CAPITOLO 4 – LA GESTIONE DELLE INFORMAZIONI A
3. La logica Data-Driven e gli effetti sulla gestione
La sempre più crescente disponibilità di dati in circolazione sta comportando la generazione di una vera e propria Data-Driven Economy, in cui la capacità di acquisire e gestire dati e informazioni diviene un aspetto centrale per tutte le organizzazioni18.
Figura 32 – Data-driven company
Rielaborazione da una presentazione di Paolo Pellegrini, Senior Consultant e Responsabile della Practice Data-Driven di Innovation Partners4Innovation
È importante sottolineare comunque che certamente l’accesso a una simile quantità di dati può agevolare le imprese in termini di disponibilità di informazioni e di conoscenza, d’altro canto se non gestiti adeguatamente possono presentarsi dei riflessi negativi.
18 Data Driven Economy: che cos’è e perché è così importante – Luglio 2018 – disponibile su
know.cerved.com
DATA-DRIVEN COMPANY
Azienda che utilizza i dati in maniera opportuna per supportare i processi decisionali a tutti i livelli, siano essi strategici, direzionali o operativi
Conoscenza del business Supporto alle decisioni
strategiche, al monitoraggio degli obiettivi e degli indicatori
di performance, attraverso sistemi di reportistica e di data visualization evoluti
Efficacia ed efficienza Utilizzare i dati per analizzare i processi al
fine di renderli più performanti e migliorarne l’efficacia, supportando i decision
makers con algoritmi intelligenti
Nuove fonti di ricavi Ampliamento delle fonti
di ricavi aziendali, tramite la rivendita diretta dei propri dati o
tramite il loro utilizzo per sviluppare e fornire
nuovi servizi ai clienti finali
Pensare che all’aumentare dei dati a disposizione della aziende si vada ad accrescere il package informativo può essere una valutazione distorsiva. Innanzitutto, in fase di raccolta sistematica dei dati, all’interno di essi ve ne sono alcuni che sono adeguatamente utilizzabili e interpretabili, altri che invece per diversi motivi non forniscono alcuna indicazione (si pensi ad esempio ad alcuni dati per i quali vengono a mancare i meta-dati necessari per contestualizzare l’analisi). Ulteriormente, una volta individuati e scartati i dati dai quali non è possibile trarne alcuna informazione significativa e che non sono inseribili all’interno dei sistemi di analytics, tra i dati interpretabili è possibile scindere tra coloro che, una volta elaborati, consentono di ottenere delle informazioni rilevanti in relazione allo scopo conoscitivo, altri che invece vengono etichettabili come “rumore” e che quindi non forniscono una certa rilevanza rispetto al contesto di analisi19.
Ma il vantaggio di un approccio Data-Driven non risiede semplicemente nella mera disponibilità dei dati attraverso processi di acquisizione ed elaborazione, ma nell’effettivo utilizzo che se ne fa dei dati in proprio possesso, supportando la gestione aziendale dal punto di vista operativo ma soprattutto decisionale.
Tra gli aspetti che più suscitano interesse nell’ottica di un miglior sfruttamento dei dati rientra il Machine Learning e l’intelligenza artificiale, tramite i quali è possibile elaborare una mole enorme di dati ed estrarre modelli e informazioni precedentemente neanche immaginati, dai quali trarre spunto per sviluppi operativi e strategici. Un esempio tra i tanti può essere lo sfruttamento dei dati derivanti dai sistemi di geolocalizzazione, tramite i quali è possibile fornire al cliente un servizio ottimizzato in relazione al posto in cui si trova. Così come può essere utile analizzare il flusso di persone in una determinata zona, e i dati relativi ai competitor presenti nell’area per valutare opportunamente la convenienza ad aprire uno store e capire come presentarsi al cliente nel miglior modo.
Lo scopo in definitiva è quello di individuare nuove frontiere, possibilità di sviluppo e miglioramento che solo attraverso l’utilizzo della tecnologia è possibile ottenere. Anche per questi motivi l’approccio data driven si collega efficacemente a tutti gli sviluppi connessi alla Business Intelligence, come appunto i Big Data e Analytics, Data Science, Intelligenza Artificiale, machine learning e deep learning20.
