Università di Pisa – Dipartimento di Economia e Management
UNIVERSITÀ DI PISA
Dipartimento di Economia e Management
Corso di laurea magistrale in Strategia, Management e Controllo
TESI DI LAUREA
I sistemi di Business Analytics per il management accounting:
analisi del contesto attuale di utilizzo e future evoluzioni
Relatore:
Prof. Riccardo Giannetti
Candidato: Luca Casarosa
II
INDICE
INTRODUZIONE IV
CAPITOLO 1 – IL FENOMENO DELLA BUSINESS ANALYTICS NEL CONTESTO
AZIENDALE 1
1.1EVOLUZIONE DELL’ICT A SUPPORTO DELL’AZIENDA 2
1.1.1LE CRITICITÀ DELL’ICT 5
1.2CAMBIAMENTO DEL RUOLO DEI RESPONSABILI DEL CONTROLLO DI GESTIONE 6
1.3.I SISTEMI DI BUSINESS ANALYTICS 9
1.3.1DEFINIZIONE 9
1.3.2CLASSIFICAZIONE 12
1.3.3DIFFERENZA RISPETTO ALLA BUSINESS INTELLIGENCE 14
1.3.4L’EVOLUZIONE DEI SISTEMI DI BUSINESS INTELLIGENCE E BUSINESS ANALYTICS IN AZIENDA
16
CONSIDERAZIONI CONCLUSIVE 18
CAPITOLO 2 - L’ADOZIONE DEI SISTEMI DI BUSINESS ANALYTICS 19
2.1 L’UTILITÀ DELLA BUSINESS ANALYTICS IN AZIENDA 20
2.2REQUISITI PER L’UTILIZZO DELLA BUSINESS ANALYTICS 23
2.2.1LA VALUTAZIONE SULL’ADOZIONE DELLA BUSINESS ANALYTICS 25
2.2.2LA SCELTA DEL DOMINIO DI APPLICAZIONE DELLA BA 26
2.3 PROBLEMATICHE RELATIVE ALL’INTRODUZIONE DELLA BUSINESS ANALYTICS 27
2.3.1PROBLEMA DEL PERSONALE E DELLE COMPETENZE 27
2.3.2L’IMPORTANZA DEI DATI 29
2.4 L’IMPLEMENTAZIONE DEI SISTEMI DI BUSINESS ANALYTICS 30
CONSIDERAZIONI CONCLUSIVE 32
CAPITOLO 3 – I SISTEMI DI BUSINESS ANALYTICS NELLE FUNZIONI AZIENDALI 37
3.1 LA BUSINESS ANALYTICS NELL’AUDITING 38
3.1.1CRITICITÀ DEI BA NELL’AUDITING 40
3.2LA BUSINESS ANALYTICS NEL RISK MANAGEMENT 41
3.3 LA BUSINESS ANALYTICS APPLICATA ALLA CUSTOMER RELATIONSHIP 44
3.4 I SISTEMI DI BUSINESS ANALYTICS NELLA FUNZIONE MARKETING 46
3.5LA BUSINESS ANALYTICS NEL COST MANAGEMENT 50
3.5.1IL COST MANAGEMENT: DEFINIZIONE E CARATTERISTICHE 50
3.5.2LA BUSINESS ANALYTICS NELLA DETERMINAZIONE DELLA PROFITTABILITÀ DEI CLIENTI 54
3.5.2ANALISI DEL VALORE DEI PROCESSI E BUSINESS ANALYTICS 56
III
3.5.4LE OPPORTUNITÀ OFFERTE DALLA BUSINESS ANALYTICS: RIDUZIONE DEI COSTI E NUOVE
OPPORTUNITÀ DI RICAVI 58
3.6LA BUSINESS ANALYTICS NEL CONTESTO STRATEGICO 62
3.7 ULTERIORI APPLICAZIONI DELLA BA 63
CONSIDERAZIONI CONCLUSIVE 66
CAPITOLO 4 – L’ANALYTICAL PERFORMANCE MANAGEMENT 67
4.1IBUSINESS PERFORMANCE ANALYTICS 68
4.1.1LE COMPONENTI DEI BPA 70
4.2L’ANALYTICS PERFORMANCE MANAGEMENT: GENESI E CONDIZIONI DI FUNZIONAMENTO 71
4.2.1L’IMPLEMENTAZIONE DI SISTEMI DI APM 72
4.2.2L’EVOLUZIONE DEI SISTEMI TRADIZIONALI DI MISURAZIONE DELLE PERFORMANCE 74
4.2.3LE CRITICITÀ DEI PMS TRADIZIONALI 75
4.3 LA BUSINESS ANALYTICS PER IL CONTROLLO DI GESTIONE:IL MADAFRAMEWORK 75
4.4LE CRITICITÀ DELL’APM 81
CONSIDERAZIONI CONCLUSIVE 83
CAPITOLO 5 – L’EVOLUZIONE DEI BUSINESS ANALYTICS 84
5.1 L’EVOLUZIONE FUTURA DEI BUSINESS ANALYTICS 85
5.2L’ERA DEI BIG DATA 87
5.2.1IL MODELLO DELLE QUATTRO V 87
5.2.2DATI STRUTTURATI E NON STRUTTURATI 89
5.2.3CRITICITÀ DEI BIG DATA 90
5.3IBIG DATA ANALYTICS 92
5.3.1I VANTAGGI DEI BDA 94
5.4 L’INDUSTRIA 4.0 E I BUSINESS ANALYTICS: L’UTILITÀ DELL’IOT PER LE DECISIONI AZIENDALI 95
5.4.1SUPPORTO DELL’IOT NELLE ANALISI DESCRITTIVE, PREDITTIVE E PRESCRITTIVE 102
CONSIDERAZIONI CONCLUSIVE 104
CONCLUSIONI 106
BIBLIOGRAFIA 109
SITOGRAFIA 114
IV Ringraziamenti
Un particolare ringraziamento va al Dott. Giovanni Sellitto, Administration, Controlling
& Business Intelligence Manager della funzione Information Technology di Piaggio
S.p.A., per la gentile collaborazione e disponibilità dimostrate nel supporto alla realizzazione del presente elaborato e per l’intervista alla quale si è cortesemente sottoposto.
