Data-Driven Decision Management
La Data-Driven Decision Management (DDDM), ovvero le decisioni aziendali guidate dai dati
è un approccio alla governance di un’azienda che basa il processo decisionale su numeri m
isurati e verificabili.
Il successo di un approccio che fa guidare le decisione dai numeri si basa sulla rilevanza delle informazioni raccolte e nell’efficienza dell’analisi e della sua interpretazione. Ed è un passaggio basilare per la digital transformation di un'azienda.
Agli albori dell'informatica, di solito, c’era bisogno di uno specialista con un forte background in ambito tecnologico per avere la possibilità di estrarre i dati per recuperare le informazioni importanti: doveva essere una persona che sapeva come funziona il database, l’estrazione e la stampa dei dati. Era l’epoca degli EDP manager e dei backup incrementali sui nastri all’interno di stanze refrigerate in ogni azienda anche di medie dimensioni.
Se un manager desiderava visualizzare i dati a un livello granulare, doveva contattare il dipartimento IT e richiedere un report. Qualcuno del reparto IT estrapolava il dato e creava quindi il report, pianificando spesso un’estrazione periodica del dato.
Il processo era complesso, i rapporti venivano creati ad hoc e, non essendo una pratica a basso costo, erano limitati alle informazioni essenziali.
Oggi, gli strumenti di business intelligence richiedono spesso un supporto minimo o inesistente da parte del reparto IT. I manager aziendali possono personalizzare i cruscotti per visualizzare i dati che vogliono vedere ed eseguire report personalizzati al volo. I cambiamenti nel modo in cui i dati possono essere estratti e visualizzati consentono ai dirigenti aziendali, che non hanno background tecnologici, di essere in grado di lavorare con gli strumenti di analisi e prendere decisioni basate sui dati in real time.
Quando si parla dell’utilizzo dei dati per guidare le scelte strategiche ed importanti di un’azienda, le prime parole che ti vengono in mente hanno a che fare con i nomi di due big che sono diventati un’icona della parola “trattamento interno del dato”, ovvero Google e Facebook. Ok, hanno un sacco di grane per come raccolgono, gestiscono e distribuiscono i dati, ma , innegabilmente, sono stati i pionieri nella gestione del data-driven decision sia in termini di approccio tecnologico che culturale.
Ma per prendere decisioni basate sui dati bisogna capire di che dati abbiamo bisogno.
Ed ecco, quindi, che per parlare di decisioni data-driven, non si può non parlare di big data.
Cosa sono i big data
Io partirei da come li definisce Oracle, un'azienda che di gestione di database complessi ne capisce. Nella sua pagina dedicata si parte dalla definizione di Gartner 2001 (che è ancora la definizione generalmente presa per spiegarli): i big data sono informazioni che contengono una maggiore varietà di dati che arriva in volumi crescenti e con velocità sempre maggiore. Questa formula che li definisce è nota come le 3 V: Volume, Velocità e Varietà.
Volume
La quantità di dati conta. Con i big data, dovrai elaborare grandi volumi di dati non strutturati a bassa densità. Possono trattarsi di dati di valore sconosciuto, come i feed di dati di Twitter, i flussi dei click in una pagina Web o le quantità di download di un'app mobile, così come dispositivi dotati di sensore che raccolgono informazioni su posizione, cicli o altro. Tutte questi dati, per alcune aziende, possono significare anche decine di terabyte. Per altre, potrebbero essere centinaia di petabyte.
Velocità
La velocità con cui i dati vengono ricevuti e (probabilmente) applicati. Normalmente, per avere la più alta velocità di flusso di dati, si mandano direttamente nella memoria, piuttosto che essere scritti su un disco. Alcuni prodotti smart pensati per Internet operano in tempo reale (o quasi) e richiedono una valutazione, analisi e un'azione immediata.
Varietà
La varietà si riferisce ai molti tipi di dati disponibili che vengono raccolti da più fonti. I tipi di dati tradizionali sono stati strutturati e adattati perfettamente a un database relazionale, sono dati di tipo omogeneo e tendono ad essere raccolti in maniera verticale da un contesto singolo. Con l'aumento dei big data, i dati arrivano e non sono minimamente strutturati. Non abbiamo solo fonti differenti e non armoniche, ma parliamo di tipi di dati non strutturati e semi-strutturati, come testo, audio e video, che richiedono un'ulteriore pre-elaborazione per ricavarne un significato e supportare i metadati.
Dopo queste prime tre V che sono state definire da Gartner, ne sono uscite altre due che oggi contribuiscono a capire la dimensione reale del fenomeno big data: Valore e Veridicità.
Valore
I dati hanno un valore intrinseco, che è inutile fino a quando non viene scoperto per che scopo usarli e come, in quale contesto e per quale mercato. Ma sono indubbiamente un valore che determina anche l'andamento della borsa, quando sono correlati ad utilizzi commerciali diretti.
