L’importanza della "Big data analytics" nelle Law firms

di

Stefano Palmacci

03.02.2022

5

minuti di lettura

Tutte le attività che quotidianamente sono svolte sui dispositivi digitali producono dati. Si tratta di una grandissima quantità di informazioni che possono essere raccolte, analizzate e quindi anche valorizzate dal punto di vista economico.

È l’era della big data analytics.

E il significato di big data e analytics è rispettivamente l’insieme di dati eterogenei, ossia ottenuti da molteplici fonti diverse. E la scoperta, l’interpretazione e la comunicazione di modelli significativi in tali dati al fine di avviare un processo decisionale maggiormente efficace.

La definizione big data nasce dal fatto che l’attuale già consistente quantità di dati andrà moltiplicandosi in futuro. Esempi di big data provengono dai dispositivi IoT – Internet of Things così come dalle smart car in circolazione, ma anche dall’utilizzo dei social network ecc.

Le fonti di dati sono tantissime e in costante aumento e pertanto ciò che caratterizza i big data non è solo la quantità. I big data sono caratterizzati anche dalla complessità riconducibile alla loro varietà.

Il concetto di big data implica più fattori, dall’infrastruttura necessaria per raccoglierli e archiviarli, agli strumenti per analizzarli. Senza trascurare le competenze necessarie per gestirli, a partire dai big data analyst.

Big data analytics, definizione

La definizione di big data analytics fa riferimento al processo che include la raccolta e l’analisi dei big data per ottenerne informazioni utili al business.

Per compiere le attività tese a fornire queste e tante altre informazioni preziose per migliorare l’attività dell’impresa è necessario quanto segue.

Software, dai database e strumenti utili per acquisire ed elaborare informazioni agli applicativi dedicati per specifici processi aziendali; servizi per customizzare la tecnologie e integrarle con successo nei sistemi pre esistenti; risorse infrastrutturali, quindi capacità di calcolo, storage ecc.

Come impostare un progetto in questo ambito

Impostare un progetto di analisi e gestione dei big data nella Law firm significa affrontare molteplici aspetti. Non ci si può naturalmente limitare a quelli tecnologici, è necessario valutare le esigenze a cui si vuole rispondere. E porsi obiettivi precisi, coinvolgendo numerose competenze.

Definire e implementare una strategia di Big data analytics significa, infatti, avere la possibilità di trarre preziose informazioni per fare innovazione. Basti pensare al digital analysis dei propri dati interni, ma bisogna saper partire con il piede giusto.

Il vero significato dei big data e come utilizzarli correttamente attraverso l’analisi dei dati

Sembrerà ovvio, ma poiché sono proprio le cose ovvie quelle alle quali si pensa meno, la prima questione da stabilire è a quale finalità dovrà servire il progetto di analisi dei big data. Se ciò non è chiaro da subito, il rischio, ed è un rischio elevato, è che il Cio e l’It vadano avanti per la loro strada realizzando una big data architecture che magari funziona benissimo, ma che poi non risulta allineata ai bisogni della law firm. E questo perché ecco cos’è data analysis. L’analisi dei dati è il processo di ispezione, pulizia, trasformazione e modellazione di dati stessi con il fine di recuperare informazioni certe che rendono il lavoro degli avvocati più veloce e più preciso.

I casi di utilizzo

I casi di utilizzo della big data analysis rientrano in tre gruppi.

1. Efficienza e rischi operativi

Gran parte degli esempi di big data analytics realizzati o pianificati per esserlo a breve riguarda la riduzione del rischio nelle analisi dei casi legali. Altri ambiti dove contano efficienza e risk reduction sono l’asset management (con una punta nell’analisi delle frodi), la gestione del personale e la supply chain, dove emergono le applicazioni big data per la manutenzione preventiva. Un approccio globale a questi problemi deve considerare la condivisione dei dati e lo scambio di idee con i business partner.

Nonché il tracciamento dei risultati avuti dalle azioni prese in seguito a dette analisi, in modo da avviare un ciclo virtuoso.

2. Sicurezza e performance applicative

Predictive analytics e analisi dei big data sul funzionamento dell’It servono a prevenire problemi nell’erogazione dei servizi legali ed a monitorare gli eventi per potervi rispondere in tempo reale.

I modelli d’analisi, che vanno discussi con i responsabili della sicurezza e dei servizi, si servono dei data-log generati da server e dispositivi di rete.

Essi sono infatti utili per valutare i livelli prestazionali, trovare i colli di bottiglia e quant’altro.

3. Conoscenza e servizio ai clienti

Soluzioni e applicazioni per la big data analysis sono utilizzati per progetti risolvere velocemente i casi legali, generare contratti, individuare i precedenti giudiziari e le criticità  di un contenzioso o di clausole contrattuali, ma anche per l’ottimizzazione della digital experience.

Quali sono le priorità da tener presenti per una gestione dei big data ottimale

Il Data Management non può essere approcciato come in passato, quando le priorità si ‘riducevano’ a una governance del dato a livello It e alla sua fruizione da parte di alcuni utenti ‘ristretti’. Oggi gli scenari sono cambiati e la definizione corretta strategia di Data Management, dovrebbe tenere conto delle seguenti considerazioni.

