CONSIDERAZIONI CONCLUSIVE
CAPITOLO 2 L’ADOZIONE DEI SISTEMI DI BUSINESS
2.4 L’IMPLEMENTAZIONE DEI SISTEMI DI BUSINESS ANALYTICS
Un modello molto utile per discutere sull’implementazione della BA, è quello proposto da Brands e Holtzblatt52, che rappresenta una road map che indica quali sono i passi da seguire per l’introduzione della business analytics in azienda. Un importantissimo elemento da sottolineare è che non esiste una strategia per l’implementazione valida erga
omnes ma, al contrario, è necessario adattare il sistema alle reali necessità e peculiarità
che la specifica azienda presenta.
Figura 1 - Road Map per introduzione BA. da: Brands e Holtzblatt (2015)
50 Schläfke et al. (2012) 51 Cfr. Paragrafo 3.7 e Paragrafo 5.3 52 Brands e Holtzblatt (2015) Definizione dell'obiettivo Definizione dell'organizzazione strutturale Creazione di un team inter- funzionale Preparazione del modello di BA e piano d'utilizzo Selezione del SW e pianificaizone del training Implementazione e fase di testing Valutazione e revisione periodica
31
La road map si compone di sette fasi, cosi riassunte52:
1) Definizione dell’obiettivo della BA, è necessario domandarsi “Per quale motivo vogliamo introdurre la business analytics?”, “A quale necessità volgiamo far fronte?”. Determinando il/gli obiettivo/i è possibile focalizzarsi sulle priorità e ivi indirizzare le risorse.
Se si fallisce la comprensione del problema, potremmo ritrovarci a risolvere un problema che, probabilmente, non esiste53.
2) Definire l’organizzazione strutturale, le alternative che si presentano di fronte riguardano una struttura centralizzata, che prevede il top management come principale utilizzatore della BA; la struttura decentralizzata fornisce anche ai livelli più bassi della gerarchia aziendale la possibilità di utilizzare in maniera diretta (quindi senza la richiesta ai responsabili funzionali) la business analytics. 3) Creazione di un team inter-funzionale, in cui i responsabili del controllo di
gestione sono le figure di riferimento dato che conoscono l’azienda nel suo complesso ed hanno esperienza nel decision making. Un altro soggetto chiave del team è il responsabile IT, indispensabile per identificare il fabbisogno informativo e informatico dell’azienda.
4) Preparare un modello di BA e un piano per il suo utilizzo, in questa fase si vanno a determinare i contorni del modello e a specificare come dovrà tecnicamente funzionare al fine di soddisfare le esigenze ed essere utile a risolvere il problema precedentemente identificato.
5) Selezionare un software e pianificare un training, è una fase critica nella quale il responsabile IT e il controller collaborano al fine determinare sotto il profilo tecnico e quello economico, quale sia il software verso il quale orientarsi. Inoltre dovrà essere prevista una fase di addestramento tecnico per il personale utilizzatore.
32
6) Implementazione e fase di testing, in questa fase si va a mettere in pratica quanto prima pensato e programmato, con l’effettiva implementazione, nella quale un
project team proveniente dal soggetto rivenditore/istallatore, si occuperà di questa
fase.
Prima del go live verranno fatti tutta una serie di test per definire se il software funziona e se genera le informazioni volute.
7) Valutazione e revisione, la fase finale è utile per determinare che il sistema sia sempre all’altezza delle necessità e, qualora non rispetti i bisogni, sarà necessario ripartire dalla prima fase.
Dalla bontà dell’applicazione della road map appena presentata, si determina la corretta riuscita dell’applicazione dei sistemi di business analytics.
Sottostimare le possibilità offerte da questi sistemi, oppure effettuare una errata valutazione in una o più fasi, può significare il fallimento del progetto oppure, nel peggiore dei casi, si rischia che l’azienda non sia tecnicamente in grado di reggere alla pressione competitiva e sia determinata a scomparire in breve tempo, o non essere più protagonista del mercato in cui opera.
CONSIDERAZIONI CONCLUSIVE
Ciò che emerge da quanto visto in questo capitolo è come l’introduzione della business
analytics possa realmente portare dei vantaggi considerevoli nei confronti dell’azienda
che li utilizza.
L’utilità della BA non è in discussione perché, come visto nel capitolo, la sua applicazione nei singoli reparti aziendali porta notevoli vantaggi e, con le modifiche avvenute nei mercati di sbocco, risulta essere un indispensabile fonte durevole di valore per il cliente. I principali vantaggi di cui l’azienda può giovare riguardano la possibilità di migliorare la conoscenza dei propri clienti e delle dinamiche competitive del mercato nel quale opera, tramite la possibilità di analizzare e aggregare dati che, in precedenza manualmente risultava complicato fare, nonché raccogliere dati dei quali si ignorava l’utilità.
