L'instabile situazione economica e le mutevoli richieste dei clienti impongono che le decisioni di business siano sempre più data driven. Oggi non ci si può più permettere di sbagliare strategia o effettuare forecast imprecisi perché stabiliti a fronte di scelte basate su intuizioni e non su informazioni concrete.
Nelle aziende moderne la produttività e la competitività sono sempre più dipendenti dagli insight che si possono ottenere dagli analytics. La conferma arriva da un'indagine di McKinsey1 sul valore dei dati per il business. Tra le organizzazioni intervistate, in quelle con la maggiore crescita di fatturato e profitto, dati e analisi hanno contribuito per almeno il 20% agli utili (EBIT) negli ultimi tre anni. Ma in che modo queste aziende stanno riuscendo a capitalizzare su dati e analisi? E cosa possono fare le altre aziende per mettersi al passo?
Il cambio culturale base di un business davvero data driven
Il primo aspetto che deve considerare un'azienda, che vuole essere davvero data driven, è che basare le decisioni sui dati non vuol dire avvalersi di procedure ad hoc per far fronte a situazioni specifiche. Ci dovrebbe essere un cambio di atteggiamento globale dell'azienda e dovrebbe essere avviata una cultura del dato. Dovrebbe essere attuata una strategia a lungo termine che consideri gli analytics come un elemento fondamentale del business.
Questo comporta che la formazione assuma un ruolo determinante per lo sviluppo di una forza lavoro con conoscenze, sia di dati sia di analisi, adatte a mettere in atto una nuova strategia. In tal senso, i dipendenti a tutti i livelli (dai dirigenti ai manager e via via a tutti gli altri) dovrebbero essere adeguatamente istruiti sui temi inerenti ai dati. Si tratta, in sostanza, di avviare un processo di change management che porti la cultura del dato a tutti i livelli aziendali.
In alcuni casi, potrebbe essere necessario assumere nuovi talenti. I maggiori benefici le aziende potrebbero ottenerli integrando persone con competenze analitiche, come i data scientist.
La tecnologia deve essere adeguata
Un'ulteriore caratteristica di una cultura data-driven è assicurarsi che la tecnologia di base dell'azienda possa sostenere i suoi sforzi nello sfruttamento dei dati e delle analisi. In questo senso, è importante che sia stata effettuata una digitalizzazione dell'azienda o che sia in atto una transizione al digitale.
Di nuovo, non si deve trattare dell'ammodernamento dell'infrastruttura IT quanto di una migrazione della vecchia strategia aziendale verso una nuova strategia basata su una cultura digitale, in cui connettività, automazione e analytics siano tra i principali protagonisti. Va da sé che la dotazione tecnologica deve essere adeguatamente strutturata, in modo da agevolare la nuova strategia. In questo, un importante aiuto può venire dal cloud, per mettere a disposizione tutte le risorse necessarie senza imporre acquisti ma solo abbonamenti.
Quali dati usare per ottenere utili insight
Non esiste una regola precisa. Ogni azienda deve valutare quali sono i processi, i comportamenti o i trend strategici per il suo business e cercare di quantificarli e misurarli. Si può trattare della produzione, della gestione degli ordini, della supply chain, delle abitudini di acquisto dei clienti, dell'andamento del mercato, delle performance dei concorrenti. Stabiliti quali sono i dati più significativi, si devono organizzare, governare e proteggere. Ma soprattutto vanno analizzati. In tal senso, tutti i dati devono essere disponibili, portandoli fuori dai silos spesso creati all'interno dei singoli dipartimenti e consentendone l'impiego negli strumenti per l'analisi avanzata, che per una migliore comprensione si avvalgono di Intelligenza Artificiale e Machine Learning.
Affinché tutti i dati utili presenti in azienda siano disponibili in modo efficiente, può essere necessario riconfigurare i processi organizzativi per consentire la rapida condivisione, per esempio facendo uso dell'automazione per identificare, catalogare e gestire i dati e impiegando strumenti di interrogazione e visualizzazione.
Solo dati di qualità
Un aspetto importante è poi la qualità dei dati. Le informazioni devono essere disponibili a tutti, ma non possono essere modificate da chiunque. C'è il rischio che siano variate (anche in modo involontario) e che quando si devono usare all'interno di un processo o per prendere delle decisioni forniscano indicazioni del tutto inesatte. Vanno quindi monitorati sia i dati sia i processi che li producono.
Nell'indagine, McKinsey citata le aziende che hanno riportato le più alte prestazioni avevano una migliore qualità dei dati rispetto alle altre aziende. E, tra gli intervistati, la bassa qualità dei dati è stata il fattore più spesso citato come il maggiore impedimento all'utilizzo coerente dei dati da parte dei dipendenti nel processo decisionale.
Come eliminare incertezza e complessità nel business data driven
Avere un business data driven non vuol dire ricorrere all'Intelligenze Artificiale e al Machine Learning quando si hanno dei dubbi sui risultati forniti da un foglio Excel. Vuol dire impostare la strategia di business sui dati, avere una cultura del dato e, ovviamente, un'infrastruttura adeguata a raccogliere e analizzare i dati.
Disponibilità dei dati di qualità, assieme a strumenti come CRM, ERP, e algoritmi automatizzati assumono quindi un ruolo basilare nell'eliminare incertezza e complessità nel business data driven. Senza però mai dimenticare che il valore si crea soprattutto con la competenza e l'esperienza delle persone.
1 Fonte: McKinsey
