La Data Driven Company è quella organizzazione dove le decisioni aziendali non sono prese in base a delle interpretazioni soggettive, ma vengono guidate dai dati e dalla loro interpretazione, sfruttando la loro potenza nel supportare le scelte strategiche.

Secondo uno studio dell‘Osservatorio Big Data Analytics & Business Intelligence della School Management del Politecnico di Milano, è crescente il trend che guida le aziende verso l’integrazione della Data Analysis, mentre soltanto il 7% delle PMI ha avviato progetti di Big Data Analytics e 4 aziende su 10 dichiarano di svolgere solamente delle analisi tradizionali sui dati del proprio business.

Se è vero che con l’avvento dei Big Data, delle tecnologie cloud e degli strumenti di analisi abbiamo a disposizione un numero sempre crescente di dati, è anche vero che per poterne sfruttare a pieno le potenzialità, bisogna saper trasformarli in informazioni, consolidarli in conoscenza fino poi a metabolizzarli e convertirli in “esperienza”.

In Seedble abbiamo deciso di affrontare il tema dell’importanza dei dati a supporto della strategia aziendale durante il webinar “Data Driven Company”, in cui abbiamo provato a fornire gli strumenti necessari alle organizzazioni per seguire tutto il percorso che va dal dato grezzo all’esperienza.

Vediamo insieme quali sono le milestone di questo processo.

Dalla piramide dei dati alla strategia: come collegare gli analytics con i sistemi decisionali

“È un errore capitale teorizzare prima di avere i dati”

Sherlock Holmes

Le parole del detective più famoso della letteratura, suonano ancora attuali quasi 100 anni dopo.

Il potenziale dei dati a supporto del disegno delle strategie aziendali e della prototipazione di nuovi prodotti è più grande che mai, oggigiorno.

Eppure, spesso, i processi di trasformazione digitale falliscono (e ci sono molte motivazioni) perché non si è prestata sufficiente attenzione alla componente del dato. Per questo diventa di vitale importanza la creazione della struttura dei dati per organizzare le informazioni, comprenderle e trasformarle in esperienza (saggezza) come illustrato nella rinomata piramide dei dati DIKW (Data-Information-Knowledge-Wisdom) – (video)

• Data: Raccogliere i dati
  spesso le aziende non sono pienamente consapevoli di avere a disposizione dei dati che potrebbero tornare utili. Per questo motivo, diventa di primaria importanza disegnare il proprio data model legato alle anagrafiche dei contatti (clienti/fornitori/impiegati), all’anagrafica di prodotti e servizi e agli attributi legati ai Leads e alle offerte.
  Solo in questo modo è possibile strutturare correttamente le fondamenta della piramide.
• Information: Comprendere i dati
  il secondo passaggio è quello della comprensione dei dati, che vanno compresi e contestualizzati per trasformarli in informazioni. Da questo momento in poi, possiamo parlare di conoscenza in quanto le informazioni ci permettono di comprendere il mercato, i clienti, ma soprattutto la nostra azienda (con un aspetto introspettivo importantissimo).
• Knowledge: Elaborare i dati
  una volta raccolti e trasformati in informazioni utili ed intellegibili, i dati possono finalmente essere organizzati ed elaborati in vari report a supporto della strategia di business.
• Wisdom: Avviare l’innovazione
  Una volta giunti al vertice della piramide, siamo in grado di sperimentare ed applicare la conoscenza per prendere decisioni ed innovare i processi aziendali.

Intelligenza artificiale o aumentata: l’automazione a supporto della Business Intelligence

“Non avere i dati aziendali a disposizione è come guidare un’auto senza cruscotto, non vediamo a che velocità stiamo andando, quanto carburante abbiamo e non sapremo mai la temperatura del motore”

In un contesto di mercato sempre più competitivo e dove la velocità del business è di primaria importanza, avere sotto controllo i valori aziendali è fondamentale per prendere le decisioni giuste nel momento giusto. 

Tanti dati da tante fonti… Come gestirle?

Secondo lo studio “Data Never Sleeps 8.0” pubblicato da DOMO, per ogni persona vengono creati all’incirca 2 MB di dati al secondo. Ma da dove arrivano tutti questi dati e quali sono quelli con i quali deve fare i conti un’azienda, a prescindere dalle sue dimensioni?

Questo tema trova risposta nella “Architettura dei dati” (o Business Intelligence) perché solo con un’attenta pianificazione della base dati possiamo strutturare il nostro sistema di analisi.
L’architettura dati dovrebbe coprire le basi di dati, l’integrazione dei dati con tutti gli altri sistemi aziendali e soprattutto ciò che i dati vogliono indicare (cosa significano e cosa rappresentano). 

Gli approcci tradizionali TOP-DOWN in cui il solo reparto IT, senza un lavoro in concerto con gli altri dipartimenti, si occupa della realizzazione dei sistemi e della produzione dei report, sono da evitare, perché si rischia di non fornire dati rilevanti e utili all’azienda e di dover reiterare il lavoro più volte senza raggiungere la flessibilità e la velocità che il mercato attuale richiede.

La business intelligence moderna è invece interattiva e accessibile e, sebbene i reparti IT siano fondamentali per la gestione dell’accesso ai dati, la partecipazione dei vari dipartimenti e l’accesso di molteplici livelli di utenti possono agevolare la personalizzare delle dashboard e la creazione rapida ed immediata dei report per supportare decisioni strategiche specifiche.

