Nel 1956, un ingegnere e un matematico, William Fair e Earl Isaac, raccolsero $800 per avviare una società. La loro idea: un punteggio per determinare se un mutuatario avrebbe restituito il prestito.
Il tutto era svolto con carta e penna. Reddito, sesso e impiego producevano numeri che portavano a una previsione del comportamento di una persona. Negli anni ’80 i punteggi a tre cifre erano calcolati al computer e includevano anche l’effettivo storico di credito di una persona. Oggi, la Fair Isaac Corp., o FICO, genera ogni anno intorno a 10 miliardi di punteggi di credito, calcolandoli 50 volte all’anno per diversi americani.
Questa macchina opera dietro alle nostre vite finanziarie, per cui è facile dimenticare che la decisione di prestare del denaro spettava un tempo al direttore della banca che sapeva riconoscere una persona dalla sua stretta di mano. Fair e Isaac avevano compreso che tutto questo sarebbe potuto cambiare, e che la loro azienda non avrebbe semplicemente venduto numeri. “Vendiamo un sistema radicalmente diverso per prendere decisioni che si frappone fra istituti di credito e clienti”, disse una volta Fair.
Questo aneddoto suggerisce una comprensione dell’era dei “big data” – terabyte di informazioni derivate da sensori o social network, nuove architetture informatiche e software intelligenti. Persino un esubero di dati ha bisogno di uno scopo, e questo scopo è sempre legato al potere decisionale.
In questo business report, MIT Technology Review esplora una grande domanda: in che modo i dati e gli strumenti analitici per manipolarli stanno cambiando le decisioni di oggi? Su Nasdaq, bot commerciali scambiano un miliardo di azioni ogni giorno. Online, gli inserzionisti scommettono su centinaia di migliaia di parole chiave al minuto in accordi conditi con soluzioni euristiche e modelli di ottimizzazione piuttosto che sul proprio pranzo. Il numero di variabili, la velocità e il volume delle transazioni sono semplicemente eccessivi per dei decisori umani.
Quando una persona è parte del sistema, la tecnologia segue un approccio più delicato (vedi “Un software che potenzia il pensiero umano”). Pensate ai motori di raccomandazione che nella rete suggeriscono prodotti da acquistare o amici con i quali incontrarsi. Questi funzionano perché le compagnie internet conservano un modello statistico di ciascuno di noi, i nostri apprezzamenti e le nostre abitudini, e ne fanno uso per decidere cosa mostrarci. In questo report, controlliamo LinkedIn, che detiene il più grande database di curriculum vitae al mondo – più di 200 milioni di curriculum vitae. Una delle sue ultime offerte è University Pages, che elabora i dati dei curriculum per offrire agli studenti universitari una previsione del loro impiego basandosi sull’università presso la quale stanno studiando (vedi “LinkedIn mette in mostra le opzioni universitarie”).
Questi sistemi intelligenti, e il loro impatto, non sono nulla a confronto con quanto è in programma per il futuro. Prendete IBM ad esempio. L’azienda sta versando $1 miliardo nel suo sistema informatico Watson, quello che aveva vinto al quiz televisivo Jeopardy! IBM immagina già dei computer capaci di dialogare al telefono con i clienti, o fornire pareri esperti dopo aver “digerito” le note di un medico. IBM vuole distribuire questi “servizi cognitivi” – computer che pensano, o danno l’impressione di farlo (vedi “In risposta ai diffidenti, IBM espande i suoi piani per Watson”).
Andrew Jennings, chief analytics officer della FICO, sostiene che l’automatizzazione delle decisioni umane è solo una parte del racconto. Anche i punteggi di credito hanno un impatto fondamentale. Hanno dato ai leader un nuovo modo per misurare lo stato dei loro portfolio – e regolarli bilanciando i destinatari di prestiti a rischio con altri più sicuri.
Ora, con il crescente numero di aziende che sono esposte a dati predittivi, anche il loro approccio alle strategie di business sta cambiando. In questo report osserviamo una delle tecniche che si sta diffondendo nella rete, denominata testing A/B. Si tratta di una semplice tattica – preparare due o più versioni di una pagina web e osservare quale si comporta meglio (vedi “In cerca di una carta vincente, i siti web si affidano agli esperimenti” e “Le startup intraprendono la via per fallire in fretta”).
Fino a poco tempo fa, ottimizzazioni simili erano praticate unicamente dalle compagnie internet più importanti. Ora, pressappoco qualunque sito web può farlo. Jennings descrive questo fenomeno come una “sperimentazione sistematica”, e dice che sarà un aspetto intrinseco delle aziende più intelligenti. Queste, avranno team dedicati esclusivamente al sondaggio del mondo per apprenderne le regole in via di cambiamento e decidere quali strategie adattare di conseguenza. “I vincitori e i perdenti nelle battaglie analitiche non saranno determinati semplicemente dal maggiore o minore accesso delle aziende ai dati o dalla quantità di fondi a disposizione”, ha detto Jennings.
Ovviamente, c’è un pericolo nel lasciare che troppe decisioni vengano prese sulla base di dati. In questo report, Duncan Watts, un ricercatore Microsoft specializzato nei social network, evidenzia un approccio al processo decisionale che evita i pericoli dell’istinto e le conseguenze di un asservimento ai dati. In sostanza, secondo Watts le imprese devono adottare un metodo scientifico (vedi “Il pensiero scientifico nelle imprese”).
Per fare ciò, le aziende hanno cominciato ad assumere una specie altamente qualificata di scettici aziendali che conosciamo come scienziati informatici. Si tratta di persone che creano database, realizzano modelli, rivelano trend e, sempre più, sono responsabili del prodotto finito. La loro influenza sta crescendo nelle imprese. Forse è per questo che la scienza informatica è stata descritta come “la professione più sexy del ventunesimo secolo”. Non sono tanto la matematica o gli spreadsheet a essere attraenti, quanto il potere di prendere le decisioni.
