4. Analisi e risultati
4.2. Lo studio dell’orientamento imprenditoriale all’Exploration e all’Exploitation
Mediante l’analisi del contenuto delle interviste sugli episodi comportamentali condotte al gruppo di imprenditori oggetto dell’osservazione, è stato possibile delineare l’atteggiamento di questi verso l’innovazione; più nello specifico, ci si è proposti di vagliare la capacità di realizzazione di prodotti innovativi ed originali e, d’altra parte, l’abilità di apportare piccoli miglioramenti a quanto già abitualmente offerto. Dunque, proprio alla luce della centralità ricoperta dai due aspetti in questo lavoro, si è ritenuto opportuno approfondire il comportamento di tali variabili e calcolare quelle quantità numeriche idonee a descrivere alcune caratteristiche del campione. La prima fase delle analisi ha infatti riguardato lo svolgimento delle statistiche descrittive di tali variabili, ovvero il calcolo di alcuni parametri come media, mediana e deviazione standard. Si sono altresì desunte alcune informazione in merito alla forma della distribuzione dei dati mediante il calcolo di indici quali quello di asimmetria e di curtosi che consentono di controllare la normalità della distribuzione, prerogativa necessaria per poter procedere con molte delle elaborazioni statistiche successive.
Si ricorda che le variabili indipendenti “exploration” ed “exploitation” sono state codificate e misurate mediante il conteggio delle frequenze con cui ciascun imprenditore esprimeva concetti e idee vicine alle nozioni di esplorazione e sfruttamento, così come è stato illustrato nel capitolo precedente (si veda il paragrafo 3.4). Nella tabella che segue sono indicati massimo e minimo, media, mediana, deviazione standard, indice di asimmetria e curtosi per entrambe le variabili.
118
Tabella 4.1: Statistiche descrittive riguardanti le variabili indipendenti
EXPLOITATION EXPLORATION N Validi 29 29 Mancanti 0 0 Media 69,07 94,52 Mediana 61,00 99,00 Deviazione std. 34,326 32,280 Asimmetria ,923 -,092 Errore std dell'asimmetria ,434 ,434 Curtosi ,401 -,650
Errore std della curtosi ,845 ,845
Minimo 25 34
Massimo 159 152
Fonte: nostra elaborazione
Osservando i valori medi, si può notare una maggiore propensione degli imprenditori verso l’exploration rispetto all’exploitation, che può far supporre che i soggetti in esame siano particolarmente propensi alla sperimentazione e alla ricerca, nonché pongano particolare attenzione allo sviluppo e alla realizzazione di nuove tecnologie e combinazioni produttive. Il calcolo della media, sebbene sia da considerarsi come statistica descrittiva di base, è un valore capace di racchiudere e descrivere sinteticamente un insieme di dati. È una misura della tendenza centrale e fornisce una visione complessiva e generale dell’orientamento degli imprenditori verso exploration ed exploitation.
La deviazione standard è indicatore della dispersione delle osservazioni intorno alla media e stima dunque la variabilità di una popolazione di dati; in questa situazione, tale indice assume valori non molto diversi per le due variabili indipendenti e risulta essere comunque piuttosto elevato per entrambe. Considerando anche il massimo ed il minimo valore osservato ci si può fare un’idea del campo di variazione dell’insieme di dati a disposizione.
