di Marco Belmondo
Come sviluppare una Data Driven Business Strategy di successo
Data Driven Business Strategy: cosa significa? Possiamo provare a definirla come una serie di scelte tattiche e strategiche che portano a trasformare in ottica data-driven le decisioni di business a tutti i livelli. Intraprendere questa trasformazione comporta numerosi cambiamenti che, in logica trasversale, coinvolgono non soltanto le funzioni tecnologiche ma tutta l’azienda.
Perseguire una strategia data-driven significa introdurre in azienda la Data Science, in italiano scienza dei dati, ossia quella materia che porta a sviluppare analisi e modelli sempre più evoluti sui dati, in modo da estrarne informazioni utili in logica non solo di monitoraggio della situazione attuale (quindi logica descrittiva) ma anche in logica predittiva e prescrittiva.
Quali sono gli aspetti da considerare per sviluppare una Data Driven Business Strategy? Principalmente quattro, vediamoli insieme in questo articolo.
Dati
Prima di tutto, la materia prima. La prima domanda da porsi è: ho a disposizione i dati di cui ho bisogno? Spesso le aziende sono sommerse dai dati ma non sempre ne sono a pieno consapevoli né li organizzano nella maniera giusta. Si tratta dunque di investire in Data Governance, ossia in tutte quelle attività tecnologiche e non solo che portano ad avere un patrimonio informativo integro e di buona qualità. In secondo luogo, o in alcuni casi contestualmente, è opportuno investire in Data Integration. Ciò significa – come vedremo nel prossimo paragrafo – dotarsi di tecnologie che possano supportare l’integrazione di dati provenienti da diversi sistemi e quindi afferenti a diversi processi (es. Marketing, Amministrazione, Risorse Umane).
Tecnologie
Le tecnologie sono ovviamente una componente essenziale per sviluppare una Data Driven Business Strategy. Non è però semplice scegliere i software opportuni. Com’è noto, l’ecosistema di tecnologie di gestione e analisi dei dati è davvero vario e in continua evoluzione. Si tratta di un mercato che cresce più del 20% – ci dicono gli analisti italiani e internazionali – e quindi di un’offerta che propone continua innovazione.
Pur non potendo approfondire in questo articolo, è opportuno sottolineare tre caratteristiche che un’infrastruttura tecnologica moderna non può non considerare:
- Performance: sia dal punto di vista dello storage sia nella fase di elaborazione dei dati, a diversi livelli, trattando moli di dati sempre più importanti, il tema delle performance dei software è molto rilevante.
- Flessibilità: uno dei temi tecnologici più caldi, nonostante la sua lunga vita, è quello del Cloud Computing. Nelle sue innumerevoli evoluzioni, anche in ambito di data analytics, il Cloud svolge un ruolo primario per avere a disposizione velocemente software allo stato dell’arte e risorse di calcolo potenzialmente infinite, adattabili all’uso;
- Molteplicità: soprattutto nello specifico perimetro dell’analisi dei dati, non vi è un solo strumento né un solo linguaggio di programmazione da utilizzare. I Data Scientist lavorano con diversi software e linguaggi, così come l’accesso ai dati dovrà avvenire in diversi modi, a seconda delle capacità tecniche e delle esigenze dell’utente.
Competenze e Organizzazione
Le competenze sono l’aspetto più delicato da considerare. Ormai alcuni anni fa l’Harvard Business Review citava il Data Scientist come il lavoro più sexy del XXI secolo. Va detto che – in particolare in Italia – trovare dei Data Scientist non è semplice. È molto importante partire dall’idea che sarà necessario costruire un team, in cui identificare in primis dei Data Analyst, figure meno specializzate in ambiti quali la statistica e il Machine Learning, che possano però gestire e sviluppare attività di reporting evoluto, costruendo dashboard e cruscotti di monitoraggio sempre più complessi. In secondo luogo, una volta che la Business Intelligence più tradizionale è ben consolidata almeno in alcuni processi aziendali, sarà possibile sperimentare con progettualità più innovative, ad esempio attraverso il supporto di consulenti esterni.
Quando già le prime sperimentazioni avranno portato dei buoni risultati, sarà opportuno, nel percorso verso la Data Driven Business Strategy, strutturarsi anche a livello organizzativo per valorizzare al meglio le proprie risorse e competenze in ambito Data Science. In alcune aziende, si preferisce mantenere i Data Scientist nelle singole funzioni aziendali, in modo da portarli a specializzarsi per dominio, in altri casi si creano dei team che offrono supporto trasversale, favorendo il community building e la specializzazione in termini di competenze tecniche.
Cambio culturale
Competenze tecniche, tecnologie evolute e raccolta e gestione dei dati: tutti elementi essenziali. Tuttavia, viene spesso sottovaluto il tema del cambio culturale, o change management che dir si voglia.
Per diventare un’azienda data driven è di fatti fondamentale coinvolgere quante più persone possibili in un cambiamento di approccio e di linguaggio. Per quali finalità? Maggiore capacità di comprendere e interpretare i dati, maggiore abitudine all’utilizzo dei dati nel prendere decisioni, maggiore autonomia nel ricercare le informazioni necessarie.
Perché sviluppare una Data Driven Business Strategy conviene?
Per concludere, ricordiamo il motivo principale per il quale è importante adottare una strategia data-driven. Prendere decisioni basate sui dati, dati sempre più aggiornati ed eterogenei, permette di acquisire vantaggio competitivo, riuscendo ad esempio a raggiungere nuovi clienti o ottimizzare i costi.