Veridicità
L'ultima V è altrettanto importante: quanto sono attendibili i tuoi dati e quanto puoi contare su di essi?
Oggi i big data sono diventati capitali. Pensa ad alcune delle più grandi aziende tecnologiche del mondo. Gran parte del valore che offrono deriva dai loro dati, che vengono costantemente analizzati per produrre maggiore efficienza e sviluppare nuovi prodotti.
I recenti progressi tecnologici hanno ridotto esponenzialmente il costo di archiviazione e calcolo dei dati, rendendo più facile e meno costoso memorizzare più dati che mai. Con un volume maggiore di big data ora più economico e più accessibile, puoi prendere decisioni aziendali più accurate e precise.
Trovare il valore nei big data non significa solo analizzare le informazioni (che è un altro vantaggio). È un intero processo di scoperta che richiede studi approfonditi, utenti e dirigenti in grado di porre le domande giuste, riconoscere i modelli, fare ipotesi in grado di riconoscere le dinamiche.
Senza i big data la cultura aziendale data-driver non esisterebbe: 10 anni fa, gli stessi big data non erano quello che sono oggi e non permettevano di prendere decisione data-driver a 360°. Tutti e cinque le V che definiscono i big data erano a livelli più bassi.
Ma forse ancora più importante, non c'era molta esperienza nel lavorare con i big data ed usarli per guidare il processo decisionale nelle aziende. A quel tempo, la domanda che molti si ponevano era se avere tutti quei dati fosse utile e si pensava a come utilizzarli al meglio.
Oggi, quanto possano valere i dati è stato dimostrato da chi è riuscito a costruire processi decisionali con l’analisi di mercato, produzione, consumi e qualunque altra cosa, e ci troviamo di più nella fase del “come ottenere” più dati rilevanti.
La Business Intelligence
La Business Intelligence (detta anche BI) è un processo tecnologico che viene messo in piedi per l'analisi dei dati aziendali, che vengono presentati come informazioni in un modo che permetta di essere compreso e utilizzato dai manager per prendere decisioni aziendali consapevoli. Vogliamo arrivare al processo di data-driven decision?
Dobbiamo passare non solo per la raccolta dei big data, ma anche, e sopratutto attraverso la business intelligence.
Questa permette di prendere i numeri e presentarli in reportistiche di vario genere, permette agli utenti di modificare le viste operando delle semplici query visuali, presenta grafici e statiche comparate... ovvero organizza i dati raccolti e li fa "comprendere" per permettere alla persone che devono adottare decisioni di capirli facilmente.
L'uso sporadico del termine business intelligence risale almeno, nei paesi di lingua anglofona al 1860, ma è il consulente Howard Dresner quello che l'ha proposta per la prima volta (nel 1989 )come una frase che intende l'applicazione di tecniche di analisi dei dati a supporto dei processi decisionali aziendali.
A volte si confonde il termine business intelligence con quello di business analytics. La differenza tra i due termini è sostanziale perché rappresentano due momenti ben diversi del processo decisionale guidato dai dati. La BI si fa domande che indagano l'origine: "cosa è successo?", "quando è successo", "chi l'ha fatto?", "quante volte?". La BA indaga il significato: "perché è successo?", "potrebbe succedere ancora?", "cosa succederebbe se cambiassimo questo valore?", "cos'altro ci dicono questi dati che non ci siamo mai chiesti?".
I potenziali benefici degli strumenti di business intelligence sono molteplici e sicuramente dobbiamo elencare l'accelerazione e il miglioramento del processo decisionale, l'ottimizzazione dei processi aziendali interni, l'aumento dell'efficienza operativa... con conseguenti possibili ripercussioni sull'aumento dei ricavi e l'acquisizione di un vantaggio competitivo rispetto ai concorrenti commerciali. I sistemi di BI possono anche aiutare le aziende a identificare le tendenze del mercato e individuare i problemi aziendali che devono essere affrontati in modo repentino, prima che si creino metastasi all'interno dei processi e flussi di lavoro.
I dati di BI possono includere le informazioni storiche memorizzate in un data warehouse, nonché i nuovi dati raccolti dai sistemi primari, mentre vengono generati, consentendo agli strumenti di BI di supportare sia i processi decisionali strategici che quelli tattici.
Inizialmente, gli strumenti di BI venivano utilizzati principalmente dagli analisti di dati e da altri professionisti IT che eseguivano analisi e producevano report con risultati di query per gli utenti aziendali. Sempre più spesso, i dirigenti aziendali e gli impiegati utilizzano piattaforme BI in autonomia, grazie in parte allo sviluppo di software di BI e le dashboard grafiche personalizzabili con pochi click.