V
INTRODUZIONE
L’elaborato esamina il fenomeno “business analytics” partendo da una prima analisi del contesto nel quale questi sistemi possono essere utilizzati: le modifiche dei gusti dei clienti, le modifiche di mercati di sbocco e della concorrenza nonché delle innovazioni tecnologiche. Nel primo capitolo viene analizzato il crescente contribuito che l’ICT storicamente ha fornito a favore del processo decisionale e come questo, unito alla volatilità delle preferenze dei consumatori, e della maggiore tempestività richiesta, ha contribuito a modificare la professione dei responsabili del controllo di gestione.
Nel secondo capitolo l’analisi si è spostata su un più rigorosa definizione dei confini della
business analytics oltre che degli elementi caratterizzanti e dell’utilità che essa può dare
in azienda.
Il terzo capitolo si concentra nell’andare ad approfondire il contributo e l’innovazione che questi sistemi possono apportare in specifiche funzioni aziendali, con particolare attenzione su tematiche più tradizionalmente interessate da questi cambiamenti. In particolare si esamina la relazione tra cost management e business analytics Quest’ultimo argomento è approfondito nel quarto capitolo, dove viene presentato un modello per l’applicazione della BA nell’analisi delle performance attuali e future dell’azienda. Nell’ultimo capitolo, si analizzano le principali innovazioni e possibili future evoluzioni dei sistemi di business analytics, tramite lo sfruttamento delle opportunità offerte dalla quarta rivoluzione industriale (Big Data e Internet in Things).
1
CAPITOLO 1 – IL FENOMENO DELLA BUSINESS
2
1.1 EVOLUZIONE DELL’ICT A SUPPORTO DELL’AZIENDA
Nel corso degli ultimi 40 anni il supporto che l’Information e Communication Tecnology1 ha fornito in azienda è cresciuto esponenzialmente.
Uno specifico ambito nel quale l’ICT è stato, ed è tuttora, fondamentale è il processo decisionale; infatti, avere sempre più informazioni, attendibili e tempestive, permettono all’azienda di essere al passo coi cambiamenti e sempre in linea con le esigenze dei clienti. Per capire cosa abbia permesso questa forte crescita, è necessario tenere conto di alcuni eventi susseguitisi negli anni.
L’evoluzione della tecnologia, con relativo abbassamento dei prezzi di hardware (- 22,2% dal 2015)2 e software, ha portato ad una maggiore possibilità, anche per le PMI,
di utilizzare dei sistemi informatici avanzati3. Questo ha contribuito fortemente diffusione dei sistemi informatici in azienda, come dimostra il Networked Readiness Index, un indice pubblicato annualmente dal World Economic Forum, che misura la propensione degli stati a beneficiare delle opportunità offerte dalle ICT. Tra i pilastri che compongono questo indice è presente il Business Usage (7th pillar), il quale definisce l’estensione
dell’utilizzo dei sistemi informatici (e delle sue opportunità) nelle aziende e degli sforzi da esse fatte al fine di creare un ambiente innovativo che permetta di aumentare la produttività.
Nello specifico, l’indice (nel periodo 2010-2016) è aumentato mediamente dell’16% per i paesi presenti nella top 104.
Un’altra importante accelerazione è stata data dall’apertura dei manager, e delle discipline aziendalistiche in genere, all’utilizzo di modelli matematici, statistici ed econometrici al fine di estrarre la maggior conoscenza più possibile dai dati e ampliare la significatività delle informazioni da essi ottenute5.
Negli ultimi anni si è assistito a cambiamenti nelle abitudini di consumo e nelle richieste dei clienti alle aziende. I consumatori non sono più interessati a prodotti che, come
1 “Acronimo di Information and Communication Technologies”, ICT è l’insieme delle tecnologie che
forniscono l’accesso alle informazioni attraverso le telecomunicazioni. A differenza dell’Information Technology, l’ICT è più focalizzata sulle tecnologie di comunicazione, come internet, reti wireless, telefoni cellulari e altri mezzi di comunicazione” da: https://www.economyup.it/glossario/ict-it-definizione/
2 Fonte: Dati Istat 2016, medie annue dell’Indice dei prezzi al consumo per l’intera collettività
3Dowes Lawrence, Nunes Paul “Big Bang Disruption: L’era dell’innovazione devastante”, 2014, Egea, Milano, Capitolo 2 e Fadini Bruno, Savy Carlo “Informatica per le scienze umane”, 2008, Franco Angeli, Capitolo 1
4 Elaborazione dell’autore su dati forniti dal World Economic Forum in “The Global Information
Technology Report 2010-2011” e “The Global Information Technology Report 2016”
5 Da: “Http://matematica-old.unibocconi.it/interventi/cocolicchio_maddalena/econofisica3.htm” e Silvi e Visani (2016)
3
succedeva nella prima metà del ‘900, durano per generazioni, ma sono più propensi a spendere un prezzo contenuto, soprattutto dopo la recente crisi economica, senza rinunciare alla qualità.
