Livello di maturità delle componenti delle aree

Nel seguente paragrafo saranno analizzate in dettaglio le singole componenti di ogni area di analisi con il fine di dettagliare gli elementi caratterizzanti il posizionamento di sintesi mostrato nel paragrafo precedente.

Figura 49: Analisi delle componenti delle aree di analisi

In figura 49 è rappresentato il quadro di dettaglio del posizionamento dei 3 casi rispetto alle singole componenti delle 5 aree di analisi.

Organizzazione

La configurazione delle componenti per l’area di analisi Organizzazione delle single aziende è rappresentata in figura.

L’Azienda A ha la componente della leadership molto avanzata rispetto alle altre componenti: anche se la gestione progettuale è affidata solo al dipartimento IT, gli sponsor dei progetti fanno parte sia dell’IT, sia del Business che degli executives. Gli executives infatti oltre ad avere un ruolo attivo nella sponsorizzazione riconoscono il valore degli analytics.

Se pur l’Azienda A identifichi una quota parte del budget aziendale dedicato in primi all’ICT e poi all’Analytics, il budget risulta contenuto. Questo è dovuto al fatto che anche se a fronte degli investimenti sostanziali, sostenuti ai tempi dell’implementazione del sistema, in questa fase di regime, il budget è stato ridotto in funzione di un limitato effettivo utilizzo ed al di sotto delle potenzialità offerte dal sistema.

L’azienda B si configura in quasi tutte le componenti in linea con il suo livello di maturità: esistono dei piani di realizzazione degli analytics a livello dipartimentale. Le informazioni continuano ad essere solo in parte gestite in un sistema informativo e gli analytics rappresentano uno strumento di supporto per le decisioni operative. Si iniziano a percepire benefici operativi con un rilevamento informale della soddisfazione degli utenti. Le competenze attualmente in essere, si configurano invece come elementi critici. Non esiste un team dedicato, con competenze di analytics avanzate in grado di supportare i bisogni del business, le richieste di implementazione sono demandate ad un fornitore esterno e ogni funzione aziendale identifica per propria necessità elaborazioni che implementa individualmente. Il livello ottenuto nella componente competenze è in virtù del fatto che le analisi ad oggi implementate sono la trasposizione nel sistema attuale di logiche e di analisi che vengono fatte su sistemi personali effettuati dal business.

Sia per l’Azienda A che per l’Azienda B, il posizionamento della strategia è simile questo perché è stato previsto un’implementazione di reporting ma non è stato attuato nessun piano a lungo termine per la gestione degli analytics, per questo le politiche di Change management non sono formalizzate ma sono utilizzate solo all’occorrenza e in funzione dello specifico progetto.

I risultati e i ritorni dei progetti di analytics sono verificati solo da una rilevazione informale della soddisfazione degli utenti ma non sono legati ai principali fattori sul business.

Come già accennato nel paragrafo precedente, l’area organizzativa dell’Azienda C risulta ad un livello di poco inferiore rispetto alle altre aree di analisi: solo la leadership risulta in linea con la sua configurazione. L’azienda C sta prevedendo l’inserimento di una persona con competenze analitiche e di business da affiancare al team IT: questo spiega il motivo per cui attualmente la

componente delle competenza risulta ad un livello più basso. Il finanziamento è il risultato del fatto che è stato pianificato a livello aziendale l’evoluzione del proprio sistema in ottica di Advanced Business Intelligence, tuttavia essendo nella fase di consolidamento del progetto non sono state definite delle policy ricorrenti e strutturate per la pianificazione della componente di budget annuale.

Analytics

La configurazione delle componenti per l’area degli analytics delle single aziende è rappresentata in figura.

Figura 51: Confronto dei livelli di maturità delle componenti caratterizzanti gli Analytics individuati per le aziende analizzate

I valori delle componenti dell’Analytics per l’Azienda A risultano molto eterogenee: se la cultura e la tecnologia sono abbastanza in linea con il suo profilo aziendale, le modalità di accesso invece sono molto spinte. L’Azienda A è caratterizzata da una diffusione aziendale degli strumenti di analytics: esiste una distribuzione organizzata dei report (lista di distribuzione) con la configurazione per ogni dipartimento di un team con capacità in analisi avanzate. L’azienda, per la sua complessità organizzativa si è dovuta strutturare per poter controllare la distribuzione del report e le modalità di accesso. Le competenze, risultano invece un po’ più scarne: non c’è l’esigenza di un team dedicato all’innovazione degli analytics, non è neanche presente un team che gestisce gli analytics aziendali. La percentuale di utenti che utilizzano strumenti di analytics è al di sotto del 20%. Questo è spiegato dal fatto che attualmente l’azienda non utilizza pienamente i suoi strumenti di analytics e pertanto non ha avuto l’esigenza di strutturarsi.

