AIOps: quali sono le best practice per il Retail

La rapida Digital Transformation che caratterizza il settore Retail negli ultimi anni, unita alla richiesta di esperienze d’acquisto sempre più phygital e omnichannel e al conseguente (quanto necessario) passaggio al cloud hanno reso i sistemi IT alla base dei servizi offerti ai consumatori più variegati, interconnessi e complessi.

Ne consegue la necessità di un monitoraggio automatico di sistemi potenzialmente più fragili ed esposti a rischi che in passato. Lo scopo è, soprattutto, garantire una customer experience fluida, senza intoppi, coerente con i valori del brand e in linea con le aspettative sempre più alte dei clienti.

Anche la singola anomalia, infatti, può avere un impatto estremamente negativo sull’azienda. L’indisponibilità di un servizio o un malfunzionamento durante una transazione di acquisto, ad esempio, possono causare la perdita del cliente e contribuire a costruire un’immagine di scarsa affidabilità.

In questo scenario, il monitoraggio dello stato di salute dei servizi e delle infrastrutture tecnologiche si rivela cruciale per il settore Retail. Per questo, sono sempre di più i retailer che si affidano all’AIOps (Artificial Intelligence for Operations).

AIOps: cos’è e come aiuta i retailer

Secondo la definizione di Gartner, il termine AIOps identifica l'applicazione delle funzioni di Intelligenza Artificiale, come i modelli di NLP (Natural Language Processing) e di Machine Learning, per automatizzare e semplificare i flussi di lavoro operativi.

Nel settore retail, tale metodologia consente di tenere sotto controllo lo stato delle applicazioni attraverso funzionalità specifiche:

• monitoraggio di infrastrutture e applicazioni che forniscono servizio ai clienti;
• individuazione in tempi rapidi della “root cause”, ovvero dell’origine di un malfunzionamento e avvio di azioni di “remediation”;
• previsione delle performance dei servizi in base ai dati storici e di contesto.

L’utilizzo di metodologie AIOps comporta, inoltre, la raccolta continua di Big Data e informazioni in tempo reale che permettono non solo di monitorare i servizi, ma anche di raccogliere dati preziosi circa i comportamenti e le preferenze degli utenti. Se raccolti e analizzati nel modo giusto, tali dati consentono alle aziende di prendere decisioni strategiche volte a favorire il business e ad allocare nel modo più conveniente le proprie risorse infrastrutturali. Lo scopo, in ogni caso, resta garantire una customer experience di qualità.

AIOps: strumenti per migliorare l’esperienza cliente

Molti sono i fattori che possono influenzare le performance di un servizio online. Tra questi troviamo, ad esempio, i picchi di accesso al sito (Black Friday, campagne promozionali, ecc.), la capacità delle connessioni internet o l’architettura interna delle applicazioni. Tali fattori possono condizionare la percezione che il cliente ha del brand o del retailer nel corso del customer journey. Il ricorso a strumenti di AIOps permette di prevenire le anomalie e risolvere rapidamente i disservizi, senza impatti sulla business continuity o sull’esperienza utente.

Ciò è possibile attraverso:

• la completa visibilità e l’alta fedeltà dei dati. L’AIOps prevede la raccolta in modo continuativo (e non a campione) dei dati su tutti gli apparati (fisici, virtuali o di rete) e le applicazioni che concorrono all’erogazione di un servizio;
• il tracciamento delle transazioni del cliente. Viene garantita la costante corrispondenza tra il tipo di transazioni e i servizi disponibili per i clienti e la catena di applicazioni o infrastrutture che ne consentono l’erogazione. In caso di anomalie, vengono tracciati il numero di clienti impattati, la localizzazione geografica dei servizi coinvolti e la durata dei disservizi.
• identificazione della root cause e remediation. Gli algoritmi interni allo strumento di AIOps individuano in real-time la causa di un malfunzionamento e intraprendono azioni risolutive.

Ne consegue una visione chiara e lucida dei sistemi, che attraverso l’Intelligenza Artificiale applicata alle IT Operations, è in grado di assicurare customer journey pienamente corrispondenti alle attese.