Questo fatto è dovuto molto al fattore “moda” che spinge molto spesso ad accettare prodotti low cost in modo da poter seguire le tendenze del momento.
Altro cambiamento, attualmente in atto, è quello relativo alla sfumatura dei confini di un mercato, ovvero al fatto che molti mercati tendono ad intersecarsi ed un medesimo bisogno del consumatore può essere soddisfatto, con uguali benefici, da prodotto appartenenti a mercati diversi.
Come si può capire da questa analisi, il controllo dei costi, della qualità e la riduzione dei tempi sono elementi fondamentali per poter competere. L’ICT risulta imprescindibile per poter perseguire questi scopi.
Dopo aver delineato il contesto entro il quale è avvenuta l’evoluzione e la diffusione dell’ICT in azienda, e nello specifico del processo di decision making, andiamo a vedere quali sono i sistemi che si sono susseguiti negli anni6.
I primi esprimenti in questo ambito sono stati fatti in ambito finanziario, al fine di determinare il rischio di credito e il valore delle stock option.
Successivamente si è passati a formalizzare dei modelli che potessero essere di supporto ad ambiti più ampi. Negli anni ’70, furono sviluppati i Decision Support System (DSS), che prevedevano un primo utilizzo del data mining7 per supportare il processo decisorio.
Spesso venivano applicati sistemi differenti nelle aree aziendali (supply chain, customer
relationship) che utilizzavano linguaggi diversi; in questo modo si creava un problema di
comunicazione tra sistemi.
In seguito, si è sviluppato l’Executive Information System (EIS), che rappresenta un DSS riservato al top management, quindi riferito più a decisioni di particolare rilevanza (prettamente di lungo periodo).
L’evoluzione successiva ha portato all’Online Analytical Process (OLAP), un sistema che permette analisi multidensionali con interfaccia interattiva e navigabile.
6 Con modifiche da Davenport (2014) e da Silvi e Visani (2016)
7 “È il processo di estrazione di conoscenza da banche dati […] tramite l’applicazione di algoritmi che individuano le “associazioni” nascoste tra le informazioni e le rendono visibili” da: “Cos’è il Data Mining”, https://www.cineca.it/sites/default/files/DataM.pdf
4
La Business Intelligence (BI) ha successivamente integrato l’OLAP, andando ad amplificarne l’utilità; infatti, utilizzando le interfacce navigabili di dati, i manager possono effettuare analisi sui dati, con modelli matematici e statistici, al fine di determinare che cosa sia accaduto nel periodo analizzato e poter avere la base su cui fondare le decisioni da prendere.
Nel 2010 sono iniziati a “circolare” i sistemi Business Analytics (BA), i quali sfruttano la BI e nuovi modelli matematico-statistici per poter determinare e spiegare i motivi che hanno portato a certi risultati e individuare le migliori decisioni da prendere.
Con l’applicazione delle tecniche viste per la BA ai big data, si riescono ad utilizzare molti più dati e avere modelli più realistici e più rappresentativi della realtà, con conseguenti miglioramenti sulle decisioni da prendere. Nascono così i Big Data Analytics (BDA).
Tabella 1 - L'evoluzione dell'ICT nel processo decisorio con modifiche da: Davenport (2016)
Decision Support System (DSS)
1970-1985 Uso dell’analisi dei dati per supportare le decisioni
Executive Information System (EIS)
1980-1990 Focalizzazione sull’analisi dei dati finalizzate alle decisioni, effettuate dai dirigenti
Online Analytical Process (OLAP)
1990-2000 Software per analisi multidimensionali di dati sotto forma di tabelle
Business Intelligence 2005-2010 Strumenti software per analisi sui dati volte a determinare i fatti avvenuti, tramite l’utilizzo di modelli matematico-statistici
Business Analytics 2010-presente
Utilizzo di modelli matematici, statistici ed econometrici per analizzare dati interni ed esterni, per analizzare i fatti avvenuti e determinare le linee di azione più efficaci. Big Data Analytics
2010-presente
Applicazione delle metodologie della BA ad un complesso molto ampio di dati, interni ed esterni all’azienda, spesso non strutturati.
5 1.1.1 Le criticità dell’ICT
Un grande problema dell’ICT è quello legato alla valutazione e dimostrazione della validità dell’investimento; infatti il ritorno economico dell’investimento in strutture, software e training difficilmente può essere valutato con il tradizionale metodo del capital
budgeting8, dato che non è un investimento che genera in maniera diretta un reddito, né tanto meno un flusso di cassa aggiuntivo9.
In certe situazioni, quindi, potrebbe essere difficile convincere l’imprenditore o i manager particolarmente restii alle novità. Per la valutazione di queste tipologie di investimenti, sarà necessario considerare altri valori che possono migliorare, come, a puro titolo esemplificativo, l’efficacia delle campagne di marketing, il miglioramento della qualità dei prodotti o quello delle tempistiche. A tal proposito, Cleland (2016) fa notare come il legame tra spesa in sistemi ICT e profittabilità non è stato provato e, per questo motivo solo nelle grandi aziende che hanno grosse riserve di liquidità si procede ad investimenti in questa direzione.
