Costruire da zero o rimettere in ordine quello che c’è: il lavoro sui dati che viene prima di qualsiasi progetto.

Sempre più aziende vogliono partire dall’AI: agenti che si occupino delle attività ripetitive, ottimizzino i budget, ripensino interi processi. È un po’ come voler guidare una Ferrari prima di averne costruito il motore.

Il motore è l’infrastruttura dati

Ogni azienda che vende online produce dati: visite, ordini, clic sulle campagne, iscrizioni, resi. Ne ha bisogno chi ha già un team di performance come chi non ce l’ha. Cambiano i problemi da risolvere, non la necessità di mettere quei dati in ordine.

Qualunque soluzione si costruisca in seguito, dal report al modello fino all’agente, lavorerà solo con ciò che riceve. Se due fonti raccontano ordini diversi, l’analisi porta a decisioni discutibili. Se mancano delle conversioni, un modello risponde comunque, con la stessa sicurezza di quando sono tutte presenti. A decidere cosa arriva a quegli strumenti, e in che stato, è l’infrastruttura.

Cos’è l’infrastruttura dati

È l’insieme di strumenti, processi e regole che porta i dati da dove nascono a dove vengono usati, in una forma di cui ci si può fidare. È il lavoro che chiamiamo [Ground Data] [link alla pagina Ground Data], e si articola in quattro passaggi: raccolta, integrazione, pulizia e manutenzione. In un’infrastruttura completa ci sono sempre tutti, ma il lavoro richiesto da ciascuno cambia molto a seconda del punto di partenza.

Raccolta. Su siti, app e piattaforme si decide quali eventi registrare e con quali parametri, e si implementano i tracciamenti che li inviano agli strumenti di analisi e alle piattaforme pubblicitarie. Un acquisto, per esempio, deve riportare sempre importo, prodotto e metodo di pagamento, scritti nello stesso modo qualunque pagina o app lo generi.

Integrazione. Dei connettori portano ogni fonte (analytics, advertising, e-commerce, email, CRM) in un unico data warehouse o data lake su cloud, come Google Cloud, AWS o Azure. Il dato arriva grezzo e viene conservato così com’è: se cambiano le regole di calcolo, lo si rielabora senza perdere lo storico.

Pulizia. Per un report, “saldi_estate” su Meta, “Saldi Estate” su Google e “SALDI-EST” nel gestionale sono tre campagne diverse, anche se per l’azienda è la stessa. In questo passaggio si eliminano i duplicati, si uniformano formati, valute e fusi orari e si impone una naming convention comune. È ciò che rende confrontabili dati che si somigliano soltanto.

Manutenzione. Ogni fonte ha un responsabile e una documentazione, e controlli automatici segnalano quando un flusso si interrompe o cambia struttura, per esempio dopo un aggiornamento del sito che rinomina un evento. Un’infrastruttura non si costruisce una volta per tutte, perché piattaforme e siti cambiano di continuo. Per questo warehouse, codice e documentazione devono essere dell’azienda, anche quando si usano connettori di terzi, in modo che l’infrastruttura resti sua e possa crescere con lei.

Cosa succede quando manca?

Il prezzo lo pagano soprattutto le persone che devono decidere, perché ogni decisione poggia su numeri che qualcuno deve prima ricostruire. Succede così:

  • Meta, Google Analytics e il gestionale danno tre numeri diversi per gli acquisti della settimana, e la riunione si consuma a stabilire quale sia quello giusto invece di decidere cosa farne.
  • I dati si riordinano con esportazioni manuali su fogli di calcolo, e il report arriva quando chi lo prepara riesce a finirlo. La decisione arriva con lui.
  • Lo storico si interrompe a ogni cambio di strumento, e diventa difficile capire se una scelta dell’anno prima abbia funzionato.
  • Le piattaforme di advertising ricevono solo una parte delle conversioni e ottimizzano le campagne su un’immagine incompleta. Il budget segue segnali che nessuno ha verificato.

Presi uno alla volta sembrano inconvenienti tecnici. Messi insieme, rallentano le decisioni e le rendono meno sicure.

Costruire da zero o ristrutturare

In linea generale le aziende partono da una di due situazioni: devono costruire l’infrastruttura da zero, oppure ne hanno una, cresciuta senza un disegno, da rimettere in ordine.

Da zero. Alcune aziende generano molti dati e ne usano pochi, perché il tracciamento è nato a pezzi o non è mai stato progettato. Il vantaggio è la libertà: chiarito cosa serve sapere e a quale scopo, il sistema si disegna a partire da quelle domande. Il rischio è progettare un sistema che misura tutto tranne ciò che servirà davvero. Per evitarlo il lavoro segue un ordine preciso. Si raccolgono i requisiti con chi userà i dati, si scrive il piano di misurazione (cosa registrare e perché), lo si traduce in un piano di implementazione per gli sviluppatori e si verifica ogni tracciamento prima di considerarlo affidabile.

La difficoltà parte da prima del tracciamento: bisogna assicurarsi di parlare con gli stakeholder giusti, cioè con chi ha domande di business chiare e le pone ai propri team operativi. Se questo tassello manca, il sistema viene progettato su presupposti sbagliati, e gli errori di progettazione che ne derivano possono compromettere l’intera soluzione. Correggerli a quel punto costa caro, perché quelle scelte restano in piedi per anni.

