Data Strategy: che cos’è e come costruirla in modo agile

Guide e How-to

Data Strategy: che cos’è e come costruirla in modo agile

Con la Data Strategy le organizzazioni decidono come utilizzare i propri dati coerentemente alle priorità e alle risorse disponibili. Ecco le domande a cui rispondere e i passi per costruire e implementare in modo agile una strategia dei dati funzionale alle richieste del business

13 Mag 2021

Michele Zanelli

Senior Manager P4I – Data Insights & Organization

Stefano Aiello

Senior Partner, P4I – IT Governance

Per raggiungere gli obiettivi di business l’utilizzo dei dati riveste un ruolo cruciale. Per questo, altrettanto cruciale, è avere una Data Strategy.

I dati sono ovunque. Li raccogliamo, li classifichiamo e proviamo a trarne beneficio. Gli enti regolatori lo chiedono, gli investitori lo chiedono. E così, spesso le aziende sono sopraffatte, travolte da questa esigenza, che, naturalmente, si aggiunge alla altre. Con la Data Strategy le organizzazioni decidono come utilizzare i propri dati coerentemente alle priorità e alle risorse disponibili.

Clicca qui e scarica il White Paper "Gli 8 passi da seguire per introdurre la Data Governance con un approccio Agile"

Che cos’è la Data Strategy

Non è un segreto che le organizzazioni capaci di utilizzare in modo efficace i propri dati abbiano un forte vantaggio competitivo. Tuttavia, non è sempre facile capire come migliorare l’utilizzo dei dati affinché supportino in modo più efficace il piano industriale e come dirigere di conseguenza gli sforzi per gestire i dati critici come un vero asset.

La Data Strategy definisce in modo chiaro e comunicabile come l’organizzazione intende sfruttare i dati per realizzare la Business Strategy, e indica di conseguenza le capability di governance e di gestione dei dati di cui l’organizzazione si deve dotare per assicurare efficacia ed efficienza.

Il punto di partenza è dunque la strategia di business: quali sono i driver, gli obiettivi e le iniziative di business che l’organizzazione ha nella sua roadmap? Quando le business question sono chiare, è possibile capire quali sono i dati necessari per rispondere a tali domande, le fonti dati a cui accedere e le capability necessarie per ottenere dai dati le informazioni che servono.

La difficoltà sta nell’anticipare -insieme ai manager apicali ed ai manager di linea- le domande che ci si porrà per prendere decisioni cruciali (per pianificare, per ottimizzare processi, per gestire crisi…). L’importante è non ridursi all’ultimo nel cercare di avere un approccio basato sui dati, anziché sulla sola esperienza secondo l’adagio “abbiamo sempre fatto così”.

New call-to-action

Le business question della Data Strategy

Di seguito qualche esempio di domanda, al solo scopo di far comprendere meglio che cosa si intende per business question:

  • Quali sono i Servizi/Prodotti su cui intervenire per aumentare la profitability dell’azienda?
  • Quanto impattano sul business le interruzioni della produzione per guasto macchina?
  • I compensi variabili dei manager sono allineati con gli obiettivi di business?
  • L’azienda ha a disposizione dati per quantificare il rischio di fornitura?

Senza escludere la madre delle domande: “Quanto le informazioni e i dati sono utilizzati per prendere le decisioni in azienda?”.

La Data Strategy parla dunque di business, prima ancora che di dati.

La miglior strategia: attacco o difesa?

I dati possono supportare gli obiettivi di business in due direzioni.

La prima è supportare la crescita in termini di revenue, profittabilità o customer satisfaction. In questi casi i dati vengono utilizzati per ottenere insight e cogliere opportunità di business. Le capability principali di cui si dota l’organizzazione possono includere l’analisi, la modellazione, la creazione di algoritmi o la monetizzazione dei dati stessi.

La seconda è mitigare i rischi strategici, operativi e finanziari. In questo caso le attività sui dati sono volte a proteggere le informazioni aziendali, rilevare frodi o assicurare la compliance normativa. Ciò avviene tipicamente standardizzando le informazioni, curando l’integrità dei dati, la sicurezza delle informazioni e dei sistemi.

Dovendo lavorare su entrambe queste direzioni, l’organizzazione può trovarsi a vivere una sorta di impasse nello scegliere i principi che devono regolare la gestione dei dati. Nel primo caso, volendo utilizzare i dati per supportare la crescita del business, è infatti più logico immaginare delle modalità di gestione molto flessibili, veloci, che consentano un accesso e un utilizzo dei dati puntuale sulla base delle “Business question” a cui si vuole dare risposta. Nel secondo caso, al contrario, è lecito pensare che per mitigare i rischi il dato debba essere regolato in modo più rigido, centralizzato e standardizzato, privilegiando i principi di conformità e sicurezza a quelli di velocità e “personalizzazione” delle informazioni.