Come sottolineato in precedenza, nell’ICT i costi sono ben noti e sotto gli occhi di tutti, ma relativamente alla dimostrazione dei benefici, si trovano delle difficoltà.
È bene far notare come i benefici siano principalmente intangibili e necessitano di un lungo periodo per materializzarsi. Principalmente si concretizzano relativamente in ambito strategico o di vantaggio competitivo. In ogni caso è molto difficile coglierli, anche per mancanza di metodi per farlo.10
Altre rilevanti problematiche, relative all’ambito dell’ICT, riguardano le conoscenze e competenze tecniche e la qualità dei dati.
Per poter applicare i modelli matematico-statistici per l’analisi dei dati, è necessario che vi siano, da parte dei soggetti utilizzatori, delle conoscenze di base, in modo da poter meglio comprendere il risultato e dare ancora più valore alle informazioni generate.11 La qualità dei dati è requisito essenziale per il corretto funzionamento degli strumenti ICT a supporto alle decisioni. Se le informazioni si basano su dati affidabili, è probabile che la decisione presa possa effettivamente permettere di raggiungere gli obiettivi; al contrario se generata partendo da dati di dubbia provenienza, qualitativamente scarsi e
8 “[…] processo di identificazione e selezione degli investimenti in immobilizzazioni o altre attività che si prevede di utilizzare per periodi superiori all’anno.” Da: Peterson Pamela P., Fabozzi Frank J. "Capital
Budgeting: Theory and Practice", Wiley Finance, 2002, pag. 3
9 Cleland (2016) e Moradkhan (2015) 10 Cleland (2016)
6
inattendibili, il risultato a cui la scelta intrapresa porta, basandosi su informazioni fuorvianti, può essere quello di peggiorare la situazione di partenza.12
Quest’ultime due criticità dell’ICT saranno riprese successivamente nell’elaborato, relativamente all’utilizzo dei sistemi di business analytics.
1.2 CAMBIAMENTO DEL RUOLO DEI RESPONSABILI DEL
CONTROLLO DI GESTIONE
Rispetto a circa trent’anni fa, il ruolo dei responsabili del controllo di gestione è cambiato radicalmente. Originariamente il loro compito era quello di partecipare al processo decisionale, tramite la preparazione di budget, analisi degli scostamenti e reportistica interna, mentre gli attuali controller sono chiamati a dividere il proprio lavoro su quattro aspetti (Brands, 2015):
a) partecipare all’analisi e gestione dei costi strategici, per il raggiungimento di obiettivi di lungo termine;
b) implementare la gestione e il controllo operativo per determinare le performance aziendali;
c) pianificare l'attività dei costi interni; d) redazione dei bilanci.
Negli ultimi anni, sviluppo tecnologico e concorrenza nei mercati sono cresciuti in maniera proporzionale. Ciò ha portato alla necessità di ridurre i tempi in cui il processo decisionale deve concludersi, conseguentemente si sono sviluppare nuove filosofie e tendenze anche nel controllo di gestione: dall’aumento della frequenza della reportistica all’applicazione del meccanismo del feed-forward, dalle analisi dei dati prettamente a livello storico alle analisi predittive (Cokins, 2013).
Come afferma il manager di Piaggio13, non sono gli obiettivi ad esser cambiati, quanto le sfide da affrontare, in termini di minori tempi di elaborazione delle informazioni da
12 Cfr. paragrafo 2.3.2
13 Intervista esplorativa realizzata dall’autore a novembre 2017 con il Administration, Controlling &
Business Intelligence manager della funzione Information Technology di Piaggio S.p.A. con l’intento di
verificare come, nella realtà di una delle più grandi aziende italiane, sono utilizzati i sistemi di Business
7
fornire al management. In passato i monitoraggi avvenivano su base mensile, con i dati disponibili a metà del mese successivo, mentre adesso i tempi si misurano in ore.
Ciò dimostra come l’affinamento alla tecnologia permetta di aumentare la velocità, che diventa un fattore critico di successo indispensabile, che esce vincitrice nell’eterno
trade-off con l’affidabilità.
Inoltre, rispetto al passato il controller “validava” le informazioni, in un processo rigido e altamente burocratizzato, oggi invece è parte di un processo sempre più fluido e complesso di processamento dei dati.
Per questa ragione, il bilancio d’esercizio non rappresenta più uno strumento di controllo operativo tempestivo, dato che la sua disponibilità avviene ad esercizio abbondantemente chiuso. Ciò che oggi è richiesto è prendere delle decisioni in real time, utilizzando i dati a disposizione dell’azienda (interni/esterni, strutturati/non strutturati).
Con l’introduzione della business analytics in azienda, in virtù delle possibilità offerte14 e delle competenze richieste per l’utilizzo15 i responsabili del controllo di gestione necessariamente devono modificare le loro mansioni.
