Luciano Bruccola, Conectens

Pubblicato su Conectens.com il 26/9/2024

L’applicazione delle stime Conectens di posizionamento delle imprese sui percorsi di transizione sostenibile e digitale a livello di Distretto Industriale, consente di valutare il grado di avanzamento dell’insieme delle imprese del distretto, come presentato nell’articolo Posizionamento delle imprese sui percorsi di transizione sostenibile e digitale: applicazione ai Distretti Industriali.

Tra i distretti che risultano meglio posizionati su entrambi i percorsi si presenta una analisi specifica sul distretto industriale di Mirandola, provincia di Modena, considerato un’eccellenza del settore biomedicale.

L’esercizio consente quindi di passare da una rappresentazione aggregata dei fenomeni ad una classificazione individuale basata su dati ed informazioni di ogni singola impresa.

La base dati di riferimento è rappresentata dal Registro Imprese dal quale è stato estratto l’elenco delle imprese attive, con 10+ dipendenti, con sede nel territorio del distretto così come identificato da Istat[1]. La Tavola 1 mostra l’estensione territoriale del distretto e la classificazione delle imprese per tipologia di attività economica con evidente predominanza di imprese che afferiscono alle Attività Manifatturiere.

Tavola 1

Attraverso l’applicazione degli algoritmi di stima Conectens sulla base dati così disponibile, sono stati assegnati a ciascuna impresa i livelli stimati di posizionamento sui percorsi di transizione sostenibile e digitale nonché del segmento risultante dall’incrocio delle due valutazioni.

Tra i diversi segmenti ottenuti dall’incrocio tra le due valutazioni, i seguenti sono considerati come i segmenti più rilevanti:

• l’insieme delle imprese che si presenta decisamente più avanti in entrambi i percorsi (segmento A),
• le imprese con livello alto di digitalizzazione ma in ritardo rispetto ai livelli di attenzione alla sostenibilità (segmento B1),
• le imprese con livello alto di attenzione alla sostenibilità ma in ritardo rispetto al percorso di digitalizzazione (segmento B2),
• infine quelle che assumono un posizionamento medio su ciascuno dei due percorsi (segmento C).

È quindi possibile confrontare la classificazione delle imprese presenti nel distretto rispetto alla classificazione benchmark a livello nazionale (vedi articolo citato); tale confronto è presentato In Tavola 2. L’osservazione conferma come le imprese classificate nel segmento A siano in numero maggiore rispetto al benchmark nazionale e che complessivamente le imprese che afferiscono ai 4 segmenti prioritari rappresentino circa il 60% contro una quota di poco superiore al 40% a livello nazionale.

Tavola 2

Nel complesso quindi l’insieme delle imprese presenti sul territorio del Distretto Industriale di Mirandola, sono all’avanguardia nel posizionamento sui percorsi di transizione sostenibile e digitale.

L’incrocio con gli altri elementi presenti nella base dati, quali dimensioni finanziarie, numero addetti, natura giuridica delle imprese offre qualche elemento ulteriore. Sebbene nel segmento A si posizionino le imprese con dimensione e valori finanziari più elevati, nei 4 segmenti prioritari si registra la presenza importante di realtà di piccola e media dimensione.

Di particolare interesse è la valutazione della tipologia di attività economica per i diversi segmenti individuati. Con specifico riferimento al segmento A, la classificazione per attività economica delle imprese fa emergere la caratteristica di eccellenza del settore biomedicale del distretto.

Tavola 3

Come detto in apertura l’esercizio si basa su dati individuali di impresa e quindi è possibile valutare il posizionamento di ciascuna singola impresa nei due percorsi di transizione. A questo riguardo si presenta in Tavola 4 uno stralcio delle imprese classificate come A. Si può apprezzare la diversificazione in termini di dimensione finanziaria e numerica e di tipologia di attività economica.

Tavola 4

In conclusione, nel momento in cui l’obiettivo è valutare le imprese presenti in un dato contesto territoriale, le stime Conectens offrono la possibilità di classificare prontamente e compiutamente l’insieme delle stesse sul grado di avanzamento rispetto ai due percorsi di transizione.

La mappa di posizionamento ottenuta consente di individuare le opportunità commerciali a maggiore potenzialità e, da un punto di vista operativo, di selezionare il target primario per azioni di sviluppo.

Luciano Bruccola, Conectens. Proprietà riservata (2024)

[1] Istat, Classificazione dei sistemi locali 2015

L'articolo Posizionamento delle imprese sui percorsi di transizione sostenibile e digitale: applicazione al Distretto Industriale di Mirandola proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su Conectens.com il 24/9/2024

La diffusione dei risultati delle più recenti indagini Istat[1], consente di aggiornare i processi di realizzazione delle stime di posizionamento delle imprese sui percorsi di transizione sostenibile e digitale anche sulla base dei nuovi elementi investigati.

Di particolare rilevanza sono le nuove informazioni disponibili sul fronte della sostenibilità che misurano l’adozione da parte delle imprese di attività di controllo, monitoraggio e di riduzione dell’impatto sull’ambiente e dell’utilizzo delle risorse, a fianco delle informazioni più direttamente riferite a iniziative nei confronti dei dipendenti e nei confronti delle comunità locali di appartenenza. Sul fronte dei temi relativi al percorso di digitalizzazione, le informazioni raccolte sono fondamentalmente in linea con le passate rilevazioni annuali.

A partire dai numerosi elementi presenti in ciascuna delle indagini si è provveduto, analogamente a quanto fatto nelle precedenti versioni delle stime, a individuare e selezionare quelli considerati più rilevanti e differenzianti per la costruzione di ciascuna stima.

Il processo metodologico permette di assegnare a ciascuna impresa, con 10 o più addetti, rispettivamente le stime di posizionamento sul percorso di digitalizzazione e sul percorso di attenzione a temi di sostenibilità, ottenute come sintesi delle informazioni selezionate.

La disponibilità dei dati a livello comunale delle imprese (più precisamente le unità locali)[2] disaggregati per tipologia di attività economica e dimensione aziendale consente di misurare il posizionamento delle imprese ricadenti in ciascuno dei Sistemi Locali del Lavoro (SLL), inclusi quelli identificati come Distretti Industriali[3].

La valutazione comparata, su ciascuno dei due percorsi, del posizionamento complessivo delle aziende presenti nei diversi SLL, consente di costruire un fattore di ponderazione che premia l’appartenenza a mercati nell’insieme più avanti nei percorsi di transizione, ovvero penalizza in caso contrario.

Se una impresa opera in un’area a forte livello di digitalizzazione è stimolata a progredire nel percorso, così come nel caso operi in un’area a forte livello di attenzione ai temi di sostenibilità, è stimolata a porre lo stesso livello di attenzione. Oltre a spinte legate a temi di competitività tra aziende, va considerato che un’impresa è fatta da persone che vivono in una comunità locale che si influenza vicendevolmente.

Una volta finalizzate le stime, risulta possibile assegnarle al totale delle imprese presenti sul territorio e ordinarle su ciascuno dei 2 percorsi. In Tavola 1 si presenta il posizionamento simultaneo del totale delle imprese in Italia con 10 e più addetti. Sull’asse delle ascisse sono disposte, da sinistra a destra, per posizionamento sul percorso di Sostenibilità e la linea verticale separa quelle decisamente più avanti (a destra) dalle altre. Sull’asse delle ordinate sono posizionate in modo crescente dal basso verso l’alto, sul percorso di digitalizzazione; allo stesso modo la linea orizzontale separa quelle decisamente più avanti (in alto) dal resto.

Tavola 1

Inoltre sono evidenziati i segmenti considerati più rilevanti: l’insieme delle imprese che si presenta decisamente più avanti in entrambi i percorsi (A), le imprese con livello alto di digitalizzazione ma in ritardo rispetto ai livelli di attenzione alla sostenibilità (B1), le imprese con livello alto di attenzione alla sostenibilità ma in ritardo rispetto al percorso di digitalizzazione (B2), infine quelle che assumono un posizionamento medio su ciascuno dei due percorsi (C).

È quindi possibile anche dimensionare la numerosità dei diversi gruppi, come riportato in Tavola 3: il segmento A pesa per il 9% delle imprese, il segmento B1 per il 6%, il segmento B2 per il 16% e C per il 10%. Tale dimensionamento può essere quindi considerato come un benchmark nazionale complessivo, al quale riferirsi nel momento in cui si valutano – con gli stessi strumenti – portafogli di clienti ovvero imprese presenti su partizioni territoriali.

