Come utilizzare e impatto strategico dei Big Data in azienda

Impatto strategico dei Big Data

La sfida più importante per la maggior parte delle aziende e organizzazioni moderne è quella di riuscire ad acquisire un vantaggio competitivo analizzando i dati. Le organizzazioni sia pubbliche che private stanno diventando sempre più delle grandi “fabbriche di dati”. Noi stessi contribuiamo costantemente, consapevolmente e spesso anche inconsapevolmente, alla “produzione di dati”. Con il termine “Big Data”, che letteralmente significa “Grandi dati”, ovvero grandi quantità di dati, ci si si riferisce in pratica ad un dataset la cui dimensione va al di là della capacità di un database normale di catturare, memorizzare, gestire e analizzare i dati.

A tal proposito, i Big Data permettono di cambiare l’approccio nella gestione aziendale: si passa dall’abilità manageriale del top management, dove l’esperienza e la capacità di fare previsioni assumono un ruolo chiave, ad una cultura del decision making supportata dai dati, secondo la quale i principali driver nel prendere le decisioni saranno i risultati delle analisi dei dati effettuate dagli analisti ed esperti del settore. In ambito aziendale, i Big Data vengono utilizzati principalmente per due ragioni: a scopo analitico, in quanto forniscono alle imprese utili intuizioni ed analisi sulle loro performance, nonché dei supporti quantitativi per il decision making; d’altro canto, i Big Data permettono alle aziende di sviluppare applicazioni e servizi in tempo reale che si avvalgono delle imponenti moli di dati digitali per creare valore per il cliente finale, valore che sarebbe impossibile ottenere altrimenti. Nonostante i risultati positivi che si riscontrano dell’utilizzo dei Big Data, la maggior parte delle organizzazioni non ha ancora implementato in modo sistematico delle tecniche di analisi dei dati per la gestione aziendale, sia per la mancanza di un adeguato know-how nella gestione e utilizzo effettivo di grandi moli di dati, sia per difficoltà di tipo tecnico. Ciononostante, l’utilizzo dei Big Data sarà sempre più pervasivo in tutti i livelli delle organizzazioni.

Per quanto riguarda il decision making, l’organizzazione si affida principalmente alla capacità del top management di fare previsioni sulla base dell’esperienza e del loro intuito. Tuttavia, ancora al tempo di oggi, le persone si affidano troppo all’esperienza e all’intuizione e non abbastanza ai dati. Il management deve chiedersi cosa dicono i dati e interrogarsi sulla loro provenienza, affidabilità e sul tipo di analisi che è stata condotta; in secondo luogo, dovrebbero lasciarsi guidare nelle decisioni dalle evidenze portate dai dati stessi. Dunque, vi è una trasformazione del processo decisionale con la conseguente introduzione della scienza nel management. Ora i manager si basano su un processo scientifico nel prendere le decisioni: si parte dalla formulazione di ipotesi, l’effettuazione di esperimenti per testarle, l’analisi rigorosa dei risultati quantitativi prima di prendere una decisione, basandosi su risultati empirici.

L’implementazione di tecniche di analitica dei Big Data necessita la valutazione di alcune conseguenze fondamentali:

nuove sfide per il management: il management dovrà essere in grado di porsi le domande giuste, di definire obiettivi chiari. L’organizzazione necessita di manager che, sfruttando anche il potenziale dei Big Data, sappiano cogliere le nuove opportunità e gli sviluppi del mercato, elaborare progetti di ampio respiro e coinvolgere in essi le persone e gli stakeholder in maniera costruttiva per realizzarli. Per raggiungere tali obiettivi, i manager hanno bisogno di valorizzare e comprendere il valore dei dati che hanno in possesso. È fondamentale catalogare i dati, inclusi quelli ai quali si ha potenzialmente accesso, per rendersi conto del loro valore effettivo e, successivamente, integrare i dati di proprietà con quelli provenienti dall’esterno. Inoltre, cambia il ruolo del decision maker, che richiede la capacità del management di creare un’organizzazione flessibile e in grado di massimizzare la collaborazione tra le varie funzioni aziendali;
creazione di valore, opportunità e rischi: identificazione delle potenzialità di creazione di valore e dei rischi da tenere in considerazione, controllando periodicamente l’ambiente circostante e conducendo esperimenti utilizzando i Big Data, in modo da implementarli direttamente nei processi aziendali. Per creare valore, non è necessario utilizzare fin dall’inizio complessi sistemi di analisi dei dati, bensì procedere gradualmente con l’obiettivo di costruire nel lungo periodo una solida base. Il primo passo consiste nella digitalizzazione dei dati, strutturarli ed organizzarli in modo che siano utilizzabili per le analisi. Successivamente, ci si occupa di rendere i dati disponibili, integrando vari dataset per avere informazioni complete; il terzo passaggio consiste nell’applicare tecnologie base di analisi dei dati, con tecniche abbastanza standard, che non richiedono competenze specialistiche. Infine, il livello più avanzato permette di applicare sofisticate analisi dei dati, come algoritmi automatici ed analisi dei dati in tempo reale, che permettono di ottenere nuove prospettive e modelli. Il valore che le aziende possono ottenere deriva, dunque, non soltanto dall’utilizzo di dati propri, ma anche dall’aggregazione dei dataset a disposizione con altri dati (pubblici o ottenuti da terze parti a pagamento); inoltre, con un sistema efficiente di analisi dei dati sviluppato internamente, le imprese possono ambire a costruire un modello di business accessorio che affianchi il core business;
costruire le competenze: è fondamentale per le imprese reclutare team di Data Scientist, Computer Scientist e statistici in grado di lavorare con grandi quantità di dati, con il fine di avere analisi corrette e chiare a disposizione del proprio business, figure professionali che, secondo le previsioni, saranno sempre più richieste. Tuttavia, ciò non è sufficiente in quanto è necessario formare i manager e i dipendenti al nuovo approccio e alle nuove metodologie decisionali portate dai dati, facendo sì che vi sia collaborazione ed una comunicazione efficace tra il team tecnico e i decision maker;
implementare una nuova tecnologia: un aspetto chiave risiede nella tecnologia che possiede l’organizzazione; i costi per accedervi si sono molto abbassati negli ultimi anni, e non sono particolarmente costose. Infatti, molti software per analizzare i dati sono open source. Molte aziende avranno bisogno di investire nuovamente in software, hardware e servizi in grado di analizzare grandi set di La tecnologia è una condizione necessaria ma non sufficiente per implementare una strategia data-driven in quanto non deve mancare una visione d’insieme della strategia aziendale, focalizzata sul cliente. È opportuno, però, iniziare ad implementare le nuove strategie con progetti precisi e di ampiezza limitata con l’obiettivo di costruire delle competenze solide basandosi su procedure che funzionano su piccola scala, per poi espanderle in progetti di dimensioni più ampie.