evento e così via. Quindi abbiamo numerose osservazioni e per ogni osservazione abbiamo numerose transazioni e per ogni transazione abbiamo il tempo, il costo, ed altri dati. Quindi abbiamo un data set che è una tabella dove: - Righe: sono le osservazioni passate → esempi, casi, istanze o record - Colonne: sono le caratteristiche della singola osservazione → attributi, variabili, caratteristiche Le informazioni racchiuse all’interno delle colonne possono essere di tipo numerico o categorie (categorical o numerical variable); sapere il tipo di variabile all’interno di ogni colonna è fondamentale per capire come analizzare i dati ed eseguire l’analisi che ovviamente dipende dal tipo di variabile. Gli attributi all’interno di un data set possono essere di tipo: - Categorical: numero finito di valori distinti e sono di tipo qualitativo come il genere, la residenza; su questo tipo di attributi non è necessaria alcuna operazione aritmetica anche se i valori sono codificati da numeri interi - Numerical: numero finito o infinito di valori e sono di tipo quantitativo come l’età, il reddito; su questo tipo di attributi è possibile effettuare delle operazioni aritmetiche La tassonomia degli attributi è la seguente: 1. Variabili di tipo categorico - Counts: attributi di tipo categorico, si utilizzano variabili di tipo binario (0/1) oppure tipo vero o falso; nell’ esempio, il pagamento con carta di credito è di tipo count perché se la transazione è stata effettuata avremo valore 1 se non è stata effettuata il valore sarà 0 - Nominal: attributi di tipo categorico senza un ordinamento naturale; nell’esempio è lo store che può essere on-line oppure store 1, 2 etc. abbiamo un numero che non necessita di un ordine numerico perché è solo una codificazione - Ordinal: attributi di tipo categorico con un ordinamento naturale, per i quali non ha senso calcolare differenze o altre operazioni matematiche; ad esempio, il momento della giornata può assumere un numero finito di valori e ha un ordine perché la mattina viene prima del pomeriggio e il pomeriggio viene prima della sera. Anche se pensiamo ad una valutazione, ad esempio, valutare da 1 a 5 qualcosa parliamo di valori ordinali perché sono ordinati e assumono un numero finito di valori, cioè da 1 a 5. 2. Variabili di tipo numerico - Discrete: attributi di tipo numerico con un numero finito o contabile di valori, sono di tipo quantitativo; nell’esempio è la quantità - Continuous: attributi di tipo numerico con un numero infinito di valori; nell’esempio è l’ammontare - Vogliamo predire il valore della variabile target per ogni osservazione - Vogliamo fare una classificazione del problema trasformandolo in un problema di regressione e viceversa andando a trasformare la variabile continua in variabile categorica È molto simile alla classificazione, la differenza è che il target di attributi usato nella regressione, è formato da variabili continue e non categoriche. Un esempio di quando si utilizza questa analisi è quando si vuole predire la spesa di un certo cliente. 4. Analisi delle serie temporali (supervised) Viene utilizzata quando la variabile target evolve nel tempo ed è associata ad un periodo di tempo adiacente all’asse temporale, l’obiettivo è predire il valore della variabile target per uno o più periodi di osservazione. Quindi la differenza principale è l’informazione riguardo il tempo. E permette inoltre di predire un determinato valore in un determinato istante temporale nel futuro. 5. Regole di associazione (unsupervised) Algoritmi che rendono possibili trovare le associazioni migliori fra prodotti o utenti. Ed è di tipo unsupervised perché non c’è un attributo che guida l’azione o una variabile target oppure un obiettivo specifico. Ad esempio, quando si vuole capire il perché alcuni prodotti vengono comprati assieme. 6. Raggruppamento (unsupervised) Sono algoritmi che consentono di effettuare la segmentazione cioè di trovare utenti simili ad altri e raggrupparli in un unico segmento ed è di tipo unsupervised. 