Come trovare il giusto equilibrio? Ancora una volta, l’organizzazione deve partire dalla sua Business Strategy, armonizzando contesto esterno e obiettivi di business. Non è infrequente che le organizzazioni spostino nel tempo l’equilibrio da un approccio all’altro. Ad esempio, è tipico il caso in cui il focus sia inizialmente sulla mitigazione dei rischi e, dopo qualche tempo in cui si definiscono procedure e regole di base per garantire conformità e sicurezza, si sposti gradualmente sul suo utilizzo per raggiungere gli obiettivi di business, attraverso applicazioni di Analytics e Artificial Intelligence.

Come costruire la Data Strategy

La creazione di una Data Strategy è un processo molto lineare, che dalla strategia di business conduce alle capability e ai requisiti necessari per gestire e governare i dati in modo che possano supportare adeguatamente gli stessi obiettivi di business.

I cinque step della strategia dei dati

  1. Business drivers & goals: La Data Strategy, se non è collegata alla strategia di business, non ha alcun valore. Per questo è fondamentale che siano chiaramente definiti i driver, ovvero le direzioni che guidano la costruzione della strategia (es. Customer Satifaction, Operational Excellence, ecc.) e i business goal, ovvero gli obiettivi che il business si pone di raggiungere in un certo lasso di tempo (es. aumentare la gamma dei servizi, aumentare l’efficienza dei processi, ecc.).
  2. Business Objectives: In questa fase vengono definiti i criteri misurabili su cui valutare il raggiungimento dei business goal. Si tratta di declinare gli obiettivi di business in target puntuali, in linea coi principi di oggettività, misurabilità e trasparenza. Gli obiettivi generici di business sono quindi associati a KPI da raggiungere (es. aumentare del 15% la gamma dei servizi offerti al cliente, diminuire di 2 settimane il time to market, ecc.).
  3. Data Capablilities: Quali dati sono necessari per rispondere alle business question emerse nei passaggi precedenti? Quali capability è necessario introdurre o migliorare affinchè i dati siano realmente utili al raggiungimento degli obiettivi di business? Un inventario delle capability di gestione del dato per supportare la strategia di business è disponibile in diverse best practice. Per citare DAMA International, una delle associazioni internazionali di professionisti più riconosciuta su questi temi, le capability fanno riferimento a diverse aree di conoscenza, tra cui Data Warehousing e Business Intelligence, Data Modeling, Data Architecture, Master Data Management, Data Security, Data Quality, Content Management e, ultimo ma non meno importante, Data Governance.
  4. Data Principles: Una volta individuate le capability necessarie, è il momento identificare e definire i principi che devono regolare la prioritizzazione e l’adozione di queste pratiche. I principi aiutano l’organizzazione a collocarsi nel punto corretto sull’asse Opportunità-Rischi di cui si è parlato in precedenza. Possono afferire alla qualità attesa dei dati, all’accountability su alcune decisioni (ad. esempio quali dati devono essere governati a livello centrale o locale), alla gestione dei rischi, ecc.
  5. Data Requirements: l’ultimo step per la costruzione della Data Strategy consiste nell’individuare i requisiti necessari affinché i principi vengano rispettati e affinché l’esercizio delle capability sia efficace. Si tratta di raccogliere in una vista d’insieme tutti gli aspetti legati a processi, persone e tecnologie che rendono realmente possibile l’esercizio delle capability identificate. Questo passaggio consente di fare una valutazione dei benefici attesi rispetto ai costi (o effort) da sostenere, e di inserire in una roadmap le azioni più adatte per raggiungere gli obiettivi di business.

Implementare la Data Strategy in modo agile

La messa in atto della Data Strategy è un percorso che porta l’organizzazione a dotarsi di un modello per la gestione dei dati robusto e ad accrescere la sua cultura del dato. Per sua natura, può richiedere diverso tempo per essere completato e, come tale, non può essere mangiato in un solo boccone.

Il suggerimento è quello di costruire le proprie capability in modo incrementale, focalizzandosi dapprima sulle business question più importanti (ed eventualmente le aree dell’organizzazione più mature) per identificare i dati e sulle modalità con cui i dati dovranno essere raccolti, lavorati e manutenuti per dare risposta alle domande di partenza. Per approfondire le 8 fasi che portano a introdurre in modo agile la Data Governance vi invitiamo a leggere il whitepaper dedicato.

New call-to-action 

@RIPRODUZIONE RISERVATA
Argomenti trattati

Approfondimenti

A
analytics
D
dati
I
intelligenza artificiale

Articolo 1 di 4