Benissimo.

Quindi abbiamo un corpus di dati, di informazioni e di feedback che abbiamo raccolto sia quantitativi che qualitativi.

Um, è ancora materiale grezzo per avere un report che ci possa dare degli insite attivabili, um e sensati c'è bisogno di fare un passaggio fondamentale che è un po' la digestione di questi dati e e la contestualizzazione.

Fondamentalmente perché è importante contestualizzare i dati? Perché un dato senza contesto è privo di significato, un numero, un feedback, senza capire all'interno di quale cornice questo dato è inserito? Beh, può voler dire tutto e nulla, quindi dobbiamo andare in questa fase.

Adesso vedremo.

Vedremo insieme con dei suggerimenti degli esempi pratici, come collocare i nostri dati all'interno del quadro del nostro evento e far sì che ogni numero, ogni informazione risponda a un perché e come è stato generato e che cosa ci vuole dire.

Ho preparato un paio di esempi.

Uno è questo caso uno e caso due.

Si tratta di due tipologie di due eventi simili con le stesse attività.

In questo caso si tratta di due eventi con una componente di vendita, quindi potremmo dire che si tratta di due pop up store con magari una sale sale o una un outlet di fine stagione per un brand di di moda.

Nel caso uno vediamo che abbiamo cento visitatori, cento partecipanti e nel caso due è lo stesso.

Quindi il numero di visitatori è identico um nel caso uno però vediamo che il numero delle vendite è più alto rispetto al al secondo evento duecentoquarantotto contro duecentododici, il che ci dà chiaramente una metrica di unità venduta per visitatore di due virgola quarantotto per il primo evento e due virgola dodici per il secondo evento.

Io ora ti chiedo qual è andato meglio dei due eventi secondo te prova a pensarci un secondo, credo che intuitivamente verrebbe a tutti da rispondere con queste informazioni senza contesto l'evento numero uno perché abbiamo venduto più unità per il visitatore? Aggiungiamo delle altre informazioni di contesto per analizzare il nostro dato andiamo a vedere che il primo evento aveva un prezzo per unità di otto euro, mentre il secondo aveva un prezzo per unità di undici euro, quindi significativamente diverso.

Il che ci dà una spesa media un baskets di diciannove virgola, otto euro per il primo evento e ventitré virgola tre euro per il secondo evento.

Quindi un visitatore nel secondo evento nella seconda edizione, magari di un evento che facciamo ogni tre mesi, ha speso quasi quattro euro in più del um dell'edizione precedente.

Quindi ecco, questo è un esempio su come certi dati, se non contestualizzati o se non corredati da altre altre informazioni e punti di vista, possono darci un'immagine sicuramente fallace.

Un altro esempio è questo, con un focus sulla parte magari di promozione dell'evento.

In questo caso abbiamo un evento uno con un numero di visitatori superiore ai milletrecento.

Infatti sono millecentoquaranta pack visitatori e un evento, magari una seconda edizione, anche in questo caso di ottocentosessanta visitatori.

In entrambi i casi il budget speso per il marketing, quindi che abbiamo dato al nostro team di comunicazione è stato di euro mille.

Abbiamo un un c PV quindi insomma un un costo per visitatore di zero virgola settantacinque euro nel primo caso e un euro e sedici nel secondo caso chiaramente avremo questi dati grezzi vanno contestualizzati perché ci chiederemo ma che cavolo ha combinato il team di marketing? Perché da Un'edizione all'altra è peggiorata la um l' k p i di comunicazione in maniera così forte e abbiamo sbagliato contenuti.

Abbiamo sbagliato timing o quant'altro.

Insomma, l'analisi contestuale invece ci va a dare delle altre informazioni, ad esempio, che nella prima edizione c'era un sole che spaccava le pietre.

Nella seconda edizione era una giornata molto sfortunata, nella quale c'è stato un grossissimo nubifragio che ha provocato diversi diversi disagi.

Una seconda nota è che nella seconda edizione del nostro evento c'è stato uno sciopero dei mezzi.

Quindi i nostri visitatori non hanno potuto raggiungere la location del nostro evento.

Quindi vediamo come è importantissimo contestualizzare i dati, perché dei numeri da soli non ci dicono nulla.

Questo c PV da solo trova lo spazio che trova l'obiettivo che cerchiamo di perseguire con la contestualizzazione dei dati è quella di um partendo da dati grezzi arrivare a dei dati che abbiano un una natura descrittiva che quindi ci raccontino che cosa è successo all'interno del nostro evento.

