Se guardiamo al panorama economico attuale, i modelli di service transformation iniziano a diffondersi in numerosi settori. La rivoluzione della servitization si fa largo nelle aziende anche più tradizionali e stravolge interi comparti, creando una nuova domanda. Ma cosa sono in buona sostanza le strategie di service transformation e servitization? Questi termini sono usati per indicare gli approcci in cui i servizi non rappresentano più un complemento del prodotto ma assumono una valenza centrale nell’offerta. La possibilità di svincolare la proprietà di un bene dalla facoltà di utilizzarlo è una tendenza che inizia a essere metabolizzata dai consumatori finali, come dimostra il boom dei modelli di mobilità condivisa, ma inizia ad affermarsi anche nel B2B. Un trend che ha bisogno di una forte cultura sui servizi come nel caso di IBM, che già negli anni Novanta ha intrapreso una importante trasformazione del proprio business sempre più orientata alla erogazione di servizi IT.
Indice degli argomenti
Le tecnologie che sostengono la service transformation
Cloud, IoT, l’AI, Machine Learning e Big Data Analytics sono le tecnologie che rendono possibile questa trasformazione radicale del business. L’obiettivo è migliorare i ricavi e la marginalità generando nuovi fonti di fatturato con un carattere più ricorsivo e stabile rispetto a quelli ottenibili dalla vendita di un prodotto. In buona sostanza, si lavora per realizzare un vantaggio competitivo sostenibile nel tempo. Ecco perché si parla di una vera e propria service economy, un modello di business diffuso dove alla vendita dei prodotti si sostituisce la vendita di una soluzione ai bisogni del cliente attraverso servizi plasmati sul prodotto stesso, che diventa connesso e smart. Le strategie di service transformation hanno subìto un’accelerazione repentina negli ultimi anni, in particolare nel settore del manufacturing. Merito soprattutto della rivoluzione IoT: macchinari e oggetti connessi e intelligenti generano un flusso continuo di informazioni sulle funzionalità preferite dal cliente, su come il prodotto viene usato o non viene utilizzato. Dati che, opportunamente correlati e rielaborati, si traducono in insight che indirizzano le strategie di ricerca e sviluppo e migliorano l’usabilità e le funzionalità dei prodotti. Solo con la conoscenza profonda dei prodotti e delle abitudini d’uso, poi, è possibile creare un’offerta veramente su misura, cucita come un abito sartoriale sulle peculiarità e le esigenze di ogni singolo cliente, che si tratti di un’azienda o di una persona fisica. Intelligenza Artificiale e Machine Learning svolgono un ruolo chiave nell’abilitare gli approcci di servitizzazione. Solo attraverso la conoscenza dei legami profondi che si instaurano all’interno di cluster enormi di dati è possibile scovare le tendenze rilevanti e anticipare esigenze e bisogni dei clienti.
I modelli della service transformation
Le strategie orientate alla service transformation sostengono i nuovi modelli di business fondati sulla personalizzazione dell’offerta e offrono anche la possibilità di migliorare la marginalità, massimizzando il valore estraibile dalla conoscenza del consumatore e del modo in cui usa un prodotto, in ottica di Data Monetization. Secondo il laboratorio RISE (Research & Innovation for Smart Enterprises) dell’Università degli studi di Brescia, la service transformation può essere realizzata secondo quattro modelli:
- Product focused
Si tratta del modello industriale tradizionale, che ha l’obiettivo di produrre a costi bassi. In questo caso, i servizi a corollario del prodotto sono piuttosto semplici, come l’assistenza. - Product and processes focused
In questo modello, che è un po’ un’evoluzione del primo, l’offerta di prodotto viene arricchita da servizi a valore, come la consulenza. - Access focused
In questo modello evoluto, la proprietà del bene industriale è svincolata rispetto al suo uso. In pratica, la proprietà del bene rimane al produttore che vende al cliente un servizio di accesso e uso dello stesso, valorizzato sulla base di parametri di consumo (ore/macchina, pezzi prodotti…). - Use or outcome focused
In questo caso, la proprietà del bene è condivisa tra gli utenti di quello che è, di fatto, un servizio. Il modello di tariffazione è a consumo effettivo, come avviene per i servizi della sharing economy.
Il report”From Products to Services” di PA Consulting conferma la validità delle strategie di servitizzazione: le aziende che hanno imboccato la strada della service transformation hanno sperimentato un incremento medio della marginalità compreso tra il 15% e il 35%, che supera ampiamente quello ottenibile dalla vendita di prodotti fisici. Una marginalità che aumenta anche grazie al fatto che i modelli As a Service sostenuti dall’AI e dal ML massimizzano l’efficacia delle strategie di upselling – la vendita di servizi più costosi – e cross-selling – la vendita di servizi correlati.
Una buona data governance alla base delle strategie di servitization
La proliferazione dei dati è un tema cruciale da affrontare in un progetto di service transformation. Il rischio concreto è che l’aumento esponenziale del volume, della varietà e della numerosità di fonti di dati non possa essere governato come si deve. Le pratiche di data governance migliorano la gestione e lo sfruttamento delle informazioni, per favorire l’efficienza complessiva dei processi di gestione dei dati. Ed è proprio nella miglior data governance che si esprime uno dei benefici chiave del Machine Learning. IBM è stata inserita da Forrester tra le aziende leader nel panorama dei fornitori di Machine Learning Data Catalogs (MLDC). Con le sue soluzioni di governance dei dati, IBM permette ai responsabili delle strategie di service transformation di avere a disposizione insight e asset informativi sempre aggiornati e coerenti. Dati di qualità e aumentati, come soluzione indispensabile per sostenere in modo efficace i nuovi modelli di business.
Analisi, approfondimenti, studi e tools per data scientist, IT Manager e Lob
Immagine fornita da Shutterstock