Secondo Cokins (2013), le sette tendenze principali del controllo di gestione sono: 1) Passaggio dall’orientamento al prodotto all’orientamento al cliente e utilizzo della
Customer Profitability Analysis, un tempo venivano realizzati e venduti prodotti
standardizzati, mentre oggi i clienti sono più esigenti e, conseguentemente, le aziende devono adattarsi alle loro richieste. Ciò rende necessario determinare se sia economicamente conveniente servire ogni singolo cliente;
2) Espansione del ruolo del controllo di gestione con Enterprise Performance
Management (EPM), ovvero metodologie per permettere il raggiungimento degli
obiettivi strategici, migliorando il controllo e i profitti;
3) Il passaggio alle analisi predittive, data la sempre più ampia necessità di anticipare i tempi di risposta alle necessità del mercato;
14 Cfr. paragrafo 2.1 15 Cfr. paragrafo 2.3.1
8
4) Business Analytics integrata nei sistemi EPM, come verrà discusso in seguito, la BA può dare un contributo essenziale alla gestione aziendale a 360°;
5) Coesistenza di più modelli di controllo di gestione;
6) Gestione dell’IT e condivisione di servizi d'impresa, l’apertura, coi sistemi informatici innovativi, verso l’esterno, alla ricerca della collaborazione tra aziende appartenenti alla medesima catena del valore, è necessaria al fine di garantire la reciproca sopravvivenza;
A tal proposito, nell’intervista realizzata con il manager di Piaggio, egli fornisce un interessante esempio in merito, dimostrando come i sistemi informativi/informatici si aprono verso la catena di fornitura: nello specifico, nel caso in cui l’azienda effettua delle modifiche del programma di produzione, e decidere di renderlo noto ai propri fornitori, questi possono proporre degli adeguamenti della fornitura, portando vantaggi reciproci.16
7) La necessità di migliorare le competenze nel cost management.
In conclusione, il ruolo dei controller è sempre più ampio e importante, al fine di mantenere l’azienda sulla giusta strada per il raggiungimento degli obiettivi che si è prefissata.
Se questi trend che si stanno affermando continueranno col medesimo ritmo, si arriverà ad un forte cambiamento di ciò che comporta la professione del responsabile del controllo di gestione.
Infatti, l’elemento “velocità” rappresenterà non più solo un elemento da avere per poter essere al passo col mercato, ma rappresenterà requisito essenziale sul quale si innesterà il buon governo dell’azienda. A tal proposito, il manager di Piaggio17 sostiene che si arriverà ad uno snellimento delle procedure e delle funzioni di controllo di gestione, con la finalità di snellire i processi di trasmissione delle informazioni e facilitare l’attività del controllo di gestione.
9
Proprio la semplicità diventa di vitale importanza dato che, col decentramento del processo decisionale e dell’attività di controllo, si devono fornire ai soggetti informazioni che siano da essi facilmente comprensibili. In tal senso, è emerso dall’intervista in Piaggio17 proprio che, rispetto al passato in cui le informazioni di una certa rilevanza (principalmente performance economico-finanziarie) erano appannaggio dei soli controller, oggi viene riconosciuto il valore della semplicità.
1.3. I SISTEMI DI BUSINESS ANALYTICS
1.3.1 DefinizioneDall’analisi della letteratura emerge che non vi è una definizione unanime di che cosa si intenda per business analytics. Difatti alcuni autori la definiscono come un insieme di tecniche, pratiche e tecnologie, altri la definiscono come un processo di organizzazione e trattamento dei dati, altri ancora come un gruppo di strumenti.
Di seguito vengono riportate le definizioni di alcuni autori, ritenute più significative a giudizio dell’autore.
Per Cokins (2013, pag. 69) la BA è “una combinazione di tecniche di previsione affidabili
e di un potente software computazionale con un reporting efficace che può fornire convincenti vantaggi.”
Havlena (2013) la definisce come “un modo per organizzare e convertire dati in
informazioni per rispondere alle domande sul business. Porta a migliori decisioni cercando di individuare modelli e tendenze nei dati e permette di prevedere l'impatto delle decisioni prima di essere prese.”
Secondo Galetto (2017), è "lo studio dei dati attraverso analisi statistiche e operazioni,
la formazione di modelli predittivi, l'applicazione di tecniche di ottimizzazione e la comunicazione di questi risultati a clienti, partner commerciali […]”.
10
Rouse (2017) indica la BA come “la pratica dell'esplorazione iterativa e metodica dei
dati dell’azienda, con particolare attenzione all'analisi statistica”.
Yerpude e Singhal (2017, pag. 3), sostengono che la BA “non è una tecnologia in sé, ma
piuttosto gruppi di strumenti che si combinano tra loro per acquisire informazioni, analizzare quelle informazioni e prevedere i risultati delle soluzioni problematiche che comportano una decisione accurata e rapida”
Havlena si discosta dagli altri autori qui citati, fornendo una definizione molto generale di che cosa, a suo avviso, sia la business analytics. Come si può leggere non fa riferimento a particolari tecniche analitiche di studio dei dati né tantomeno a tecnologie informatiche a supporto di queste analisi. Ciò può essere dettato dall’epoca in cui è stata formulata, cioè agli albori del fenomeno.
Da questa breve analisi delle definizioni fornite da alcuni autori, e soprattutto grazie al lavoro di Hollsappe et al. (2014), il principale razionale, quindi il principale motivo che può spingere ad utilizzare la BA, è quello di migliorare il processo decisorio, rendendolo più semplice, migliore e più sicuro.
Tentando di dare una definizione che riassuma e tocchi gli argomenti suddetti, possiamo indicare la business analytics come un insieme di metodi e tecniche analitiche di studio e
trattamento dei dati di cui l’azienda dispone (siano essi provenienti da fonti interne che esterne), applicate tramite appositi sistemi software, al fine di identificare tendenze e modelli che permettono un processo di decision-making più consapevole e con più bassa probabilità di errore.
