In ogni parte del mondo e in ogni settore, c’è un tema che accende la curiosità e l’interesse di molti imprenditori: capire come utilizzare il volume complessivo di dati che le loro aziende e gli utenti producono per ricavarne del valore.
Mai come oggi le nuove tecnologie sono state in grado di raccogliere e analizzare miliardi di informazioni e così molte aziende stanno cercando di capire come acquisire nuova conoscenza dai dati per aumentare la loro competitività. Informazioni molto preziose per capire come stanno performando i competitor e di quali insight riescono a disporre per guadagnare quote di mercato o, ancora, per comprendere come trasformare i dati raccolti in informazioni utili per avviare iniziative commerciali e di customer experience.
L’analisi dei dati non è un tema estemporaneo e la sua applicazione nel business ha avuto inizio negli anni passati, con un percorso evolutivo che ne ha definito un ruolo gradualmente sempre più strategico, ma oggi poter disporre della descrizione di un determinato evento e della spiegazione delle cause che lo hanno originato non è più sufficiente.
Le aziende più evolute vogliono conoscere infatti quello che accade in tempo reale, e sapere cosa avverrà nel prossimo futuro per essere in grado di capire se sono preparate a gestire a un cambiamento imminente ed eventualmente ricorrere a misure correttive.
I dati e gli analytics sono diventati quindi l’arma in più delle aziende “top performing”, una priorità per tutte quelle organizzazioni che hanno reinterpretato il loro approccio e buona parte dei loro processi in funzione dell’analisi dei dati per ottenere un sensibile vantaggio competitivo. Sono aziende che hanno costruito con impegno un modello decisionale data-driven e che ora possono accedere a simulazioni di scenario che forniscono una guida sicura alle loro azioni, a strumenti capaci di garantirgli il miglior risultato possibile.
In queste realtà, i manager e i dirigenti hanno imparato a leggere e a individuare la soluzione più adatta in base a parametri complessi di business e a nuove informazioni, a cambiare la direzione della propria guida manageriale e a farlo molto in fretta.
I dati come parte integrante dei processi aziendali
I dati possono accogliere ed esaudire grandi aspettative ma perché gli insight che ne derivano possano essere attivabili nel momento più adatto e riuscire a determinare un cambiamento devono essere correlati alla business strategy dell’azienda, semplici da comprendere e perfettamente inseriti nella dimensione operativa dell’organizzazione. Questa necessità è prioritaria e non accetta esclusioni o giustificazioni: è una visione che deve appartenere a ogni espressione dell’azienda e deve essere il focus di ogni funzione operativa e manageriale.
Le aziende con le migliori prestazioni approcciano l’operatività del loro business in modo molto diverso dai loro competitor. La costante predisposizione a mettere in discussione le loro certezze attuali e ad affrontare il cambiamento con consapevolezza, li mette nella condizione di spingersi oltre le conoscenze o convinzioni acquisite e a porre gli analytics al centro di ogni sperimentazione presente o futura.
Il cuore oltre l’ostacolo (perché l’ostacolo è proprio il cuore)
I dati sono in grado di controvertere i convincimenti più radicati. È la loro natura. E proprio una delle convinzioni più difficili da superare è l’opinione più che comune che le aziende abbiamo difficoltà a raccoglierli o che queste informazioni possano essere poco qualitative.
La falsa credenza sulla raccolta dei dati è che la maggior parte delle aziende non abbiano un volume sufficiente di informazioni, che queste non siano sufficientemente varie o, infine, che non abbiamo strumenti sufficientemente veloci per processarle. Nonostante questa convinzione, le imprese abbondano di dati e solo una ridotta parte di questi viene analizzata e applicata a servizio del business.
Le barriere all’adozione di un approccio data-driven, in realtà, non sono legate alla scienza o alla tecnologia ma a problemi di tipo culturale e manageriale. L’ostacolo principale all’adozione degli analytics sono paradossalmente proprio le persone che dovrebbero trarne beneficio. La loro più grande difficoltà poggia sull’incapacità – spesso dichiarata – di capire come i dati possano migliorare il loro lavoro.
Per superare questa resistenza è allora necessario sciogliere la complessità degli stream di dati e far percepire il vantaggio lavorativo che ne deriva, semplificarne la percezione con presentazioni facili da capire e utili per cogliere degli insight e avere una reazione immediata.
Nei prossimi due anni i dirigenti d’azienda integreranno i tradizionali report con la data visualization, le simulazioni di processi, voice analytics, social media analysis, nuovi approcci predittivi che renderanno le informazioni estremamente più dinamiche e fruibili in breve tempo. È fondamentale arrivare pronti a quel momento.
Data science, le aspettative del management
Le aspettative che molte aziende ripongono negli analytics possono essere raggiunte con un piano di lavoro tracciato in modo appropriato con la volontà di dargli applicazione con azioni concrete. Più di tutto però, servono la determinazione e il pieno coinvolgimento del management, che con questo modello deve poter trovare una risposta soddisfacente a tre business need:
- Ridurre il time to value. La creazione di valore può realizzarsi in tempi molto brevi solo in quelle aziende che sanno sfruttare le potenzialità dei dati, anche quando questi sono incompleti o l’azienda non ha ancora potuto adottare questo approccio su larga scala.
