Gli ingredienti essenziali per una Business Intelligence efficace

Negli ultimi anni si è assistito ad una rapida crescita del mercato della Business Intelligence (BI), che sempre più spesso viene adottata dalle imprese per migliorare diversi aspetti del proprio business. L’adozione di un sistema di BI è diventata una delle più importanti innovazioni tecnologiche ed organizzative attuabili dalle aziende per migliorare i processi decisionali ed abbracciare un approccio data-driven.

Il concetto di un sistema aziendale a supporto dei decision-maker ha origine negli anni ’50 del XX secolo, ma è negli ultimi decenni che la Business Intelligence ha registrato un’incredibile crescita e popolarità all’interno delle imprese, grazie alla possibilità di utilizzare tecnologie in grado di accumulare una grande mole di dati e di permettere visualizzazioni ed analisi in tempo reale. Nel frattempo, una sempre più impetuosa corsa all’innovazione sta spingendo molti manager a cercare di sfruttare il maggior numero di dati ed informazioni per ottimizzare i processi aziendali e, in generale, per creare valore all’interno della propria azienda. Inoltre, il ciclo di vita delle imprese e dei prodotti sta diventando via via sempre più breve, determinando la necessità di operare decisioni rapide per guadagnare un vantaggio sui propri competitor.

In questo senso, è fondamentale costruire un’architettura di Business Intelligence in grado di aiutare il top management reperendo informazioni essenziali da diverse fonti per supportare in modo efficace le decisioni strategiche e tattiche. Il modo in cui le aziende costruiscono il proprio sistema di Business Intelligence può variare considerevolmente a seconda del tipo di impresa e del settore in cui opera, tuttavia all’interno della BI vi sono degli elementi fondamentali che dovrebbero essere sempre impiegati per realizzare una strategia efficace e guidare in modo incisivo e vincente le decisioni di lungo periodo.

 

Vediamo quali sono gli ingredienti principali di un sistema di Business Intelligence efficace:

 

     1. Le fonti dei dati

Naturalmente, i dati sono l’ingrediente base di cui la BI si nutre; per dati si intende qualsiasi tipo di codificazione di un’informazione, sia essa strutturata o non strutturata. I dati strutturati sono quelli rappresentabili in formato tabellare, mentre per dati non strutturati (o talvolta semi-strutturati) si intendono quei dati non rappresentabili come tabelle, come ad esempio immagini, video, email, tweet, documenti etc. Normalmente ogni azienda possiede fonti operazionali dei dati di business, come gestionali ERP o CRM, che generalmente producono dati strutturati, a cui possono aggiungersi altre fonti in grado di produrre molteplici dati sia strutturati che non strutturati, come ad esempio siti web, social media, dispositivi IoT, istanze di E-Commerce…

Avere ben chiaro dove risiedono “fisicamente” i dati e che tipo di informazioni chiave sono necessarie per il nostro business è un requisito fondamentale per costruire un buon sistema di Business Intelligence.

 

     2. Il Data Warehouse

Quando si parla di Business Intelligence, spesso si commette l’errore di identificare quest’ultima solamente con la reportistica front-end, ossia il prodotto finale della BI, utilizzato sia dagli analisti di business che dal management. Tuttavia, se alle spalle della reportistica non vi è un solido sistema di gestione dei dati può diventare molto difficile creare valore attraverso la Business Intelligence, e in certi casi vi è addirittura il rischio concreto che la BI stessa diventi controproducente. È quindi necessario possedere un’architettura in grado di accentrare il patrimonio dati aziendale in un unico punto, per garantire la coerenza dei report, la trasparenza nelle procedure di trasformazione e manipolazione dei dati e ottime performance in termini di interrogazione dei database. Il Data Warehouse potrebbe essere quindi definito come il cuore pulsante del sistema di Business Intelligence, dove confluiscono, in maniera ordinata, tutti i dati che saranno poi utilizzati in fase di analisi. Accanto al Data Warehouse può essere utile anche sfruttare anche un altro tipo di architettura: il Data Lake, che in certe situazioni particolari risulta più adatto e performante.

 

     3. Qualità dei dati

È bene ribadirlo:  i dati rappresentano l’ingrediente base del sistema di Business Intelligence. Quindi, per avere un sistema di BI efficiente è essenziale prestare attenzione alla qualità dei dati. Per qualità dei dati in questo caso si intende sia l’accuratezza, cioè la corrispondenza tra la misura registrata e l’evento o il fatto reale, sia la consistenza e la completezza del dato. Avere dati consistenti significa che si possono produrre report che non entrano in conflitto fra loro, eliminando il rischio di generare visoni della realtà discordanti. La completezza invece si riferisce al grado di dettaglio con cui il dato descrive il fatto (ad esempio, può essere necessario conoscere non solo la data di un certo evento ma anche l’orario preciso). Prestare molta attenzione alla qualità dei dati è quindi un fattore chiave per la realizzazione di un sistema di BI efficace, in grado di fornire informazioni rilevanti a tutti gli utenti finali. Per garantire la qualità dei dati è necessario dotarsi degli strumenti più adatti, in primis un Data Warehouse, a cui si aggiungono procedure ETL (Extract, Transofrm and Load) elaborate per mantenere l’alta qualità delle informazioni e sistemi di data cleansing e data entry che rispettino determinati standard qualitativi. Infine, per preservare sempre la massima qualità dei dati, è importante che tutti gli utenti contribuiscano a segnalare i problemi e a diffondere la cultura dei dati a tutti i livelli (in questo senso, possono essere designati dei veri e propri “data steward”, ossia persone responsabili della qualità dei dati aziendali).

 

     4. Attenzione agli utenti

La Business Intelligence si avvale di diversi strumenti, che differiscono per funzionalità, scopi e competenze necessarie per il loro utilizzo. Allo stesso tempo, diverse imprese, o diverse divisioni della stessa azienda possono impiegare la BI per obiettivi differenti: per migliorare la logistica, la customer satisfaction, ridurre i costi di approvvigionamento, incrementare le vendite… Vi possono quindi essere diverse strategie a seconda dell’obiettivo che si vuole raggiungere con la BI. Alcune imprese adottano un approccio che consente l’accesso a tutti i dati aziendali a qualsiasi livello, senza alcun tipo di restrizioni, mentre altre preferiscono filtrare i dati e gli strumenti per tipo di utente coinvolto. Avere un accesso aperto a tutti può produrre analisi molto veloci e dinamiche, ma d’altro canto restringere gli accessi al personale con le giuste competenze può migliorare il processo decisionale ed evitare confusione ed errori. Se i sistemi di reportistica front-end sono relativamente semplici da utilizzare, e quindi usufruibili dalla gran parte dei membri dell’azienda, le architetture che stanno alle spalle possono richiedere più competenze e necessitare di maggiore attenzione. Una buona strategia, ad esempio, potrebbe essere quella di permettere a chi si occupa della BI a livello operativo di accedere ai dati in tempo reale, tenendo traccia di ogni evento chiave e monitorando costantemente la situazione corrente, e fornire invece al top management dati consuntivi per l’elaborazione di tattiche e strategie di lungo periodo. È quindi cruciale che ogni impresa regoli in modo appropriato l’accesso alla BI per i diversi tipi di utenti, a seconda delle loro caratteristiche e degli obiettivi specifici della strategia di Business Intelligence.

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.

Iscrivi alla newsletter







Dichiaro di aver letto ed accetto l’informativa sulla privacy

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.