7. Descrizione e visualizzazione (unsupervised) Sono algoritmi che vengono utilizzati per semplificare la rappresentazione di informazioni e dati in grandi dataset. Data Preparation È la prima attività che si svolge quando si avvia un processo di business intelligence devo fare qualcosa sui dati prima di analizzarli? Rappresenta l’80% di tutto il processo in quanto in alcuni casi i dataset hanno degli errori sui dati, hanno dati mancanti o dati sporchi; quindi, è necessario correggerli prima di procedere con l’analisi perché se non venisse fatto questo processo l’algoritmo non si accorgerebbe degli errori e darà come risultato un output errato. Ci focalizzeremo su tre aspetti fondamentali che consentono di semplificare il processo e allo stesso tempo ridurre i costi dello stesso: - Data cleaning: pulire i dati Devo pulire i dati? Perché dovrei farlo? È importante pulire i dati perché il dataset all’inizio contiene un sacco di dati diversi tra loro, potrebbe contenere errori collegati alle automazioni del processo, ad errori umani o malfunzionamenti e valori mancanti. La scarsa qualità di un dataset all’inizio è dovuta principalmente a: • Incompleteness o dati incompleti: dati non registrati, dati non disponibili, malfunzionamenti; dati mancanti all’interno di un dataset sono un problema rilevanti e se questo problema è presente va risolto attraverso la pulizia • Noise o rumore: sono valori anormali troppo alti o troppo bassi dovuti a dispositivi malfunzionanti oppure ad errori di trasferimento dei dati e bisogna correggerli • Inconsistency o inconsistenza: si ha quando vi è discrepanza dei dati, in alcuni casi i dati provengono da risorse diverse se ad esempio abbiamo registrato un prodotto con differenti valori si verifica una inconsistenza nel dataset quindi bisogna correggere - Data transofrmation: trasformare alcuni dati in formati diversi - Data reduction: ridurre i dati perché in alcuni casi i dataset potrebbero essere enormi e quindi richiedere tempi elevati di elaborazione se non riduciamo o semplifichiamo i dati Data Preparation: Data Cleaning 1. Incomplete data o incompletezza Come correggiamo i dati incompleti? a. Prima opzione: eliminazione dei dati Supponendo di avere un dataset con valori mancanti abbiamo una prima opzione che sarebbe quella di eliminare tutti i record per cui i valori sono mancanti, posso farlo ma il problema è andare a controllare quante istanze avrò alla fine di tutte le eliminazioni perché se andando ad eliminare tutte le righe in cui ho un valore mancante, vado a perdere un sacco di dati questa opzione non va bene perché sto eliminando dei dati importanti dal dataset e quindi dall’analisi. Il secondo controllo è quello di verificare se i record eliminati contengono informazioni specifiche che potrebbero essere fondamentali alla fine dell’analisi. Se la distribuzione delle variabili è la stessa dopo l’eliminazione significa che le istanze che ho eliminato non hanno inficiato sulla distribuzione mentre se la distribuzione dei dati cambia significa che ho perso delle informazioni e quindi l’eliminazione non va bene. Riassumendo, dopo l’eliminazione devo effettuare due controlli: - Quanti record ho eliminato? Ho ridotto troppo il dataset? → check quantitativo - Dopo l’eliminazione è variata la distribuzione dei dati? → check qualitativo Se fatta una eliminazione del genere mi accorgo che perdo troppe informazioni o che la distribuzione dei dati è variata di molto allora non posso utilizzare questa opzione. b. Seconda opzione: sostituire i valori mancanti con ispezione Andare ad ispezionare ogni valore mancante colonna per colonna nel dataset e sostituirlo con altri dati; alcuni dati mancanti potrebbero avere un significato mentre altri dati mancanti potrebbero essere tali a causa di errori. Ad esempio, se abbiamo un questionario dove un utente deve inserire la sua età e il numero di figli (1,2,3) l’età se manca è un dato fondamentale mente il numero di figli se manca è un errore perché magari non c’è l’opzione 0 figli oppure 4 figli. Nel momento in cui dobbiamo andare a sostituire dei dati mancanti, abbiamo due opzioni: inserire dei valori automatici come la media oppure andarli a sostituirli manualmente. Dobbiamo rispondere a due domande: - I dati mancanti sono mancanti per errore o per dimenticanza? - Quanti dati sono mancanti? Dopo aver risposto a queste domande sappiamo quali sono gli attributi mancanti e quanti sono quindi vado a decidere come sostituire questi dati che mancano. Come sostituire i dati? ➢ Identification: dopo aver identificato i valori mancanti, se questi valori mancanti hanno un certo significato allora si utilizza un valore convenzionale per codificare e identificare il valore mancante: • Nel caso di attributi di tipo continuo (ad esempio reddito) si inserisce +1 se il dato mancante è positivo o -1 se il dato mancante è negativo a tutti i dati mancanti. • Se l’attributo è di tipo categorico (ad esempio il numero di figli) allora si inserisce un nuovo valore diverso da tutti quelli assunti da quel tipo di attributo ➢ Substitution: si effettua una sostituzione automatica se i valori mancanti non hanno un significato ma sono degli errori, in generale: • Per gli attributi di tipo continuo o numerico inserisco il valore medio cosi da minimizzare l’errore; ad esempio nel caso dell’età in cui posso eliminare il problema