Data-Driven Culture e Analytics: i 4 livelli di maturità aziendale

Pexels Photo 572050 Min

Grazie alla grande disponibilità di dati e alle migliori tecnologie adoperate per analizzarli, le aziende stanno sempre di più orientando i propri modelli di business verso l’utilizzo dei dati per incrementare le performance ed elaborare nuove strategie. Non è un caso che un mantra che si sente spesso ripetere in questi ultimi tempi è Data is the new Oil”, secondo cui i dati sarebbero il nuovo petrolio, una ricchezza nascosta in grado di trasformarsi in un fattore cruciale per la crescita dell’impresa.

Allo stesso tempo, diverse sono le difficoltà che un’azienda si trova ad affrontare prima di poter utilizzare a pieno regime i dati in suo possesso: nell’articolo “Come sviluppare una cultura aziendale guidata dai dati (Data-Driven)” abbiamo esaminato alcuni degli elementi necessari per poter sviluppare una cultura dei dati all’interno della propria impresa.

In quest’articolo vogliamo invece mostrare i vari livelli di maturity associati alla cultura aziendale e alle tecnologie di Analytics, in modo da dare un’idea dei passi da compiere per arrivare a realizzare una Data-Driven Culture in grado di sfruttare appieno il patrimonio dati a disposizione dell’impresa.

 

Vediamo quindi quali sono i 4 livelli di maturità aziendale associati alla cultura dei dati:

Livello 1 – Decision-making “tradizionale”

Le imprese al primo livello sono quelle che non hanno ancora iniziato ad investire in soluzioni di Business Intelligence e, in generale, di Analytics. Per capire cosa è successo in passato e fare piani per il futuro utilizzano un paradigma tradizionale, con riunioni frequenti nelle quali vengono mostrati dati consuntivi raccolti generalmente in fogli excel o presentazioni power point. Il maggiore problema associato a questo tipo di approccio riguarda l’impatto sul processo decisionale.

Senza un sistema di Business Intelligence, il processo di raccolta dei dati risulta lento, macchinoso e time-consuming, e non di rado i dati raccolti possono presentare errori o imprecisioni. I manager preferiscono quindi non dare troppo peso ai dati e tendono a fidarsi maggiormente del proprio istinto, aumentando il rischio di commettere errori.

Livello 2 – Business “Intelligent”

Il secondo livello è caratterizzato da imprese che hanno già effettuato investimenti nella Business Intelligence e possiedono quindi un’infrastruttura di BI efficiente e adatta a raccogliere e analizzare i dati aziendali. Da quest’infrastruttura, generalmente rappresentata da un Data Warehouse, vengono estratti i dati che vengono in seguito utilizzati dai Business Analyst e presentati al management come supporto per le decisioni strategiche e tattiche.

In questa fase, sebbene i dati siano considerati di una certa importanza e il Data Warehouse aiuti ad uniformare la visione dell’azienda verso la realtà dei fatti, vi sono ancora delle resistenze da parte di alcuni dipendenti o membri del management a sposare appieno l’idea di una cultura aziendale guidata dai dati.

Livello 3 – Verso l’automazione

Al terzo livello troviamo le imprese che hanno iniziato ad adottare soluzioni di Analytics avanzate, utilizzando algoritmi di Analisi Predittiva e altri tool di Data Mining/Intelligenza Artificiale per migliorare il proprio business. È in questa fase che il paradigma “test and learn” diviene la norma quando si tratta di risolvere un problema o di elaborare la tattica vincente. Per raggiungere questa fase è indispensabile possedere le competenze necessarie per sfruttare le tecnologie più avanzate e portare l’analisi ad un livello superiore, che deve passare da essere semplicemente descrittiva a divenire uno strumento che definisce la strategia dell’impresa. Per raggiungere questo livello è quindi opportuno dotarsi di un team di Data Scientist interno, di un consulente esterno (come può essere Dataskills) e provvedere alla formazione di chi si occupa dei dati, in modo che riesca ad utilizzarli al meglio.