Ne abbiamo avuto un esempio con un cliente il cui intero business si basa su un’app. Abbiamo costruito il tracciamento dall’inizio, a partire da un workshop sulla metrica guida, con la configurazione di analytics e delle dashboard. I limiti sono arrivati presto. Con quella configurazione si tracciavano solo gli utenti che davano il consenso, mentre il cliente avrebbe voluto misurarli tutti, e una parte dei dati andava persa per ad-blocker e restrizioni di iOS. Il lavoro si è poi fermato per alcune settimane in attesa che gli sviluppatori dell’app configurassero correttamente l’SDK. Senza eventi in arrivo, le dashboard non avevano nulla da mostrare.

Ristrutturare. Altre aziende hanno il problema opposto: anni di strumenti aggiunti uno dopo l’altro, tracciamenti sovrapposti, indicatori duplicati o calcolati in modi diversi. Non si può ripartire da zero, perché dietro ogni report c’è qualcuno che lo usa e uno storico che nessuno vuole perdere. Il lavoro comincia da un censimento di ciò che esiste. Per ogni elemento si decide se tenerlo, correggerlo o spegnerlo, e lo storico viene riconciliato con il nuovo sistema, così che i confronti con il passato restino possibili. Per un periodo vecchio e nuovo convivono, finché ogni differenza tra i due non è spiegata. I numeri raramente coincidono al cento per cento, e l’obiettivo è sapere perché non coincidono. La parte più delicata, spesso, non è tecnica: è convincere le persone a cambiare metriche e ragionamenti a cui sono abituate.

Il risultato atteso è lo stesso in entrambi i casi: un solo punto di raccolta, dati puliti e un sistema che qualcuno mantiene nel tempo. Cambia dove si concentra la fatica. Per chi costruisce sta a monte, nella progettazione. Per chi ristruttura sta nel mezzo, nel periodo di convivenza.

Il costo si paga a valle

Un’infrastruttura dati poco affidabile raramente presenta il conto a chi la gestisce. Lo presenta a chi decide. Il dato sbagliato o incompleto non produce un errore visibile: produce una decisione presa su un’immagine parziale. Un budget spostato su un canale che sembrava rendere di più perché le conversioni degli altri arrivavano solo in parte. Un test valutato su numeri che non coincidevano. Un agente che ottimizza su segnali che nessuno ha verificato. Il costo c’è, ma viene attribuito ad altro: alla creatività, al mercato, al team. Raramente a un dato che era incompleto quando si è deciso.

Per questo è un lavoro difficile da difendere in fase di offerta: il suo costo è immediato e visibile, il costo della sua assenza è diffuso e arriva dopo. E più sale l’ambizione di ciò che si costruisce sopra, più quel costo pesa. Un report sbagliato lo si corregge. Un agente che agisce su dati sbagliati, agisce.

Nel caso dell’app, il cliente ha scelto la versione più snella (“iniziamo snelli, poi vediamo come evolvere”), pur conoscendone i limiti. Quando si sono presentati davvero, il valore di ciò che mancava è diventato evidente solo a posteriori, e sono arrivate le incomprensioni.

Da dove si comincia?

Prendete l’ultima decisione importante presa sui dati, per esempio come è stato ripartito il budget del trimestre, e provate a ricostruire i numeri su cui si è basata. Bastano tre domande.

  1. Da quali fonti arrivavano, e chi ne è responsabile? Spesso è la prima volta che un’azienda le vede tutte insieme, fogli di calcolo compresi.
  2. Quelle fonti coincidevano? Confrontate le conversioni registrate dal gestionale con quelle dichiarate dalle piattaforme: la differenza mostra quanto la raccolta perde o duplica lungo la strada.
  3. La stessa campagna compare scritta in modi diversi? Ogni variante è una riga che nessuno sta sommando.

Se per rispondere servono giorni, o se le risposte cambiano a seconda di chi le dà, il problema non è la decisione: è il dato su cui è stata presa.

Ground Data parte esattamente da qui. Si censiscono le fonti, si spiega ogni differenza tra i numeri e si costruiscono raccolta, integrazione, pulizia e manutenzione, così che la prossima decisione si appoggi su dati già verificati, e che qualcuno continui a verificarli nel tempo. Se volete sapere quanto vale oggi il vostro dato, cominciamo da una di queste tre domande.

Chi è Digital Pills e come può aiutarvi

Digital Pills è una società di consulenza su dati e intelligenza artificiale con sede a Torino. Aiuta aziende ed e-commerce a trasformare dati, analytics e AI in decisioni di business misurabili, a partire dalla base su cui tutto il resto poggia.

Sull’infrastruttura dati lavoriamo con tre servizi:

  • Ground Data: censisce le fonti, spiega ogni differenza tra i numeri e costruisce raccolta, integrazione, pulizia e manutenzione, così che le decisioni si appoggino su dati già verificati, e che qualcuno continui a verificarli nel tempo.
  • Govern KPIs: definisce le metriche che l’infrastruttura deve rendere calcolabili, con formule condivise tra le funzioni che le usano.
  • Scale Paid: quando i dati sono in ordine, porta sulle campagne paid un agente AI che ottimizza su conversioni complete e verificate.

Se volete sapere quanto vale oggi il vostro dato, cominciamo da una delle tre domande qui sopra: prenotate una call con noi.