I dati stanno acquisendo progressivamente un ruolo cruciale per l’acquisizione di vantaggio competitivo in quanto consentono di approfondire la conoscenza su molteplici
19 BALDASSARRE, MICHELE - Informazione, Conoscenza, Didattica: La sfida dei big data al mondo
della formazione - Versione finale: 25 settembre 2016
20 CHEN, HSINCHUN; CHIANG, ROGER H. L.; STOREY VEDA C. - Business intelligence and
aspetti in maniera decisamente più incisiva rispetto al passato, innescando da parte delle aziende che sfruttano adeguatamente i dati un processo di costante miglioramento. Le nuove tecnologie digitali rappresentano il perno intorno al quale è possibile costruire un sistema che consenta di gestire al meglio la data revolution e al contempo a fornire degli insights significativi utili a orientare la gestione aziendale, ponendo un focus al cliente in quanto elemento sempre più centrale sul quale ruotano le decisioni di business21.
Alla capacità delle imprese di sfruttare al meglio l’enorme mole di dati di cui dispongono, si ricollega il concetto di Data Monetization. Gartner fornisce la seguente definizione: “Data Monetization refers to using data for quantifiable economic benefit.
This can include indirect methods such as: measurable business performance improvements, beneficial terms or conditions from business partners, information bartering, productizing information (i.e., new information-based offerings), “informationalizing” products (i.e., including information as a value-add component of
an existing offering), or selling data outright (via a data broker or independently)”22.
Per poter creare effettivamente valore con i Big Data è necessario infatti strutturare a monte una strategia di azione che consenta di sfruttare al meglio l’enorme flusso di dati in continua generazione, grazie anche all’implementazione di strumenti di analytics e di Business Intelligence in generale.
I dati acquisiti ed elaborati possono infatti essere utilizzati ad esempio per migliorare i processi interni, per sviluppare nuovi prodotti o servizi, per migliorare le relazioni con i propri clienti. Sono numerosi i benefici che le aziende possono ottenere improntando una logica data-driven in quanto, disponendo di un numero di dati e informazioni cosi elevato rispetto al passato, possono efficacemente ottenere dei significativi miglioramenti nelle performance organizzative a tutto tondo, ottenendo di riflesso un incremento delle prestazioni economico-finanziarie, pervenendo così ad una monetizzazione indiretta connessa alla gestione dei dati. Si può creare valore anche semplicemente acquisendo e trattando i dati allo scopo di venderli a terzi, in questo caso si parla di monetizzazione diretta23.
I Big Data racchiudono in sé un enorme potenziale conoscitivo e se sfruttati adeguatamente fungono da propulsore in relazione al processo di Information e di Knowledge management, con significativi riflessi dal punto di vista dei risultati
21 I big data trasformano business intelligence e analytics – disponibile su interlogica.it 22 Data Monetization - Garter IT Glossary
23 DELLA MURA, MITI - Data Monetization: la sfida sui big data si gioca qui - Gennaio 2018 –
conseguibili dall’impresa. Infatti secondo uno studio portato avanti da McAfee e Brynjolfsson, le aziende che sfruttano in maniera ottimale i dati e che impostano la gestione in una prospettiva data-driven, sono in grado di conseguire livelli di performance superiori alla media. I due studiosi, in seguito all’indagine effettuata, affermano questo:
“the more companies characterized themselves as data-driven, the better they performed on objective measures of financial and operational results. In particular, companies in the top third of their industry in the use of data-driven decision making were, on average,
5% more productive and 6% more profitable than their competitors”24. Ciò a
dimostrazione di quanto sia cruciale in ottica aziendale riuscire a gestire l’enorme quantità di dati a disposizione al fine di prendere le giuste decisioni. Come si è potuto evincere da questa indagine infatti, il ritorno in termini di miglioramento delle performance è sensibilmente rilevante, soprattutto se comparato con i competitor non strutturati su una gestione improntata sui dati.