Rispetto al livello 2 vi è una maggiore consapevolezza di tutto ciò che riguarda l’analisi dei dati e vi è una forte propensione a sperimentare nuovi approcci e soluzioni, che vanno oltre il semplice report. Non di rado le imprese scelgono quindi di separare i compiti, assegnando ad un’unità la gestione della Business Intelligence “tradizionale”, e riservando ad un team più specializzato le attività di Analytics avanzate.

In questa fase vi può essere ancora uno scetticismo riguardante le soluzioni di Analytics più avanzate, e alcuni dipendenti temono che l’introduzione dell’Intelligenza Artificiale possa in qualche modo mettere a repentaglio il loro lavoro.

Livello 4 – Data-Driven!

L’ultimo livello prevede che le soluzioni di Advanced Analytics siano usate in modo estensivo in tutta l’impresa. Vi è quindi una forte enfasi per implementare i risultati delle analisi il prima possibile, spesso attraverso strumenti di Intelligenza Artificiale che automatizzano i compiti standardizzati e i processi ripetitivi, oltre a guidare molte delle decisioni operative. In questa fase ciascun membro dell’azienda è in grado di adoperare i dati nel modo corretto con diversi strumenti, e ha modificato il proprio processo decisionale in modo che sia orientato dai dati.

Le imprese che riescono a raggiungere questo livello riescono spesso ad aggiudicarsi una posizione di leadership all’interno del proprio mercato e sono potenzialmente in grado di mettere in modo una trasformazione sistemica del proprio settore, ridefinendo i modelli di business e costringendo i propri competitor ad adattarsi al nuovo paradigma.

Vediamo quindi il seguente schema, che riassume i 4 livelli di maturità aziendale in termini di Data Driven Culture e può fornire da cartina di tornasole per capire a che stadio si trova l’azienda:

Data Driven Table Min

 

Conclusione

In quest’articolo abbiamo visto quali sono i 4 livelli di maturity associati alla Data-Driven Culture. È importante non dimenticare che passaggio da un livello all’altro può richiedere molto tempo e la trasformazione verso una cultura dei dati, per essere davvero fruttuosa, non può avvenire troppo rapidamente, ma deve sedimentarsi giorno per giorno nella mentalità dell’azienda. Risalire la scala dell’Analytics è un processo che necessita investimenti, risorse materiali e cognitive, e rischia di diventare controproducente se non condotto nel modo appropriato. Noi di Dataskills possiamo aiutarti in questo percorso. Se hai bisogno di ulteriori informazioni non esitare a contattarci.

Ti serve una consulenza?

Se hai bisogno di una consulenza dedicata su uno o più servizi da noi offerti, non esistare a scriverci.

Contattaci subito

 

Fonti:

Van Veenstra, A. F., T. P. Bakker & J. Esmeijer (2013). “Big data in small steps: Assessing the value of data.” TNO Innovation for Life.

Berndtsson, M. et al. (2018). “Becoming a data-driven organisation.” Research-in-Progress Papers ECIS 2018 Proceedings. Association for Information Systems.

Rezzani, A. (2012). “Business Intelligence: processi, metodi, utilizzo in azienda.” Maggioli editore.

 

Per approfondire:

Andrea Bergonzi

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali. Prima di entrare nel mondo della Data Science ho ricoperto il ruolo di analista dei mercati finanziari e research editor. Dal 2020 sono membro di Dataskills, dove mi occupo di Predictive Analytics e Business Intelligence.

Comments are closed.

Iscrivi alla newsletter














    Dichiaro di aver letto ed accetto l’informativa sulla privacy

    Andrea Bergonzi

    Andrea Bergonzi

    Sono laureato in Economia, Finanza e Mercati Internazionali. Prima di entrare nel mondo della Data Science ho ricoperto il ruolo di analista dei mercati finanziari e research editor. Dal 2020 sono membro di Dataskills, dove mi occupo di Predictive Analytics e Business Intelligence.