L’innovazione di processi e modelli di business è in continua accelerazione e, nel corso degli ultimi anni, in diversi ambiti, si è riscontrato un notevole fermento a livello di nuove iniziative. In particolare, l’utilizzo strategico dei Dati – attraverso implementazioni Big Data e modelli/algoritmi di Data Science – appare oggi una delle principali leve per generare importanti miglioramenti nei processi aziendali e supportare lo sviluppo/ampliamento delle linee di ricavi. Pochi trend tecnologici hanno raggiunto la notorietà dei Big Data e, come sempre in questi casi, soprattutto nel nostro paese, si è generato un elevato livello di confusione che ha portato il mercato verso un profondo stato di disillusione.
Per questo motivo, le aziende hanno oggi bisogno di essere accompagnate in modo strutturato nel percorso verso i Big Data, partendo dalla comprensione delle opportunità offerte da questa “tecnologia”, fino ad arrivare alla comprensione di quelli che sono gli asset interni/esterni necessari per arrivare ad un modello di gestione realmente Data-Driven.Se guardiamo alle motivazioni per cui un’azienda potrebbe valutare di approcciare il mondo dei Big Data e della Data Science, troviamo quattro diversi macro-obiettivi – non mutuamente esclusivi – potenzialmente perseguibili.
Ognuno di questi obiettivi può essere traguardato con uno scope più o meno ampio, andando quindi a lavorare su:
-ritorni per l’azienda nella sua interezza (es. più di un cantiere di lavoro che ricade nelle categorie successive)
-ritorni per una specifica funzione aziendale (es. funzione HR)
-ritorni per un’area verticale, attività o processo (es. eCommerce)
Ognuna di queste casistiche, al netto dell’obiettivo di fondo, presenta un effort molto differente sotto diversi punti di vista, come, ad esempio, scelte di Make-or-Buy per lo sviluppo di algoritmi, impatti dal punto di vista dell’organizzazione e delle competenze, introduzione di nuove tecnologie e upgrade nella gestione dei dati e della loro qualità. Secondo un survey, i progetti Big Data hanno avuto un esito negativo nel 55% dei casi e, quasi sempre, questo è stato dovuto alla mancanza di un approccio omnicomprensivo al problema.
Per questo motivo, il percorso di accompagnamento con cui accompagniamo le imprese su questo terreno:
– Parte da una vista di stampo strategico, che non può prescindere da un benchmark con quello che accade sul mercato e in altre realtà
– Entra nello specifico dei dati, andando a verificarne fin da subito l’idoneità e le potenzialità per implementare un modello di Data Science
– Definisce un piano di azione puntuale, che parte dalla prioritizzazione delle aree che devono migrare verso un approccio Data-Driven e raccoglie gap trasversali/verticali che devono essere risolti per garantirne la sostenibilità
– Avvia cantieri verticali di lavoro per mettere a terra il modello Data-Driven, partendo dall’eventuale ridefinizione di modelli organizzativi e dall’introduzione di nuove competenze (es. Data Scientist), fino ad arrivare a piani di evoluzione tecnologica (es. SW di Data Science, nuove fondi di dati, ecc.) e sviluppo di algoritmi POC da implementare in grande scala.
*di Paolo Pellegrini, Senior Consultant presso P4I – Partners4innovation