Tavola 2

In riferimento a quest’ultima tipologia di applicazione si presenta una analisi condotta sui 141 Distretti Industriali identificati da Istat a partire dai Sistemi Locali del Lavoro (SLL), sulla base dell’analisi della loro specializzazione produttiva. I Distretti Industriali sono caratterizzati dalla presenza di imprese di piccola e media dimensione con una elevata concentrazione territoriale di occupazione manifatturiera focalizzata in un’industria principale[4].

Le imprese appartenenti a ciascun Distretto Industriale vengono classificate sui percorsi di transizione Sostenibile e transizione Digitale. La valutazione simultanea dei due posizionamenti consente di assegnare il segmento di appartenenza.

Come presentato in Tavola 3, la mappa riporta la quota imprese classificate nel segmento A, quindi a migliore posizionamento su ciascuno dei 2 percorsi, rispetto al totale delle imprese presenti sul dato territorio. Le ultime 2 classi (valori più scuri) mostrano i Distretti Industriali con presenza di imprese A superiore al benchmark nazionale e quindi con un numero più importante di imprese in posizionamento avanzato sui percorsi di attenzione ai temi della sostenibilità e della transizione digitale. Elemento che li pone all’avanguardia nel panorama delle imprese in Italia.

Tavola 3

L’applicazione delle stime Conectens ai mercati locali – o comunque a partizioni territoriali – di interesse consente una valutazione complessiva del grado di appetibilità degli stessi. La disponibilità delle stime a livello di singola impresa è peraltro uno strumento utile per selezionare i target di maggiore interesse e potenzialità di relazione.

Così come applicati alle imprese presenti in un dato contesto territoriale, gli algoritmi Conectens di assegnazione delle stime sono prontamente applicabili su portafoglio di imprese clienti per avere in modo rapido una valutazione del posizionamento di queste sui due percorsi di transizione.

La versatilità dello strumento rende quindi possibile condurre esercizi estesi di raffronto tra diversi portafogli tra loro ovvero con i benchmark territoriali di riferimento.

Luciano Bruccola, Conectens. Proprietà riservata (2024)

[1] Istat, Imprese e ICT, Anno 2023. Istat, Censimento permanente delle imprese 2023

[2] Istat, Registro Statistico delle Imprese Attive (ASIA)

[3] Istat, Classificazione dei sistemi locali 2015

[4] Vedi il già citato Istat, Classificazione dei sistemi locali 2015

L'articolo Posizionamento delle imprese sui percorsi di transizione sostenibile e digitale: applicazione ai Distretti Industriali proviene da Conectens.

Link alla registrazione integrale del workshop 

Luciano Bruccola, Conectens

Pubblicato su Conectens.com il 24/5/2024

Qualsiasi azienda che gestisca in modo digitale le relazioni con i propri consumatori ha interesse nel valutare la propensione degli stessi al digitale: a parità di capacità di spesa, maggiore è questa propensione del cliente o potenziale cliente, maggiore è la potenzialità di business da sviluppare.

Nel momento in cui ci si appresta a lanciare un nuovo prodotto, un nuovo servizio, una nuova iniziativa, le stime di propensione individuale al digitale rappresentano un supporto importante per quantificare e qualificare il target di clientela per l’azione di promozione o di fidelizzazione al fine di massimizzare i risultati.

Le stime di propensione individuale al digitale, sviluppate da Conectens, sono costruite sulla base delle caratteristiche sociodemografiche dei consumatori. Attraverso la localizzazione territoriale si tiene conto in particolare di temi quali i livelli di connettività, di densità abitativa, di sensibilità locale ai temi di digitalizzazione.

Gli aspetti digitali investigati e quindi oggetto delle stime sono sei: (i) l’utilizzo di social network, (ii) la fruizione di video sul web, (iii) la fruizione di musica in streaming piuttosto che web radio, (iv) la consultazione di news da giornali o riviste online, (v) la richiesta di certificati o documenti on line ed infine (vi) l’e-commerce in termini di acquisto di merci o servizi per uso privato.

Sulla base delle informazioni socio demografiche età, sesso, localizzazione geografica e, ove disponibili, titolo di studio e professione – dati rigorosamente anonimi – vengono assegnate puntualmente le stime per ciascuno dei sei aspetti considerati. Le sei propensioni vengono infine sintetizzate in unico indice di propensione al digitale.

Da un punto di vista di costruzione, le stime si basano su analisi di un ampio patrimonio informativo. La più importante fonte di informazioni utilizzata è rappresentata dall’indagine Istat Cittadini e ICT^[1]. La rilevazione investiga l’utilizzo di strumenti digitali da parte delle famiglie e degli individui, è condotta con cadenza annuale e coinvolge un campione di oltre ventimila famiglie.

A partire da questa indagine, l’analisi si è focalizzata a livello territoriale sugli aspetti che maggiormente influenzano la propensione al digitale: i livelli di connettività, la sensibilità locale alla digitalizzazione e la densità abitativa.

Per la connettività sono stati considerati i risultati delle mappature Infratel^[2], sia per le reti fisse che quelle mobili. In particolare per le reti fisse è stato calcolato, a livello comunale, la quota di numeri civici serviti – attualmente o in prospettiva – da reti a banda ultralarga. Per le reti mobili invece è stato calcolato, sempre a livello comunale, il numero di aree non coperte o coperte con velocità non soddisfacente.

Per quanto concerne la sensibilità locale ai processi di digitalizzazione, sono stati utilizzati i dati resi disponibili dall’Agenzia per l’Italia Digitale^[3]al fine di misurare – per comune – la presenza e la quantità di servizi digitali erogati in favore dei cittadini. Per la costruzione di questo dato sono stati considerati sia gli attuali servizi erogati in rete dagli enti sia le candidature al PNRR già finanziate.

Nelle 14 città metropolitane le analisi sono state condotte a livello territoriale sub comunale (CAP) e sono state focalizzate sulla densità abitativa grazie alla valutazione di variabili proxy quali la presenza di farmacie e scuole sul territorio^[4].

La mappa in Tavola 1 presenta i comuni classificati sulla base dei livelli di connettività mobile e fissa e sulla base della disponibilità di servizi digitali. I comuni sono raggruppati in 8 cluster ed il colore più scuro indica la maggiore presenza di condizioni di base che facilitano l’utilizzo di strumenti digitali mentre in colore più chiaro sono rappresentate le aree con i livelli più contenuti di infrastruttura disponibile e di sensibilità locale.

Tavola 1

Nei cluster a copertura minore di infrastrutture e servizi si osserva una grande presenza di comuni di piccole dimensioni, mentre nei cluster 6, 7 e 8 risiede oltre il 70% della popolazione con 18 anni e più. Questa è una ulteriore conferma dei livelli di correlazione tra densità abitativa, i livelli di infrastruttura e disponibilità di servizi della PA.

Sui comuni così classificati è stata proiettata la popolazione presente cui sono state assegnate le stime di propensione digitale sulla base delle caratteristiche socio demografiche. Come ci si può aspettare laddove le condizioni di base sono più favorevoli, il ricorso a strumenti digitali è più alto e viceversa. Le condizioni al contorno di un dato consumatore sono un fattore premiante o penalizzante di utilizzo dei diversi strumenti digitali che viene riflesso nella ponderazione delle stime.

Alla fine di questo percorso, a ciascun consumatore viene assegnata una stima di propensione al digitale sulla base di caratteristiche socio demografiche anonime, quali età, sesso, titolo di studio, professione e attraverso la localizzazione territoriale, come visto, si tiene conto di fattori quali la densità abitativa, i livelli di connettività e la sensibilità locale alla digitalizzazione. L’algoritmo consente quindi di assegnare le stime a qualunque consumatore in Italia con 18 anni e più.

Degli esempi riportati in Tavola 2, alla signora A di 37 anni che vive a Milano in un dato CAP, laureata e impiegata, è assegnata complessivamente una stima più elevata, come si vede nel grafico in alto con il profilo rosso scuro. Non è detto però che questo livello più alto sia manifestato per ciascuna dele sei aree. Può avvenire che consumatori con un livello complessivo più contenuto presentino una maggiore propensione verso specifici strumenti. La signora B, ad esempio in profilo arancione nello stesso grafico, le cui stime sono complessivamente più contenute rispetto ad A, presenta invece una maggiore propensione all’utilizzo di social network.

Tavola 2

La verifica sul campo dell’attendibilità delle propensioni stimate è stata effettuata attraverso la realizzazione di una indagine specifica. L’obiettivo è stato investigare l’utilizzo di strumenti digitali rispetto ai sei temi oggetto di stima e contemporaneamente raccogliere le informazioni socio demografiche necessarie alla assegnazione delle propensioni. L’indagine è stata condotta a inizio 2024 e sono stati raccolti in modo anonimo circa 650 questionari.