L’azienda B si configura in quasi tutte le componenti al di sotto il suo livello di maturità: esiste un datawarehouse esteso però ad alcune unità di business, non c'è una copertura totale di tutte le

funzioni di business. I report a disposizione sono report standard tipicamente operativi. Esiste tuttavia una metodologia di sviluppo e di implementazione degli analytics a livello dipartimentale, gli analytics però non rappresentano un fattore competitivo per l'azienda. Questo risultato è in linea con le scelte effettuate dall’azienda: il processo di budget precedentemente analizzato non giustificherebbe un utilizzo degli analytics spinto. L’intervento che però l’azienda è propensa ad effettuare è un rifacimento dei report attualmente utilizzati, il che spiegherebbe l’esigenza di un team di data analytics.

L’Azienda C ha le componenti tecnologica e culturale molto avanzate, coerentemente con le caratteristiche del proprio core business. Per quanto riguarda le competenze questo è coerente con il recente inserimento di una figura con competenze matematiche e analitiche avanzate nel ruolo di data Scientist. Le metodologie di accesso invece, risultano leggermente meno performanti rispetto al livello identificato: questo è dovuto al fatto che solo l’IT ha a disposizione gli strumenti di analisi. In linea con il progetto di Big data che l’azienda sta effettuando, le funzionalità degli strumenti di analisi e di reportistica sono di tipo predittivo e prescrittivo con l’utilizzo di dati destrutturati. Il patrimonio informativo presente nel DW è esteso a tutta l'organizzazione e vengono effettuate analisi real time unite all’analisi dei modelli persistenti.

Infrastruttura

La configurazione delle componenti per l’area dell’infrastruttura delle single aziende è rappresentata in figura (Figura 52).

Figura 52: Confronto dei livelli di maturità delle componenti caratterizzanti l'Infrastruttura individuati per le aziende analizzate

Le componenti analizzate nell’Azienda A per l’infrastruttura risultano più che soddisfacenti rispetto al posizionamento generale dell’azienda. In particolare la componente Development che raggiunge un livello di maturità 3, indicando che l’infrastruttura aziendale è solida e risponde in maniere efficiente alle attuali richieste dell'Azienda A. Questo è dovuto all’esistenza di una strategia in termini di sviluppo e realizzazione dell'infrastruttura a medio termine, del resto l’azienda ha già in programma l’attuazione di un progetto analytics. Inoltre, esistono regole dipartimentali per il livello di standardizzazione dei processi di installazione, configurazione e manutenzione dell'infrastruttura. L’architettura e le competenze risultano invece essere un livello pari a 2 che è sufficiente per l’attuale configurazione aziendale, ma se confrontate con la altre componenti esse vanno ad inficiare il livello di maturità complessivo dell’area. Esiste un unico DataWarehouse, centrale, utilizzato come fonte dati con l’aggiunta di applicativi esterni. Infatti dall’analisi dei sistemi informativi aziendali effettuati all’inizio del capitolo, avevamo notato come solo parte delle informazioni aziendali sono gestite in un ERP mentre esistono numerose applicazione come la tesoreria che sono gestite da applicativi locali. Questo è spiegabile dall’offerta tecnologica per lo specifico settore di appartenenza.

Dall’analisi per le componenti dell’Azienda B, il posizionamento risulta inferiore, in particolare le componenti tecnologia e architettura, risultano meno performanti rispetto il livello aziendale, configurandosi così come elementi critici. In particolare, l’architettura dell’infrastruttura risulta essere un livello pari a 1 che è non sufficiente per l’attuale configurazione aziendale: il datawarehouse è di tipo row79_{; le fonti dati sono rappresentate da fogli di calcolo e altre}

applicazioni non standardizzate. Il progetto che l’azienda ha in programma di effettuare ha come in oggetto la ristrutturazione del reporting che non ha impatta però sull’infrastruttura, ecco perché, la tecnologia e l’architettura risultano essere ad un livello leggermente superiore a 1. Utilizzando l’assessment possiamo analizzare in dettaglio gli elementi che caratterizzano la componente tecnologia. Si utilizzano diversi e segmentati sistemi per la raccolta e la gestione delle informazioni aziendali; l’alimentazione automatica del sistema di BI da parte degli altri applicativi aziendali è effettuata giornalmente. Si evidenzia, però, che l’azienda abbiamo l’esigenza di utilizzare tecnologie mobile, tecnologie in- memory e nuove tecnologie, come ad esempio Hadoop, NoSQL database, in aggiunta a quelle esistenti.

