Intervista a Fabrizio Milano D’Aragona, CEO e Co-Founder Datrix.
In collaborazione con
Negli ultimi anni abbiamo assisto a un aumento esponenziale della quantità di dati raccolti e gestiti dalle aziende di tutte le dimensioni. E questa dinamica è sicuramente collegata al diffondersi della digitalizzazione. Esistono dati generati dai clienti, dai prodotti, dai fornitori, dai partner di distribuzione, da tutti i differenti touch point digitali e fisici e sempre di più dalle macchine. Accanto a questa raccolta crescente di dati stiamo assistendo contemporaneamente all’aumentare dei costi di gestione e tutela di queste informazioni. Per esempio, costi collegati alla cybersecurity e ai costi per la gestione della privacy e della compliance. Come dimostrano le grandi aziende digitali (OTT) i dati, se correttamente sfruttati, rappresentano un grande patrimonio produttivo che prescinde dai singoli contesti di utilizzo.
Data Monetization è un termine che viene utilizzato con accezioni differenti, provocando non poca confusione tra gli addetti ai lavori. In termini generali si parla di Data Monetization in tutti quei processi che utilizzano i dati per produrre un valore economico misurabile. Del resto, le aziende si sono sempre occupate dei propri dati: la differenza sostanziale nell’approccio odierno è poter sfruttare in modo molto più esteso la capacità di elaborazione degli stessi. Ma il fattore determinante che spinge questo processo è la necessità da parte di tutte le aziende di individuare vantaggi competitivi in contesti sempre più liquidi e veloci. In un mercato, infatti, senza confini chiari, la capacità di un’azienda di innovare e adattarsi rapidamente è fondamentale. E la monetizzazione dei dati entra in gioco come leva strategica.
Stiamo assistendo quindi a un fenomeno che ridefinisce le strategie di business delle aziende moderne, segnando un’epoca in cui i dati si trasformano in veri e propri asset economici.
Il ruolo dell’Intelligenza Artificiale nella monetizzazione dei dati.
Ed è in questo contesto che ha un ruolo sempre più importante l’Intelligenza Artificiale che, in ultima istanza, è un formidabile sistema per attivare i dati disponibili.
L’intelligenza artificiale sarà sempre più al centro della trasformazione digitale, anche perchè agirà proprio come catalizzatore nella monetizzazione dei dati. L’AI, infatti, può scoprire modelli nascosti nei grandi volumi di informazioni disponibili, fornendo alle aziende intuizioni preziose per prendere decisioni strategiche, migliorare l’efficienza operativa e personalizzare l’esperienza dei clienti aumentandone la redditività. Ma anche per elaborare nuovi dati e indicatori che saranno sempre più un valore aggiunto per partner e terze parti. Tale capacità di fare rapida leva sui dati disponibili sarà sempre più essenziale.
Da un punto di vista metodologico possiamo distinguere tra monetization diretta e indiretta.
Strategie di monetizzazione diretta dei dati: Data As a Service come nuovo modello di business.
La monetizzazione diretta dei dati rappresenta una strategia attraverso la quale le aziende capitalizzano i propri dati, trasformandoli in beni direttamente commercializzabili. Ciò comprende la vendita di dati profilati ad alto valore aggiunto ad advertiser, ad aziende che possono usarli per campagne pubblicitarie mirate, per la vendita diretta di prodotti e servizi (non in competizione con il Data Seller), o per l’analisi di specifici trend di mercato.
Negli ultimi anni stiamo assistendo a una crescente domanda di dati e informazioni esterne da affiancare a quelle già disponibili all’interno.
Il mondo degli operatori finanziari (banche d’investimento e retail, assicurazioni, fondi hedge), per esempio, stanno mostrando un interesse sempre maggiore per nuovi set di dati raffinati e indicatori non convenzionali, che vengono integrati per alimentare e creare nuove strategie di investimento o per personalizzare i servizi finanziari, evidenziando la trasversalità e il valore dei dati come asset.
Anche le aziende farmaceutiche stanno ampliando notevolmente l’utilizzo di dati esterni, non solo per migliorare la ricerca e per supportare lo sviluppo interno di prodotti, ma anche per l’identificazione di nuovi obiettivi terapeutici. La capacità di gestire e integrare i dati generati in tutte le fasi della catena del valore, dall’R&D all’utilizzo reale dopo l’approvazione normativa, è diventata fondamentale. Attraverso analisi avanzate che sfruttano modelli predittivi, apprendimento automatico e algoritmi di AI, le aziende farmaceutiche possono ottenere una comprensione più profonda delle caratteristiche dei pazienti e di come queste influenzino gli esiti terapeutici. Ad esempio, gli algoritmi che collegano dati di laboratorio e clinici possono creare report automatici che identificano applicazioni o composti correlati e sollevano bandiere rosse relative a sicurezza o efficacia.