Nell’articolo Propensione Individuale al Digitale – Indagine Conectens sono presentati i risultati e gli esercizi di comparazione tra stime e risposte date al questionario. In definitiva tra le propensioni che vengono assegnate a ciascun intervistato sulla base delle caratteristiche socio demografiche e le risposte ottenute tramite domande dirette, si osserva un buon livello di coerenza. Ciò conferma che le stime Conectens rappresentano egregiamente l’utilizzo dei diversi strumenti digitali da parte dei consumatori.

La possibilità di assegnare le propensioni sulla base di informazioni anonime di semplice reperibilità – età, sesso e localizzazione territoriale nella versione base – consente di disporre delle stesse in modo ampio sui diversi portafogli clienti o potenziali clienti e quindi di poterle utilizzare in modo sistematico nei processi di individuazione dei target di clientela per le diverse azioni.

Risulta possibile quindi qualificare meglio i diversi segmenti di consumatori oggetto di azioni di promozione o fidelizzazione, affinare la selezione se il caso, adeguare i contenuti dell’offerta, l’approccio, i mezzi e i canali di comunicazione alle caratteristiche degli stessi, con l’obiettivo di massimizzare i ritorni delle azioni.

Luciano Bruccola, Conectens. Proprietà riservata (2024)

[1] Istat – CITTADINI E ICT ANNO 2022 e 2023

[2] Infratel Italia – MAPPATURA 2021 RETI A BANDA ULTRALARGA – CONNESSIONI MOBILI, MAPPATURA RETI FISSE 2021

[3] Agenzia per l’Italia Digitale – Servizi Digitali erogati in rete dagli enti, PA Digitale 2026 PNRR Candidature Finanziate (Comuni)

[4] Ministero della Salute – Dataset Farmacie, Ministero dell’Istruzione e del Merito – Informazioni anagrafiche scuole statali

L'articolo Propensione Individuale al Digitale – estratto workshop proviene da Conectens.

Conectens ha partecipato al netcomm Forum 2024 con il workshop Propensione Individuale al Digitale  Il workshop approfondisce le modalità di realizzazione, di implementazione e i possibili utilizzi delle stime di Propensione Individuale al Digitale sviluppate da Conectens e assegnate sulla base delle caratteristiche sociodemografiche dei consumatori.

L'articolo Propensione Individuale al Digitale – Workshop proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su Conectens.com il 12/2/2024

Conectens ha sviluppato una batteria di stime di Propensione Individuale al Digitale che vengono assegnate sulla base delle caratteristiche sociodemografiche delle persone. Le stime individuali coprono i seguenti aspetti: utilizzo social network, fruizione video, fruizione musica, news, e-commerce, richiesta documenti e certificati on line.

Le stime sono state sviluppate sulla base del patrimonio informativo Istat, in particolare l’indagine Cittadini e ICT[1], con ponderazioni e calibrazioni che hanno tenuto conto della disponibilità e dei piani di sviluppo sul territorio di connettività fissa e mobile[2], della adozione di servizi digitali da parte delle amministrazioni locali e l’ottenimento di finanziamenti PNRR[3] al fine di stimare la sensibilità locale ai processi di digitalizzazione, della presenza di farmacie e scuole sul territorio[4] al fine di stimare la densità abitativa intra comunale nelle 14 città metropolitane.

Con l’obiettivo di valutare il livello di congruenza delle stime di Propensione Individuale al Digitale, è stata condotta a fine gennaio 2024 una specifica indagine che ha investigato l’utilizzo di strumenti digitali e di pagamento e ha raccolto le informazioni sociodemografiche necessarie alla assegnazione delle stime. L’indagine, veicolata attraverso uno strumento di messaggistica istantanea e un social network professionale, ha proposto 8 domande con meno di 1 minuto necessario per il completamento e ha raccolto in modo anonimo circa 650 questionari.

Il focus del questionario proposto è stato investigare sull’utilizzo degli strumenti digitali e di pagamento, proponendo specifiche domande per ciascun aspetto e strumento. La Tavola 1 mostra i quesiti ed anche le risposte ottenute. Sul fronte digitalizzazione i dati presentano un notevole utilizzo dei diversi strumenti, ponendo l’insieme delle persone intervistate ad un livello alto se confrontato con i dati medi della popolazione italiana (si veda la già citata indagine Istat Cittadini e ICT 2022). La particolare selezione degli intervistati, compresi i canali di contatto utilizzati, ne è il fattore esplicativo. Sul fronte invece degli strumenti di pagamento, i risultati offrono una fotografia diversa con un differente utilizzo delle diverse opzioni.

Tavola 1

L’analisi dei risultati in combinazione con le variabili sociodemografiche raccolte, fa emergere 2 aspetti che potenzialmente influenzano il maggior o minor utilizzo digitale e dei mezzi di pagamento: l’età e il livello di scolarizzazione.

Per il primo, come mostrato in Tavola 2, le risposte ottenute presentano un progressivo maggior utilizzo degli strumenti digitali al decrescere dell’età e un maggior utilizzo degli strumenti di pagamento nelle classi centrali in età lavorativa matura. Da questa analisi è opportuno escludere le classi estreme di più giovani e di più anziani perché meno rappresentate.

Tavola 2

La Tavola 3 mostra invece i dati riferiti al titolo di studio e si osserva una concentrazione di risposte provenienti da laureati e un progressivo maggior utilizzo degli strumenti digitali e di pagamento all’aumentare del titolo di studio.

Tavola 3

Un’altra considerazione riguarda l’utilizzo simultaneo di strumenti digitali e di pagamento dichiarato dagli intervistati. A tal fine, le risposte al quesito digitale sono raggruppate in 3 classi omogenee dal punto di vista della numerosità: coloro che hanno risposto si al massimo a 4 dei 6 aspetti testati, coloro che hanno risposto si a 5 aspetti e coloro che hanno risposto si a tutti. Per ciascuno dei 3 gruppi si misura l’utilizzo degli strumenti di pagamento. L’analisi mostra – in Tavola 4 – come al crescere dell’utilizzo degli strumenti digitali, cresca anche l’utilizzo dei diversi strumenti di pagamento e in modo particolare per i pagamenti con smartphone e per il ricorso al credito al consumo. Il legame tra utilizzo degli strumenti digitali e di pagamento è manifesto anche per ciascuno dei diversi aspetti investigati presi singolarmente, seppur con qualche diversa sfumatura.

Tavola 4

Per valutare il livello di congruenza delle stime di Propensione Individuale al Digitale rispetto alle risposte dirette fornite dagli intervistati, a ciascuno di questi si assegnano le propensioni stimate per ognuno dei 6 aspetti investigati, sulla base delle proprie caratteristiche sociodemografiche.

In termini di misura di congruenza, vengono qui proposte due analisi.

Per la prima si suddividono i rispondenti tra coloro che hanno risposto si e coloro che hanno risposto no in relazione a ciascun aspetto. Il grafico in Tavola 5 mostra come il profilo di stime assegnato al primo gruppo sia – in media – complessivamente superiore rispetto al livello assegnato agli intervistati del secondo gruppo. La congruità tra stime assegnate e risposte al quesito è manifesta per ciascuno dei diversi aspetti investigati, in quanto ai primi sono assegnati a priori dei valori più elevati.

Tavola 5

La seconda analisi è realizzata attraverso la combinazione delle 6 diverse stime di Propensione Individuale al Digitale per avere un indicatore univoco del livello di digitalizzazione. I rispondenti sono classificati in 3 gruppi di uguale numerosità: il primo terzo raggruppa quelli con stima più bassa, il secondo terzo quelli con stima intermedia e l’ultimo quelli con stima più elevata. Incrociando questi con le risposte date al quesito, si osserva in Tavola 6 come gli intervistati che hanno spuntato sino a 4 aspetti, siano in larga parte quelli a cui è stata assegnata una stima inferiore. Al contrario, gli intervistati che hanno spuntato tutte le caselle sono composti in gran parte da coloro ai quali è stata assegnata una stima più alta. Ed è questo un ulteriore segnale di coerenza tra stime assegnate e risposte al quesito.

Tavola 6

In sintesi, obiettivo dell’indagine non è stato investigare direttamente sui temi oggetto della analisi: l’insieme degli intervistati non è quantitativamente né qualitativamente rappresentativo (distribuzione territoriale, titolo di studio, gli stessi strumenti utilizzati per la raccolta dei questionari, solo per citare alcuni elementi). Come esplicitato in premessa, l’obiettivo è stato quello di costruire un esercizio di misura della congruenza delle stime di digitalizzazione realizzate, raffrontando le informazioni sociodemografiche raccolte con le risposte registrate. Da questo punto di vista si può affermare che le stime assolvano il proprio ruolo in termini di valutazione della propensione al digitale.

