Ma cosa c'entra la serendipità con la data-driven economy, ovvero con un’economia in cui l’uso dei dati è centrale nelle strategie e nella gestione del business, nello sviluppo di nuovi prodotti e servizi, nei processi decisionali, nel rinnovamento dei modelli di business, nella creazione di innovazione e nella diffusione della conoscenza?
Per analizzare i dati occorrono modelli ed il problema con i modelli analitici è che sono accurati solo come i dati storici e le relazioni storiche su cui sono stati costruiti. Se lasciati a se stessi, l'efficacia di un modello analitico può decadere a causa di cambiamenti nelle variabili esterne come ad esempio i modelli meteorologici, le condizioni economiche, le situazioni politiche, le nuove norme della società , i progressi tecnologici, le mode, le dinamiche del mercato e altro ancora. Di conseguenza, un data scientist deve pianificare una sperimentazione continua, al fine di mantenere un modello analitico efficace.
La serendipità - l'occorrenza e lo sviluppo di eventi casuali in modo felice o benefico - è un concetto utile. Serendipity descrive la situazione umana della scoperta casuale. La serendipità può svolgere un ruolo fondamentale nel garantire che i modelli analitici non diventino irrilevanti a causa di cambiamenti incontrollabili e imprevisti nel mondo reale.
L'esempio del sistema di raccomandazioni come filtraggio collaborativo
Un modo in cui molte aziende B2C hanno affrontato il problema della serendipità è utilizzando il filtro collaborativo per fornire raccomandazioni ai clienti in base a ciò che altri clienti come loro hanno acquistato in precedenza.
Il filtraggio collaborativo è un metodo per fare previsioni automatiche (filtraggio) sugli interessi di un utente raccogliendo preferenze o informazioni sul gusto da parte di molti utenti (collaborando). L'ipotesi di base del filtro collaborativo è che se alla persona A piacciono gli stessi prodotti della persona B, allora la persona A è più propensa a condividere l'opinione di B su un prodotto diverso rispetto a una persona scelta casualmente.
Siti web come Amazon e Netflix hanno sfruttato il filtro collaborativo (sebbene abbiano creato i loro algoritmi di filtraggio collaborativo proprietari e altamente sintonizzati) per creare momenti di shopping fortuiti tramite raccomandazioni sui prodotti. E Facebook e LinkedIn usano il filtro collaborativo per suggerire nuovi amici o contatti.
I filtri collaborativi possono essere applicati in molte altre situazioni reali e questo può determinare la scoperta di nuove correlazioni tra i dati, permettendo così la modifica dei modelli analitici.
E' fondamentale quindi la registrazione di questi esperimenti al fine di quantificare l'efficacia di questi momenti di serendipità o la sperimentazione per assicurare che i modelli analitici rimangano rilevanti.