In questo modo i processi decisori in azienda diventano scientifici e automatizzati, permettendo all’azienda di raggiungere gli obiettivi, sia di breve che di lungo periodo, esponendosi a più bassi livelli di rischio.
Dalla definizione appena fornita, si evincono tre fondamentali elementi di cui la BA si costituisce:
- Un insieme di metodi e tecniche analitiche di analisi dei dati, che provengono da discipline come matematica (studio funzione, calcolo integrali, …), statistica
11
(modello di regressione lineare, modello di regressione multipla, …) o econometria (metodo Monte Carlo, …)
- Un insieme di dati che provengono da fonti interne (database aziendali relativi a processi interni) e esterne (mercato, clienti, fornitori, condizioni macroeconomiche)
- Un software che sia in grado si applicare le metodologie analitiche ai dati a disposizione (ad esempio forniti da Sap, Oracle, SaS, IBM, Microsoft).
Del solito avviso risulta essere il manager di Piaggio18, che nell’intervista definisce la BA come “una dinamica aziendale e come tale un insieme di strumenti, persone che
ciclicamente si evolvono: si utilizza la tecnologia per determinare gli obiettivi, i quali possono variare in base a ciò che si determina dall’analisi”.
Il risultato fornito dal software è l’informazione che verrà poi utilizzata dal soggetto preposto a prendere la decisione, il quale si baserà su essa per poter scegliere al meglio. Il valore dei sistemi di business analytics sta proprio in questa possibilità di ottenere conoscenza, difficilmente ottenibili con l’approccio tradizionale, la quale deve essere utilizzata per alimentare il processo decisorio, portando a migliori risultati.
Inoltre, la sua crescente e riconosciuta importanza fa sì che nelle aziende il suo utilizzo sia un elemento discusso e allo stesso tempo, per chi lo utilizza, sempre più importante, come dimostrano i dati dell’Osservatorio “Big Data Analytics & Business Intelligence” della School Management del Politecnico di Milano che, per l’anno 2016 hanno registrato un aumento del 15% del valore complessivo del mercato (in Italia). Per quanto riguarda la diffusione, si va da aumenti del 25% (settore assicurativo) ad aumenti sempre in doppia cifra per manifatturiero, banche, servizi e Tel.Co. fino ad arrivare a modesti aumenti in settori legati a PA e sanitario19.
18 Intervista realizzata dall’autore
19 Da: “
12
Dall’intervista al manager di Piaggio20, emerge come, in caso di problemi che ne limitano o impediscono l’utilizzo, i soggetti si sentono “ciechi”, ma l’elevata efficienza raggiunta fa sì che, in genere, questi problemi siano risolti nel giro di ore.
Ciò che risulta dal medesimo report dell’Osservatorio, la diffusione delle descriptive
analytics (per le grandi imprese) è a quota 89%, mentre i predictive analytics risultano
essere un ambito di grande interesse (diffusione del 59%), sebbene ancora confinata ad ambiti applicativi (30%) o in fase pilota (29%). Per quanto riguarda i prescriptive analytics risultano ancora poco diffusi, essendo presenti solo nel 23% delle aziende, principalmente in fase pilota.
1.3.2 Classificazione
Andiamo ora a vedere come possono essere classificati i sistemi di business analytics. Secondo la visione di BA di Rouse (2017), essa si suddivide in due aree principali:
- Business Intelligence21, utilizzata per un’analisi su dati storici al fine di determinare che cosa sia stato fatto dall’azienda in sé. Questa pratica è già in uso in molte aziende di medio-grandi dimensioni
- Approfondite analisi statistiche, per poter estendere la precedente analisi su ciò che è successo al futuro, e permettere di capire cosa potrebbe accadere.
A seconda di quale orientamento e per quale scopo vengono effettuale le suddette analisi, si distingue in: analisi descrittive, analisi predittive, analisi prescrittive.
Analisi descrittiva
È una tipologia di analisi che permette di spiegare che cosa è successo e permette di formare la base per analisi sull’operato dell’azienda e dei suoi componenti (divisioni, manager, personale, prodotti, ecc).
Risponde a domande come “che cosa è successo?”, “cosa sta succedendo ora?”, “sono in linea con la performance attesa?”.
20Intervista realizzata dall’autore
13
Strumenti tipici che fanno parte di questa categoria sono i Key Performance Indicators (KPI)22, cruscotti, tabelle, grafici, generalmente navigabili secondo la logica drill down, a differenza dei sistemi tradizionali di visualizzazione dei dati23.
Analisi predittiva
È una tipologia di analisi che, come dice il nome stesso, è utilizzata per fare delle previsioni di possibili avvenimenti futuri, sulla base di quanto ottenuto tramite le analisi descrittive.
Permette di rispondere alla domanda “che cosa potrebbe accadere?”.
In questa categoria di analisi si utilizzano modelli predittivi e probabilistici, previsioni e metodologia statistiche ed econometriche.
I modelli predittivi utilizzano i dati passati sui quali, tramite l’applicazione di ipotesi, vengono determinati possibili andamenti futuri relativamente al business.
Analisi prescrittiva
È un’analisi che permette di capire, e consiglia, quale sia il percorso d’azione giusto da compiere affinché il risultato voluto possa essere raggiunto.
Risponde alla domanda “come possiamo far accadere x?”.