Per quanto concerne l’utilizzo, le stime di Propensione Individuale al Digitale possono essere assegnate a ciascuna persona sulla base di informazioni sociodemografiche di semplice reperibilità. Qualsiasi organizzazione o azienda in ambito B2C può avere un interesse nel valutare la maggiore o minore propensione digitale dei propri clienti o prospects, ad esempio per promuovere un nuovo prodotto, servizio o una nuova iniziativa. La disponibilità delle stime ne consente di quantificare e qualificare preventivamente e rapidamente il target di riferimento per aumentare il focus dell’azione e massimizzarne i benefici.

Luciano Bruccola, Conectens. Proprietà riservata (2024)

[1] Istat – CITTADINI E ICT ANNO 2022

[2] Infratel Italia – MAPPATURA 2021 RETI A BANDA ULTRALARGA – CONNESSIONI MOBILI, MAPPATURA RETI FISSE 2021

[3] Agenzia per l’Italia Digitale – Servizi Digitali erogati in rete dagli enti, PA Digitale 2026 PNRR Candidature Finanziate (Comuni)

[4] Ministero della Salute – Dataset Farmacie, Ministero dell’Istruzione e del Merito – Informazioni anagrafiche scuole statali.

L'articolo Propensione Individuale al Digitale proviene da Conectens.

Luciano Bruccola, Conectens – Vitilio Chionna, BPER Leasing-Sardaleasing

Pubblicato su Leasenews.it il 04/08/2022 link

Bper Leasing-Sardaleasing ha condotto, in collaborazione con Conectens, un’analisi di segmentazione del proprio portafoglio clienti sulle dimensioni di utilizzo di tecnologie e processi digitali e di attenzione ai temi di sostenibilità.

L’esercizio è stato reso possibile dall’utilizzo degli indici di Sostenibilità e di Maturità Digitale sviluppati da Conectens e disponibili per le 250 mila imprese in Italia con 10 o più dipendenti. In particolare, ciascuno dei due indici restituisce una classificazione da 1 a 10 in funzione del minore o maggior grado di adozione di tecnologie e processi digitali da un lato e in funzione del minor o maggior grado di attenzione ai temi di sostenibilità dall’altro. Per un approfondimento sui due indici, si veda l’articolo Sostenibilità e innovazione nelle imprese.

L’assegnazione di questi indici a ciascuna impresa cliente di BPER Leasing ha consentito di misurarne il posizionamento sui percorsi di transizione sostenibile e digitale, di valutare quindi complessivamente il portafoglio clienti rispetto al benchmark nazionale e in particolare rispetto alle aree territoriali di maggior presenza e, inoltre, di confrontare il livello di operatività di BPER Leasing rispetto alla classificazione sostenibilità-innovazione dei propri clienti.

Il confronto tra il benchmark di posizionamento nazionale e lo specifico portafoglio di BPER Leasing offre spunti di riflessione interessanti. Come mostrato in Tavola 1 l’attenzione ai temi di sostenibilità (ISI) appare molto più elevato rispetto al benchmark nazionale con oltre il 45% delle imprese clienti classificate 7-10 rispetto al benchmark di 25% ed anche la maturità digitale delle imprese clienti (IMDI) risulta essere di un livello più elevato rispetto a quanto registrato a livello nazionale, in questo caso 35% imprese clienti classificate in 7-10 rispetto al 25% del benchmark.

Tavola 1 – Indice di Maturità Digitale e Indice di Sostenibilità del portafoglio BPER Leasing con confronto benchmarkFonte – Elaborazioni e stime Conectens su dati BPER Leasing (2022)

Gioca evidentemente un ruolo la capacità ricettiva di BPER Leasing nell’intercettare segmenti di mercato generalmente più innovativi, oltre che la particolarità del prodotto leasing che opera come una sorta di filtro all’ingresso, attirando imprese più avanti nei due processi di transizione.

L’utilizzo a matrice dei due indici consente la realizzazione di una segmentazione del portafoglio con il riconoscimento delle diverse componenti in funzione del posizionamento su ciascuno dei due percorsi. E’ quindi possibile individuare le imprese più avanti nei processi di transizione digitale e sostenibile, classificate da 7 a 10 per quanto concerne l’attenzione ai temi di Sostenibilità e contemporaneamente da 7 a 10 per quanto riguarda il grado di Maturità Digitale e indicate con il segmento A nella Tavola 2.

Questo particolare segmento di imprese clienti va indubbiamente riconosciuto come la parte più importante del portafoglio clienti. Lo stato così avanzato nei due processi è interpretabile come una sintesi di posizionamento di mercato, di competitività, di visione imprenditoriale e quindi, nel momento in cui si intrattengono relazioni con queste imprese, può essere valutato come un indicatore del livello di potenzialità di relazione. Potenzialità che non è solo attuale ma anche prospettica, visto che emerge da parte di queste imprese una chiara volontà di affrontare le sfide e i cambiamenti strutturali del mercato. Valutare ed anticipare bisogni aggiuntivi, mantenere nel tempo e sviluppare ulteriormente le relazioni possono essere considerate le priorità strategiche di approccio per fidelizzare questi clienti.

Tavola 2 – Segmentazione portafoglio clienti imprese BPER LeasingFonte – Elaborazioni e stime Conectens su dati BPER Leasing (2022)

Al tempo stesso l’esercizio di segmentazione consente di individuare le imprese avanti in uno dei due processi di transizione e in minor misura sull’altro. Nella Tavola questi 2 segmenti sono riconosciuti come B1 e B21 con il primo più avanti nel processo di transizione digitale ma in itinere rispetto ai temi di sostenibilità ed il secondo al contrario più avanti su questi ultimi temi e meno rispetto alla digitalizzazione. Tali specifici posizionamenti consentono quindi di valutare i bisogni immediati di questi clienti: per i primi la necessità di supporto e di finanziamenti volti ad agevolare il progresso sui temi di sostenibilità, per i secondi la necessità di supporto e finanziamento per avanzare nei processi di digitalizzazione. In entrambi i casi il prodotto leasing si presta ai bisogni delle imprese clienti: si pensi ad esempio, al finanziamento di edifici più sostenibili, autoveicoli meno inquinanti per progredire nella transizione sostenibile oppure al finanziamento di robot industriali, macchine intelligenti (IOT) per avanzare nel processo di transizione digitale.

Senza entrare nel dettaglio delle caratteristiche di ciascun segmento, risulta evidente come la realizzazione di questa segmentazione consenta di valutare i bisogni primari delle imprese clienti nei due percorsi di transizione e di individuare le linee strategiche di approccio nei confronti di ciascuna singola impresa cliente.

L’esercizio svolto sul portafoglio imprese ha consentito di utilizzare appieno il patrimonio informativo di BPER Leasing sui propri clienti, in termini di dati descrittivi e finanziari dei contratti quali ad esempio l’oggetto del finanziamento, l’importo finanziato, la durata e la classificazione di rischio assegnata. La disponibilità di queste informazioni ha reso possibile una descrizione dettagliata di ciascun segmento rispetto alla operatività complessiva dei clienti come sinteticamente rappresentato nella Tavola 3 e di affiancare alla valutazione degli indirizzi strategici per ciascun segmento individuato, indicazioni di carattere più propriamente operativo.

Particolare attenzione è stata rivolta alla dimensione rischio di credito al fine di analizzare come questa si relazioni al posizionamento delle imprese clienti sui percorsi di transizione sostenibile e digitale.

Tavola 3 – Rappresentazione operatività BPER Leasing sulla segmentazione Sostenibilità-InnovazioneFonte – Elaborazioni e stime Conectens su dati BPER Leasing (2022)

Infine la disponibilità dei due indici sull’insieme delle imprese italiane con 10 dipendenti e più, consente di classificare preventivamente l’impresa in uno dei segmenti individuati sin dalla fase di prima valutazione di affidabilità e di associare conseguentemente l’approccio strategico più consono alle esigenze dell’impresa in esame.

Luciano Bruccola, Conectens – Vitilio Chionna, BPER Leasing-Sardaleasing. Proprietà riservata (2022)

L'articolo Segmentazione del portafoglio clienti di BPER Leasing-Sardaleasing proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su Linkedin il 30/03/2022 link

L’esigenza di individuare e riconoscere partner commerciali affidabili e dinamici, che si tratti di clienti piuttosto che fornitori, rappresenta da sempre un elemento cruciale nel posizionamento di mercato per dare stabilità e futuro alla propria impresa.

Le performance finanziarie complessive e l’attitudine al rispetto degli obblighi contrattuali di consegne o pagamenti, sono gli elementi imprescindibili che guidano la valutazione delle proprie controparti. Nel quadro di un’economia in costante evoluzione tecnologica e alla ricerca di migliori equilibri di sostenibilità ambientale e sociale ci sono altre dimensioni che giocano sempre più un ruolo considerevole.