La Direct Data Monetization sta diventando una risorsa preziosa anche per altri settori, come per esempio i brand del Largo Consumo, del Fashion, dell’Automotive, etc.
Le aziende in questi settori, sfruttando analisi dettagliate su dati profilati anche esterni, possono sia affinare le proprie strategie di marketing, sviluppando prodotti che meglio rispecchiano le aspettative dei consumatori, che ottimizzare le campagne pubblicitarie creando azioni di micro-targeting.
Attraverso l’acquisizione di dati sul comportamento dei consumatori, inoltre, un brand può identificare nuove tendenze emergenti, personalizzare le offerte, guadagnando un vantaggio competitivo significativo.
I Data Buyer, nel settore della Moda e dell’Automotive, dove il comportamento e le preferenze dei clienti sono in continua evoluzione, usano set di dati esterni che consentono di anticipare cambiamenti nelle abitudini di consumo e di adattare rapidamente dall’approvvigionamento, alla produzione fino alle attività sales e di distribuzione.
Anche i brand di Largo Consumo più sofisticati stanno diventando sempre più dei Data Buyer. D’altra parte, utilizzando la combinazione di dati interni ed esterni, questi operatori possono ottimizzare la catena di fornitura, prevedere la domanda di mercato (bypassando il blocco informativo della distribuzione) e creare promozioni mirate che rispondano meglio agli interessi specifici dei loro clienti.
Ma l’impatto più significativo della Data Monetization diretta, si sta avendo nel mondo del Media Adv, in particolare nel contesto del Programmatic, sempre più alla ricerca di informazioni per profilare gli utenti in modo mirato. La dismissione, infatti, dei cookie di terza parte, sta spingendo il mercato del media advertising, verso un utilizzo più avanzato dell’Intelligenza Artificiale per intercettare informazioni rilevanti. L’AI, infatti, gioca un ruolo fondamentale nel compensare la perdita di dati derivante dal declino dei cookie, permettendo di mantenere la personalizzazione e l’efficacia delle campagne pubblicitarie.
Da un punto di vista dell’offerta di dati (Data Providers o Sellers), la monetizzazione diretta si sta configurando come un’arena in cui diversi protagonisti stanno esplorando e sfruttando questa opportunità. Il mondo dei Publishers e del Media è da tempo al centro di questo processo, ma ora anche i Retailers multicanale e le piattaforme di e-commerce stanno scoprendo un potenziale inespresso. Dato che solo una piccola percentuale del traffico generato dai siti si converte in entrate core di vendita, valorizzare tutte la restante parte di interazioni con i propri clienti e le informazioni ad alto valore aggiunto sui comportamenti di acquisto che ne derivano, sta diventando una nuova opportunità di business.
Queste aziende, quindi, stanno sfruttando i dati raccolti attraverso le transazioni online e offline per aiutare decisioni strategiche, personalizzare l’esperienza del cliente e, ora sempre di più, per aprire nuovi canali di revenue.
Anche il settore delle Mobile App è in fortissima crescita nella monetizzazione diretta dei dati raccolti. In particolare il mondo delle App gaming si distingue come un prolifico generatore di dati degli utenti, che vengono impiegati per offerte pubblicitarie mirate e personalizzate direttamente in App. Grazie alla quantità di dati raccolti da milioni di interazioni quotidiane, le app di gaming, infatti, possono offrire dettagli comportamentali e preferenziali che sono oro puro per i marketer.
In questo contesto, non possiamo ignorare il ruolo significativo delle aziende di telecomunicazioni (Telco), le quali, con il loro accesso diretto ai dati di traffico e alle abitudini di utilizzo, si trovano in una posizione privilegiata per monetizzare le informazioni in maniera diretta.
Dato questo panorama diversificato di interesse della domanda e dell’offerta non stupisce che negli anni, si siano affiancati ai grandi provider di dati tradizionali (si pensi nel mondo della finanza realtà quali Bloomberg, Thomson Reuters e lo stesso Nasdaq, che oggi aggregano anche dati di terza parte) nuove piattaforme marketplace dedicate, che offrono scambio di dati di vario tipo, operando con il modello del Data As a Service (DAAS). Queste piattaforme semplificano, per l’offerta l’individuazione di clienti e la scalabilità dei modelli di vendita e forniscono la possibilità anche di stabilire valori di riferimento per i set di dati disponibili; per la domanda, le piattaforme facilitano la ricerca e il confronto di set di dati e il loro acquisto, offrendo anche verifiche sulla qualità e rigorosi protocolli di sicurezza per proteggere le informazioni sensibili.