Le fonti di big data continuano ad evolvere e crescere.

‘Ondate’ di nuovi dati continuano a essere generate non solo dalle app aziendali, da internet (web e social media), ma anche da risorse pubbliche, piattaforme mobile, data services e, Internet of Things. Secondo gli analisti esperti in questo ambito, la strategia di un data analyst non può non tenere conto di questi aspetti spesso ricondotti alle caratteristiche di volume, velocità e varietà dei Big data in continua crescita ed evoluzione. Per le Law firm diventa fondamentale riuscire, secondo una logica di continuous

improvement, a identificare le nuove fonti e incorporarle nelle propria piattaforme di Data Management.

Catturare, gestire e archiviare tutti i dati aziendali per preservare storia e contesto

I dati depauperati del contesto servirebbero a poco, nell’era della gestione dei big data diventa quindi fondamentale riuscire a ‘catturare’ ed archiviare tutti i dati utili e poiché la loro utilità spesso non è valutabile a priori, diventa una sfida riuscire ad averli tutti a disposizione e poi, appunto, trarre il significato dei big data

raccolti. Fino a qualche anno fa gli sforzi e i costi per riuscire a catturare e mantenere tutti questi dati erano eccessivi, ma oggi tecnologie innovative e a basso costo come Apache Hadoop hanno reso possibile tale approccio.

Analizzare scientificamente i dati per ‘arricchirli’ di senso utile

L’obiettivo dei progetti di analytics big data non è generare report su ciò che è accaduto ma comprendere come questo possa aiutare a prendere decisioni migliori. Ciò significa cambiare il modello di data analysis dei dati optando per approcci cosiddetti

‘descrittivi’, ‘predittivi’, ‘prescrittivi’, ossia sfruttando applicazioni di big data analytics attraverso le quali generare ‘insights’, conoscenza utile ai processi decisionali anticipando per esempio i bisogni del cliente conoscendone in real-time le proprie esigenze. Riuscire in questo obiettivo richiede nuove competenze. I data scientist (meglio se legal data scientist), in particolare, utilizzano ‘machine learning algorithms’ e ‘advanced visualization tools’ e possono generare informazioni utili e ‘non scontate’ a sostegno della competitività e redditività della firm.

Rilasciare dati velocemente e liberamente a tutti coloro che hanno necessità

Può sembrare un’ovvietà ma sappiamo bene come la storia dell’It abbia dimostrato quanto l’approccio ‘a silos’ valga anche per i dati. Sono molteplici gli esempi di big data risiedenti in database non condivisi e difficili da integrare. Per superare tali barriere,

sarà sempre più necessario dotare le piattaforma di gestione dei big data di funzionalità innovative. Funzionalità per poter rendere disponibili e accessibili i dati lungo tutti i livelli dei dipartimenti legali.

Tra i settori che si sono distinti nell’impegno su questo fronte, le banche si collocavano al primo posto per quote di mercato con il 28% della spesa. Restava il divario fra le imprese di grandi dimensioni e le PMI in termini di investimenti e competenze di Data Science. Il 93% delle grandi imprese investe in progetti di Analytics, contro il 62% delle PMI.

L’analytics in Italia nel 2021

Nel 2021 il valore del mercato analytics in Italia è cresciuto del 9% arrivando a valere 1,815 miliardi di euro. (fonte: Osservatorio Big data & Businessanalytics della School Management del Politecnico di Milano), la maggior parte di questa spesa si concentra sui software (52%, +16% rispetto al 2020), in particolare per intelligenza artificiale e Data Science Platform.

Seguono i servizi (28%) e le risorse infrastrutturali (20%, +7%), necessari per abilitare gli analytics (capacità di calcolo e di storage). L’investimento in Analytics in cloud cresce del +24% arrivando a pesare il 19% della spesa (+2% rispetto al 2020).

Le banche sono il primo settore per quota di mercato (28%), seguono manifattura (24%), telco e media (14%), servizi (8%), Gdo e retail (7,5%), assicurazioni (7%), utility (6.5%), PA e sanità (5%).

Applicazioni per analisi dei dati e data mining: tre macro aree d’offerta

Aggregatori

Raccolgono e organizzano i dati, sia interni sia provenienti da fonti esterne, in modo che possano essere usati dagli avvocati

per il loro lavoro. Molti fornitori vi aggiungono anche servizi di data management, pulizia e arricchimento.

Arricchitori

Potenziano e completano il monte-dati relativo alle attività di marketing e vendita con elementi di diversa fonte, principalmente feed e clickstream raccolti dal Web e dai social network. Molti strumenti pre-elaborano i dati per trarne informazioni mirate ai bisogni e tendono ad entrare nel campo delle vere e proprie analisi. Questi tool vanno considerati da chi vuole affinare la segmentazione del mercato, fare marketing diretto con messaggi personalizzati e (nel business-tobusiness) interagire con specifici clienti.

