Analytics aziendale, ostacoli e opportunità nella sua evoluzione

Analytics aziendale, ostacoli e opportunità nella sua evoluzione

Il processo di evoluzione degli strumenti di analisi in azienda potrebbe presentare insidie non prevedibili da subito. Non parliamo solo di aspetti quali una scarsa affinità con i cambiamenti degli utenti o l’assenza di sponsorship, ma anche di questioni di carattere progettuale e tecnologico che potrebbero portare delle difficoltà nello sviluppo del progetto, se non anche alla suo totale fallimento. E’ necessario dunque, che ci sia una spinta proveniente dall’information technology o dal business per la realizzazione del progetto di analytics, sebbene questo sia difficilmente misurabile in termini di “costi-benefici”.

Analytics aziendale: assessment tecnologico-funzionale

Se la motivazione dietro al progetto è di carattere meramente tecnologico, sarà necessario comprendere quali impatti possa avere lato output utente e pianificare per dashboard e report attuali un assessment dell’”as is”.

Quest’ultimo richiederà una stima dei tempi e dei costi richiesti dal change management, in modo da garantire trasparenza per gli utenti finali.

Se invece, la motivazione è da ricercare nel business, l’information technology deve essere preso in considerazione per comprendere quali impatti tale progetto possa avere in relazione alla sostenibilità aziendale.

In caso di spinta tecnologica il rischio è che venga compresa la necessità di cambiare un sistema già funzionante, mentre per la spinta “di business” il rischio più grosso riguarda la fattibilità.

Analytics aziendale: fiducia nel dato non è fiducia nell’informazione

L’errore da non fare nell’ambito del processo di evoluzione di un analytics aziendale è ritenere la certificazione dei dati come il risultato finale. Questo aspetto infatti ci dice che il dato formalmente è corretto, ma non ci dà indicazioni riguardo l’utilità di tale dato per i nostri fini. Per far sì che questo avvenga bisogna che i nuovi flussi di upload e data preparation coinvolgano pure le operazioni di gestione dato iniziali, fatte dagli utenti tempo fa e divenute superflue nei processi ufficiali di analytics, ma vitali per ogni utente.

In questo modo, operazioni locali e non certificate possono diventare certificate e condivise, aumentando il senso di fiducia dell’utente finale nella nostra iniziativa in generale.

Integrazione funzionale

In tal modo può succedere che un progetto di digital transformation venga bloccato da difficoltà nella creazione di un database online+offline dei clienti registrati, per il solo motivo che le informazioni comuni presenti nei sistemi siano differenti in quanto a data type e naming convention, fattore non adeguatamente considerato, forse, durante la pianificazione.

Un altro aspetto sul quale vale la pena soffermarci è quello inerente all’integrazione tra dati, dai diversi data type nei diversi sistemi per la stessa informazione fino all’impossibilità logica di mettere insieme metriche provenienti da due strumenti diversi, un nuovo e uno obsoleto.

Evidenza dei “risultati”

Come dicevamo poco fa, applicare una valutazione costi-benefici ad un progetto di evoluzione analytics è molto complicato, tranne forse nel caso di un progetto di advanced analytics, dove il confronto tra consuntivo e presione può rappresentare un indicatore efficace, anche se incomplemento, della validità dell’iniziativa proposta. A maggior ragione, compito di tutti i promotori sarà quello di dare risalto ai risultati, dandogli il più possibile un termine quantitativo.

Un esempio di quanto appena specificato può essere la disponibilità dei dati in un tempo più rapido, i risparmi nella gestione della parte infrastrutturale, controllando e ottimizzando, e il minor sforzo necessario alla produzione di un report “on demand”.

Necessità o opportunità?

Al di là dei suddetti aspetti, alla fine un ambiente aziendale analytics cambia o evolve per due ragioni principali: opportunità o necessità.

L’opportunità potrebbe stare in uno strumento che permetta l’ottenimento di analisi importanti in automatico, attraverso l’advanced analytics, il quale permette di sfruttare vantaggi competitivi, a fronte di una riduzione dei costi del demand planning.

La necessità invece può derivare dall’arretratezza tecnologica, oppure dal rapido decadimento delle performance di un tool utente, o ancora dall’adeguamento a un nuovo ERP aziendale.

Comunque sia, la linea di confine tra queste due “spinte al cambiamentoè molto più sottile di quanto si possa credere, a maggior ragione se teniamo presente il fatto che in un contesto aziendale e organizzativo anticipare saggiamente le scelte dovrebbe essere obiettivo a tutti i livelli decisionali.

A questo punto dunque dovremmo considerare la vera distinzione non tra opportunità e necessità, ma tra azione e reazione. Con il primo caso volto ad anticipare quel che sarà muovendosi per tempo, e il secondo volto a rispondere ad un problema, qualunque esso sia, nel momento in cui diventa evidente.

Fontehttps://www.bigdata4innovation.it/big-data/analytics-aziendale-quali-ostacoli-allevoluzione/