Le ripercussioni della crisi pandemica hanno accelerato il riconoscimento dell’importanza dei processi di transizione digitale che coinvolgono sia la struttura pubblica sia le imprese, tanto da costituire uno degli obiettivi prioritari di sviluppo del paese per recuperare più rapidamente il terreno perduto ed affrontare il futuro prossimo ad un maggior stadio di preparazione.

La conseguenza è che, ancora più che in passato, la capacità di innovazione, il raggiungimento e il mantenimento di livelli di competitività adeguati che assicurano sopravvivenza e sviluppo diventano elementi da considerare nella valutazione dei propri partner commerciali.

D’altro canto assumono sempre più rilevanza i temi legati alla capacità dell’azienda di essere sostenibile, in primis da un punto di vista di attenzione alla salvaguardia ambientale ma anche di consapevolezza della propria responsabilità sociale e dell’importanza di un governo societario adeguato. L’introduzione e il rafforzamento di regole a livello europeo investono le aziende nel far propri questi principi e nel condividerli diffusamente.

Ad oggi gli obblighi di assessment e reporting coinvolgono le aziende di maggior dimensione e rilevanza ma tornando al punto iniziale, si avverte l’esigenza di valutare allo stesso modo quanto la propria filiera di fornitori e clienti risponda ai requisiti di sostenibilità, necessità che emerge in modo cruciale nel momento in cui si devono valutare opportunità di finanziare investimenti dei propri clienti.

La conoscenza diretta della azienda cliente o fornitore, dei suoi propri processi, delle caratteristiche degli specifici comparti produttivi, la disponibilità di informazioni non propriamente finanziarie, consente ovviamente di inquadrare in modo analitico il livello di innovazione tecnologica e di attenzione ai temi di sostenibilità della propria controparte.

Quando il numero di controparti in gioco è considerevole e le dimensioni sono più contenute, il ricorso a strumenti di sintesi e stime che possano fungere da valutazione preliminare del posizionamento sul percorso di transizione digitale e del grado di attenzione ai temi di sostenibilità, diventa una opportunità da considerare.

L’esercizio presentato qui di seguito è stato realizzato su una specifica regione considerando l’insieme delle imprese presenti e attive con più di 10 addetti. A questo insieme si è assegnata una stima di primo livello del grado di adozione di iniziative di sostenibilità ambientale e sociale delle imprese e una sintesi del grado di digitalizzazione delle imprese, con l’obiettivo di rendere disponibile per ciascuno dei due temi una pre-valutazione sintetica individuale.

Tavola 1 – Stime del livello di sostenibilità e del livello di maturità digitale delle impreseLa possibilità di classificare in modo simultaneo le imprese rispetto al livello di attenzione alla sostenibilità e al grado di maturità digitale consente di identificare quelle più avanti nei due processi di transizione e quindi potenzialmente riconosciute come partner, clienti e fornitori a maggior potenziale di relazione e quelle invece più indietro nelle transizioni e suscettibili, ove e come possibile, di essere supportate e accompagnate nel percorso.

La tavola seguente mostra la mappa del posizionamento delle imprese sulle dimensioni di sostenibilità (ascisse) e innovazione (ordinate) suddivisa in quadranti. Il quadrante III (in basso a sinistra) è quello ove la stima assegnata di livello di sostenibilità è medio-bassa, così come è medio-bassa la stima assegnata di maturità digitale. Il quadrante I (in alto a destra) è invece quello ove sono assegnati i livelli di stima più elevati. I quadranti II e IV presentano le imprese alle quali è assegnata rispettivamente una stima medio-bassa per una dimensione e alta per l’altra.

Tavola 2 – Posizionamento imprese sulle dimensioni di sostenibilità e innovazioneLe imprese rappresentate nel quadrante I sono quelle ritenute più avanti nei due processi di transizione e suscettibili di essere considerate come il segmento più evoluto con riguardo alle due dimensioni. Le imprese che ricadono nel quadrante II sono quelle già ben posizionate sul percorso di transizione digitale ma necessitano di prioritizzare la propria attenzione ai temi di sostenibilità. Al contrario quelle che giacciono nel quadrante IV sono quelle considerate a livello più elevato per quanto concerne i temi di sostenibilità e la cui priorità è l’avanzamento sul percorso di transizione digitale.

La replica di questo esercizio con l’applicazione delle stime alle imprese presenti nelle aree territoriali a maggior interesse ovvero al proprio portafoglio clienti o fornitori, consente di operare un primo screening di questi ultimi sulla base delle dimensioni di sostenibilità e di innovazione e quindi il riconoscimento dei macro segmenti di più immediato interesse.

Luciano Bruccola, Conectens. Proprietà riservata (2022)

L'articolo Sostenibilità e innovazione nelle imprese proviene da Conectens.

Luciano Bruccola – Conectens

Pubblicato su Linkedin il 02/12/2021 link

Il processo di adozione digitale ha ormai pervaso tutte le attività aziendali: la raccolta e la valorizzazione di insights per la definizione di un prodotto o di una offerta, la produzione, la vendita di beni e servizi, il monitoraggio del funzionamento dei processi e la misura dei consumi viaggiano in parallelo con l’accrescimento degli skills digitali delle persone, anche attraverso la formazione aziendale specialistica, che a tali attività soprintendono.

L’evoluzione è continua ma ovviamente non tutte le imprese sono allo stesso livello. Ad esempio si pensi al ruolo che giocano nell’accelerazione ovvero nel ritardo di adozione di tecnologia digitale, le differenze di tipologia di attività, la dimensione aziendale ed anche la localizzazione territoriale in termini di appartenenza a distretti: laddove il tessuto economico circostante la singola azienda è molto avanzato da un punto di vista di adozione digitale, questo funge da stimolo alla digitalizzazione dei processi dell’azienda stessa.

Focalizzando su alcune aree ritenute a maggior interesse, quali il grado di diffusione dei dispositivi connessi a Internet, l’organizzazione di corsi di formazione ICT, l’utilizzo di robot e di dispositivi intelligenti, le vendite online e la conduzione di analisi sui big data, è stata elaborata una stima sintetica di approccio al digitale delle imprese su una scala che va da 1 a 10, ove 1 rappresenta il livello minimo e 10 rappresenta il livello massimo di adozione di tecnologie e processi digitali.

Tale indice, calcolabile individualmente per ciascuna impresa, rappresenta una misura relativa di maturità digitale e non assoluta: le imprese sono ordinate secondo il grado di maturità digitale e confrontate tra loro. La Tavola 1 mostra il posizionamento differenziato delle classi a maggiore adozione digitale – da 7 a 10 secondo la stima costruita – rispetto ai temi digitali selezionati.

Tavola 1 Fonte: Stime Conectens su dati Istat (Imprese e ICT, Anno 2020, I.Stat), 2021

Alcuni settori sono generalmente più propensi all’adozione dei processi digitalizzati rispetto ad altri, è possibile comunque che all’interno di ciascun settore di attività economica siano presenti aziende con classificazione di maturità digitale differenziata. Lo stesso si può dire per la dimensione: le aziende a maggior dimensione tendono ad essere classificate con livelli di maturità digitale più elevati, è del pari vero che all’interno di ciascuna classe di maturità digitale si trovi la presenza di imprese con dimensione diversa.

La maturità digitale è generalmente interpretata come una misura del livello di competitività dell’impresa ed alimenta l’aspettativa che le aziende a maggiore adozione digitale raggiungano performance migliori. L’esercizio presentato di seguito cerca di dare un contributo su quest’ultimo punto.

La stima costruita è stata applicata individualmente a ciascuna delle imprese con più di 10 addetti nella regione Marche. L’analisi comparata fa emergere un certo grado di relazione tra il grado di maturità digitale stimato e le performance aziendali in termini di ricavi e utili che sono crescenti via via che la stima del livello di maturità digitale aumenta. Questa osservazione sembra confermare la tesi per la quale le aziende a maggiore adozione digitale raggiungano performance migliori.

Tavola 2 Fonte: Stime Conectens su dati delle Camere di Commercio, 2021

La dimensione aziendale gioca ovviamente un ruolo, ma anche restringendo il campo di analisi alle imprese di dimensione più contenuta, emerge come le imprese classificate con un alto livello di digitalizzazione presentino una presenza maggiore di imprese con migliori risultati.

I piani legati alla realizzazione del PNRR sul tema della transizione digitale fungeranno da accelerazione e molte sono ad oggi le iniziative delle banche per favorire e supportare le proprie imprese clienti nel percorso di trasformazione digitale.