33
A tal proposito è utile fare riferimento ad alcuni specifici casi di studio che dimostrano i benefici che alcune grandi aziende hanno avuto dall’implementazione dei sistemi di
business analytics54:
1) “Da un approccio prodotto-centrico ad uno cliente-centrico. Caso Grandi Navi
Veloci”
Grandi Navi Veloci (GNV), uno dei principali compagnie navali italiane operanti nel Mediterraneo, trovandosi nella necessità di migliorare il processo di allocazione delle flotte e equipaggi sulle singole tratte (e di aumentare la percentuale di riempimento delle singole corse), si è trovata di fronte l’esigenza di migliorare la conoscenza del cliente permettendo di aumentare la rapidità ed efficienza delle azioni commerciali. Ciò che è stato deciso è stato di rendere più flessibile l’allocazione delle navi sulle singole tratte, a seconda della domanda del periodo.
La soluzione di BA che GNV ha deciso di adottare è stata quella di operare una micro-segmentazione della clientela, utilizzando dati socio-economici, comportamentali e culturali; in questo modo è stato possibile perfezionare le strategie di pricing, utilizzando i fattori chiave di acquisto per ogni cluster di clienti. L’azienda può così monitorare in tempo reale l’andamento della domanda, e può adattare di conseguenza l’offerta, tramite le informazioni ottenute dall’analisi dei dati, sia di fonte interna (canale d’acquisto, data, prezzo di vendita, sistemazione a bordo, ecc.) che esterna (prevalentemente da indagini di mercato).
Con i dati a disposizione, l’azienda ha cercato di ampliare il portafoglio clienti tramite la personalizzazione dell’offerta, anche sulla base del canale scelto per l’acquisto (diretti o tramite intermediario).
In sintesi i benefici di cui Grandi Navi Veloci ha potuto usufruire riguardano: - Migliore gestione dell’offerta, tramite una maggiore efficienza nella
personalizzazione dell’offerta e del prezzo;
- Miglioramento della conoscenza dei clienti e velocizzazione del processo stesso. Questa operazione non è stata esente da problematiche: infatti la mancanza di esperienza nella gestione di processi con l’utilizzo dei sistemi di BA ha rallentato il processo di espressione dei benefici da parte dei nuovi sistemi.
54 Case study tratti da “Osservatorio Big Data Analytics & Business Intelligence” della School of Management del Politecnico di Milano
34
Come riscontrato in questo caso, e analizzato in precedenza (cfr. paragrafo 2.3.1), la mancanza di competenza e esperienza dei soggetti dedicati alla gestione dei sistemi di business analytics è un elemento limitante, soprattutto nel panorama italiano, dove la figura del cosiddetto “data scientist” è ancora giovane e poco diffusa.
2) “L’ottimizzazione della flotta tramite una piattaforma di Analytics. Caso Europcar” Europcar Italia è un’azienda di noleggio auto facente parte del gruppo internazionale Network Europcar, diffuso in 150 paesi, nei principali aeroporti, stazioni e grandi città.
Il principale motivo che ha spinto Europcar Italia a intraprendere la strada dei BA è stata quella di rispondere all’esigenza, imposta dai cambiamenti nel mercato, di ottimizzare la capacità produttiva, a parità di qualità del servizio offerto, in relazione alla domanda di servizio da parte dei clienti. Essenzialmente ciò comporta la necessità di mettere a disposizione la propria flotta di autovetture ai clienti nel luogo e nel momento in cui essi manifestano la necessità di utilizzarli.
Conoscendo le informazioni relative alla provenienza geografica, canale di acquisto utilizzato, tipologia di tariffa scelta (chilometraggio limitato o illimitato), ecc., l’azienda può offrire servizi personalizzati e al contempo organizzarsi logisticamente in maniera più efficiente, rendendo disponibile l’auto scelta nel luogo e all’ora desiderata.
Internamente l’azienda ha sviluppato un modello di analisi (di tipo statistico) in grado di prevedere la distribuzione geografica di auto, partendo dai dati storici e dalle prenotazioni, suddividendo per clientela, zona e categoria di auto. Dopo la iniziale fase di sviluppo, a pieno regime il sistema ha permesso di migliorare la pianificazione della flotta, mantenendo gli standard di qualità del servizio e minimizzando l’invenduto, permettendo anche interventi sulle politiche di prezzo.