Le tecniche utilizzate per le analisi predittive e quelle prescrittive possono apparire similari, ma ciò che effettivamente cambia è l’utilizzo che se ne fa; infatti nel caso di analisi predittiva semplicemente il manager vuol capire cosa succede se prende una determinata scelta, mentre con le analisi prescrittive cerca di capire quale sia la migliore linea d’azione affinché si raggiunga l’obiettivo posto.
Inoltre, un elemento fondamentale da considerare, è la molteplicità dei dati di cui il sistema dispone e che vengono utilizzati nell’analisi prescrittiva (interni e esterni,
22 I KPI sono definiti come “un insieme di misure che si concentrano sugli aspetti più cretici della
prestazione aziendale relativi al successo attuale e futuro dell'azienda stessa” da: Parmenter David “Key Performance Indicators (KPI): Developing, Implementing, and Using”, 2010, Wiley, pag. 4
14
quantitativi e qualitativi): tanto più sono vari, quanto più il risultato dell’analisi sarà affidabile.
È una tipologia di analisi che viene svolta con meccanismo di loop con feedback relativo all’inserimento o aggiornamento di dati, al fine di aumentare l’accuratezza e permettere di migliorare la decisione da prendere.24
1.3.3 Differenza rispetto alla Business Intelligence
Intorno al termine “business analytics” viene fatta un po’ di confusione con un altro termine simile, ossia “business intelligence”. Questa confusione è presente sia nella letteratura che nella prassi delle aziende – sia utilizzatrici che software house – dove si tende a mescolare e, in alcuni casi, a considerare i due termini come sinonimi.
Di seguito saranno analizzate alcune opinioni di autori e di manager, in modo da capire quale si la tendenza prevalente e in modo da fare chiarezza su questo argomento.
Davenport, in un’intervista25, ha suggerito che “[…] gli analytics sono relativi
generalmente all’analisi di dati quantitativi […] [effettuata] tramite metodologie matematico-statistiche […]. L’obiettivo è estrarre informazioni e utilizzarle per prendere decisioni.
La business intelligence ha lo stesso obiettivo, ma è quasi sempre effettuata tramite analisi descrittive e di reporting.”
Maisel e Cokins (2015) sostengono che la BA “[…] semplifica i dati per amplificarne il
valore. Il [suo] potere […] è quello di trasformare enormi volumi di dati in una quantità molto minore di informazioni e conoscenza.
La BI principalmente riassume i dati storici, tipicamente in report contenenti tabelle e grafici […]. Essi non semplificano i dati e neppure ne ampliano il valore, impacchettano semplicemente i dati in modo da poter essere consumati.”
Più semplicemente “la BI utilizza le informazioni a disposizione, la BA ne produce di
nuove”.
Razzicchia (2010) chiarisce che con la BI si utilizzano le informazioni aggregate secondo attributi predefiniti e riassumendo il tutto in KPI, con la BA si cerca di scendere ai dettagli
24 Appelbaum et al. (2017) 25 Pauleen (2017)
15
in modo da identificare correlazioni e tendenze per una migliore aggregazione successiva analisi dei dati.
Da un articolo di Heinze (2016) nel quale intervista sette manager esperti in ambito di ICT, emerge che tutti concordano che vi siano differenze tra i due termini, ma ognuno dà la propria interpretazione; riassumendo abbiamo chi sostiene che:
- la BA comprende la BI; - la BI comprende la BA;
A differenza, altri le considerano sul solito piano ma con due obiettivi diversi: - BI per l’operatività giornaliera, BA per cambiare il business;
- BI come una tecnologia e BA come un metodo di analisi; - La BI guarda al passato mentre la BA guarda al futuro.
Una minoranza di autori e manager, come ad esempio Minkin (2017) e Shardrer (2012) sostengano che i due termini come sinonimi, sostenendo che siano due termini diversi utilizzati per indicare la solita cosa e che, quindi, possono essere utilizzati indistintamente l’uno dall’altro.
Ciò che si può desumere da questa panoramica di opinioni è che la stragrande maggioranza di autori sostenga la linea della differenziazione tra business intelligence e
business analytics, considerando la prima come strumenti informatici necessari e al
servizio della business analytics, che permettono di analizzare i dati passati, di generare informazioni circa quanto accaduto e permettere di creare una reportistica efficace che ne garantisca la diffusione della conoscenza.
La business analytics, invece, utilizzando i dati a disposizione e i sistemi di reportistica messi a disposizione dalla business intelligence, applica metodologie analitiche di elaborazione dei dati (cfr. paragrafo 1.3.1) al fine di determinare possibili futuri scenari e, addirittura, testare le varie alternative di intervento e permettere di scegliere quella più corretta.
Dall’analisi emerge come, nonostante una difformità di giudizio, elemento normale quando si considerano fenomeni in evoluzione e dovuta anche dal diverso background dei soggetti, la maggior parte delle opinioni sostengano come la business analytics differisca dalla business intelligence principalmente per le tecniche di analisi effettuate e
16
l’utilizzo che se ne può fare del risultato e non tanto per i dati a cui viene applicata. Infatti, tramite l’utilizzo di nuove metodologie di analisi dei dati, la BA apre il proprio orizzonte al futuro, consentendo anche analisi predittive, evidenziando quindi i possibili scenari evolutivi delle variabili prese in considerazione, e prescrittive, permettendo di identificare le azioni più corrette da compiere per raggiungere gli obiettivi desiderati.
