Come spiegato nel dettaglio nell’articolo DATA STRATEGY: LA CHIAVE PER IL SUCCESSO, l’implementazione di una corretta Data Strategy all’interno dell’organizzazione aziendale al giorno d’oggi è pressoché fondamentale e, se ben pianificata, porta al raggiungimento di risultati concreti negli ambiti di maggior interesse strategico per il business.
Inoltre, abbiamo parlato di come le aziende italiane, pur con un discreto tasso di crescita, abbiano un enorme margine di manovra soprattutto in determinati settori aziendali e/o ambiti applicativi.
Ma quali sono i primi passi da muovere per un’azienda ancora immatura in ambito dati?
Data Strategy Journey: cos’è?
Obiettivo degli Osservatori Digital Innovation del Politecnico di Milano è stato, tramite incontri dedicati con il proprio Advisory Board e interviste ad altre aziende e/o vendor tecnologici, definire un framework che descrive le fasi di sviluppo che le aziende possono percorrere nella loro trasformazione verso una data driven company. Per ciascuna fase individuata vengono descritte alcune aree su cui occorre lavorare e le rispettive azioni da mettere in campo per avanzare alla fase successiva.
L’obiettivo è quello di sviluppare uno strumento che:
- Permetta alle aziende di mappare il proprio stato di avanzamento nella trasformazione verso la data-driven company
- Offra alle organizzazioni delle linee guida e azioni concrete da implementare per passare allo step successivo della trasformazione data-driven
Le fasi della trasformazione
Le esigenze, come anticipato, possono essere molteplici: migliorare l’efficacia del processo decisionale, perfezionare la gestione finanziaria, ottimizzare le operations (demand planning, supply chain), migliorare l’esperienza cliente (personalizzazione), gestire i rischi aziendali (sicurezza, conformità).
Per intraprendere questo percorso sono state identificate 5 fasi: Discover, Start, Scale, Consolidate, Win. Il framework seguente, frutto dei risultati di ricerca, rappresenta l’itinerario ideale che le aziende potrebbero percorrere, con il focus su 3 dimensioni d’analisi cruciali: la Data Governance, la Business Intellingence e la Data Science:
Discover
Nella fase di “Discover”, le aziende si trovano in un ambiente caratterizzato da silos di dati indipendenti, scarsa qualità degli stessi dati, infrastrutture tecnologiche obsolete e carenze nelle competenze in ambito (Data Skills), il che porta a una generale sfiducia nei dati stessi diffusa in tutta l’organizzazione. Per superare queste difficoltà e iniziare un percorso che possa risultare vincente, è essenziale identificare in primis gli obiettivi da raggiungere, le aree di sviluppo prioritarie e successivamente le risorse da allocare. Inoltre, è cruciale definire le metriche di monitoraggio per valutare il progresso e l’efficacia delle azioni intraprese. Solo attraverso questa fase di scoperta e pianificazione accurata le aziende possono iniziare a costruire una solida base per una strategia dati efficace e orientata al futuro.
Start
In questa fase il motore è già avviato: iniziano le prime sperimentazioni e si instaurano i primi presidi di responsabilità.
Per la Data Science esiste un referente dello sviluppo che, coinvolgendo poche funzioni aziendali e con strumenti/processi “artigianali” fa partire i primi progetti sperimentali, seppur tramite totale – o prevalente – supporto di partner esterni. Per quanto concerne la BI è presente un piccolo team dedicato che valuta gli strumenti di Data Visualization in uso e che ha un limitato utilizzo di report interattivi.
C’è infine un referente dello sviluppo dell’attività di Data Governance, che si occupa di migliorare la qualità del dato, elencare i requisiti di compliance normativa e definire policy e procedure di accesso, controllo e manipolazione dei dati su un primo sottoinsieme di aree identificate come prioritarie.
Le aziende in questa fase, tuttavia, soffrono della totale assenza di un sistema di misurazione dei benefici ottenuti e riscontrano una Data Culture ancora praticamente inesistente in azienda (sia in termini di competenze che di fiducia nei dati).
Scale
Le aziende in “Scale” hanno incrementato le aree coinvolte e iniziato un processo di standardizzazione delle attività in ambito dati.
La Business Intelligence è evoluta al punto da avere un team centrale/distribuito, che condivide le analisi svolte prevalentemente tramite report interattivi; si utilizzano logiche di Self-Service BI. Per la Data Science invece viene allocato un piccolo team, vengono definiti i KPI per misurare i benefici e sono attive progettualità in vari ambiti (marketing, vendite, produzione, supply chain).
Anche per la Data Governance c’è un team dedicato al coordinamento, sono definiti ruoli come Data Owner e Data Steward, le policy di gestione degli accessi sono strutturate ed esiste un Business Glossary.
Consolidate
La figura chiave che identifica il passaggio dalla fase “Scale” alla fase “Consolidate” è l’esistenza di uno Chief Data Officer (CDO/CDAO).
Il CDO/CDAO è responsabile della gestione e dell’utilizzo dei dati come asset organizzativo e strategico. Questo ruolo ha spesso il compito di acquisire e gestire le capacità necessarie per guidare l’innovazione e la trasformazione generando vantaggio competitivo attraverso l’uso di dati e analisi, oltre che promuovere una cultura aziendale data-driven.
In questa fase esiste un Data Catalog, oltre a un programma strutturato di Data Ownership e Data Stewardship individuando responsabilità distribuite all’interno delle LoB. La Data Governance è dunque integrata nei processi (by design). Data Science e Business Intelligence fanno parte di un unico eco-sistema dove si diffondono figure specializzate come Data Analyst, Data Engineer e Data Scientist; i progetti implementati coinvolgono trasversalmente l’intera organizzazione ed esiste un monitoraggio dell’effettivo utilizzo degli strumenti a disposizione di ogni dipendente, anche quelli non tecnici.
La Data Culture è abbastanza radicata, ci sono competenze specialistiche diffuse e corsi di formazione strutturati e definiti per i diversi ruoli aziendali. La Data Architecture è complessa e integrata, in grado di gestire differenti casi d’uso e di supportare attività di automazione.
Win
L’ultima fase suggella il raggiungimento di tutti gli obiettivi fissati in fase di Discover. I dati delle aziende che terminano con successo questo percorso sono di elevata qualità e con chiare regole di accesso e utilizzo trasversali.
Avviene l’implementazione di soluzioni di Data Observability e MLOps per il pieno governo del ciclo di vita dei prodotti e delle informazioni, inoltre si avvia il processo di trasformazione da approccio “a progetto” a “a prodotto” e si definiscono linee guida collaborative.
L’infrastruttura aziendale e le competenze sono decentralizzate, si avviano attività di quantificazione del valore economico dei dati a disposizione e la Data Literacy viene percepita come un set di competenze “core”, per cui la Data Culture non solo è diffusa, ma è un elemento cardine del mindset aziendale già in fase di recruiting.
In questa fase, i dati sono integrati in tutte le decisioni aziendali.
Blue BI, con la sua esperienza ormai ultradecennale in questo ambito, può accompagnare la tua azienda in tutte queste fasi, fino ad arrivare alla fase “Win”. Contattaci per scoprire come possiamo aiutarti a generare e sfruttare dati di valore che siano alla base di tutte le decisioni aziendali!
Realizziamo soluzioni di Business Intelligence & Advanced Analytics per trasformare semplici dati in informazioni di grande valore strategico.
