Eager Analytics è uno strumento finalizzato alla raccolta e all’analisi di Big Data – una grande quantità di dati, detti anche “megadati” – in ambito turistico. La raccolta di Big Data porta a una profilazione dettagliata dei turisti e all’analisi delle loro abitudini: tutte informazioni utili a ottimizzare strategie di marketing turistico e, in definitiva, a fornire statistiche non disponibili attraverso i dati tradizionali.

Nel nostro caso il nucleo dei dati è costituito da informazioni sugli spostamenti dei turisti, che Eager Analytics ottiene monitorando gli utenti dell’app Heart of Sardinia: quali luoghi visitano e quanto tempo vi trascorrono sono i principali dati raccolti. Per tutelarne la Privacy, EAGER rende impossibile risalire all’identità del singolo utente, ma si può comunque conoscere gli spostamenti dell’utenza divisi per nazionalità, genere e fascia d’età. In questi tre casi, i dati vengono forniti da Facebook tramite l’autorizzazione dell’utente o attraverso la compilazione spontanea al momento della registrazione.

Uno dei principali strumenti impiegati da Eager Analytics per raccogliere i dati sugli spostamenti consiste nell’utilizzo di un particolare tipo di perimetri virtuali, detti geo-fence.

Un geo-fence (in lingua inglese «geo-recinzione») è un perimetro virtuale associato ad un’area geografica del mondo reale. Può essere generato dinamicamente, ad esempio come l’area entro un raggio da un punto prefissato, oppure può essere definito da un insieme di confini prestabiliti.

Le potenzialità di EAGER Analytics

  • Nazionalità

  • Genere

  • Fascia d’età

  • Siti di interesse visitati

  • Preferenze

  • Interessi

  • Capacità di spesa

  • Percorsi ricorrenti

  • Attività commerciali visitate

  • Partecipazione agli eventi

  • Correlazioni

  • Molto altro

+9.2 mln

Data-points raccolti

+35k

Utenti coinvolti

+27

Nazionalità coinvolte

Cosa sono i Big data

Quando parliamo di Big Data, non parliamo di dati in senso tradizionale. Come suggerisce il nome, siamo in presenza di quantità di dati enorme, utile per comprendere meglio le relazioni tra specifici fenomeni e per prevederne l’andamento futuro.

La definizione più comune si basa su tre caratteristiche, le cosiddette tre “V”:

  • Volume
    La quantità di dati provenienti da diversi tipi di sorgenti. Il loro numero è talmente elevato, che si ha la possibilità di ottenerli e gestirli solo grazie al continuo progresso tecnologico e a una progressiva riduzione dei costi di archiviazione.
  • Varietà
    La tipologia estremamente varia di dati, che possono essere strutturati, semi strutturati, o non strutturati. Quest’ultimo è ad esempio il caso di audio, video, foto, ecc.
  • Velocità
    La rapidità con cui questi dati vengono ottenuti e resi disponibili.

Le più grandi aziende tecnologiche del mondo basano il loro successo sulla raccolta e l’analisi di Big data, che possono essere raccolti da un numero incredibilmente ampio di strumenti. Amazon analizza gli acquisti dei propri clienti per raccomandare acquisti, Facebook studia il comportamento dei propri utenti per offrire agli inserzionisti pubblicità mirate, Google registra ogni singola ricerca, cronologia delle posizioni di Google Maps, attività legata a Gmail e a tutta un’altra serie di servizi.

Ma i Big data non servono soltanto a “vendere meglio” un prodotto. Possono aiutare a prevedere eventi futuri sulla base delle colossali quantità di dati raccolte, per mezzo delle cosiddette analisi predittive. Ad esempio, aziende attive nel settore dell’energia possono prevedere quando aumenterà o diminuirà la domanda di elettricità studiando i dati raccolti in passato; speciali sensori su apparecchiature industriali possono aiutare a prevedere quando sarà necessaria la prossima manutenzione; o ancora, per arrivare a un esempio più familiare, raccogliere dati sul traffico di un comune turistico può aiutare a prevedere le congestioni stradali più critiche durante i momenti di alta stagione.

Esistono insomma un’infinità di ragioni per cui raccogliere dati è sempre meglio che basarsi esclusivamente sull’istinto. E più dati si hanno, più è probabile che le previsioni si rivelino precise.

In una società come la nostra, c’è un gran bisogno di Big data.

Esempi – l’analisi sperimentale su Monumenti Aperti 2019

Riportiamo di seguito le slides l’analisi svolta da EAGER Analytics su un piccolo campione di 5.000-7.000 utenti per l’edizione 2019 di Monumenti Aperti.
In quell’occasione, EAGER Analytics veniva usato per la prima volta a titolo sperimentale. Da allora, rispetto ai 100.000 datapoints di questa breve analisi, ne sono stati raccolti altri 9.100.000 nei successivi 7 mesi.