dell’avere un valore mancante inserendo la media dell’età del campione • Per gli attributi di tipo categorico inserisco il valore più frequente. In questo caso si va a controllare quanti dati mancano perché sia media che frequenza si basano su dati presenti per prevedere quelli mancanti, se i dati mancanti sono tanti rispetto ai dati presenti questo metodo automatico potrebbe fallire. • Analisi supervisionata attraverso un algoritmo si inserisce il valore medio solo per quei record che presentano lo stesso target di classe, questo mi permette di mantenere invariata la distribuzione che ho inizialmente e di cancellare i missing values con i nuovi valori. • Maximum likelihood value l’algoritmo fa una stima del valore mancante attraverso un modello di regressione 2. Noise o rumore Come correggiamo i dati affetti da rumore? Dopo aver corretto i dati mancanti si va a verificare se esistono dei rumori cioè dei valori anomali che sono troppo alti o troppo bassi rispetto alla media; rumore significa che ci sono dei valori che possono introdurre degli errori nelle analisi successive, per poter identificare valori anormali si può procedere in due modi: - Utilizzare una analisi per esperto o cluster analysis in cui si individuano i valori che ricadono al di fuori degli intervalli e si eliminano - Utilizzare degli indici di dispersione conoscendo la media e la deviazione standard, calcolo gli intervalli di confidenza e confronto ogni singolo valore con l’intervallo calcolato. A volte ci sono degli errori legati a dei valori non accettabili, ad esempio, età pari a 1000 ed è un errore che va corretto oppure posso avere valori differenti che hanno lo stesso significato e sono problemi che vanno risolti: - Valori non accettabili - Valori diversi con significati simili ad esempio stesso nome di variabile con uno in lettere maiuscole e l’altro con lettere minuscole 3. Inconsistenza Weka Explorer Prima di tutto dobbiamo dire che i file usati da WEKA sono di tipo. arff, ma in questo programma potete aprire, salvare e modificare tutti i file di statistica come, ad esempio, quelli di Excel o CSV. Un’altra informazione è che se siamo in Excel per poi trasferire il file a WEKA dobbiamo prestare attenzione al formato, e . (virgola e punto): useremo il punto per esprimere valori decimali, mentre la virgola verrà usata per dividere 2 diversi valori tra di loro; quindi, viene riconosciuta come separazione tra valori. Prima di avere un file pronto vedremo che sarà sbloccata solo l’operazione Preprocess in alto a destra, dopo aver caricato il nostro file saranno attive tutte le altre opzioni (classfy, cluster, associate…); quindi carichiamo il file, cosi tutte le sezioni del software ora sono disponibili. Si parte chiaramente dal Pre-process, che è la prima operazione per ogni attività di data mining e in generale di business intelligence, in cui vengono corretti qualsiasi tipo di mancanze, problemi che si nascondono all’interno dei dati. Vedendo l’interfaccia abbiamo una serie di opzioni: sempre in alto si trova Open file, che abbiamo già usato, Open URL, che ci permette di aprire file inserendone l’indirizzo, Open DB, utile per aprire file di DataBase, Generate che ci permette di creare dei file, Undo che al momento non è utilizzabile perché non abbiamo apportato nessuna modifica al file, se modifichiamo qualcosa si può premere per annullarla, Edit ci fa apparire il database relativo al nostro file con tutte le istanze e caratteristiche correlate inserite in righe e colonne. Per ciascuna riga e colonna individuiamo uno specifico cliente, qui ne troviamo solo 35 perché è un esempio molto semplificato e non realistico, inoltre abbiamo una serie di attributi; andremo a preparare il dataset per effettuare successive analisi. Open file → datapreparation.arff Infine, in alto a destra troviamo il tasto Save ci fa salvare le modifiche apportate. Applicare dei filtri agli attributi Più in basso troviamo la sezione Filter, col tasto Choose, che ci fa scegliere e visionare all’interno di una cartella tutti i possibili filtri che possono essere inseriti e lanciati all’interno del Preprocess. Vediamo anche altre 2 cartelle: - supervised → fa riferimento ad un attributo obiettivo che voglio considerare nella mia analisi - unsupervised → collezione di tutte le caratteristiche che possono essere lanciate senza considerare alcun attributo come rappresentante della classe, è la stessa definizione e classificazione che abbiamo usato nel definire l’algoritmo nel data mining. Quindi se sto facendo il processo di data mining e nella mia analisi voglio classificare uno specifico attributo devo scegliere la cartella supervised, in caso opposto la unsupervised. Quando