Gli indici di asimmetria e curtosi servono per valutare quanto la distribuzione in esame sia asimmetrica rispetto alla curva normale e quanto risulti più schiacciata o più appuntita se confrontata con la gaussiana. In particolare, valori negativi dell’indice di asimmetria esprimono una maggior concentrazione dei casi nei valori superiori alla media, mentre valori positivi indicano una più forte concentrazione dei casi in valori inferiori alla media. Diversamente, la curtosi misura quanto le osservazioni si trovino addensate nei valori estremi, ovverosia sulle code della distribuzione; relativamente a tale indice, valori negativi indicano una forte concentrazione dei casi nelle code, mentre valori positivi denotano una più elevata concentrazione dei casi intorno al valore medio. In questo caso, dai valori che assumono tali indici si desume che la curva rappresentativa dell’exploitation presenta un’asimmetria verso sinistra ed è più appuntita, più allungata, rispetto alla
119 normale. La distribuzione dell’exploration è invece di poco asimmetrica verso destra e, assumendo l’indice di curtosi valore negativo, si può dedurre che la curva sia più schiacciata rispetto alla gaussiana, ossia che vi siano più valori sulle code rispetto alla normale. Queste informazioni possono venire rappresentate graficamente con degli istogrammi nei quali viene sovrapposta la curva della normale; in questo modo si può verificare visivamente se i dati si distribuiscono secondo un andamento normale o se si è di fronte a dati che comportano un forte sbilanciamento della distribuzione. Come si può osservare dai grafici che seguono e dai valori indicati alle voci asimmetria e curtosi nella tabella 4.1, le distribuzioni delle frequenze di exploration ed exploitation non risultano molto lontane dalla distribuzione normale.
Fonte: nostra elaborazione
Con la finalità di comprendere meglio l’orientamento degli imprenditori campionati verso l’esplorazione e lo sfruttamento ed inquadrare il tipo di legame che effettivamente caratterizza le due variabili, si è proceduto con il calcolo del coefficiente di correlazione di Pearson, idoneo ad essere utilizzato per variabili quantitative quali esse siano. Sulla base dalle osservazioni raccolte, è risultato un coefficiente di correlazione pari a 0.523, un valore che indica una relazione di moderata intensità tra le variabili indipendenti. Per una corretta interpretazione del coefficiente di Pearson si rende necessaria la disamina del valore della significatività che in questo caso è risultato essere di 0.004, ad indicare che la correlazione è molto significativa. La correlazione è infatti da valutarsi rilevante per valori inferiori a 0.10, soglia che è stata opportunamente da noi prestabilita trattandosi della probabilità di compiere l’errore di rifiutare l’ipotesi nulla quando questa è in realtà vera; proprio per il ruolo ricoperto dal suddetto indice nella costruzione del test, la scelta è importante ricada su valori sufficientemente piccoli, come 0.01, 0.05 o 0.10.
120 Concretamente, il fatto di riscontrare la presenza di una modesta relazione tra le variabili indipendenti “exploration” ed “exploitation” può venire interpretato come la constatazione che gli imprenditori presi ad esame per la ricerca presentano i caratteri dell’ambidestrismo. Spingere verso l’ambidexterity significa appunto perseguire congiuntamente l’esplorazione e lo sfruttamento e questo si traduce, nella pratica, nella ricerca del bilanciamento tra efficienza, riduzione dei costi e innovazione incrementale, da un lato, e flessibilità, sperimentazione e innovazione radicale, dall’altro. Dunque, se le osservazioni evidenziano la presenza di un legame lineare considerevole tra exploration ed exploitation, con la conseguente implicazione che ciascuna variabile tende a variare con il mutare dell’altra, ciò rivela che i soggetti dell’indagine perseguono tanto le attività esplorative quanto quelle di sfruttamento; questo è proprio l’essenza del concetto di ambidestrismo.
Proseguendo nell’analisi del rapporto tra le due variabili, si è ritenuto interessante disegnare il grafico di dispersione; esso è una modalità di rappresentazione delle osservazioni su uno spazio cartesiano, nel quale si pongono sugli assi le variabili di interesse ed i dati vengono visualizzati mediante punti, determinati ciascuno da un certo valore assunto dalla variabile sull’asse delle ascisse ed un dato valore dell’altra variabile sull’asse delle ordinate. È anche grazie all’osservazione del grafico così costituitesi che si è individuata la presenza di un outlier, ossia di un soggetto che presenta valori anomali nei dati. Si è quindi pensato di eliminare tale soggetto e ripetere il calcolo del coefficiente di correlazione di Pearson e ridisegnare altresì lo scatter plot che illustra visivamente il legame tra exploration ed exploitation. Con l’eliminazione dell’outlier, come era naturale presupporre, l’indice di correlazione è cresciuto a 0.558, un valore più elevato rispetto all’analisi precedente e significativo di un legame lineare discreto tra le variabili indipendenti. Il coefficiente di determinazione R², rappresentativo della forza della relazione lineare, è risultato essere pari a 0.311, laddove può assumere valori compresi tra 0 e 1.