Modellatori

Applicano ai dati algoritmi che ne evidenziano gli schemi e li confrontano a criteri di probabilità (le regole in base alle quali si stima che un evento possa accadere) in modo da poter costruire modelli di previsione. Il problema di queste soluzioni è che spesso sono realizzate da start-up la cui tecnologia (e le cui stessa sorte) può cambiare nel breve termine. Sono quindi adatte a società già abbastanza esperte nel data analysis marketing digitale che debbano colmare dei vuoti nel loro demand management.

I vantaggi dei big data analytics: come e perché possono aiutare il business delle law firm

I benefici che l’analisi big data può dare sono parecchi. Si ricorda che il significato di analisi big data è la capacità di analizzare, estrapolare e mettere poi in relazione una grande quantità di dati eterogenei strutturati o meno. Questo per scoprire legami e correlazione tra fenomeni e addirittura arrivare a prevederli. Ne ricordiamo i principali, citandoli in ordine di profittabilità.

- Aumentare il fatturato

- Rendere prevedibile lo sviluppo della domanda: basarsi sul comportamento dei clienti come specchio della propensione

- Rivelare intenti e interessi dei potenziali clienti non altrimenti evidenti.

- Dare più valore all’account management

Analizzando le operazioni tra venditori e clienti e integrandole con informazioni su ciò che fanno i clienti al di fuori del rapporto di business (fusioni, acquisizioni, finanziamenti, assunzioni, questioni legali…) si può focalizzare la relazione B2B sui reciproci obiettivi, servendo meglio il cliente. E aiutando i legal manager a ottimizzare il loro lavoro.

Si tratta di utilizzare applicazioni per la big data predictive analytics per l’account management. In pratica, si porta nel B2B ciò che fanno nel B2C le aziende di vendita diretta con le promozioni mirate. Mediante, per esempio, il data analysis marketing si utilizza la mole di dati interni ed esterni al rapporto di vendita per trovarsi pronti a soddisfare una richiesta. O, meglio ancora, a prevenirla con un’offerta adatta e vi sono molteplici esempi di big data analysis in questo senso.

Aprire nuove opportunità di business

Se ne parla spesso riferendosi a nuovi prodotti o servizi che l’analisi dei big data suggerisce di fare. Ma il discorso vale anche, ed è un caso più frequente, per chi voglia allargare il mercato puntando su clienti relativamente nuovi. Caso tipico: la law firm attiva sui grandi utenti che intenda rivolgersi alle piccole imprese e quindi studiare un diverso business model.

Le competenze necessarie per gestire un progetto di big data, l’importanza di data scientist, data engineer e data analyst

Data Analytics. In generale, un analista big data è colui che si occupa di esplorare, analizzare e quindi capire i dati che vengono raccolti per trarne informazioni utili.

“La scarsità di competenze nell’ambito della Data Science e più in generale nella capacità di manipolazione dei dati, caratterizza il fenomeno dei Big Data fin dagli albori”. A dimostrazione di ciò, il 77% delle grandi aziende dichiarava un sottodimensionamento in termini di risorse umane dedicate alla Data Science.

Le figure professionali

“Oltre al disequilibrio tra domanda e offerta, le aziende si scontrano con la ricerca di ruoli poco standardizzati, dei quali non si conoscono le core skills. E questo non soltanto attraverso i dati di diffusione, ma anche mediante l’analisi delle offerte di lavoro su Linkedin, per ottenere insight più qualitativi sulle competenze e attività svolte”. Queste le principali evidenze emerse.

Data Scientist. La figura del Data Scientist sta entrando nel concreto dell’attività quotidiana di molte Law firm. Nel 2021, il dato sulla diffusione di questo ruolo all’interno delle grandi organizzazioni registrava un incremento. Le grandi Law firm che avevano, formalizzato o meno, almeno una figura di Data Scientist erano il 25% (le grandi aziende circa il 46%).

Data Engineer. L’estrazione e la consegna degli insight sono vincolate ad attività preliminari che consistono nella progettazione dell’infrastruttura e nella costruzione e manutenzione della data pipeline. Tali operazioni sono responsabilità del Data Engineer, ruolo di assoluta rilevanza, a lungo sottovalutato a favore del Data Scientist.

Nel 2021, il 33% delle law firm  italiane dichiarava avere un Data Engineer.

Data Analyst. Il Data Analyst, che si occupa di ricercare evidenze quantitative all’interno di grandi moli di dati, supportando in tal mondo le decisioni di business Nel 2021, il 39% delle law firm  italiane dichiarava avere un Data Analyst.

Nel 2022? Il settore sta evolvendo velocemente a passi da gigante e ci aspettiamo che le big data analytics siano uno degli obiettivi principali con cospicui investimenti da parte delle best Law firm italiane ed europee.

Il futuro è già iniziato.

Iscriviti alla newsletter

Unisciti alle menti principali della tecnologia legale e ricevi mensilmente le ultime notizie e gli aggiornamenti su legge, tecnologia legale, intelligenza artificiale e molto altro.

Grazie! La tua richiesta è stata ricevuta!
Oops! Something went wrong while submitting the form.