apriamo una delle 2 cartelle ne troviamo altre 2, ovvero attributes e instances, se spingo su attributes mi appaiono tutte le caratteristiche che possono essere applicate sugli attributi (che sono le colonne nel database), mentre se voglio applicare dei filtri sulle righe devo aprire la cartella delle instances. Ad esempio, volendo selezionare un filtro: choose → filters → supervised → attribute → discretize vedrò che esso appare nella riga accanto a choose con altri valori associati a quel determinato filtro. A questo punto il filtro non è ancora attivo, è solo selezionato; se ci premo sopra viene fuori una schermata con una breve descrizione del filtro selezionato e varie opzioni che possono essere modificate a nostro piacimento. Spingendo sul tasto More troviamo altre informazioni aggiuntive e dettagliate riguardo il filtro scelto e una descrizione dei parametri e settings modificabili; quindi, anche se ne dimentichiamo le funzioni possiamo sempre ricorrere a questo specchio per ricordarci delle funzioni che possiamo andare a modificare. Cliccando su OK comunico al software che mi vanno bene le modifiche apportate nella tabella, ma il filtro non è stato ancora lanciato. Per attivarlo dobbiamo cliccare su Apply alla destra del filtro scelto e vedrò i cambiamenti sui dati e grafici. Mi accorgo che il software sta lavorando dal simbolo di WEKA in basso a destra che inizierà a muoversi, nel nostro caso è una modifica molto piccola quindi il movimento è impercettibile, ma in database molto grandi da modificare lo notiamo. In base all’attributo selezionato ovviamente cambierà anche la parte destra della nostra interfaccia, sia quella grafica (istogrammi), sia quella relativa al Selected Attribute, che ci da informazioni relative all’attributo selezionato. Ad esempio, selezionando l’attributo Gender Troviamo: - Name dell’attributo, cioè la denominazione - Missing, che ci dice quanti valori sono mancanti in questo attributo, in questo caso 29 che equivalgono al 29% delle osservazioni; questa è un’informazione molto importante perché uno degli obiettivi del Preprocess è quello di pulire, correggere problemi relativi a valori mancanti perché questi rappresentano un problema quando andiamo a lanciare un algoritmo di data mining. - Distinct (2), significa che abbiamo 2 valori diversi per questo attributo selezionato - Type, che ci dice il tipo dell’attributo selezionato, che in questo caso è Nominale, quindi non è numerico, è una variabile che può assumere infiniti valori - Unique si fa riferimento al numero del singolo valore assunto da questo attributo, nel nostro caso è 0, quindi non ci sono unique values Essendo di tipo nominale troviamo i valori corrispondenti di ciascuna istanza, che prendono il nome di Label (etichetta-cartellino) che di fatto ci dice come chiamo quel determinato valore; quindi, per il primo valore il label è 1, per il secondo il label è 2 e così via. In basso a destra troviamo infine la rappresentazione grafica dell’attributo selezionato; quando abbiamo un attributo di tipo nominale, noi avremo degli istogrammi divisi tra loro. Perché possiamo selezionare la variabile di classe dalla voce Class: ricordiamo che è la variabile che voglio usare per mandare avanti la mia analisi; il software associa uno specifico colore a ciascun valore della class variable Per poter applicare il filtro sull’attributo “genere” dopo aver selezionato usupervised e replacemissingwithuserconstant, cliccando con tasto sinistro modifico il valore dell’attributo 3 che fa riferimento all’attributo genere con “other” per indicare altro genere; poiché genere è un attributo nominale vado ad agire sulla stringa nominal, poi clicco su ok e successivamente su applica. Dopo aver applicato il filtro notiamo che i 29 valori mancanti sono stati riposizionati con il valore da noi assegnato “other” - Day of birth → nessun valore mancante, verifico se va da 1 a 31 - Month of birth → nessun valore mancante - Year of birth → nessun valore mancante - Number of children → abbiamo due errori, il primo è quello del 4 (le risposte ammesse sono 1,2,3) e poi ci sono 45 valori mancanti. Il valore mancante in questo caso significa 0 figli ed ha un significato, in questo caso se facessi un replacement automatico il software metterebbe il valore 2 figli cioè il valore più frequente ma questo è errato. Applico il filtro replacemissingwithuserconstant L’altro problema è quello di eliminare l’istanza con il valore 4, in questo caso stiamo assumendo che questo sia un errore dovuto ad una errata digitalizzazione del numero e quindi diciamo che questo non è un valore mancante. Andiamo ad unire il valore 4 con il 3 perché magari l’utente ha sbagliato