Un’azienda che adotta un approccio data-driven è in grado di gestire e usare i dati per prendere decisioni ponderate, basate su fatti oggettivi, e non su sensazioni personali.

La maggioranza delle imprese e organizzazioni non possiede ancora una capacità raffinata di analisi dei propri dati, né ha un programma particolareggiato per svilupparla. Per chi parte da zero, o dai primi passi, sono molte le componenti da mettere a punto, per diventare davvero una data driven company, tra cui le applicazioni software, la tecnologia, i processi relativi ai dati, le competenze, e non da ultimo la cultura aziendale.

Ecco una breve Roadmap, un piano d’azione, che descrive – in 5 fasi – come le aziende possono arrivare, con un percorso graduale, a capacità analitiche avanzate e a un approccio data driven di successo.

Approccio data driven cos’è

Un approccio data driven vede la gestione dei dati non come semplice fatto tecnico, ma come elemento di supporto al business. Per un approccio data-driven i dati sono la base per prendere decisioni informate, fondate su fatti oggettivi e non su sensazioni. Un approccio data-driven non considera sufficiente l’acquisizione di una soluzione tecnologica ma è consapevole della necessità di un percorso di trasformazione che deve coinvolgere tutti i livelli aziendali, fino ai vertici aziendali. Un approccio data driven necessita di dati reali, corretti e aggiornati per generare analisi, statistiche e consuntivi, che vadano a integrare eventuali serie storiche. Un approccio data driven è ad esempio indispensabile per abilitare la manutenzione predittiva nella gestione in tempo reale di ambienti industriali connessi.
Per rendere efficace un approccio data driven che deve gestire la molteplicità dei dati che provengono dalla fabbrica servono strumenti adeguati di gestione delle informazioni, di analisi e delle infrastrutture che li supportano.

Fase 1: i prerequisiti per l’approccio data driven

Le aziende che compiono i primi passi in questo campo sono prive dei prerequisiti per ottenere vantaggi con la Data Analytics. Devono in primo luogo migliorare la situazione relativa alle transazioni che generano e trasformano i dati, per ottenere dati di qualità, coerenti per il processo decisionale. Se un’azienda possiede dati di scarsa qualità, per prima cosa dovrà concentrare il proprio programma sul migliorare i propri dati.

Approccio data driven e cultura aziendale

In questa fase devono essere soppesati anche aspetti legati alla cultura aziendale: anche un’impresa in possesso di dati di qualità, ha bisogno di manager propensi a prendere decisioni basate sui fatti e su queste informazioni; un management “allergico ai dati”, che si compiace di prendere decisioni istintive o basate su una propria visione, difficilmente darà il proprio supporto.

Fase 2: l’azienda può passare all’approccio data driven?

Il compito successivo è quello di fare il punto e valutare se l’azienda abbia la visione strategica, la cultura, le competenze, le tecnologie necessarie per analizzare i dati e per adottare l’approccio data driven. I Data Analytics possono essere l’autentico motore del cambiamento. Ma per trovare il modo di realizzare la nuova visione aziendale è necessario comprendere da quale livello parta l’organizzazione.

La valutazione delle capacità dell’azienda è un’attività di fondamentale importanza, da cui dipende il successo dell’intero programma. Ogni azienda ha esigenze peculiari del suo business, una sua storia, degli obiettivi strategici specifici. La valutazione deve quindi analizzare la complessità dell’organizzazione in tutte le sue sfaccettature.

Ad esempio, alcuni processi potrebbero essere più progrediti di altri; alcuni aspetti del business potrebbero essere più critici di altri dal punto di vista dell’analisi dati; si potrebbe avere un ambiente IT integrato e flessibile ma una domanda modesta di Analytics, oppure, al contrario, una domanda di Analytics molto superiore alle capacità della struttura IT.

Fase 3: la scelta del percorso verso l’approccio data driven

Una volta che un’organizzazione ha valutato le sue capacità analitiche, deve scegliere quale strada percorrere per raggiungere i propri obiettivi strategici anche grazie ai dati.

Per le Start-up, la prima sfida di questo percorso è acquisire e sviluppare le risorse economiche e umane necessarie per costruire le capacità analitiche.

Le aziende consolidate devono affrontare problemi più complessi perché hanno già dipendenti, dati, processi, tecnologie e una cultura d’impresa. L’esistenza di queste risorse è un’arma a doppio taglio: possono essere un vantaggio per la costruzione di capacità di data analytics e di un approccio Data driven. Oppure possono rappresentare un ostacolo all’utilizzo di metodi nuovi.

Se la resistenza opposta è forte, potrebbe essere necessario imboccare un percorso più graduale, per creare poi un sostegno più forte dimostrando i benefici prodotti dagli Analytics.

Fase 4: approccio data driven e tecnologia

Una volta che strategia e piano d’azione sono definiti, e quindi una volta che sono chiari gli obiettivi, ci si può dotare degli strumenti e delle risorse tecnologiche necessarie per raggiungerli. Sistemi IoT, sensori applicati alle varie attività aziendali, soluzioni di gestione e analisi dei dati, interne o in Cloud computing.

L’organizzazione impara da ogni nuova analisi, aggiungendo nuovi pezzi ad una sorta di miniera di nuove indicazioni e idee, da esplorare e sfruttare per costruire un vantaggio competitivo.

In questa fase, ottimizzare le capacità analitiche è la principale (ma non unica) priorità, insieme alla gestione dei cambiamenti organizzativi, e culturali, necessari. Ciò fornisce all’azienda una massa critica di analisi che si concentrano sulle questioni strategiche più importanti.

Fase 5: approccio Data driven e misurazione delle performance

Si deve poi fare attenzione alla misurazione dei progressi rispetto agli obiettivi generali dell’impresa, perché l’analisi dati, in un’azienda data-driven, deve essere integrata nella strategia aziendale. Un elemento cruciale della fase 5 è la definizione di una serie di parametri di misurazione delle performance e l’attuazione dei processi di monitoraggio dei progressi raggiunti. Per destinare e utilizzare correttamente le ulteriori risorse (che in un’azienda sono sempre da maneggiare con molta cura) necessarie a portare avanti l’approccio Data driven, potrebbe essere una buona idea creare un ‘hub analitico’ centralizzato per promuovere e sostenere gli analitycs.

Un altro passo importante è poi quello di comunicare i vantaggi ottenuti e che gli analytics possono offrire. Anche perché, in futuro, applicazioni più complesse potrebbero richiedere competenze maggiori e nuove tecnologie, quindi nuove risorse e decisioni per arrivarci.