Nella misura in cui la maturità digitale possa rappresentare una valutazione del livello di dinamismo, di innovazione, di adattamento dell’offerta all’evoluzione della domanda, in una parola di competitività dell’impresa, la disponibilità di una stima sintetica individuale può essere un elemento di supporto al processo di qualificazione di controparti commerciali promettenti.

Luciano Bruccola, Conectens. Proprietà riservata (2021)

L'articolo Maturità digitale e performance aziendali proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su Linkedin il 22/10/2021 link

Il crescente sviluppo dei processi digitalizzati nell’ambito dei servizi finanziari ai clienti è conseguenza naturale dell’evoluzione del modo in cui ognuno di noi si relaziona con il mondo esterno e con i soggetti con i quali intrattiene rapporti: ciascuna delle nostre relazioni è interessata da una crescente digitalizzazione, che sia il lavoro, le attività personali (tempo libero, cultura, intrattenimento, sport), i rapporti con la pubblica amministrazione ed anche le relazioni più propriamente commerciali con fornitori o clienti.

Ovviamente i processi subiscono spinte fintanto che ci sia interesse dal lato dell’offerta e della domanda. E se restiamo nel tema dei servizi finanziari è del tutto evidente trovare i vantaggi lato cliente nella accresciuta flessibilità, tempestività, velocità nel gestire in particolar modo le operazioni di routine e per le società nel contenimento dei costi associati alla espletazione di tali operazioni.

Ulteriore accelerazione è rappresentata dai cambiamenti delle regole di mercato dei servizi finanziari che portano ad un livello di concorrenza finora non sperimentata, in particolare la direttiva PSD2 che apre a operatori che non siano necessariamente istituzioni finanziarie e per i quali la flessibilità indotta dalle piattaforme web rappresenta un vantaggio competitivo.

Per un pieno sviluppo dei processi di digitalizzazione, elemento centrale è la possibilità di raggiungere i diversi segmenti della società. Spesso si dà per scontato che tutti abbiano il necessario livello di alfabetizzazione informatica, il possesso e la dimestichezza all’uso delle devices, la necessaria connessione e il livello di connettività richiesto e, non ultimi, l’interesse e le motivazioni.

L’osservazione della realtà propone fotografie diverse e un certo livello di frammentazione. Se da una parte l’attivazione dell’identità digitale SPID accelera – resa obbligatoria per l’accesso ai servizi della pubblica amministrazione – è del pari vero che non parliamo ancora dell’universo della popolazione italiana. Come altro esempio recente si pensi alle fasce di popolazione i cui figli sono stati esclusi dalla didattica a distanza per la mancanza di strumenti, di connettività e di primari rudimenti informatici.

Una cartina tornasole di interesse è rappresentata dalla diffusione del commercio elettronico, il quale peraltro ha registrato una espansione importante negli ultimi mesi. Il fenomeno è rilevante per i servizi finanziari perché il tipico utente avanzato e-commerce ha un certo livello di alfabetizzazione informatica e dimestichezza con la strumentazione tecnologica – pc, tablet e/o smartphone. Inoltre esegue pagamenti digitali via carte di credito, che siano prepagate o virtuali, oppure si serve normalmente di portafogli elettronici. In definitiva combina le caratteristiche di approccio al digitale in senso lato con utilizzo di strumenti di pagamento on line.

Le motivazioni che spingono agli acquisti a distanza, oltre all’appagamento di bisogni specifici, sono legate anche alle influenze socioculturali veicolate e diffuse da media e da social media, al riconoscimento di appartenenza a stili di vita sempre più internazionali che sembrano essere trasversali rispetto alle geografie. Nondimeno continuano comunque a giocare un ruolo anche i fattori di prossimità che influenzano la vita sociale comune, quali la disponibilità e copertura di livelli di connettività che non raggiunge livelli di equità nel paese, il livello socio culturale e la maturità digitale complessiva della comunità locale, si pensi ad esempio alla adozione di servizi digitalizzati da parte delle amministrazioni locali.

Con l’obiettivo di valutare territorialmente in modo analitico come i diversi fattori si combinano e giocano un ruolo nella diffusione del commercio elettronico e per estensione all’utilizzo di servizi digitali, abbiamo stimato i livelli di penetrazione dell’e-commerce – a livello comunale e in modo territorialmente più disaggregato per le grandi realtà urbane – modellizzando la disponibilità di connettività, la struttura della popolazione e densità abitativa, il livello culturale e di alfabetizzazione informatica della comunità locale. I risultati del processo di stima sono presentati nella Tavola seguente.

Tavola 1 – Diffusione territoriale dell’e-commerce in Italia

Fonte: Stime Conectens su dati Istat (Cittadini e ICT, I.Stat) e Agcom (www.agcom.it/broadbandmap)

L’osservazione della mappa ritorna prontamente le aree a maggior diffusione dell’e-commerce (in scuro) rispetto alle aree a minor diffusione (in chiaro) e anche la disomogeneità di penetrazione del fenomeno nel paese. Peraltro la visione così capillare consente di superare le tipiche dicotomie macro regionali (centro nord vs mezzogiorno) e di poter cogliere quegli elementi di differenza altrimenti non percepibili.

Nella misura in cui la diffusione del commercio elettronico può rappresentare più in generale il grado di preparazione ai servizi digitali, l’analisi consente di valutare il livello complessivo di tale preparazione e come questa si articola sul territorio.

Nel Piano Nazionale di Ripresa e Resilienza la spinta alla digitalizzazione occupa uno spazio importante volto proprio a superare alcuni dei limiti qui richiamati: il raggiungimento di livelli rilevanti di connettività su tutto il territorio, la trasformazione digitale della pubblica amministrazione e quindi dei servizi offerti ai cittadini, la formazione specifica al digitale e all’uso delle tecnologie. Tutti elementi che, in un congruo spazio temporale, contribuiranno a mutare il quadro di partenza delineato.

In ogni caso, i piani di sviluppo della distribuzione dei servizi finanziari digitali dovranno tenere conto dei differenti gradi di saturazione compatibili con il grado di maturità digitale delle diverse comunità locali riconoscendo, all’interno delle stesse, quei segmenti di clientela potenzialmente più ricettivi.

Luciano Bruccola, Conectens. Proprietà riservata (2021)

L'articolo Diffusione dei servizi finanziari digitali: un esempio dall’e-commerce proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su APBNews n.1 2014

Studi e ricerche condotte recentemente dalle società di consulenza internazionali al fine di individuare i trend e le priorità nel mondo dei servizi finanziari si focalizzano su due aspetti interdipendenti e connessi alle dinamiche di comportamento dei clienti e alla necessità di intercettare tali dinamiche per una comprensione delle stesse e per indirizzare opportunamente le politiche e le azioni di relazione cliente.

Le strategie e le priorità identificate dalle banche e dagli istituti finanziari di fronte al rallentamento economico complessivo rilevano il focus sul cliente – la capacità di attrarre, di fidelizzare e di sviluppo commerciale aggiuntivo – come elemento centrale della strategia da porre in essere per attenuarne l’impatto. L’appannamento della fiducia verso le banche comporta una diminuzione del grado di fidelizzazione ed una spinta a fenomeni di multibancarizzazione e l’accresciuta presenza del web (sia come disponibilità delle informazioni, sia come condivisione di customer experiences), congiunta ad una maggiore presa di coscienza dei clienti, impone una attenzione maggiore nel cogliere gli insights necessari a gestire i propri clienti [i], anche in ottica di diversificazione dei canali per aumentare fidelizzazione e capacità di retention [ii].

L’altro grande elemento presente nel dibattito internazionale, di interesse in questo contesto, è quello generalmente chiamato Big Data e che fa riferimento alla possibilità di accesso a nuovi dati – resi disponibili dal processo tecnologico – per aumentare la capacità di comprensione dei propri clienti. Grazie soprattutto alle tecnologie digitali, le aziende e le organizzazioni raccolgono un volume crescente di informazioni transazionali sui clienti, sui fornitori, sui servizi e generano un immenso ammontare di dati digitali come parte dei processi, il cui potere informativo non è ancora utilizzato pienamente. Basti pensare ai social media, agli smartphone e ai pc che consentono agli utilizzatori di generare una mole impressionante di dati, oppure agli strumenti come i telefoni cellulari, le automobili, i rilevatori di consumo energetico che creano e comunicano dati in modo automatico. La disponibilità dei dati associata a spinte capacità analitiche impatta tra le altre cose una maggiore facilità di condurre sperimentazioni, la possibilità di realizzare segmentazioni ancora più fini e specifiche per identificare prodotti e servizi che incontrano i bisogni dei clienti, l’innovazione di nuovi prodotti e servizi, migliorando i modelli di business esistenti ovvero inventandone di nuovi[iii].