Bene, questo non è il passaggio definitivo nel nel lavoro di contestualizzazione nel lavoro di analisi dei dati vogliamo andare oltre, vogliamo arrivare a partire dai dati descrittivi e farli diventare dati prescrittivi, quindi dei dati, delle informazioni che si ci suggeriscono determinate azioni, in questo caso chiaramente azioni volte a migliorare um una determinata azione o un determinato accadimento del nostro evento.

Ad esempio, un dato descrittivo è appunto il numero dei partecipanti che abbiamo visto.

Come contestualizzare un dato un'informazione prescrittiva è un'informazione che ci dice come aumentare il numero dei partecipanti.

Quindi, in estrema sintesi, che cosa possiamo fare per migliorare um per arrivare a questo? A questa informazione prescrittiva? Per capire come migliorare è fondamentale includere um input e catturare prospettive diverse.

Coinvolgiamo il nostro team per interpretare questi dati.

Um coinvolgiamo anche i nostri fornitori, i nostri partner Um valutiamo anche chiaramente gli input dei nostri visitatori, quindi il triangolo magico per cercare di far diventare i dati grezzi i dati descrittivi e poi prescrittivi che ci possono aiutare a migliorare.

Sta all'interno delle dei tre punti di vista quelli del nostro team, quindi il punto di vista dell'organizzatore il punto di vista dei collaboratori, quindi tutti i fornitori coinvolti e chiaramente il punto di vista um degli utenti.

Mhm Altre best practice sono quelle di cercare di identificare pattern e anomalie nei nei dati.

Chiaramente questo questo lavoro può metterci nella posizione e riscoprire cose che non sapevamo prima.

Focalizziamoci sui trend positivi, ma anche su quelli negativi, o meglio focalizziamoci sui sui trend negativi, perché appunto, stiamo facendo questo lavoro nell'ottica di migliorare quello che non ha funzionato.

Ma focalizziamoci anche su quello che ha funzionato, perché chiaramente, um, può darci degli spunti importanti e cerchiamo di essere critici.

E per essere critici, intendo dire chiediamoci sempre il perché delle cose, ma non un perché, um, evanescente un perché che ci porta alla radice vera di problemi o di ciò che è accaduto a questo scopo ti propongo quella che è definita AS è un metodo abbastanza semplice, appunto con eh il domandarci perché di una determinata cosa in maniera iterativo riusciamo ad arrivare all'analisi al al al alla radice di questo problema.

Un esempio è, um questo quindi ritardo nell'inizio di una conferenza.

Noi facciamo la nostra analisi del nostro evento, abbiamo dati qualitativi, dati quantitativi.

Ci rendiamo conto che abbiamo avuto un ritardo di un'ora nell'inizio di una conferenza.

Bene, questo è il problema.

È quello che quello che non ha funzionato lo vogliamo risolvere con la y.

Ci chiediamo cinque volte perché e arriviamo alla radice vera del problema e quindi abbiamo avuto ritardo nell'inizio della conferenza.

Perché? Beh, perché il team tecnico è impegnato troppo tempo nelle Sep.

Ci è sufficiente questa spiegazione? No.

Ci chiediamo perché un'altra volta? Perché il team tecnico ha impiegato troppo tempo nel setup? Beh, perché appare che alcuni cavi non erano disponibili nel montaggio al momento del montaggio, perché non erano disponibili? Perché il fornitore non ha consegnato il materiale in tempo e così via.

Perché il fornitore non ha consegnato il materiale in tempo? Perché il contratto del fornitore non specificava, specificava tempi di consegna.

Perché non li specificava? Beh, perché c'è stata una mancanza di verifica nei dettagli del contratto.

Quindi la soluzione al ritardo dell'inizio della conferenza in questo caso è definire i tempi e i controlli nelle clausole contrattuali.

Quindi assicuriamoci come prescrizione, come dato prescrittivo informazione prescrittiva per il prossimo evento, di non dimenticarci di definire tempi e controlli nei dettagli contrattuali.

Bene, quindi abbiamo visto come i dati senza contesto non hanno alcuna valenza.

Dobbiamo fare un lavoro insieme al nostro team di contestualizzazione e interpretazione dei dati che portano i dati grezzi ad essere dati descrittivi, che descrivono dunque quello che è successo, ma non è ancora abbastanza da descrittivo.

Vogliamo, um trarre delle informazioni prescrittive, che quindi risponda alla domanda come possiamo migliorare in futuro? Uno dei dei modi per farlo è appunto con l'analisi del delle radici di causa