- Ottenere l’effetto di una trasformazione significativa e duratura. Le metodologie emergenti di Data Science e studio degli analytics rendono possibile e ispirano un cambiamento culturale e strategico di lungo periodo, superando gli impedimenti e gli ostacoli organizzativi esistenti.
- Migliorare il focus sugli obiettivi perseguibili. L’approccio utilizzato dalle aziende che hanno scelto di adottare il modello scientifico della Data Science è molto efficace perché ogni valutazione viene fatta su analisi di breve periodo con l’opportunità di concentrare gli investimenti su obiettivi precisi con un ritorno dell’investimento molto veloce.
- Tre consigli per utilizzare gli analytics per guidare l’azione
Modificare le abitudini di un’azienda fino a rivoluzionarle completamente con un nuovo modello decisionale non è semplice.
Molte aziende hanno capito che il percorso tracciato dalla Data Science deve essere intrapreso senza troppi ritardi, pena l’incapacità di fronteggiare l’invasione “disruptive” nel mercato di nuove startup data oriented. Nonostante questa loro certezza e le buone intenzioni, però, solo un’azienda su tre stia facendo qualcosa di concreto in questa direzione ed è molto più semplice per un’azienda di nuova costituzione avvicinarsi a questo cambiamento culturale, che aziende più strutturate e con molta più storia non riescono a far accettare.
Ecco quindi tre osservazioni che possono rendere più semplice avvicinarsi alla scienza delle informazioni e provare ad applicarla nel proprio contesto organizzativo.
1. Pensare in grande
Decidere di affrontare una sfida molto importante con il supporto della Data Science aumenta il rischio di fallimento? Paradossalmente no, perché le grandi sfide richiedono attenzione elevata e coinvolgono più persone nell’azione; la presenza attiva del top management diventa una priorità altissima, sia per il loro ruolo e la rilevanza della loro attitudine decisionale, sia per la volontà dei migliori talenti di partecipare all’iniziativa.
Stravolgere processi aziendali costruiti su una storia fatta di intuizioni personali e di comportamenti consolidati è molto difficile ma diventa possibile quando si riesce ad attivare il coinvolgimento generale del gruppo di lavoro.
Un grande obiettivo giustifica sforzi importanti e migliora la predisposizione delle persone a sopportarli. Iniziare però a raccogliere dati senza una precisa strategia di business e delle domande a cui trovare una risposta, rischia di annullare l’effetto inclusivo di un progetto comune e di disperdere tempo e risorse. Solo allineando la ricerca a obiettivi di business, coinvolgendo il management nella definizione del percorso e accedendo a competenze e predisposizione culturale si riescono a superare gli ostacoli che inevitabilmente si presenteranno lungo tutto lo sviluppo del progetto.
2. Iniziare dalle domande
Quando si sceglie di utilizzare un approccio basato sugli analytics, è facile essere tentati di raccogliere tutti i dati possibili prima di procedere a ogni altra attività. Questa scelta può generare però un dispendio di energie e risorse ingiustificato e lasciare poco da dedicare allo studio del loro utilizzo potenziale. Meglio quindi iniziare da una fase intermedia del processo, implementando le azioni di raccolta dati dopo aver definito gli insight da ricercare e le domande di business necessarie per raggiungere obiettivi rilevanti. Sarà in questo modo più semplice identificare e analizzare (in minor tempo) le porzioni di dati capaci di dare una risposta adeguata.
Questa metodologia permette di individuare specifiche aree di azione e di utilizzare da subito i dati disponibili nell’immediato. I primi insight che risulteranno da questa ricerca contribuiranno a individuare i gap esistenti nei processi aziendali e a migliorare il metodo di analisi, indirizzando a nuove scelte. Soprattutto, si evita che i tempi necessari per la raccolta di dati facciano gradualmente svanire l’attenzione e l’interesse delle persone coinvolte e che l’approccio ai dati venga percepito come dispersivo e costoso.
3. Disporre di informazioni chiare
I nuovi strumenti di analisi hanno saputo introdurre il valore delle informazioni nei processi di business e gli use case, le soluzioni di analytics, i workflow e le simulazioni rendono gli insight molto più semplici da percepire e utilizzare. Oggi si utilizzano ancora analisi di trend, strumenti di previsione e report, ma gli strumenti di visualizzazione dei dati sono destinati ad evolvere molto velocemente e saranno in grado di simulare in modo adeguato gli sviluppi futuri di uno specifico progetto.
Gli attuali strumenti saranno presto sorpassati da strumenti di data visualization, come dashboard e scorecard, simulazioni di scenario, analytics applicate ai processi di business, tecniche di statistica avanzata. Questo si tradurrà in un aumento di valore molto rapido: le dashboard che ora riportano i risultati di vendita dell’ultimo quarter mostreranno anche una previsione ragionevole di quello che potranno essere nel quarter successivo al variare di determinate condizioni, le simulazioni di scenari alternativi raccomanderanno automaticamente l’approccio ottimale a una certa situazione (ad esempio il numero ideale di commerciali da associare ad una certa area geografica), gli use case integreranno insights nei processi e nelle business applications, i manager potranno vedere in tempo reale gli acquisti dei loro clienti e conoscere le forme di interazione con il proprio marchio.