Strategie di monetizzazione indiretta dei dati: trasformare le imprese in marketplace e oltre.
La monetizzazione indiretta dei dati è un processo in cui le imprese utilizzano i dati per ottimizzare le operation interne, arricchire le informazioni (CRM enrichment), aumentare la redditività sui clienti, aprire nuovi mercati e innovare prodotti che rispondono più efficacemente alle aspettative del consumatore. Però, in un’ottica più evoluta, non si tratta solo di migliorare le offerte esistenti, ma anche di abilitare la creazione di nuovi modelli di business, come piattaforme di servizi integrati che amplificano il valore della proposta aziendale.
All’interno, quindi, di un percorso che passi da logiche di adozione più tattiche di strumenti basati su sistemi più o meno sofisticati di Business Intelligence, a un percorso strategico evolutivo, nella monetizzazione indiretta dei dati, potremmo dire che le imprese sono chiamate a evolvere da una ‘Foundational Phase’ ad una ‘Advanced Phase’. Alla base di questo percorso la tecnologia non è il fattore determinante e anzi, molto spesso, non è richiesta necessariamente una rivisitazione delle infrastrutture tecniche esistenti o l’adozione di nuove piattaforme onerose. Molte aziende dispongono già di un’ampia raccolta di dati grazie agli investimenti effettuati negli anni, e ciò che spesso manca, è una chiara strategia per trasformare i dati e le informazioni disponibili in intelligenza aziendale e conseguentemente in valore economico tangibile.
Nella ‘Foundational Phase’, le aziende iniziano a utilizzare i dati per informare le decisioni operative e per arricchire la conoscenza del cliente. Questo include la personalizzazione delle interazioni con il cliente (CRM enrichment), ottimizzazione dei costi e miglioramento dell’efficienza operativa. In questa fase, le informazioni vengono principalmente utilizzate per aumentare la redditività dei clienti attuali e per aprire nuovi mercati.
La transizione verso una ”Advanced Phase’ implica una maggiore sofisticazione nell’uso dei dati. Qui, le aziende iniziano a sfruttare la potenza dell’analisi predittiva e dell’intelligenza artificiale non solo per prevedere le esigenze del mercato e le aspettative dei consumatori ma anche per influenzare attivamente tali aspettative e creare nuovi prodotti e servizi innovativi. Questo passaggio strategico si concentra su tre aree chiave:
Data-Driven Decision Making: Passare da decisioni basate sull’intuito a decisioni guidate dai dati, utilizzando modelli di analisi predittiva per guidare lo sviluppo dei prodotti e l’innovazione dei servizi.
Nuovi Modelli di Business o Servitization: Sviluppare nuovi modelli di business arricchendo i prodotti con soluzioni integrate o trasformando gli stessi in una logica di servizio, che è alla base di modelli di Servitization, che avrà un forte impatto anche nel mondo delle aziende manifatturiere.
Utilizzando i dati disponibili sui propri clienti e fornitori, si potranno concepire nuovi modelli che non sono basati sulle legacy dei prodotti esistenti, ma sulla possibilità di idearne di nuovi che per esempio incorporeranno logiche fortemente orientate alla fornitura di servizi. Alla base di questa importante trasformazione, delle aziende, c’è un paradigma customer knowledge driven, basato su una governance avanzata dei dati disponibili e dei sistemi di AI. Pensiamo alla incredibile capacità degli OTT digitali di penetrare in nuovi mercati con una velocità impressionante basata proprio sulla profonda conoscenza e l’engagement deglii utenti/clienti.
Partner Selection e Marketplace Dynamics: Collaborare strategicamente con terze parti per espandere l’offerta di servizi e prodotti, creando un ecosistema più ricco che risponde in modo più completo ai bisogni del consumatore.