In sintesi da un lato la situazione economica complessiva enfatizza ancor di più la centralità del cliente, dall’altro la ricerca e la potenziale disponibilità di fonti informative innovative, le accresciute capacità informatiche di gestione di moli di dati, la maggiore facilità di utilizzo delle capacità Analytics per tradurre queste in elementi sui quali fondare strategie e azioni operative enfatizza l’approccio data driven al customer management che consente di utilizzare ancor più il contenuto informativo disponibile.

Obiettivo di questo articolo è di riprendere in esame i concetti base di un approccio alla relazione cliente nei servizi finanziari guidato dai dati e dalle informazioni disponibili e esaminare quanto questo sia coerente e funzionale al momento e ai temi di Customer Retention e Big Data qui brevemente descritti.

Le informazioni disponibili sui clienti

L’obiettivo della raccolta di dati e informazioni sul cliente è di coglierne quanto più possibile la complessità rispetto ai temi di interesse per la propria offerta (esempio per i clienti privati: attitudini a risparmio ed al consumo, maturità finanziaria e prodotti di investimento, utilizzo crediti, carte, servizi, canali) secondo il paradigma che quanto più si conosce del cliente tanto più si è in grado di offrire prodotti e servizi che incontrino il suo favore.

La fonte primaria dei dati cui fare riferimento nelle analisi sui clienti e, in particolare sul modo in cui questi approcciano i prodotti e servizi che una banca o una società finanziaria distribuisce, è l’insieme dei dati interni alla organizzazione e raccolti generalmente per fini amministrativi e contabili.

L’importanza dei dati interni varia da settore a settore a seconda del livello di engagement del cliente con l’istituto finanziario, che è condizionato in primis dal ventaglio dei prodotti distribuiti dalla banca o dalla società finanziaria, dalla frequenza di relazione tra il cliente e l’istituto e dal livello di fidelizzazione del cliente stesso.

La complessità catturata dai dati interni della banca sui propri clienti è generalmente elevata perché misurata su diversi prodotti (risparmio, investimento, credito, servizi pagamento), dalla frequenza di relazione (numero elevato di contatti annuali) e dal mix di canali utilizzati (gestore, dipendenza, telefono, web). La complessità catturata dai dati interni di una società finanziaria specializzata che distribuisce credito ai propri clienti è meno elevata perché misurata su 1 o 2 prodotti (esempio: prestito e carta revolving per i privati, leasing e factoring per le aziende) e caratterizzata da una frequenza di relazione contenuta (più elevata comunque per le carte revolving). Il ricorso a dati esterni è tanto più importante quanto più si ha una relazione debole con il cliente (livello di engagement e fidelizzazione basso) e quanto meno frequenti sono le occasioni di contatto. Nel caso poi di sviluppo commerciale su liste esterne i dati generalmente disponibili non consentono di catturare un livello soddisfacente di complessità e il ricorso a dati e strumenti esterni è ancora più necessario.

Una volta raccolto il patrimonio informativo disponibile è necessaria un’analisi attenta dello stesso che consenta di misurarne la copertura e la qualità dei dati, nonché il contenuto e valore informativo apportato. D’altro canto più dati si raccolgono più diventa pressante costruire delle opportune visioni di sintesi che consentano di utilizzare operativamente le informazioni.

La ricchezza del patrimonio disponibile condiziona e modula sia gli indicatori di sintesi che si possono costruire sui dati e ancor più l’utilizzo operativo che se ne può fare. In sintesi se il patrimonio informativo interno è rilevante (nel caso delle banche) i modelli di classificazione sono costruiti sulla base dei dati interni disponibili, hanno per obiettivo la classificazione e segmentazione della base clienti per comportamento, per propensity ai diversi prodotti, per il grado di retention, per il livello di credit risk e sono utilizzati per le azioni di customer management, per le campagne di cross/up selling, per la prevenzione dell’attrition e per il credit risk management.

Figura 1

Nel caso invece di un patrimonio interno di informazioni non soddisfacentemente ampio da coprire una porzione importante di “complessità” da gestire (nel caso delle società finanziarie) i modelli di classificazione sono costruiti utilizzando i dati interni e dati provenienti da indagini specifiche sui propri clienti che consentano di colmare tale gap informativo. Se questo è possibile allora sia gli indicatori di sintesi sia gli utilizzi operativi sono paragonabili al caso delle banche.

Infine, nel caso di scarso contenuto informativo dei dati interni disponibili è necessario raccogliere dall’esterno informazioni che condizionano anche la possibilità di utilizzo operativo delle stesse. In particolare i modelli di classificazione sono costruiti utilizzando soprattutto dati territoriali e dati da indagini specifiche, la classificazione e la segmentazione dei clienti è volta ad inquadrare la propensity per un dato prodotto e – nel caso di prodotti di credito – ad inquadrare il livello di rischio connesso per un primo prescreening, gli utilizzi operativi sono volti quindi a classificare prospects.

Gli approcci al customer profiling

La classificazione della clientela (customer profiling) trova il presupposto nell’avere a disposizione modelli interpretativi che facilitino la rappresentazione della complessità della clientela e che, quindi, guidino l’individuazione dell’approccio commerciale (offerta) e di relazione (canale e marketing) più consono per ciascuna tipologia di cliente, o meglio di gruppo di clienti. Ciascun cliente viene quindi assegnato ad uno specifico gruppo per la individuazione dei quali, ci si affida ad uno o più elementi presenti nella base ovvero reperiti all’esterno.

Si possono distinguere 3 grandi famiglie di approccio al customer profiling: l’utilizzo di una o più variabili/informazioni di base, la sintesi di più variabili per prevedere particolari eventi (scoring) ovvero per definire cluster diversi (segmentazioni), l’utilizzo di segmentazioni esterne riconducibili al singolo cliente.

L’utilizzo di una o più informazioni di base

Nel primo approccio ricoprono un ruolo fondamentale le variabili socio demografiche a disposizione: le segmentazioni per età e per professione hanno rappresentato il primo step (semplice da realizzare e semplice da comunicare ed utilizzare) che ha guidato i processi di costituzione di prodotti/offerta per segmenti specifici. Una caratteristica importante di questi modelli, che deriva appunto dalla semplicità di costruzione, è che si possono facilmente applicare ai clienti e ai non-clienti grazie alla compilazione immediata del formulario anagrafico che raccoglie le informazioni necessarie alla classificazione nel segmento di età e/o di professione corrispondente. È quindi possibile indirizzare, sin da subito, l’offerta studiata per il segmento specifico. Un’altra applicazione importante della segmentazione ad una sola variabile è la cosiddetta segmentazione patrimoniale secondo cui si classifica un cliente per l’ammontare della raccolta che ha presso la banca in esame sommando il saldo sul c/c, il saldo sui libretti e depositi di risparmio, il saldo sul conto titoli. Fondamentalmente si riconoscono tre macro segmenti di clientela: i clienti Private, gli Affluent, i Mass. Il salto concettuale è evidente: la classificazione è guidata dal livello di relazione che il cliente ha con la specifica banca e non dalle caratteristiche complessive del cliente stesso. In altre parole esistono (e non sono pochi) clienti di più banche che possono essere Private per una data banca e Mass per un’altra. I pro dell’approccio risiedono nella semplicità di calcolo e di assegnazione al segmento, nella univocità d’interpretazione (non c’è soggettività), nella semplicità di confronti con altre realtà. È il modello di segmentazione che – a partire dagli anni 90 – ha guidato e guida il riconoscimento dei clienti importanti e la costituzione di portafogli di clienti da gestire in modo diretto e non attraverso la classica rete di filiali.

La sintesi di più variabili

Nei modelli di scoring le informazioni disponibili vengono sintetizzate in una unica variabile per predire un dato evento/comportamento (tipicamente acquisto di un dato prodotto, utilizzo di un dato canale distributivo e, nel mondo credit risk, rispetto delle regole di rimborso). È il frutto della applicazione di un modello statistico, in cui la variabile risposta (dicotomica: acquisto non acquisto di un determinato prodotto) è messa in relazione con l’insieme delle informazioni disponibili al momento in cui si è effettuata l’azione. Per la costruzione di questo modelli è necessario quindi avere delle esperienze di azioni commerciali passate per le quali sia possibile costruire l’esercizio di collegare le informazioni disponibili al momento di messa in opera della azione con le successive risposte ottenute: proposta di acquisto di un prodotto e reazione del cliente (acquisto, non acquisto). A completamento dell’esercizio è possibile assegnare a priori a ciascun cliente la probabilità di acquisto di un determinato prodotto. Sinteticamente si può rappresentare nel seguente modo: Prob acquisto prodotto A = f (x1, …, xn); ove la variabile dipendente è una variabile che assume valori 0 (non acquisito prodotto A) ovvero 1 (acquisito prodotto A), x1, …, xn rappresentano le informazioni disponibili al momento in cui è stata lanciata la campagna.