AIOps: best practice per i retailer

L’AIOps, dunque, costituisce per la vendita al dettaglio una valida strategia a lungo termine per semplificare il modo in cui le IT Operations supportano e gestiscono ambienti IT moderni e sempre più complessi e garantire la costante e piena soddisfazione del cliente.

Inoltre, con prestazioni di sistema migliori e l’uso dell’automazione, i team IT possono concentrarsi su attività a maggior valore aggiunto e volte all’innovazione.

È bene tenere a mente, però, che il primo fondamentale passo nell'adozione dell’AIOps è lo sviluppo di una visione chiara sugli usi che ne verranno fatti all’interno dell’organizzazione.

Una volta definito questo, occorrerà creare una strategia per:

• dare priorità alle iniziative in campo;
• concentrare gli investimenti nel tempo;
• individuare un partner con competenza di dominio;
• assumere professionisti specializzati.

Possiamo poi identificare 3 best practice che aiutano le aziende a migliorare la customer experience attraverso i sistemi di AIOps.

1. Sfruttare il Machine Learning per le attività di test: l’uso del Machine Learning e degli algoritmi AIOps, per testare le attività di data analytics prima di applicarle ad eventi concreti in tempo reale, garantisce soluzioni più accurate e un netto risparmio di tempo e risorse.
2. Centralizzare e categorizzare i dati: il settore retail per sua natura raccoglie ogni giorno grandi quantità di dati da fonti eterogenee. Questi, se utilizzati nel modo giusto, posso servire per migliorare i servizi, personalizzare l’esperienza d’acquisto e monitorare i sistemi. L'AIOps consente di raccogliere, centralizzare e infine categorizzare dati diversi provenienti da diverse fonti e di distinguere, tra questi, quelli adatti all’analisi predittiva.
3. Utilizzare soluzioni logic-based: comprendere o prevedere la risposta a un particolare servizio o a un nuovo prodotto è essenziale nel settore della vendita al dettaglio. E le soluzioni AIOps, in quanto logic-based permettono di ottenere previsioni molto più accurate e realistiche di quelle che si basano solo sui dati storici. Tali analisi, aggiornate in tempo reale, consentono di fornire servizi sempre aggiornati e basati su informazioni sia storiche che attuali. Ciò consente ai retailer di offrire esperienze personalizzate sempre in linea con le mutevoli preferenze dei clienti.
   

AIOps: 3 vantaggi per il retail

L’adozione delle tecnologie AIOps nel Retail, quindi, consente di mettere in relazione diretta il problema tecnico (performance dell’applicazione) con quello di business (degrado della customer experience). In quest’ottica, si possono identificare 3 vantaggi concreti che l’AIOps porta al Retail:

1. Salvaguardia della Customer Experience. Il monitoraggio in tempo reale consente di eliminare i disservizi e di ridurre al minimo i tempi di ripristino. L’individuazione rapida e puntuale dei malfunzionamenti consente di essere precisi nelle notifiche verso il cliente, che in tal modo avverte l’impegno e la qualità degli interventi intrapresi, e di conseguenza il valore del brand.
2. Riduzione dei costi. L’AIOps individua la natura del problema in tempi molto ridotti, elaborando in tempo reale una grande mole di informazioni eterogenee, grazie all’utilizzo di Big Data, Machine Learning e Analytics. In assenza di strumenti di AIOps, l’individuazione della “root cause” coinvolgerebbe ruoli diversi e richiederebbe molto più tempo, con evidente dispendio di tempo e risorse.
3. IT come partner. Tradizionalmente il dipartimento IT, pur essendo essenziale per l’azienda, è visto come un fornitore di servizi e non come un partner per le attività di business. L’AIOps supera questa divisione. Gli strumenti di AIOps più evoluti utilizzano il linguaggio naturale (NLP) e non il gergo tecnologico, e il focus della comunicazione è l’attività del cliente.

Appare chiaro, dunque, come l’implementazione dell’AIOps sia oggi un passo fondamentale per le aziende Retail. La possibilità di sfruttare pienamente i dati in tempo reale per attività di profilazione, personalizzazione e monitoraggio preventivo garantisce servizi fluidi, privi di attriti e un customer journey all’altezza delle aspettative.