24 MCAFEE, ANDREW; BRYNJOLFSSON, ERIK - Big data: the management revolution - Harvard
CONCLUSIONI
I dati e le informazioni rappresentano la linfa vitale di ogni azienda, costituendo la base a partire dalla quale vengono adottate tutte le decisioni e le azioni finalizzate al conseguimento degli obiettivi prestabiliti. Proprio per questo motivo risulta essere di fondamentale importanza implementare in azienda tutte quelle soluzioni che possano risultare più idonee a soddisfare il fabbisogno conoscitivo interno, a livello direzionale ma anche operativo. Così facendo viene agevolato il processo di generazione, acquisizione, raccolta, elaborazione e condivisione di dati e informazioni funzionali a garantire una efficace ed efficiente esecuzione delle attività gestionali quotidiane e del processo decisionale a monte. La capacità dell’azienda di trasformare il patrimonio di dati e informazioni in proprio possesso in conoscenza e infine in un vero e proprio asset strategico, diviene una variabile cruciale che se sfruttata opportunamente può costituire il punto di partenza dal quale poter costruire rispetto ai propri competitor un rilevante vantaggio competitivo.
Per poter ottenere i risultati desiderati in termini di disponibilità e trasmissione delle giuste informazioni, nei tempi e nei modi necessari al corretto svolgimento delle diverse attività poste in essere in azienda, è cruciale predisporre un ambiente che sia in grado di garantire un flusso costante e accurato di informazioni, sia dal punto di vista organizzativo ma anche e soprattutto dal punto di vista tecnologico. È infatti di fondamentale importanza riuscire a sfruttare al meglio il potenziale intrinseco che posseggono le tecnologie oggi esistenti, quelle relative all’ICT ma non solo. Infatti, se integrati correttamente in una logica sistemica con i processi aziendali, l’apporto che i diversi strumenti e applicativi tecnologici forniscono alla gestione è tale da consentire all’azienda di competere adeguatamente all’interno di scenari ambientali cosi pressanti e dinamici come quelli attuali.
Le innovazioni tecnologiche apportate da Industria 4.0, l’enorme mole di dati che viene generata ogni giorno, le tecniche e gli strumenti di raccolta, elaborazione e analisi sempre più sofisticati, rappresentano tutte variabili che progressivamente stanno conducendo a un totale ripensamento nel modo di fare business e nel modo con cui ci si approccia ai processi organizzativi a tutto tondo, non solo da quelli strettamente produttivi ma anche a livello amministrativo e decisionale. Tra i vari strumenti e applicativi con cui si fa riferimento all’evoluzione tecnologica in atto, quelle relative alla sfera dell’Information Technology (IT) rappresentate dall’IoT, dalle tecnologie Cloud e dai
sistemi di Analytics, contribuiscono tutte a creare un ambiente organizzativo fortemente integrato e connesso non solo internamente, ma anche verso l’esterno. In più il flusso di dati e informazioni nel quale le aziende si trovano immerse trova un suo naturale sbocco nei sistemi di analisi sempre più performanti, necessari a elaborare i Big Data in continua evoluzione, fornendo report in tempo reale sullo stato degli andamenti degli aspetti gestionali di interesse.
Come precedentemente espresso, al di la degli indubbi vantaggi che le soluzioni tecnologiche possono apportare dal punto di vista operativo, risulta essere altrettanto rilevante il contributo che esse forniscono a livello decisionale, coadiuvando i sistemi di Business Intelligence nel fornire analisi e report con una crescente tempestività, personalizzazione e accuratezza. Il tutto se adeguatamente gestito influenza positivamente le performance organizzative in quanto l’avere a disposizione in maniera tempestiva una mole crescente di dati e informazioni utili a supportare il processo di decision making, non solo riferite ad aspetti passati ma anche attraverso opportuni insight riguardo prospettive evolutive future, consente al management di adottare le migliori soluzioni possibili in relazione alle situazioni che di volta in volta si presentano.