Seguono i due grafici di dispersione che sono stati costruiti così come spiegato sopra; in ognuno di questi vi è stata disegnata la retta di regressione, idonea a descrivere l’associazione lineare tra le variabili.
121
Figura 4.3: Scatter plot del legame tra Exploration ed Exploitation, considerati tutti i valori
Fonte: nostra elaborazione
Figura 4.4: Scatter plot del legame tra Exploration ed Exploitation, eliminato l’outlier
Fonte: nostra elaborazione
Si è successivamente svolta un’analisi di correlazione parziale tra “exploration” ed “exploitation”, ponendo come variabili di controllo alcuni elementi connessi alle sfera personale degli imprenditori esaminati; nello specifico, si è voluta studiare la relazione tra le due variabili indipendenti, rimuovendo però gli effetti che su tale legame potrebbero avere l’età, il livello di istruzione e gli anni di esperienza lavorativa maturati da ciascuno. Il coefficiente di correlazione, considerati tutti i membri del campione ed includendo dunque anche l’outlier, è risultato essere 0.520, valore prossimo a quello che si ottiene con la semplice correlazione bivariata (0.523). Ciò conferma la tendenza delle due
122 variabili ad andare di pari passo e a vedere quindi soddisfatta nella popolazione di riferimento l’ipotesi di ambidestrismo, anche qualora si abbia cura di eliminare eventuali e presunti effetti che terze variabili potrebbero avere sulla relazione oggetto dello studio.
Un’ultima considerazione si riserva alla dimensione temporale. Quando nel capitolo precedente si è descritto il campione e si è presentata la modalità di raccolta dei dati, si è detto che le interviste su cui è stata svolta la content analysis, di fatto centrali per la rilevazione dell’orientamento imprenditoriale verso le attività esplorative e di sfruttamento, sono state condotte in un arco temporale di cinque anni. Questo rappresenta indubbiamente un elemento di criticità per la presente ricerca cui potrebbe venire fatto rilievo di utilizzare informazioni troppo distanti nel tempo, rendendo le osservazioni disomogenee e inficiando, di conseguenza, i risultati raggiunti. Al fine di portare evidenze empiriche a sfavore di tale osservazione, comunque legittima, si è reputato utile e necessario controllare che il tempo non impattasse sulla relazione lineare che è stata rilevata tra exploration ed exploitation. Ciò è stato possibile mediante il calcolo del coefficiente di correlazione parziale, assumendo il tempo come variabile di controllo; l’indice di Pearson così determinato è, ancora una volta, pari a 0.520, che cresce a 0.560 nel caso in cui si elimini il soggetto considerato come outlier. Tale risultato dimostra che l’associazione lineare tra le due variabili non deve essere posta in dubbio per la circostanza che le interviste siano state condotte in momenti differenti, piuttosto che in un medesimo ristretto periodo per tutti i soggetti del campione. Questa conclusione è molto importante perché rende più solido lo studio e risolve, almeno in parte, il problema del gap temporale che ha purtroppo caratterizzato la raccolta dei diversi dati. Nella figura che segue si sono raggruppate le interviste sulla base degli anni in cui sono state realizzate e, relativamente a ciascun gruppo, è stata calcolata la media con cui si sono rilevate le due variabili indipendenti, exploration ed exploitation. È evidente che si è in presenza di una modesta relazione tra le due, poiché, di anno in anno, tendono a spostarsi in modo analogo, formando dei segmenti tra loro paralleli.
Figura 4.5: Scomposizione del campione in sottogruppi e medie di Exploration ed Exploitation
Fonte: nostra elaborazione
0 20 40 60 80 100 120 2006 2007 2010 2011 EXPLOITATION EXPLORATION
123 In conclusione, si può dunque affermare che le osservazioni evidenziano la presenza di un legame lineare tra exploration ed exploitation di moderata intensità, tanto da poter considerare soddisfatta l’ipotesi di ambidestrismo per gli imprenditori presi in esame.