Livello Transformative

Di seguito la descrizione delle caratteristiche presenti nel quinto livello.

L’organizzazione diventa una data-driven enterprise, con cambiamenti significativi nel mindset (apertura mentale, nuove domande, nuove idee) e con la necessità di una piattaforma decisionale collaborativa, in cui le persone possano interagire, sfruttare gli analytics e accedere alle informazioni. Tutto il sistema tende al miglioramento continuo, grazie all’attenzione rivolta alla gestione di una qualità dei dati pro-attiva e al performance management. L’organizzazione si apre all’esterno e soddisfa le richieste di clienti e fornitori, con informazioni, dashboard e report specifici. Analisi sofisticate e informazioni vengono erogate come servizi, abilitati da un’architettura a essi orientata (SOA). La Business Intelligence viene percepita come un forte differenziale competitivo. I Big data fanno parte della strategia complessiva dell’azienda, esiste un piano pluriennale e sono considerati fonte di vantaggio competitivo. Esistono figure codificate dedicate alla gestione degli Analytics e dei Big Data e vi sono team cross-funzionali con competenze di data science che vengono coinvolte nei diversi progetti aziendali.

Organization:

Gli Analytics rappresentano un fattore competitivo: esiste una business vision e una pianificazione a lungo termine. Sono note le opportunità dei Big Data Analytics, iniziano ad esserci piani annuali/pluriannuali per la loro gestione.

Tutti i processi sono gestiti e tracciati in un sistema informativo, sono anche gestite informazioni provenienti da sistemi esterni e informazioni destrutturate. Ogni progetto Analytics prevede l’applicazione di politiche di Change Management gestite a livello centrale. I dati e gli analytics aiutano a guidare il business nell'azienda: le analisi avanzate e l'utilizzo dei Big Data aiutano le aziende a definire una strategia a lungo tempo.

Si configura una leadership progettuale condivisa: gli sponsor, la responsabilità economica e la realizzazione del progetto è a carico del Business e dell’IT e degli executives.Il commitment da parte degli executives è totale e la promozione fonde gli approcci top-down e bottom-up.

I benefici derivanti dagli analytics si configurano come strategici: i dati sono al centro dell'azienda, essi innovano e fungono da driver. L’organizzazione è una data-driven enterprise.

Esistono figure dedicate alla gestione dei dati strutturati e destrutturati (Big Data) e vi sono team cross funzionali con competenze di data science coinvolti nei diversi progetti aziendali. Il processo di finanziamento dei progetti di Analytics è strutturato e varia a seconda dell’obiettivo a lungo

termine: sale il budget dedicato alla Business Intelligence (50%) e cresce il budget riservato all’ICT (70%).

Infrastructure:

È presente una strategia in termini di sviluppo e realizzazione dell'infrastruttura e lungo termine. Esistono processi automatizzati di delivery con regole standard per l'implementazione di infrastrutture atte alla gestione dei dati transazionali. Si iniziano a strutturare i processi per le implementazioni di infrastrutture innovative che gestiscano anche i dati destrutturati.

L'organizzazione ha un ecosistema informativo, capace di integrare i dati strutturati e destrutturati provenienti da fonti esterne: le fonti dati sono rappresentate da informazioni interne ed esterne, dati transazionali, dati di localizzazione, tesi, social (altro...). Il livello di alimentazione automatica del sistema di BI da parte degli altri applicativi aziendali è real-time. Viene fatta una formazione periodica, costante e strutturata per l’acquisizione di competenze necessarie per sfruttare le tecnologie infrastrutturali al fine di realizzare report analitici efficienti. Le implementazioni di tecnologie emergenti quali Hadoop, NoSQL databases, tecnologie in-memory, tecnologie mobile sono integrate gestite in maniera federata e adottate diffusamente.

Data Management:

Si raccolgono e analizzano dati interni ed esterni strutturati, semi-strutturati e non strutturati: la mole di dati arriva agli ZettaBytes.

Gli utenti conoscono tutte le fonti dati e il loro contenuto informativo. Esiste un team aziendale dedicato al Data quality applicabile ai dati strutturati e destrutturati. Questa attività è vista come un'attività core. Sono state definite delle metriche standard di valutazione della qualità del dato: si gestisce l'intero ciclo di vita dei dati ed è possibile ricostruirne l'origine e la storia. Vengono rilevate la validità, l'accessibilità e l'accuratezza dei dati. In aggiunta sono analizzati anche indici di qualità della rappresentazione dell'informazione: interpretabilità, facilità di comprensione, consistenza nel valore dell'informazione. Le metriche dell'IQM sono valutate periodicamente e applicate anche ai dati destrutturati. La scarsa qualità del dato impedisce rende difficile una strategia a lungo termine.

Esiste un framework condiviso e accettato a livello aziendale per la gestione dei dati strutturati e destrutturati e per supportare la gestione centralizzata delle regole e della distribuzione organizzata. Sono implementate delle regole di archiviazione condivise e comuni per l'azienda puntualmente condivise e raffinate. L’architettura di integrazione del dato è customizzata per la

propria realtà: le fonti di dati sono integrate a livello corporate: presenza di un datawarehouse in unione ad altri sistemi che gestiscono i dati destrutturati per l'integrazione dei dati.

Analytics:

Si utilizzano tecniche di Predictive analytics (regressione, analisi delle serie storiche, reti neurali, alberi decisionali, support vector machines, modelli gerarchici, case-based reasoning, evidential reasoning, algoritmi genetici) o Prescriptive analytics (ottimizzazione, analisi decisionale, influence diagrams, teoria dei giochi, analytics con regole, control system) con dati destrutturati per rispondere alle esigenze di business. Esiste una metodologia, gestita centralmente per lo sviluppo degli analytics. L'azienda è una data driven enterprise: gli Analytics rappresentano un fattore competitivo creando un valore per l'azienda.

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. 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 pienamente diffusa. Esiste un Innovation team un data analytics team.

Governance:

Esiste una policy a livello corporate per il Data ownership & access policies. Essa è applicata sia ai dati strutturati che ai dati destrutturati.

Le esigenze di business sono state ben definite, di conseguenza esiste una strategia di selezione della tipologia di dati strutturati e destrutturati a livello corporate. Esistono policies in atto e documentate per la gestione degli Analytics applicabili a livello corporate. Presenza di policy a livello corporate per la qualità del dato: esse sono applicabili sia per i dati strutturati che per i dati destrutturati. Esiste un team Analytics a livello corporate. Il team è strutturato e consolidato: esiste una separazione di compiti e responsabilità. Tutte le informazione, insieme alla richieste di qualità e ai metodi di risoluzione sono ben definite e documentate a livello corporate. Si è in grado di monitorare l'aderenza alle politiche degli Analytics a livello corporate. Presenza di dati criptati a livello corporate