La complessità delle organizzazioni è in aumento e la ricerca di nuove aree di crescita, efficienza o competitività implica che le persone specializzate giuste accesso alle giuste informazioni al momento giusto per prendere le giuste decisioni.
Per scoprire questi tipi di approfondimenti, sia i settori aziendali che quelli pubblici devono entrambi elaborare e proteggere in modo appropriato i propri dati e sfruttare qualsiasi vantaggio derivante da dati esterni.
Per ogni organizzazione, l'analisi dei dati deve essere considerato un modo per affrontare i problemi aziendali più complessi e un modo per far fronte alla crescente concorrenza del mercato. Senza incorporare le capacità analitiche dell'organizzazione e integrarle nei processi decisionali, non saranno in grado di prendere le migliori decisioni e rimarranno indietro rispetto ai competitors.
Figura: Business Analytics capabilities
Come sappiamo, per migliorare il posizionamento competitivo, un’organizzazione deve:
• prendere le stesse decisioni più velocemente;
• prendere le stesse decisioni in modo più economico;
• prendere le migliori decisioni;
• innovare prodotti e servizi.
Spesso, Analytics è gestito da diversi ruoli esecutivi all'interno delle organizzazioni e una vasta gamma di funzioni beneficia della capacità disponibile. È necessario aumentare il coordinamento e l'allineamento, sebbene non necessariamente, con la completa centralizzazione, con il fine di sfruttare le opportunità e i vantaggi offerti dai dati aziendali. Stabilire analisi sostenibili in tutta l'organizzazione è importante e richiede un approccio di Data Strategy a supporto di questi obiettivi.
Un'analisi di successo va oltre il semplice utilizzo di dati e tecnologia per generare informazioni.
Le organizzazioni, spesso, non riescono ad ottenere il vero potenziale degli analytics a causa dell'idea sbagliata che l'analisi di successo debba essere guidata dall'IT. Deve essere adottato un approccio più ampio rispetto al concentrarsi solamente su dati e tecnologia. L'organizzazione deve sviluppare soluzioni sostenute dalle giuste capacità analitiche, volte a sviluppare un modello operativo adeguato.
Per questo motivo, una Data & Analytics Strategy deve gestire correttamente i pilastri fondamentali dell’organizzazione, i quali sono:
• Strategy: le nostre ambizioni analitiche sono allineate alla strategia aziendale?
• People: le giuste persone sono coinvolte nell'organizzazione? Ci sono risorse sufficienti con le giuste competenze interne per favorire l’analisi?
• Process: gli sforzi sono concentrati sui giusti progetti ed allineati alla strategia aziendale con l’obiettivo di offrire il massimo valore rispetto al rischio?
• Data: le misure e le dimensioni sono definite centralmente con gerarchie, calcoli, definizioni KPI concordate? I dati sono gestiti attivamente tenendo conto dei processi, delle persone e della tecnologia?
• Technology: le soluzioni analitiche sono conformi alle best practices?
Ciò consente l’introduzione degli analytics nel processo decisionale, dando un ruolo fondamentale all’analisi dei dati nello sviluppo della strategia aziendale, con soluzioni tecniche in grado di supportare e sostenere questo processo.
Come già evidenziato nel precedente capitolo, per far fronte alla crescente complessità, molte organizzazioni hanno scelto di creare nuove posizioni di leadership, come il Chief Analytics Officer e il Chief Data Officer.
Questi ruoli assumono tutte le considerazioni sul Target Operating Model, Talent, Risk, Data Governance e Growth, con l’obiettivo di integrare l'analisi nel “business as usual” per un'organizzazione.
L’Analytics deve essere esplicitamente allineata agli obiettivi aziendali e focalizzata sull'integrazione dell'analisi nel processo decisionale, generando un valore aziendale misurabile.
Ciò che è importante è identificare la giusta funzione di analisi e adottare un modello operativo su misura sia per le esigenze attuali aziendali, nonché per esigenze potenziali. Le dimensioni, la scala e il livello di influenza della funzione Analytics si evolveranno nel tempo sempre più che la percezione del business su di essa e la richiesta di insights aumentino.
Dunque, sfruttando il lavoro della funzione Analytics, l’organizzazione può ottenere i seguenti vantaggi:
• Prendere le migliori decisioni, unendo i punti tra i silos aziendali;
• miglioramento della velocità e dell'affidabilità, riducendo i costi del processo decisionale;
• promuovere l'innovazione in prodotti, servizi ed operazioni interne;
• semplificazione dell'apprendimento, dello sviluppo e della condivisione delle conoscenze;
• governare l'uso dell'analisi in modo non pervasivo.
Dalle best practices si possono dedurre 4 modelli, in particolare:
• Centralizzato;
• Competence center;
• Funzionale;
• Distribuito.
Figura: I 4 modelli
Da tutto ciò, possiamo evincere che un Analytics Operating Model deve essere:
• coerente con le principali caratteristiche dell'organizzazione;
• definito considerando l'effettiva importanza strategica degli Analytics;
• allineato con il livello di maturità degli Analytics nell'ecosistema aziendale.
La Data Strategy è, generalmente, una strategia composta da tre fasi:
1. Assestment: analisi delle attuali capacità di analisi e rapido sviluppo del Proof of Concepts per identificare sfide ed opportunità;
2. Roadmap Definition: sviluppo di una strategia e una visione a lungo termine per analytics, dando priorità ai progetti che permettono di raggiungere questo obiettivo;
3. Deliver: avvio del programma e consegna della roadmap.
Nelle organizzazioni, l'atto di prendere una decisione “gut feeling”, pur supportato da una profonda conoscenza ed esperienza, è spesso guidato da una mancanza di fiducia o accesso a dati ed intuizioni che supportano il processo decisionale. Dato che risolvere i problemi di base della qualità e dell'accesso ai dati è solo una parte della sfida aziendale, cambiare percezioni profondamente radicate è altrettanto importante per realizzare i vantaggi di una migliore comprensione. Inoltre, la resistenza alle implementazioni analitiche è fattor comune ad ogni organizzazione. Man mano che un'organizzazione cresce nella sua capacità di attingere e sfruttare le intuizioni, così come la sua capacità di evidenziare comportamenti senza valore aggiunto, può ridurre i costi interni. Ciò richiede molteplici livelli di collaborazione, comunicazione, formazione e gestione delle modifiche, ma, soprattutto, è necessario disporre di risorse con il giusto equilibrio tra competenze tecniche e commerciali che garantiscano la corretta esecuzione degli analytics.