I valori rilevati per questo set di componenti dell’azienda C risultano maggiori rispetto alla media aziendale. Questo è dovuto al fatto che l’azienda ha già intrapreso delle iniziative con il fine di

gestire i dati destrutturati. In particolare la tecnologia in essere risulta essere un’eccellenza: utilizzo del cloud, database colonnari e le fonti dati sono rappresentate da fonti interne ed esterne. Sono stati previsti l’inserimento di una figura con skill analitiche e di business e la formazione di un team per la gestione degli analytics, le competenze pertanto saranno consolidate nel tempo. Le skills per sfruttare le tecnologie infrastrutturali, al fine di alimentare le strutture per poter realizzare report analitici avanzati, sono state già consolidate e strutturate. Inoltre per poter essere sempre aggiornati ed avere competenze eccellenti per affrontare le nuove tecnologie infrastrutturali, sono state previste seppur non pienamente formalizzate delle ore di autoformazione con corsi on-line e documentazioni. Anche la componente Development raggiunge un livello di maturità 4, indicando che l’infrastruttura aziendale è solida, risponde in maniere efficiente alle attuali richieste ed è pronta ad affrontare le nuove di implementazione del progetto Big Data. L’implementazione di un nuovo progetto ha fatto emergere la presenza di una strategia di a medio termine per lo sviluppo e l’implementazione dell’infrastruttura;

Data Management

La configurazione delle componenti per l’area del Data Management dei 3 casi è rappresentata in figura (Figura 53).

Figura 53: Confronto dei livelli di maturità delle componenti caratterizzanti il Data Management individuati per le aziende analizzate

Dall’analisi delle componenti dell’Area Data Management nell’Azienda A emerge un posizionamento molto basso. Ma analizzando in dettaglio possiamo notare come sono solo due le componenti metodologia e processo che incidono negativamente sulla determinazione del livello di maturità medio dell’area: non sono stati definiti degli SLA per l’elaborazione degli analytics e non esiste ancora un framework per la gestione dei dati e per il supporto alla gestione centralizzata

delle regole e solo parzialmente sono indirizzate le modalità di distribuzione organizzata dei report. Ciò è spiegabile dal fatto che il progetto che si implementerà ha lo scopo di potenziare, strutturare e migliorare il reporting aziendale. Le modalità di accesso ai dati sono unificati solo per alcuni sistemi sorgenti e non si monitorano i costi per la storicizzazione del dato. Le altre componenti risultano in media omogenee e coerenti con il livello di maturità aziendale. In particolare, però, le componenti tipologie di dato e integrazione risultano essere superiori rispetto il livello di maturità medio, raggiungendo rispettivamente il livello 2 e 3 livello di maturità. Attualmente l’azienda sta analizzando Terabyte di dati, raccoglie e analizza dati strutturati aggregati a vari livelli ma la conoscenza dei data source e dei dati disponibili per le analisi è in carico solo ad dipartimento IT.

Si integrano sistemi diversi con l’utilizzo di connettori standard e piccole realizzazioni ad-hoc a livello di unità di business, anche se non tutte le aree funzionale, all’interno dell’unità, hanno a disposizione fonti dati integrate

L’azienda B presenta un assetto eterogeno ma in media in linea con il suo livello di maturità. La componente tipologie del dato risulta essere solida, posizionandosi ad un 2° livello: si analizzano volumi di dati dell’ordine dei Gigabyte di dati strutturati mentre per la gestione dell’integrazione del dato risulta ad un buon posizionamento in virtù del fatto che la suite gestionale copre la maggioranza del supporto applicativo presente in azienda lasciando scoperte solo piccole aree molto verticali. Inoltre ad oggi ha in intenzione ma non ancora formalmente pianificato di integrare nel proprio sistema i dati di monitoraggio dei propri impianti di produzione... Le fonti di dati infatti sono integrate a livello di area funzionale e si stanno integrando sistemi di natura diversa, utilizzando connettori standard e piccole realizzazioni ad-hoc. Le componenti che invece incidono negativamente nella determinazione del livello dell’area analizzata sono la Qualità del dato, la Metodologia e il Processo. I costi per la storicizzazione dei dati non sono monitorati ed esistono modalità di accesso unificato solo per alcuni sistemi sorgenti. Esistono dei processi per la qualità del dato ma sono effettuati autonomamente dagli utenti (processo non strutturato). Non sono state, tuttavia, definite metriche né metodi di valutazione sulla qualità del dato: si rilevano soltanto errori di incompletezza del dato.

