Livello Strategic

Di seguito la descrizione delle caratteristiche presenti nel quarto livello.

L’azienda si lancia in una Proof of Concept (POC), con lo scopo di conseguire risultati tali da giustificare la scelta di intraprendere iniziative Analytics. A causa soprattutto dell’aumento e della varietà dei dati, le organizzazioni implementano LDW e altri strumenti di integrazione e virtualizzazione. Gli Analytics sono entrati ormai nella consuetudine operativa aziendale e si predispone l’infrastruttura necessaria per iniziative future. Gli Analytics sono visti come un fattore competitivo.

La Business Intelligence è sfruttata appieno, con strategia e governance ben delineate. Analytics flessibili e pro-attivi sono utilizzati attraverso operations efficienti in termini di costi. Il middle management è coinvolto nell’impiego della Business Intelligence.

Organization:

Esiste un piano di realizzazione degli analytics a lungo termine accettato e condiviso a livello aziendale: non sono chiare invece le opportunità offerte dai Big Data Analytics. Le informazioni a livello aziendali sono gestite interamente in un sistema informativo. Le politiche di Change Management sono applicabili solo a livello di area funzionale.

I dati e gli analytics aiutano a guidare il business nell'azienda: gli analytics rappresentano un’attività core. Si configura una leadership progettuale condivisa: gli sponsor, la responsabilità

economica e la realizzazione del progetto è a carico del Business e dell’IT. A livello executive viene riconosciuto il valore delle implementazioni degli analytics e sono attivi nella loro promozione. Si percepisce un cambiamento culturale: i dati aiutano ad innovare l'azienda, trovando nuovi sbocchi di mercato.

Si configura un team a livello aziendale che centralizza e standardizza le richieste. Si struttura il processo di identificazione dei costi con l’applicazione di metodologie quali ROI, VAN, payback period, effettuate ad inizio anno.

Il processo di finanziamento dei progetti di Analytics non è strutturato e varia a seconda dell’obiettivo puntuale: sale il budget dedicato alla Business Intelligence (45 %) e cresce il budget riservato all’ICT (60%).

Esistono collaborazioni consolidate e durature con fornitori esterni nella realizzazione della soluzione e nell’individuazione di nuove tipologie di analisi.

Infrastructure:

È presente una strategia in termini di sviluppo e realizzazione dell'infrastruttura anche se a medio termine. Presenza di processi di delivery con regole standard e condivise a livelli aziendale. L'organizzazione ha un ecosistema informativo, capace di integrare i dati strutturati provenienti da fonti esterne: la fonte dati è rappresentata da un unico Data warehouse centrale con applicazioni locali.

Presenza di DataBase sia colonnari che row a seconda delle informazioni.

Il livello di alimentazione automatica del sistema di BI da parte degli altri applicativi aziendali è effettuata giornalmente.

Le competenze necessarie per sfruttare le tecnologie infrastrutturali per realizzare report analitici efficienti vengono attraverso l’autoformazione. Le implementazioni di tecnologie emergenti quali Hadoop, NoSQL databases, tecnologie in-memory, tecnologie mobile sono integrate ma utilizzate a discrezione dell’area funzionale.

Data Management:

Si raccolgono e analizzano dati strutturati interni e dati esterni: la mole di dati continua ad aumentare arrivando ai Petabytes.

Gli utenti conoscono tutte le fonti dati, e il loro livello macro di contenuto informativo.

Esiste un team aziendale dedicato al Data quality applicabile solo ai dati strutturati. Questa attività è vista come un'attività core.

Sono state definite delle metriche standard di valutazione della qualità del dato Oltre agli indici di accuratezza e di accessibilità, si aggiungo anche indici di rilevanza, valore aggiunto, timeliness, completezza. Le metriche dell'IQM sono valutate periodicamente. La scarsa qualità del dato impedisce il re-engineering: in molti progetti di re-engineering la cosa fondamentale è individuare i dati giusti da collocare nel posto giusto al momento giusto per soddisfare le esigenze dell'utente. Esiste un framework condiviso e accettato a livello aziendale per la gestione dei dati e per supportare la gestione centralizzata delle regole e della distribuzione organizzata. Esiste ed è condiviso un piano di implementazione SLA per l'elaborazione degli Analytics ma esso riguarda strettamente il dato strutturato. I requisiti dell’archiviazione dei dati sono razionalizzati a livello corporate. L’architettura di integrazione del dato è customizzata per la propria realtà: le fonti di dati sono integrate a livello corporate.

Analytics:

Si utilizzano tecniche di analisi avanzate con dati strutturati. Il patrimonio informativo presente nel DW è estesa a tutta l'organizzazione. Gli analytics sono utilizzati per rispondere alle domande del business a qualsiasi livello e funzione aziendale. Gli Analytics rappresentano un fattore competitivo creando un valore per l'azienda.

Si utilizza una metodologia agile per gli analytics: i processi e gli strumenti utilizzati per i progetti analytics sono standardizzati e formalizzati. La BI è diffusa: l’80% dei dipendenti utilizza sistemi di Business Intelligence. Aumenta la percentuale di utenti a livello aziendale che hanno il Know- How per analizzare i dati autonomamente (80%). Esiste un Innovation team un data analytics team.

Governance:

Esiste una policy per il Data ownership & access policies a livello corporate. Essa è però applicata 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. Best practice per la gestione degli Analytics sono state definite per progetti o attività a livello di area funzionale. Tutte le informazione, insieme alla richieste di qualità sono ben definite e documentate ma solo a livello di alcune aree funzionale e unità di business Esistono metodi documentati per affrontare i problemi quotidiani con i dati, per monitorare l'aderenza alle politiche degli Analytics e per rispettare i criteri di conformità del Sector di appartenenza.