Come arrivare al data-driven decision process
È facile lasciarsi travolgere dalle possibilità offerte da un mondo di dati in quantità incredibile, con la voglia di raccoglierli tutti, analizzarli tutti... e perdersi facilmente nel rumore e nel clamore di tutti questi dati che ti circondano. Prima di partire con l'idea di arrivare ad un processo decisionale che viene guidato dai dati è importante fermarsi un attimo e pensare alla propria strategia: iniziamo, prima di raccogliere informazioni, chiedendoci cosa sta cercando di raggiungere l'azienda, quali sono gli obiettivi. Sono questi che ti dicono su che dati focalizzarsi.
Per fare questo bisogna identificare quali aree di business, quali elementi all'interno dei processi sono i più importanti per raggiungere gli obiettivi aziendali. Se potessi lavorare solo sul miglioramento di una o due aree, quale sceglieresti? Per la maggior parte delle aziende, le aree clienti, finanziarie e operative sono le parti fondamentali da considerare.
Dopo aver capito quali sono le aree nelle quali si è interessati ad acquisire i dati, per ottenere informazioni utili alla propria strategia, arriva il momento di capire quali sono le domande da fare, relative a quali processi ed elementi. Si tratta, quindi, di capire esattamente "cosa ho bisogno di conoscere".
Il passo successivo è identificare quali sono i dati a cui è necessario accedere o che bisogna acquisire per rispondere a queste domande. È davvero importante capire che nessun tipo di dato è intrinsecamente migliore o più prezioso di un altro. Ci si deve concentrare sull'identificare i dati ideali, quelli che ti permettono di rispondere alle domande che ti vuoi fare per raggiungere gli obiettivi strategici. Non basta aver identificato quali dati: si deve anche procedere a valutare quali sono le migliori opzioni per la raccolta di dati, in base alla facilità con cui i dati possono essere raccolti, alla rapidità e al costo effettivo che comporta la raccolta.
Il primo step logico è partire da quello che già si ha: una volta identificati i dati di cui si ha bisogno, è logico verificare se si è già in possesso di alcune di queste informazioni, anche se possono risultare non immediatamente evidenti. Si dovrebbe procedere a una verifica sui dati interni, per conoscere tutto ciò che al momento l'azienda ha a disposizione o a quali dati potrebbe accedere senza sforzi. Se i dati non esistono già, quindi, bisogna trovare il modo per raccoglierli, mettendo in pista sistemi di raccolta dati, acquisendo o accedendo a dati esterni.
Conoscere il costo che la raccolta di un dato comporta è determinante, perché ci permette di valutare, stando gli effetti e le conseguenze che si presuppongono dall'acquisizione del dato, se è conveniente raccoglierlo. Si tratta di capire se i benefici tangibili superano tali costi di acquisizione. A tale riguardo, dovresti trattare i dati come qualsiasi altro investimento aziendale importante. È necessario fare chiarezza sull'investimento che delinea il valore a lungo termine dei dati nella strategia aziendale. Anche se il costo dei dati è in costante calo, può comunque essere un costo importante - e non giustificato, in alcuni casi. Questo è il motivo per cui è fondamentale concentrarsi solo sui dati di cui si ha veramente bisogno. Se si ritiene che i costi superino i benefici, è meglio pensare ad altre fonti di dati.
Gran parte del lavoro successivo, ovvero passare alla raccolta del dato, si traduce nella creazione dei processi e nella gestione delle persone che saranno deputati alla raccolta e che gestiranno i dati.
Prossima fase, l'analisi del dato.
È necessario analizzare i dati al fine di estrarre informazioni utili sul business. Dopo tutto, non ha senso aver fatto tutta questa strada e aver messo in piedi un sistema complesso di raccolta dati, se poi questi dati non servono per insegnarti qualcosa di nuovo. Negli ultimi anni abbiamo assistito a un'esplosione del numero di piattaforme disponibili per l'analisi dei big data. Alcune piattaforme non richiedono altro che una conoscenza operativa di Excel, il che significa che la maggior parte dei dipendenti può immergere le dita dei piedi nell'analisi dei big data. Tuttavia, in molti casi, i dati richiedono una mano analitica più esperta. E' qui che entra in gioco la Business Intelligence, per permettere a questi dati di essere organizzati e presentati in forma visuali, in modo che siano comprensibili al management e utili per prendere le successive decisioni.
Se queste informazioni non vengono presentate alle persone giuste nel momento giusto... sono pressoché inutili. È necessario assicurarsi che le informazioni acquisite dai dati vengano utilizzate per informare le keypeople nel momento giusto del processo decisionale e, in definitiva, aiutarli a migliorare le prestazioni.
Alla fine, è arrivato il momento in cui è necessario applicare gli approfondimenti dai dati al processo decisionale, prendendo le decisioni che trasformeranno il business in meglio ... e poi agire in base a tali decisioni. Trasformare i dati in azioni è il senso di questo viaggio.