L’utilità e le potenzialita che comporta un approccio data-driven alla gestione aziendale infatti non si ferma solo ed esclusivamente ad aspetti relativi alla gestione ordinaria ma anzi disporre di un flusso costante di dati relativi a numerose e variegate dimensioni d’azienda, permette di estrapolare dei possibili spunti che esaltino determinati aspetti sui quali il management potrà avviare successivamente delle riflessioni, alle quali potranno seguire se ritenute necessari dei rimodellamenti delle logiche di business esistenti o anche una rivisitazione parziale o totale della strategia in atto. È possibile infatti attraverso l’analisi dei dati e delle informazioni individuare nuove strade da percorrere precedentemente nascoste che possono risultare maggiormente redditizie per l’azienda nel complesso, conducendo nel tempo ad un incremento delle performance non solo economico-finanziarie, ma anche relative ad altre variabili quantitative e qualitative.
D’altro canto sono diversi gli aspetti da tenere d’occhio in relazione all’impatto della variabile tecnologica e al peso crescente che la stessa sta assumendo all’interno del sistema azienda.
In primis bisogna considerare la difficoltà che comporta la determinazione del reale ritorno sull’investimento in infrastrutture e strumenti tecnologici all’avanguardia, necessari per garantire il conseguimento di un idoneo livello competitivo. Le tecnologie
cloud d’altro canto consentono in parte di evitare un ingente esborso ricorrendo a provider esterni, agevolando così l’adozione di alcuni strumenti anche da parte delle PMI.
In secondo luogo una innovazione di questo tipo comporta una necessaria rivisitazione delle dinamiche interne ma anche interorganizzative, necessitando di adeguamenti sia dal punto di vista delle competenze richieste a rendere utilizzabili efficacemente i nuovi strumenti, ma anche di un coordinamento e di trasformazione di tutta la filiera nella quale l’azienda opera.
Occorre evidenziare anche quelle che sono le resistenze al cambiamento, riscontrabili in particolar modo all’interno di realtà di più piccole dimensioni. Per mantenere una certa competitività occorre adeguarsi ai mutamenti che lo scenario di riferimento può presentare, per non rischiare di restare indietro ed essere travolti. Sia per criticità relative a carenze delle necessarie competenze, così come problematiche relative all’impossibilità di effettuare investimenti spesso non alla portata delle realtà di piccole dimensioni, in questi contesti l’adeguamento avviene con minore velocità rispetto alle grandi aziende, così come si evince dalle indagini presentate all’interno del testo.
In ultimo è importante sottolineare come una tale trasformazione non debba essere relegata solo alla funzione IT presente in azienda ma anzi debba prevedere il coinvolgimento delle diverse figure professionali presenti. Solo in questo modo è possibile efficacemente sfruttare tali tecnologie in una logica sistemica,
Il ricorso a soluzioni tecnologiche sempre più prestazionali diviene un aspetto quasi imprescindibile per non rischiare di subire peggioramenti nel medio-lungo periodo in termini di risultati ottenibili. Anzi abbracciare la tecnologia può costituire per l’impresa un vero e proprio fattore propulsivo al miglioramento delle performance conseguibili, migliorandone i processi interni e supportando opportunamente l’operato dei decision maker con dati e informazioni sempre più puntuali.
