Intervista a Valeria Callioni Data Scientist at E.ON
Spinta dalla passione per le statistiche, Valeria cerca da sempre di applicare la data science ai processi di business.
Esperta di algoritmi, oggi sviluppa progetti end-to-end che utilizzano per migliorare le attività aziendali.
In che modo la vostra tecnologia modificherà l’industry nei prossimi 2 anni? Può fornirci qualche dato dei risultati ottenuti o di quello che vi siete prefissati in termini di digital transformation?
Come team di Customer Analytics sviluppiamo modelli cross-unit a supporto dell’azienda, cercando di estrarre valore dai dati che abbiamo, incrociando dati interni ed esterni. La nascita di questo team a inizio 2019 ha permesso di cambiare i processi aziendali in ottica data driven, mettendo l’analisi dei dati alla base delle decisioni strategiche dell’azienda.
Giusto per fare un esempio di un’applicazione all’avanguardia, possiamo citare un tool di geoanalytics che abbiamo sviluppato nel corso dell’ultimo anno. Uno strumento che è di supporto alle iniziative territoriali per promuovere E.ON e per supportare i nostri clienti.
Siamo partiti da una “semplice” mappatura dei clienti sul territorio, e ci siamo domandati come questo dato ci potesse essere d’aiuto.
La prima applicazione è stata nel settore della Qualità Acquisitiva: attraverso avanzate tecniche di clustering, siamo stati in grado di identificare le aree in cui vi sono problematiche legate a elevati tassi di abbandono e reclami relativi ai contratti e poter così intervenire tempestivamente.
Successivamente abbiamo esteso questo strumento ad una descrizione territoriale che sia di supporto al settore delle vendite per valutare l’apertura di sportelli: identificato un punto di interesse, analizzando dati che provengono da diverse fonti siamo in grado di fornire una fotografia del territorio, per valutarne le potenzialità. Gli analytics in questo caso risiedono nell’analisi del raggio di influenza di un punto di vendita (virtuale o reale) e nella previsione delle performance del nuovo POS.
Cambiamento e innovazione del mondo digitale vanno di pari passo con il cambiamento e l’innovazione dei manager e dei team? Come ci si prepara ad essere manager di innovazione e cambiamento?
Quando l’implementazione di progetti di Analytics ha iniziato a prendere piede, nelle aziende alcune figure si sono ritrovate a ricoprire un ruolo più per interesse e per necessità che per capacità tecniche. Recentemente, invece, abbiamo iniziato ad assistere ad un cambio generazionale: “Nel 2019, però, una grande impresa su due ha già inserito almeno un Data Scientist, le aziende che hanno già da tempo introdotto figure di questo tipo ne hanno incrementato il numero e una su tre lo ha addirittura raddoppiato. Grazie a questi profili, oggi riescono a elaborare progetti più complessi dedicati a machine learning, dati non strutturati, analisi in tempo reale” (https://www.osservatori.net/it/ricerche/comunicati-stampa/big-data-analytics-in-italia-un-mercato-da-1-7-miliardi-di-euro-plus23-rispetto-al-2018). Le prime leve del settore Data Analytics oggi ricoprono ruoli manageriali importanti perché sono in grado di capire le necessità dell’azienda e di scegliere conseguentemente le figure professionali da assumere. I team di Data Scientists, Data Engineers e Data Analysts sono la naturale conseguenza della forte crescita del settore.
Per poter aspirare ad essere manager di innovazione e cambiamento occorre avere alcune specifiche caratteristiche:
- Apertura mentale, non solo come caratteristica importante nel quotidiano ma anche per saper cogliere le opportunità
- Curiosità, per rimanere aggiornati in un mondo in continua evoluzione
- Imparare dagli errori
- Voglia di sperimentare
- Essere in grado di coinvolgere e portare con sé le persone
Quali sono secondo lei i principali trend tecnologici in ambito Intelligenza Artificiale e come sta avanzando la ricerca a livello nazionale? E guardando al futuro, se dovesse indicare una tecnologia nello specifico per la sua industry quale indicherebbe?
Come azienda del mondo energy, gli ambiti di Intelligenza artificiale in cui vogliamo crescere maggiormente, e che sono anche i principali trend a livello italiano, come presentato nei mesi scorsi dall’Osservatorio del Politecnico (https://blog.osservatori.net/it_it/artificial-intelligence-italia-mercato-progetti-tecnologie), possono essere riassunti così:
- NLP per supporto in ambito Customer Care per la risoluzione di problemi (informazioni sulle offerte, informazioni sui prodotti in vendita, assistenza, …) in tempo reale con chatbot o sistemi di Real-Time Next-Best-Actions per i nostri operatori/venditori
- IRPA per rendere i processi efficaci, efficienti ma, soprattutto, intelligenti
- ML e Deep Learning per tematiche relative al tasso di abbandono o per l’ottimizzazione dei prezzi
- Tecniche come i recommendation systems per anticipare i bisogni dei clienti, sia da un punto di vista Sales che Customer Care (offerte, soluzioni e assistenza 100% personalizzate)
Se dovessi, invece, indicare una tecnologia specifica su cui puntare, direi sicuramente l’A.I. applicata a sistemi di Decision Making. Questo ambito è fondamentale, ora più che mai, per passare da un approccio data driven ad uno A.I. driven, dove l’ultimo step del processo, quello appunto di decisione, verrà effettuato non più dalla persona mediante i risultati ottenuti dalla macchina ma direttamente da un sistema intelligente in grado di interpretare i dati e valutare la soluzione migliore (https://hbr.org/2019/07/what-ai-driven-decision-making-looks-like). Nel caso sopra riportato circa lo strumento di geoanalytics, la ricerca del punto ottimale sul territorio per l’apertura di un nuovo punto vendita può essere ottimizzata attraverso degli algoritmi, che, intersecando dati di natura diversa, sono in grado di calcolare delle misure circa la potenzialità del punto e infine fornire l’output, seguendo una prioritizzazione predefinita dal business.