Impresa data-driven: ecco quali sono gli strumenti necessari

Tecnologie

Gli strumenti necessari per essere una data-driven company

L’impresa data-driven si caratterizza per la capacità delle persone che vi lavorano di avere più facile accesso ai dati e agli insight analitici. Una prerogativa che si realizza con l’uso di strumenti di manipolazione e visualizzazione dei dati più semplici, unitamente alla diffusione in azienda di una diversa cultura nell’utilizzo delle informazioni. Ne parliamo con Davide Donna, co-founder e managing partner di The Information Lab

17 Mag 2021

Redazione

Nell’impresa data-driven le strategie e le decisioni importanti non sono prese in modo empirico, bensì servendosi dei dati per la conoscenza della realtà oggettiva e dei mutamenti che avvengono nel tempo. Portare avanti i processi aziendali con il supporto dei numeri è più facile a dirsi che a farsi. Serve infatti poter ampliare la platea di persone in grado di usare i dati per prendere decisioni nel proprio ambito: sia grazie a strumenti d’analisi più accessibili sia sviluppando nell’organizzazione un’attitudine culturale a impiegare utilmente gli insight. «Non è sufficiente mettere a disposizione delle line-of-business (LOB) cruscotti o report interattivi – spiega Davide Donna, co-founder e managing partner di The Information Lab –. Servono strumenti che permettano, anche a chi non abbia competenze informatiche o non sia data scientist, di fare in proprio le analisi di cui ha bisogno».

Davide Donna

Managing Partner e co-fondatore, The Information Lab

Sistemi semplici dal lato utente e sicuri dal lato aziendale, per effettuare manipolazioni sofisticate sui dati e automatizzare i processi più ripetitivi.

Le funzionalità chiave per la fruibilità dei dati e per tradurre gli insight in azioni

Per permettere alle Line Of Business (LOB) di analizzare in proprio i dati occorrono strumenti self-service utilizzabili senza competenze di programmazione anche nelle situazioni più complesse, utilizzando modelli analitici “pronti” preparati dagli esperti. Donna fa l’esempio di Tableau: «Le operazioni di manipolazione e di pulizia dei dati non richiedono competenze logiche diverse da quelle che servono per usare un foglio elettronico. La semplicità delle operazioni permette alle persone di business di sfruttare la propria competenza per trovare e interpretare gli insight senza perdere tempo». Una funzionalità chiave per trarre valore dai dati è la capacità di visualizzazione: «La visualizzazione è fondamentale per sfruttare al meglio le capacità cognitive – spiega Donna –, osservare andamenti e segnali che non risulterebbero evidenti se presentati in forma di tabelle o KPI. Le viste significative possono essere facilmente condivise per ottenere consenso su progetti, indirizzare azioni e strategie aziendali». Per essere efficaci, gli strumenti di visual analytics devono potersi collegare nativamente con le differenti basi di dati usate in azienda, sfruttare l’automazione per le fasi di preparazione e poi, con semplici operazioni di drag & drop, permettere la selezione degli oggetti da visualizzare. Nel caso siano necessarie manipolazioni molto complesse oppure integrazioni con informazioni non strutturate (per esempio file di documenti, siti internet, immagini e così via) può essere utile ricorrere ad altri tool. «Gli strumenti di visual analytics si possono avvantaggiare dall’integrazione con le piattaforme di Analytics Process Automation (APA) – precisa Donna –. In questo modo diventa possibile tradurre gli insight in azioni e processi specifici, come l’invio di e-mail, il lancio di modelli predittivi o d’analisi geospaziale».

Le caratteristiche di un’infrastruttura dati a misura di un accesso dati più diffuso

Nessuna impresa, tantomeno se data-driven, può convivere con i dati in silos, con fonti divise per singoli dipartimenti o funzioni (CRM, HR, MES…) ed estratti sintetici sparpagliati in fogli Excel. Poiché idealmente tutti i dipendenti devono potersi collegare con le fonti dati funzionali al loro lavoro, «è importante che non ci sia anarchia, e l’uso dei dati sia regolato con permessi di accesso e condivisione – spiega Donna –. Serve quindi governare i dati in modo da garantire consistenza, sicurezza e prestazioni, in linea con l’esigenza di democratizzazione dell’accesso che caratterizza le aziende data-driven». Mentre business intelligence e analytics passano in carico alle LOB, restano all’IT i compiti fondamentali di configurare accessi, permission e di creare dei layer di dati adatti alle esigenze di fruizione degli utenti. Strutture come data-lake e data-warehouse non solo facilitano le ricerche, ma evitano che ogni reparto costruisca in proprio i collegamenti con sorgenti dati operative, creando problemi di prestazioni. «È importante il sizing corretto delle risorse in base al numero di utenti e predisporre sistemi di monitoraggio dell’utilizzo – precisa Donna –. Disaccoppiamento del database e risorse in cloud sono tra le soluzioni più diffuse per riuscire a garantire elevate prestazioni nell’uso interattivo e diffuso dei dati».

Le politiche di successo per trasformare gli insight analitici in azioni

I progetti per democratizzare l’accesso e l’analisi dei dati nascono, in genere, su iniziativa delle LOB in cerca di un modo per ottenere insight più dettagliati e frequenti, ma perché abbiano successo devono ottenere un pieno coinvolgimento dell’IT. «Un aspetto non scontato – spiega Donna –, perché non sempre l’IT vede di buon occhio lasciare alle LOB il proprio ruolo strategico sulle tematiche dell’analisi dei dati e della BI». Per avere successo, i progetti vanno avviati in aree delimitate, caratterizzate da richieste urgenti, e procedere in parallelo con prototipi, sperimentazioni e raccolta dei requisiti per gli ulteriori sviluppi. Un aspetto fondamentale è la formazione degli utenti: «Non tanto sull’uso degli strumenti interattivi di manipolazione e visualizzazione, per cui bastano un paio di giorni di lezione – precisa Donna –, ma per sviluppare una più profonda cultura del dato. Per far questo serve dar vita a una community e a centri d’eccellenza aziendali in grado di aiutare le altre persone a cambiare il modo di lavorare con i dati». A questo scopo, può essere utile la creazione di un team multidisciplinare, a volte con la collaborazione di società esterne, che operi sulla standardizzazione e sulla condivisione delle esperienze. In mancanza, c’è il rischio che i nuovi strumenti restino un gioco per pochi e si continuino a fare estrazioni e analisi di dati con Excel. Per questo serve la formazione, anche manageriale: «Un impegno necessario per far sì che gli insight sui dati si traducano nelle azioni utili al business», conclude Donna.

@RIPRODUZIONE RISERVATA
Redazione

Articolo 1 di 4