I benefici ottenuti da questa tipologia di progetto sono quantificabili in un aumento della rotazione del parco macchine del 5-10%, riduzione delle necessità di investimenti in nuove auto (migliore utilizzo significa maggiore durata del mezzo e minori costi generali del parco macchine) e riduzione del costo di manutenzione e magazzino.
Le criticità riscontrate si riferiscono alla dimostrazione dei benefici, da parte della divisione Italia, nei confronti del gruppo internazionale; per ridurre questo problema,
35
Europcar ha sviluppato in parallelo la parte IT e quella funzionale, riducendo momenti di scarse performance dovuti alle simulazioni di scenari con enormi moli di dati. In questo modo sono riusciti a diffondere i sistemi di BA anche in altre divisioni nazionali.
Questo caso conferma che l’evidenziazione dei benefici dell’investimento in
business analytics è sempre problematica (cfr. paragrafo 1.1.1), ma che può essere
superata con la perseveranza dei soggetti promotori e l’attesa del manifestarsi dei primi vantaggi, utili a supportare la volontà ad intraprendere questa strada.
3) “Strumenti di analisi dei dati per la predictive maintenance. Caso FPT Industrial” FPT Industrial è una società operante nel settore metalmeccanico, facente parte del gruppo CNH Industrial (controllata da Exor), che si occupa di progettazione, produzione e vendita di motopropulsori per veicoli industriali.
I centri di raccolta dati sono distribuiti a livello globale e, dato l’enorme quantità di dati raccolti, si è reso necessario la determinazione di una strategia di integrazione degli stessi e di utilizzare un sistema di supporto al processo decisionale, nell’ottica del miglioramento continuo.
Il progetto intrapreso ha previsto l’unificazione dei vari database aziendali in un unico data warehouse, per consentire una serie di analisi di primo livello.
Inoltre vengono monitorati e raccolti dati internamente all’azienda ed esternamente nel momento post-vendita (principalmente legati al funzionamento e alla geo- localizzazione, permettendo di avvertire in caso di malfunzionamenti).
Questi dati raccolti premettono di realizzare reportistica relativa ai malfunzionamenti dei prodotti, consentendo di effettuare un programma di predictive maintenance, riducendo il rischio di rottura e guasti dei singoli pezzi.
Con i dati a disposizione, l’azienda è riuscita a dedurre quale fosse il reale utilizzo che i clienti fanno del prodotto, permettendo di migliorarlo e renderlo sempre più adatto alle reali esigenze dei clienti.
I benefici ottenuti da FPT Industrial sono relativi a:
- prevenzione di malfunzionamenti (o altri eventi inattesi) dei prodotti; - miglioramento della qualità dei prodotti durante la fase di sviluppo; - riduzione dei costi di manutenzione.
36
Oltre a questi citati, un beneficio “indiretto” è stato quello dell’utilizzo dei dati su modalità di utilizzo e dati sulla localizzazione geografica alla funzione marketing e vendite, che ha permesso di segmentare più correttamente la clientela migliorare l’offerta.
Le criticità riscontrate riguardano l’uniformità dei dati perché, a causa della forte personalizzazione dei prodotti, è stato necessario introdurre una ulteriore elaborazione dei dati prima del loro utilizzo. A livello di organizzazione interna è stato necessario modificare l’attività dei dipendenti che si occupavano esclusivamente della raccolta dei dati e, inoltre, si è reso necessario che il management modificasse le proprie abitudini, inglobando le nuove informazioni generate.
Come nel caso precedente, anche qui si vede come è necessario che l’azienda riveda, con l’introduzione dei sistemi dei BA, la propria organizzazione interna (Cfr. paragrafi 2.2.1 e 2.4) adattandola ad un nuovo modo di generare informazioni e, conseguentemente, prendere decisioni.
Come visto, avere a disposizione dati di qualità non permette di per sè di raggiungere gli obiettivi preposti, ma è necessario che le aziende devono sempre valutino l’efficacia del processo di raccolta dei dati e estrazione della conoscenza dai dati raccolti, nonché della corretta implementazione dei sistemi di business analytics, in quanto non può essere improvvisata ma, al contrario, necessita di una attenta e capillare pianificazione in merito a tutti gli aspetti analizzati in precedenza (competenze, modalità di utilizzo, obiettivi, ecc.); senza questa attenta pianificazione e implementazione, non si raggiungeranno gli scopi visti e l’investimenti in tempo e denaro rappresenterà un grossa perdita.
I framework presentati nel capitolo sono utili elementi a supporto dell’efficace implementazione, dato che progettare e pianificare dettagliatamente un processo permette all’azienda di migliorare e aumentare il valore apportato dall’utilizzo della BA.
37