I valori delle componenti per l’Azienda C risultano essere molto elevati: le tipologie del dato analizzato, la qualità del dato, la metodologia applicata e l’integrazione risultano essere in linea con il livello di maturità aziendale. Tuttavia la componente del processo risulta leggermente arretrata per la realtà analizzata. In particolare esistono modalità di accesso unificato per la

maggior part dei sistemi utilizzati e i costi per la storicizzazione del dato sono controllati e monitorati, pur non essendoci il dettaglio di ogni sistema. Questo è in linea con il profilo aziendale: l’azienda attualmente gestisce più di 30TB di dati. La metodologia posta in essere risulta, invece, pienamente in linea con il livello generale dell’azienda, posizionandosi ad un livello 4. È stato strutturato e condiviso a livello corporate un framework per la gestione dei dati e per il supporto alla gestione centralizzata delle regole e della distribuzione organizzata. L’integrazione utilizzata invece rispecchia già l’implementazione del nuovo progetto: le fonti di dati sono integrate a livello corporate con l'unione di sistemi che gestiscono il dato destrutturato; i dati e la loro manipolazione sono gestiti centralmente.

Governance

La configurazione delle componenti per l’area dell’infrastruttura delle singole aziende è rappresentata in figura (Figura 54).

Figura 54: Confronto dei livelli di maturità delle componenti caratterizzanti la Governance individuati per le aziende analizzate

La governance dell’Azienda A risulta essere stabile e strutturata, posizionandosi ad un 2° livello, coerentemente con il livello di maturità media individuato per l’azienda. Tuttavia, esistono alcune componenti che maggiormente impattano risultati. Infatti, a titolo esemplificativo, la componente conformità, risulta essere meno sviluppata e stabile: solo per le attività giornaliere, sono tracciate e acquisite tutte le informazioni utili per la verifica del rispetto delle norme e della conformità del settore; non esistono metodi documentati per affrontare i problemi quotidiani con i dati (es Duplicazione dati, Errori sistematici dei Report, Interruzioni caricamenti quotidiani ...Altro). L’azienda ha in programma di strutturarsi per verificare le politiche degli analytics che attualmente non sono controllate. Anche la struttura risulta essere poco sviluppata: le specifiche sulla qualità del dato interno non sono formalizzate e attualmente non esiste un team Analytics.

Dall’assessment, si evince però che l’azienda dimostrata un forte interesse in una maggiore strutturazione: si è manifestata, infatti, l’esigenza di strutturare un team analytics. Questo è in linea con i progetti che l’azienda stessa ha in piano di effettuare.

La governance dell’Azienda B risulta essere stabile e strutturata, posizionandosi ad un 2° livello, coerentemente con il livello di maturità individuato per l’azienda. I ruoli e responsabilità all'interno del team Analytic non sono ben definiti e formalizzati ma l’azienda ha in piano di strutturarsi; Le richieste di incident dovute alla mancata qualità del dato sono documentate ma non si tiene traccia della loro risoluzione; Esistono metodi documentati per affrontare i problemi quotidiani con i dati come per esempio la duplicazione dati, errori sistematici dei report, interruzioni caricamenti quotidiani ma essi sono validi solo per alcune funzioni aziendali. La componente Norme invece si configura come un elemento di attenzione: le attività volte a regolamentare la proprietà el' accesso ai dati sono svolte una tantum e guidate da esigenze personali, le esigenze di business sono state ben definite, di conseguenza esiste una strategia di selezione della tipologia di dati strutturati a livello di divisione / dipartimento. Non esistono invece norme in atto e documentate per la gestione degli Analytics e per il controllo sulla qualità del dato.

Nell’analisi delle componenti della Governance, l’Azienda C risulta avere una forte attenzione alla conformità: vengono verificate le politiche degli analytics, sono tracciate e acquisite tutte le informazioni utili per la verifica del rispetto delle norme e della conformità del settore ed esistono metodi documentati per affrontare i problemi quotidiani con i dati. Il controllo delle norme, invece, si posiziona ad un 3° livello, configurandosi così come un elemento critico. Esistono norme in atto e documentate per la proprietà del dato e l'accesso a livello corporate, esse però sono applicate solo ai dati strutturati. Le esigenze di business sono state ben definite, di conseguenza esiste una strategia di selezione della tipologia di dati strutturati a livello corporate. Le attività volte a gestire e regolare gli analytics sono svolte una tantum e legate allo specifico progetto. Esistono norme a livello corporate per il controllo sulla qualità del dato limitatamente al dato strutturato. Il motivo per cui questa componente non è sviluppata come le altre è che, per strutturare delle norme e delle policy, bisogna avere esperienza con i dati, e in questo caso parliamo di prima implementazione di Big Data.