DataSkills è una realtà che opera a tutto campo nel mondo della data science

Dati come patrimonio essenziale delle aziende: da dove provengono?

big-data-thumb

Dati come patrimonio essenziale delle aziende: da dove provengono?

29 giugno 2017
|
0 Comments
|

Ad oggi, e a ragione, si legge che il patrimonio più importante in possesso delle aziende – a prescindere dal settore in cui esse operano, dal loro livello e addirittura dalla loro dimensione – sono i dati che queste acquisiscono, gestiscono e custodiscono ogni giorno. Non macchine, dunque, né attrezzature o uffici di rappresentanza, ma qualcosa di apparentemente molto più intangibile: le informazioni.

In effetti, va precisato che i dati hanno una valenza diversa a seconda che a fruirli sia una figura aziendale o un’altra. Si pensi ad esempio ai manager, per i quali le informazioni aziendali rappresentano la base sulla quale prendere decisioni strategiche che coinvolgono l’intera azienda; ma anche al team operativo che, sebbene non coinvolto nella definizione di tali strategie, utilizza i dati ogni giorno (e spesso nel massimo dettaglio) nel suo ruolo di vero e proprio motore del business. Oltre a queste due importanti categorie ne va infine aggiunta un’altra: quella del Data Scientist, ossia del professionista che, i dati aziendali, non soltanto li prepara, ma applica ad essi tecniche di elaborazione evolute con lo scopo di creare una piattaforma analitica che possa essere fruita da tutti gli attori parte dell’impresa.

Ma cosa sono esattamente i dati aziendali e perché sono così importanti? La premessa da fare è che queste informazioni devono essere considerate al pari di qualunque altro asset societario: in questo senso sono quindi indispensabili come qualunque altra attrezzatura che permetta all’attività di svolgersi ogni giorno. È però essenziale comprendere meglio il patrimonio che esse rappresentano affrontando il discorso da diversi punti di vista, il primo dei quali è relativo alle fonti: da dove provengono i dati aziendali?

Una risposta a questa domanda vi permetterà di comprendere, già in prima battuta, il loro valore assoluto per qualunque business.

Scarica il primo capitolo

I dati aziendali: le fonti interne e quelle esterne

Le fonti dei dati aziendali identificano chiaramente la provenienza delle informazioni, e possono essere classificate in fonti interne ed esterne.

Le fonti interne, a loro volta, possono essere composte da fonti operazionali e da data warehouse e data mart.

Le fonti operazionali fanno riferimento all’attività operativa quotidiana dell’azienda e, naturalmente, mutano e si accordano al core business dell’impresa. Un esempio di fonti operazionali relative a un’industria può includere gli applicativi di gestione della produzione, quelli di gestione degli acquisti, degli ordini e delle consegne; quelli di contabilità e di gestione del personale oltre, naturalmente, agli applicativi di gestione dei clienti. Se invece stessimo analizzando una realtà bancaria, alle fonti operazionali precedenti dovremmo aggiungerne altre, più specifiche del settore, quali la gestione dello sportello e del back office, le applicazioni di gestione e di valutazione degli strumenti finanziari, della valutazione del rischio e relativi all’erogazione di finanziamenti, e via discorrendo.

Come è facile comprendere, le fonti operazionali dei dati aziendali sono sempre assai numerose e, seppure in parte sovrapponibili anche per realtà di settori diversi, almeno parzialmente molto specifiche.

Per quanto riguarda invece i data warehouse e i data mart, questi ultimi possono essere definiti come veri e propri “raccoglitori di dati” all’interno dei quali è presente una “immagine” delle informazioni. Sulla base di essa e degli andamenti passati, il Data Scientist o l’azienda sono in grado di formulare strategie decisionali. I data warehouse sono a loro volta archivi informatici che contengono tutti i dati di un’organizzazione, e il loro scopo è rappresentare la base sulla quale produrre, in modo agevole, le analisi e le relazioni finalizzate ai processi decisionali e strategici dell’azienda.

Nel caso di data mart e data warehouse, la criticità è spesso provocata dal fatto che non ci si trova di fronte a un’unica applicazione che gestisce le attività del livello operativo, quanto piuttosto a una pletora di software ERP (generalmente acquistati da grossi vendor come SAP, Oracle, Microsoft). È proprio in questi casi che l’uniformità e la coerenza dei dati aziendali potrebbe non essere garantita, perché ci si trova in una situazione in cui alcuni dati fondamentali (si prendano ad esempio le anagrafiche) sono non solo replicati, ma anche manipolati diversamente in ciascuno dei software.

In definitiva, un’analisi dei dati aziendali a livello di fonti operazionali per così dire “dirette” potrebbe rivelarsi piuttosto difficoltosa. Ecco perché è necessario creare un data warehouse o una serie di data mart che contengano i dati integrati, coerenti e certificati relativi a tutti i processi aziendali. Questa raccolta regolare e organizzata del patrimonio informativo di un’impresa è garantita da quel sistema di modelli, metodi, processi, persone e strumenti chiamato Business Intelligence (BI).

Un cenno, infine, sulle fonti esterne dei dati aziendali. Non è un evento raro che un’attività debba fare ricorso a dati provenienti dall’esterno, oltre che a quelli interni all’azienda: in termini pratici, potremmo includere tra questi dati le varie integrazioni alle anagrafiche (come l’anagrafica ISTAT relativa ai Comuni italiani). In altri casi, invece, i dati esterni non vanno a integrarsi con quelli interni all’azienda ma rappresentano invece un oggetto di analisi a sé. Un esempio? L’analisi del sentiment per comprendere l’opinione di un target di riferimento nei confronti di una specifica tematica, un prodotto, un servizio o addirittura un brand. In questi casi i social network, i blog e i forum online possono rappresentare il primo bacino dal quale attingere per reperire fondamentali informazioni.

È comunque necessario prestare attenzione. I dati provenienti da questo tipo di fonti esterne potrebbero infatti presentare qualche problema di qualità – inteso come difetto di accuratezza, coerenza o completezza. Sebbene tale criticità possa presentarsi anche per i dati interni all’azienda, nel caso di quelli esterni l’impresa non ha alcuna possibilità di manovra e dunque potrebbe riscontrare particolari difficoltà a verificarne il livello qualitativo.

Nel nostro prossimo articolo affronteremo i tipi di supporto sui quali sono ospitati i dati aziendali. La nuova analisi, sommata a quella appena svolta, ci permetterà di avere un quadro sempre più completo in merito al valore del patrimonio di queste informazioni.

Big Data Analytics. Il manuale del data scientist

Big Data Analytics. Il manuale del data scientist

Compra su Amazon