BIBLIOGRAFIA
• ACKOFF, RUSSEL - From Data to Wisdom - Journal of Applied Systems Analysis, 1989
• AGIU, DRAGOŞ; MATEESCU, VLAD; MUNTEAN, IULIA - Business
intelligence overview - Database Systems Journal vol. V, no. 3/2014
• AMIGONI, F. - I sistemi di controllo direzionale. Criteri di progettazione e di
impiego - 1979
• ANDRESS, J. - The Basics of Information Security: Understanding the
Fundamentals of InfoSec in Theory and Practice - Syngres, 2014
• ANTHONY, R. - Planning and Control Systems: A Framework for Analysis - Division of Research, Graduate School of Business Administration, Harvard University, Boston, 1965
• BALDASSARRE, MICHELE - Informazione, Conoscenza, Didattica: La sfida dei
big data al mondo della formazione - Versione finale: 25 settembre 2016
• BITITCI, U. S.; CARRIE, A. S.; MCDEVITT, L. G. - Integrated Performance
Measurement Systems: A Development Guide - International Journal of Operations and
Production Management, vol 17 no 6, May/June 1997
• BONIFACIO, MATTEO; BOUQUET, PAOLO - Una visione distribuita del
sapere organizzativo: il ruolo dell’intelligenza artificiale
• BRANCATI, RAFFAELE; MARESCA, ANDREA - Industria 4.0 in Italia:
diffusione, tendenze e qualche riflessione - MET 2017/2018
• BRUSA, LUIGI - Sistemi manageriali di programmazione e controllo – Giuffrè, 2000
• BUSCO, CRISTIANO; GIOVANNONI, ELENA; RICCABONI, ANGELO - Il
controllo di gestione: metodi, strumenti ed esperienze i fondamentali e le novità –
Milanofiori Assago, IPSOA - 2014
• BUXMANN, PETER; VON AHSEN, ANETTE; DÍAZ, LUIS MARTÍN; WOLF, KRISTINA - Usage and evaluation of Supply Chain Management Software: results of an
empirical study in the European automotive industry - Blackwell Publishing Ltd,
Information Systems Journal, 2004
• BYTHEWAY, A. - Investing in Information - Springer International Publishing Switzerland, 2014
• BYTHEWAY, ANDY - Assessing Information Management Competencies in
• CASERIO, CARLO; INGHIRAMI, IACOPO ENNIO - Dai sistemi di supporto alle
decisioni alla Business Intelligence in Gestione Informatica dei Dati Aziendali, L.
MARCHI, D. MANCINI (a cura di) - Milano, Angeli, 3° ed., 2009, pp. 389, tot. pag. 8. • CASTELLANO, NICOLA GIUSEPPE - La misurazione delle performance per le piccole imprese: strumenti di misurazione e processi di controllo – Giapichelli Editore, 2012
• Certus - Information portfolio management
• CERVELLI, GLORIA; PIRA, SIMONA; TRIVELLI, LEONELLO - Industria 4.0
senza slogan - Towel Publishing S.r.l.s Pisa, 2017
• CHAFFEY, D.; WHITE, G. - Business information management: Improving
performance using information systems – Pearson, 2010
• CHEN, HSINCHUN; CHIANG, ROGER H. L.; STOREY VEDA C. - Business
intelligence and analytics: from big data to big impact - MIS Quarterly Vol. 36 No. 4,
pp. 1165-1188/December 2012
• CHEN, HSINCHUN; CHIANG, ROGER H. L.; STOREY, VEDA C. - Business
intelligence and analytics: from big data to big impact - MIS Quarterly Vol. 36 No. 4,
pp. 1165-1188/December 2012
• Collected and edited by ANDY BYTHEWAY - The Information Management
Body of Knowledge - 23 August 2004
• CROXTON, KEELY L.; GARCÍA-DASTUGUE, SEBASTIÁN J.; LAMBERT, DOUGLAS M.; ROGERS, DALE S. - The Supply Chain Management Processes - The International Journal of Logistics Management, Volume 12, Number 2 2001
• CUGOLA, GIANPAOLO; MARGARA, ALESSANDRO - Processing Flows of
Information: From Data Stream to Complex Event Processing - ACM Computing
Surveys (CSUR), 2012
• DAVENPORT, T. - Process Innovation: Reengineering work through information
technology - Harvard Business School Press (1993)
• DAVOLI, SILVIA - Introduzione ai processi aziendali
• DEVLIN, BARRY – Unlocking machine-generated data – White paper, September 2013
• DUMAS, MARLON; LA ROSA, MARCELLO; MENDLING, JAN; REIJERS, HAJO A. – Fundamentals of Business Process Management – Springer, 2013
• FARIOLI, SERGIO; BELLINI, CRISTINA - L’Industria 4.0 e le nuove frontiere
• FAYYAD, USAMA; PIATETSKY-SHAPIRO, GREGORY; SMYTH, PADHRAIC - The KDD Process for Extracting Useful Knowledge from Volumes of Data - Communications of the ACM, november 1996/vol. 39, no. 11
• FERRARIS FRANCESCHI, ROSELLA - Sistemi di pianificazione e controllo – Torino, Giappichelli - 2010
• FRANCO-SANTOS, MONICA - Towards a definition of a business performance measurement system - International Journal of Operations and Production Management, 2007, Vol.27
• Predicts 2019: The Future of Supply Chain Operations – Gartner, Dicembre 2018 • GARUD, RAGHU - On the distinction between know-how, know-what and know-
why - Published in Advances in Strategic Management edited by Anne Huff and Jim
Walsh. (1997) JAI Press, pp. 81-101.