Negli approcci di segmentazione, l’obiettivo non è quello di individuare il target per uno specifico prodotto ma quello di classificare i clienti in gruppi dal comportamento e dalle attese omogenei per i quali mettere a punto una offerta (prodotti, canali, comunicazione) specifica. Nella realizzazione di modelli di segmentazione comportamentale, le informazioni interne a disposizione sui clienti vengono utilizzate cercando di sfruttarne al massimo il contenuto informativo e prendendo in considerazione tutte le dimensioni del rapporto cliente-banca. Le variabili di segmentazione non sono soggettivamente predefinite, ma sono costruite attraverso tecniche di analisi multivariata tese a sintetizzare il potere informativo delle variabili di base.

I modelli esterni

I modelli di segmentazione di mercato sono basati su interviste ovvero su rilevazioni dirette di atteggiamenti, di bisogni e di attese, rispetto ai prodotti finanziari su un campione rappresentativo della particolare realtà che si vuole analizzare. L’utilizzo di tecniche statistiche, generalmente di analisi multivariata e di cluster, consente di identificare e quantificare i diversi segmenti, che hanno uno specifico approccio alla offerta di prodotti e servizi oggetto dell’indagine. Di fatto quest’approccio descrive bene le caratteristiche complessive di mercato e le tendenze, consentendo anche di misurare il grado di competizione tra le diverse aziende. Gli evidenti benefici possono essere così sintetizzati: possibilità di scegliere i temi d’interesse attraverso la costruzione di interviste ad hoc, possibilità di raccogliere non solo fatti ma anche atteggiamenti, opinioni e dichiarazioni di comportamento, possibilità di avere un quadro del mercato non alterato dalla particolare relazione del cliente con l’azienda specifica. A dispetto dei benefici sopraelencati esistono dei limiti che possono essere ricondotti alla necessità di contenere il numero delle interviste a causa soprattutto di ragioni di costo e alla impossibilità (o meglio la grande difficoltà) a assegnare ciascun cliente della propria base clienti a ciascuno dei segmenti individuati attraverso l’indagine (venendo meno la disponibilità delle informazioni strettamente necessarie per l’assegnazione al dato segmento).

La segmentazione geodemografica ha l’obiettivo di studiare e di classificare i consumatori attraverso le caratteristiche del territorio in cui questi vivono. L’unità statistica di riferimento è quindi rappresentata da celle o zone territoriali per le quali sono disponibili dati sulla composizione demografica, sociale ed economica delle persone residenti. Lo studio e la classificazione di queste zone territoriali, permette di connotare l’insieme delle persone che vivono in ciascuna zona attraverso un indicatore che ne sintetizza appunto il profilo sociale, economico e culturale. I censimenti della popolazione rappresentano generalmente, nei vari paesi in cui questo approccio è stato sviluppato, sia la fonte delle delimitazioni delle partizioni territoriali (che arrivano ad essere qualche centinaia di migliaia) sia la base informativa prioritaria sulla quale costruire i modelli. Nelle realizzazioni più avanzate le informazioni di base sono arricchite attraverso indagini esterne ovvero incrociando altre fonti informative. Una volta realizzati i modelli si assegna ciascun cliente sulla base del proprio indirizzo di residenza. I punti di forza di quest’approccio possono essere così sintetizzati: disponibilità di un unico modello di segmentazione applicabile sia ai clienti che ai non clienti, possibilità di condurre facilmente degli esercizi di benchmarking, semplicità di implementazione. È evidente che il grado di efficacia di questi modelli dipende strettamente dalla quantità e dalla qualità, in sintesi dalla ricchezza, delle informazioni sulle quali sono costruiti.

La domanda su quale sia l’indicatore che meglio rappresenta la complessità del cliente non può trovare una riposta univoca: come brevemente accennato ogni indicatore ha i propri punti di forza e i propri punti di debolezza e va usato soppesandone, evidentemente, pregi e difetti nel quadro dell’azione o della strategia da porre in essere. Solo a titolo di esempio e senza velleità di essere esaustivo:

• se si vuole inquadrare l’approccio complessivo di un cliente storico ai prodotti e servizi distribuiti si farà riferimento alla segmentazione comportamentale,
• al contrario se si vuole capire la potenzialità di un cliente appena acquisito o da acquisire i modelli di segmentazione geodemografica possono essere il migliore strumento,
• se si vuole pianificare una campagna di cross selling su un prodotto specifico esistente lo scoring di propensity potrà essere il migliore strumento a disposizione,
• se si vuole fare un prescreening dei clienti per un approccio wealth management la valutazione del patrimonio è forse lo strumento più adatto.

Meglio ancora un utilizzo combinato dei diversi indicatori, può produrre una migliore definizione del target a cui puntare superando i limiti di ogni singolo elemento.

Test, learn and store

Da questa sommaria analisi risulta chiaro che per rendere operativo un approccio di tipo data-driven al customer relationship management gli elementi che risultano fondamentali sono la qualificazione di ciascun data asset disponibile che è esercizio fondamentale per comprenderne l’impatto di utilizzo e opportune metodologie di sintesi che consentano di esplodere il contenuto informativo dei dati.

Il terzo aspetto che consente di fare il salto di qualità nell’utilizzo di un così imponente sistema informativo realizzato risiede in quell’insieme di strumenti che consente di progettare, testare, implementare e monitorare le strategie e le azioni di customer relationship management.

E’ attraverso gli esercizi di test&learn che – rispetto ad una data azione obiettivo come la proposta di un prodotto avvero una azione di retention – si misura il grado di efficacia delle basi dati disponibili, dei particolari indicatori di sintesi prescelti per segmentare il target di riferimento e per modulare l’azione di contatto (in termini di contenuti, di comunicazione, di canale).

Figura 2

La messa in opera di una o più azioni test – su un target ristretto – consente di misurare l’impatto delle diverse azioni di contatto e di scegliere quella con ritorno più alto al fine di implementarla su larga scala.

La raccolta successiva dei ritorni – a livello di singolo cliente coinvolto nella azione – permette di aumentare la dimensione degli insights disponibili sul dato cliente: la storicizzazione di questi elementi consente quindi di arricchire ancor di più la base di dati disponibili sui clienti ed utilizzabile in ogni fase del processo di customer management – per qualsiasi altra azione si voglia mettere in opera.

Conclusioni

La richiamata rinnovata centralità del cliente, la necessità di fidelizzazione in un momento di cambiamento di attese ed atteggiamenti dei clienti e l’utilizzo di nuove fonti innovative che possano consentire di esplodere il contenuto informativo disponibile sui clienti non impatta il quadro di riferimento presentato.

Le aziende che hanno costruito nel corso del tempo un’infrastruttura come quella descritta possono essere nelle condizioni di valutare rapidamente l’impatto della disponibilità di nuove fonti informative così come l’impatto di un approccio diverso dei clienti (minore retention, processi di attrition più rapidi, diminuzione numero prodotti e relazioni, …) identificandone in anticipo bacino e segmento di provenienza e quindi anche le contromisure da adottare per contrastare il fenomeno.

Da un certo punto di vista le aziende che non hanno, ovvero hanno intrapreso parzialmente, la strada di sviluppo dei sistemi a supporto del customer management, possono paradossalmente beneficiare delle opportunità offerte da un terreno complessivamente più fertile in termini di disponibilità dei dati, aumentate efficienze informatiche, accresciute capacità analytics che consentono di colmare il gap ed anche di porsi all’avanguardia nel processo, puntando da subito sul patrimonio informativo più rilevante e differenziante, nonché di focalizzarsi sugli aspetti prioritari per accrescere la fidelizzazione del cliente e la capacità di retention.

Luciano Bruccola, Conectens. Proprietà riservata (2014)

[i] vedi Ernst & Young, The customer takes control – Global Consumer Banking Survey 2012

[ii] Bain & Company, Customer loyalty in retail banking Global edition 2012

[iii] vedi McKinsey Global Insitute, Big data: The next frontier for innovation, competition, and productivity 2011 e IBM Institute for Business Value in collaboration with Saïd Business School at the University of Oxford, Analytics: The real-world use of big data – How innovative enterprises extract value from uncertain data 2012

L'articolo <a></a>Impatto dei temi <em>Customer Retention</em> e <em>Big Data</em> sui dati e sugli strumenti a supporto del Customer Relationship Management nei servizi finanziari proviene da Conectens.