Nel mercato, al netto dei grandi player digitali, esistono oggi diverse tipologie di marketplace, anche verticali, che soddisfano vari bisogni dei clienti, come l’approvvigionamento semplificato di prodotti o servizi, la vendita diretta tra imprese di uno stesso settore, o la possibilità per le aziende di raggruppare la loro offerta su un’unica piattaforma, facilitando così la gestione delle vendite e degli ordini
Un fenomeno emergente, però, nel panorama della data monetization indiretta è la trasformazione di aziende tradizionali, come banche, assicurazioni, compagnie energetiche e delle telecomunicazioni, in veri e propri marketplace di prodotti e servizi. Questi player, attraverso l’utilizzo strategico dei dati, possono ora offrire ai loro clienti una gamma più ampia di servizi, spesso in collaborazione con terze parti, creando nuove fonti di revenue e migliorando la fidelizzazione dei propri clienti. Questo approccio consente alle aziende di oltrepassare i confini tradizionali del loro settore e di esplorare nuovi orizzonti commerciali.
L’adozione di queste strategie, come detto, non è solamente una questione di tecnologia, ma anche di cultura aziendale e di processi. La chiave sta nel saper adottare e integrare sistemi avanzati di analytics e sempre più di AI, che siano misurabili e trasparenti, in modo da poter attribuire un valore chiaro e quantificabile ad ogni attività data-driven. Invece di rivoluzionare le infrastrutture esistenti, le aziende, quindi, dovrebbero concentrarsi sul migliorare le capacità di queste tecnologie, con una integrazione mirata di strumenti di AI, di lavorare con i dati disponibili in modo più intelligente e strategico.
La strada da percorrere nella monetizzazione indiretta dei dati è definita da una transizione strategica che pone i dati al centro dell’innovazione aziendale, sfruttando le risorse e gli strumenti esistenti per creare nuove opportunità e un vantaggio competitivo sostenibile. Questo percorso consente alle imprese di trasformarsi in marketplace dinamici e reattivi, pronti a confrontarsi con le sfide di un mercato in costante evoluzione.
L’Importanza dei dati di prima parte per la Data Monetization.
Con l’evolversi delle normative sulla privacy e il declino dei cookie di terza parte, si pone sempre più l’accento sull’uso responsabile e conforme dei dati. In questa nuova era, le informazioni di prima parte raccolte diventano un tesoro di inestimabile valore, permettendo una profilazione utente precisa nel pieno rispetto della privacy e di normative sempre più stringenti. La monetizzazione dei dati emerge quindi non solo come un percorso per l’innovazione commerciale ma anche come una necessità strategica, per diversificare i flussi di entrate e consolidare la posizione in un mercato sempre più digitale.
I first-party cookies, raccolti direttamente dal dominio che l’utente visita, garantiscono che le informazioni siano utilizzate in modo conforme e responsabile. Questo permette alle aziende di mantenere un alto livello di personalizzazione nei servizi, essenziale per il mantenimento della fiducia del cliente.
Integrare i first-party cookies nelle strategie di Data Monetization significa possedere una base solida di dati attendibili per guidare le decisioni aziendali. L’abbandono dei cookie di terza parte, come precedentemente anticipato, spingerà sempre di più le aziende verso un utilizzo più avanzato dell’intelligenza artificiale proprio per intercettare informazioni rilevanti. L’AI gioca un ruolo fondamentale nel compensare la perdita di dati derivante dal declino dei cookie, permettendo di mantenere la personalizzazione e l’efficacia delle campagne pubblicitarie. Si passa da una logica di quantità, poco rispettosa dei diritti degli utenti di proteggere la propria privacy, ad una di qualità, che dovrà basarsi sempre di più su un consenso informato e su modalità nuove di estrazione di informazioni. In definitiva, i first-party cookies non sono solo complementari, ma essenziali in un ecosistema di monetizzazione dei dati diretta e indiretta.
La Data Monetization, in conclusione, rappresenta un pilastro fondamentale per le aziende che intendono navigare con successo nel complesso panorama economico odierno. L’integrazione dell’intelligenza artificiale e l’adozione di modelli di business innovativi, come la servitization, l’adozione di modelli Data As a Service (DAAS) e la trasformazione in marketplace digitali, sono strategie chiave per sfruttare il potenziale dei dati. Le aziende che riusciranno a capitalizzare su questi trend, rispettando al contempo la privacy e la sicurezza dei dati, saranno quelle che guideranno la trasformazione dei propri settori, creando valore per sé stesse e per i loro clienti.
Fabrizio Milano d’Aragona è laureato all’Università degli Studi di Napoli Federico II, ex Top Manager di Google Italia, dove ha attivamente contribuito alla fase di startup e scale-up della sede italiana occupandosi in particolare della crescita del team e dello sviluppo delle relazioni commerciali, divenendo responsabile dei settori Retail, Fashion e Local. Attualmente CEO e Co-Founder Datrix, ricopre anche il ruolo di Consigliere Assintel per cui è coordinatore del Think Tank dedicato all’Intelligenza Artificiale.