• HAJRIC, EMIL - Knowledge Management: System and Practices – 2018
• HAND, DAVID; MANNILA, HEIKKI; SMYTH, PADHRAIC - Principles of Data Mining – The MIT press, 2001
• HOESCHL, H.C.; BARCELLOS, V. - Artificial Intelligence in knowledge management - in TFTP International Federation for Information Processing, Volume 217, ed. M. Bramer, (Boston; Springer), 2006, pp. 11-19.
• Il knowledge management – IT Consult 2002
• IL PIANO NAZIONALE “IMPRESA 4.0”: PRIME VALUTAZIONI - Rapporto
sulla competitività dei settori produttivi - Edizione 2018
• Il processo della conoscenza e la tecnologia del knowledge management - it Consult, 2002
• Industry 4.0: How to navigate digitization of the manufacturing sector – McKinsey Digital 2015
• INMON, W.H. - Building the Data Warehouse - Usa, John Wiley & Sons, 1993. • JAYACHANDRAN, SATISH; SHARMA, SUBHASH; KAUFMAN, PETER; RAMAN, PUSHKALA - The Role of Relational Information Processes and Technology
Use in Customer Relationship Management - Journal of Marketing, Vol. 69, No. 4 (Oct.,
2005)
• KAPLAN, ROBERT; NORTON, DAVID - The Balanced Scorecard: Measures
That Drive Performance - Harvard Business Review, 1992
• La diffusione delle imprese 4.0 e le politiche: evidenze 2017 – Rapporto Mise Luglio 2018
• LAMBERT, DOUGLAS M.; COOPER, MARTHA C.; PAGH, JANUS D. - Supply
Chain Management: Implementation Issues and Research Opportunities - The
International Journal of Logistics Management, Vol. 9, No. 2 (1998)
• LARSON, DEANNE; CHANG, VICTOR - A Review and Future Direction of
Agile, Business Intelligence, Analytics and Data Science
• LEAVITT, HAROLD J.; WHISLER, THOMAS L. - Management in the 1980s - Harvard Business, 1958
• LEBAS, M.; EUSKE, K. - A conceptual and operational delineation of
performance in Business performance measurement - Cambridge University Press, 2002
• LEE, YA-CHING; CHU, PIN-YU; TSENG, HSIEN-LEE - Corporate performance
of ICT enabled business process re-engineering - Industrial Management & Data Systems
Vol. 111 No. 5, 2011
• LEVIS, MARY; HELFERT, MARKUS; BRADY, MALCOLM - Information
quality management: review of an evolving research area - 2007
• LEYMANN, F.; ROLLER, D.; SCHMIDT, M.-T. - Web services and business
process management - IBM systems journal, vol 41, no 2, 2002
• MACI, LUCIANA - Che cos’è l’Industria 4.0 e perché è importante saperla
affrontare - 28 Nov 2018
• MADAKAM, S.; RAMASWAMY, R.; TRIPATHI, S. - Internet of Things (IoT): A
Literature Review - Journal of Computer and Communications, 2015, 3, 164-173
• Management Extra - Information and knowledge management - Published by Elsevier Ltd 2005
• MARASCA, STEFANO - Misurazione della performance e strumenti di controllo
strategico – Esculapio, 2011
• MARASCA, STEFANO; MARCHI, LUCIANO; RICCABONI, ANGELO -
Controllo di gestione: metodologie e strumenti – Arezzo, Knowita – 2013
• MARCHI, L.; MANCINI, D. - Gestione Informatica dei Dati Aziendali - Milano, Angeli – 2009
• MCAFEE, ANDREW; BRYNJOLFSSON, ERIK - Big data: the management
revolution - Harvard Business Review, October 2012
• MCCOY, DAVID W. - Business Activity Monitoring: Calm Before the Storm –