DECiSION - Data-drivEn Customer Service InnovatiON

L'obiettivo della proposta è la progettazione e lo sviluppo prototipale di una ambiente tecnologico atto ad interrogare attraverso semplici domande poste in linguaggio naturale, repository di dati strutturati e testuali, al fine di ottenere risposte "compiute" e personalizzate, in tempo reale, sulla base del profilo del richiedente e dei dati di contesto (localizzazione, info meteo, …).

Il sistema è rivolto a due tipologie di utenti: i clienti, per le operazioni di customer care, e gli utenti tecnici interni, relativamente alle operazioni di verifica di stabilità fisica della rete.

Elementi innovativi

Profilazione incrementale dell'utente

La profilazione dell'utente è espressione di sofisticati algoritmi di modellazione semantica e olistica che, attraverso lo screening dei comportamenti dell'utente, dei suoi dati "social", della sua identità anagrafica, dei dati strutturati presenti nelle Basi di Conoscenza consultabili, disegnano un profilo dinamico dell'utente/cliente/cittadino

Comprensione del linguaggio naturale

Grazie a tecniche di NLP (Natural Language Processing), la richiesta dell'utente viene interpretata e trasformata automaticamente in una query per l'interrogazione degli archivi di dati. La risposta è formulata utilizzando testo arricchito da dati

Attraverso l'identificazione dell'utente, è possibile fornire risposte personalizzate sulla base dei dati a disposizione. Il sistema è in grado di rispondere a domande degli utenti interni del tipo: "quali sono i tratti di rete che hanno mostrato instabilità negli ultimi 4 mesi?" mostrando su una mappa la relativa risposta. Analogamente nel contesto della clientela, relativamente ai consumi idrici, la domanda: "Perché ho ricevuto una fattura elevata?" può ricevere una risposta più specifica rispetto a quella generica prevista nelle FAQ: "Se ha ricevuto una fattura di importo più elevato rispetto a quelli consueti, e se la fattura non include altre voci di addebito, o adeguamenti tariffari, a lei noti, la invitiamo nel verificare i consumi addebitati. Infatti, qualora dovesse rilevare un consumo eccessivo, la invitiamo nel verificare il buon funzionamento del suo impianto interno al fine di scongiurare eventuali presenze di perdite occulte…". Sebbene utile, la risposta recuperata dalle FAQ lascia comunque all'utente l'incombenza di recuperare i dati necessari per effettuare le verifiche del caso. La nuova piattaforma è in grado di recuperare i dati sui consumi dagli archivi disponibili per mostrarli direttamente all'utente. Inoltre, si può tenere traccia di ciò che l'utente ha chiesto nel corso della sua interazione con il sistema. Questo consente di anticipare le sue richieste e/o fornire servizi personalizzati. Ad esempio, ad un utente che chiede la procedura per eseguire una voltura, il sistema può rispondere con il relativo modulo già compilato con i suoi dati. Inoltre, l'analisi dell'interazione dell'utente con il sistema permette la raccolta di dati utili a raffinare la profilazione e offrire suggerimenti sempre più precisi. Questo è possibile grazie a tecniche di recommendation che potranno suggerire servizi più adatti alle esigenze espresse in modo esplicito (richieste specifiche) o implicito (che emergono dall'analisi dell'interazione).

Sensemaking

L'utente viene supportato da algoritmi in grado di incrociare tutti i dati disponibili per interpretare il senso della richiesta e fornire così le risposte (e/o i servizi) più "giuste" eventualmente arricchite da dati ed informazioni più pertinenti e potenzialmente utili al richiedente.

Nell'esempio precedente, il sistema è in grado di suggerire/ipotizzare in modo autonomo la presenza di una perdita occulta come possibile spiegazione per l'elevato importo della fattura sulla base dei dati storici disponibili per quell'utente.

La piattaforma consente inoltre lo sviluppo di servizi conformi alla normativa EU General Data Protection Regulation (GDPR), che entrerà in vigore nel 2018. In particolare, la normativa contempla il cosiddetto "users' right to explanation", in base al quale le decisioni che hanno un impatto sull'utente di un servizio e che scaturiscono da risultati prodotti da un algoritmo devono essere corredate da una spiegazione intelligibile in grado di garantire trasparenza al processo decisionale.