Intelligenza artificiale, Computer vision e Blockchain

Tra le buzzword del momento troviamo sempre l’AI e la Blockchain, ma quando ha veramente senso parlare di intelligenza artificiale e dell’introduzione della “tecnologia dei blocchi”? 

Prima di tutto facciamo chiarezza sui concetti di sistema esperto, machine learning ed intelligenza artificiale.

La maggior parte delle volte quando leggiamo articoli promozionali di qualche software o tecnologia questi ci vengono presentati come sistemi che fanno ricorso ad una evoluta tecnologia di intelligenza artificiale, ma il più delle volte si parla semplicemente di sistemi esperti: dei programmi software che riproducono le prestazioni di una o più persone esperte in un determinato campo di attività (dominio) e che sono quindi capaci di dedurre informazioni (output) da un insieme di dati e da informazioni di partenza (input). 

Se al sistema esperto affianchiamo una tecnologia che possa migliorare il modo di elaborare le informazioni, allora stiamo parlando di machine learning: algoritmi che usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate. Gli algoritmi di Machine Learning, inoltre, migliorano le loro prestazioni in modo “adattivo” mano a mano che i “casi” da cui apprendere aumentano. 

Infine si può veramente parlare di intelligenza artificiale solo quando un sistema tecnologico è in grado di risolvere problemi o svolgere compiti e attività tipici della mente e dell’abilità umane. Una delle applicazioni più promettenti dell’intelligenza artificiale è rappresentata sicuramente dalla computer vision che ha come obiettivo quello di replicare l’intelligenza visiva del cervello umano e permettere ai computer di poter riconoscere gli oggetti, catalogarli, tracciarli ed utilizzare queste informazioni come input per altre operazioni.

Immaginate di poter utilizzare la telecamera di un centro commerciale per monitorare il flusso degli acquirenti, non solo poter contare i clienti che entrano in un negozio, ma conteggiare quanto tempo in media è stato speso davanti ad una vetrina e quanti clienti sono entrati ad acquistare.

La blockchain invece può essere applicata a progetti di Data Analysis?

Uno dei trend sempre più sulla cresta dell’onda è quello della blockchain, affrontato molte volte sulle pagine di spremute digitali ed anche oggetto di una recente video spremuta.
Per quanto riguarda l’area della Data Analysis, le due caratteristiche più promettenti della Blockchain sono rappresentate dalla decentralizzazione dei dati (salvataggio decentralizzato dei dati su più nodi per garantire sicurezza e resilienza dei dati) e dalla l’immutabilità e trasparenza delle informazioni, le quali possono conferire maggiore autorevolezza alla nostra struttura dei dati verso gli stakeholder interni ed esterni. 

Quali sono i vari stadi per arrivare a un’organizzazione data driven?

Dopo aver esplorato i concetti base per costruire le fondamenta della nostra nuova concezione Data Driven aziendale ed esplorato le tecnologie più promettenti a supporto dell’innovazione, passiamo ad alcune raccomandazioni indispensabili per aziende che vogliano intraprendere questo percorso.

I dati possono essere osservati e analizzati non solo in modalità descrittiva (Business Intelligence), ma anche in modalità predittiva e prescrittiva (Advanced Analytics) anticipando problemi, comportamenti, bisogni e tendenze. 

Infatti attraverso la combinazione di più metodi e tecnologie di analisi dei dati storici possiamo individuare degli schemi ricorrenti, i c.d. “pattern” con i quali poter individuare rischi da fronteggiare ovvero opportunità da cogliere.

“Predire il futuro è impossibile, però possiamo ipotizzarlo!”

La Data Governance è fondamentale in questo processo: i business leader devono imparare ad analizzare lo storico e i pattern di dati (insieme di dati grezzi) per valutare come ipotizzare il futuro a supporto alle scelte strategiche per l’azienda. 

Recap: consigli pratici per Data Driven Company

Giunti alla fine dell’articolo, riassumiamo alcuni consigli pratici per implementare uno strumento di analisi dati in azienda:

1. Iniziare dalla piramide dei dati e dalla struttura delle informazioni in nostro possesso;
2. Coinvolgere tutta la popolazione aziendale nel nuovo mindset. I dati come strumento individuale e di team per migliorare il lavoro e le performance in azienda e supportare la strategia aziendale.
3. Raccogliere, comprendere, organizzare ed elaborare i report e ripetere con un approccio ricorsivo e migliorativo tipico del design thinking i vari processi.
4. Adottare un approccio tecnico volto all’individuazione della soluzione più adatta in base al landscape tecnologico dell’azienda
5. Tendere ad interiorizzare i concetti Data Driven per realizzare una Data Driven Culture attenta alla diffusione della cultura dei dati, capace di gestire gli impatti sull’organizzazione e governare le implicazioni etiche e di privacy.

Prossima tappa: Tecnologie Esponenziali

Questo webinar ci ha permesso di ragionare sul potenziale dei dati insieme a una platea di imprenditori, colleghi ed esperti, la cui interazione si è dimostrata positiva e stimolante. Ma siccome il numero di sfaccettature dell’innovazione è indefinito e continua ad espandersi, ti consigliamo di non fermarti allo step della Data Analysis e di continuare il tuo percorso con il webinar Exponential Technologies, che tratterà di come far leva sulle tecnologie esponenziali e immersive per proiettare un’organizzazione in una nuova dimensione del business.

Per non perdere i prossimi appuntamenti visita il portale Unlock Innovation. Ti aspettiamo!