La BI mette a disposizione la sua capacità estrazione di informazioni su dati con sguardo rivolto prettamente passato, evidenziando ciò che è accaduto e lasciando alle capacità del manager di capire i motivi sottostanti e le contromisure da adottare per cambiare rotta, se egli lo ritiene necessario. Ciò a dimostrazione di quanto affermato in precedenza26.
1.3.4 L’evoluzione dei sistemi di business intelligence e business analytics in azienda Al fine di meglio comprendere cosa sia oggi il fenomeno business analytics, è importante capire come siamo arrivati a questo stadio evolutivo. Andiamo così a identificare le varie tappe che di sistemi analitici a supporto dell'azienda, che si sono susseguiti nel tempo. Chen (2012), ripercorre l’evoluzione che i sistemi informatici applicati all’operatività aziendale, andando a riproporre le tecnologie, gli strumenti e i metodi utilizzati nelle specifiche epoche prese in esame.
Nel succitato articolo, viene indicato come business intelligence & analytics (BI&A) come un termine unificato per indicare le metodologie di analisi utilizzate per le aziende. BI&A 1.0
Agli albori dell’introduzione delle tecnologie computazionali e grazie all’aumento della capacità di calcolo degli elaboratori, negli anni 70-80, lo strumento più utilizzato per la raccolta dei dati era quello del database relazionale (RDBMS)27. I dati era principalmente strutturati28 e raccolti mediante vari sistemi legacy29.
Le metodologie di analisi utilizzate erano prettamente quelle statistiche e tecniche di data
mining sviluppare in quegli anni. Nel medesimo periodo il Business Peformance Management sviluppa cruscotti e scorecard per l’analisi e la visualizzazione di una serie
di indicatori di performance.
26 Cfr. paragrafo 1.3.2
27 “Sistema composto di dati e di relazioni che definiscono il loro comportamento e le dipendenze tra i dati
stessi” da: Khaldi Jilani, “Database Relazionali”, Narcisus, 2012, terza edizione, pag. 8
28 Cfr. Paragrafo 5.2.2
29 “Un sistema (o applicazione) legacy è un sistema (o applicazione) informativo esistente da anni, che è
di valore per il business da esso supportato, e che è stato ereditato dall'ambiente elaborativo attuale” da:
17 BI&A 2.0
Nei primi anni 2000, il web 1.0, anche grazie allo sviluppo di motori di ricerca come Google e Yahoo, ha permesso lo sfruttamento di questo nuovo canale di vendita, creando l’e-commerce, permettendo alle aziende di interagire direttamente con i propri clienti, indipendentemente dalla loro collocazione geografica.
In aggiunta al RDBMS, grazie al tracciamento degli indirizzi IP e alla profilazione degli utenti tramite i cookies30, si è riusciti ad andare incontro più efficacemente ai bisogni dei clienti – limitatamente a quelli che si sono connessi via web – e identificare nuove opportunità di business.
Tramite questa analisi dei dati provenienti da siti web, si possono identificare modelli di comportamento dei clienti e delle loro abitudini di acquisto.
BI&A 3.0
Con l’avvento del web 3.0, dell’introduzione degli smartphone e, soprattutto, dell’iperconnettività, si arriva ad avere una mole enorme di dati (c.d. big data)31 strutturati e non, da dover analizzare.
Qui entrano in gioco le tecniche viste per i BA che, grazie al continuo sviluppo tecnologico di nuovi e più potenti calcolatori, vengono applicate ai big data, creando così i big data analytics, argomento trattato nel capitolo 5.
30 Piccoli file di testo che il browser registra ogni volta che ci si collega e che registra informazioni relativamente alla frequenza di visita e altre informazioni potenzialmente utili per chi li registra.
18
CONSIDERAZIONI CONCLUSIVE
In questo capitolo è stato analizzato il contesto nel quale i sistemi di business analytics si inseriscono.
Il contesto del mercato sempre più mutevole costringe gli attori a doversi adattare alle situazioni in cui si trovano ad operare per poter rispondere alle esigenze dei clienti. È stata anche analizzato l’evoluzione di come l’ICT abbia supportato nel tempo il processo di generazione delle decisioni, permettendo di prendere decisioni sempre più efficacemente e permettendo, con una sempre migliore analisi dei dati, di cogliere opportunità altrimenti inesplorate sul mercato. Il supporto che l’ICT fornisce è sempre più permeato nella realtà delle aziende e, come dimostrato, è partito da singoli progetti e ambiti estremamente focalizzati, fino a raggiungere l’azienda nel suo complesso. Ormai i sistemi di BA sono una realtà, essendo imprescindibili per il raggiungimento degli obiettivi aziendali.
Come risultato dei cambiamenti avvenuti, le aziende hanno dovuto imparare a rivedere anche le fondamenta stesse del proprio modo di fare impresa, addirittura andando a modificare le modalità tradizionali, ormai vecchie di decine di anni, di come il controllo di gestione vigili sull’efficacia delle operazioni aziendali. Proprio relativamente a questo specifico ambito è stato visto come la necessità di essere flessibili ed inserirsi in un contesto mutevole, richieda la velocità come fattore determinante e guida di ogni operazione, conseguentemente il processo del controllo di gestione si modifica semplificandosi e aprendosi verso la base della piramide, allargando le responsabilità decisorie più vicine a dove la decisione presa ha realmente effetti tangibili.
Nella parte finale del capitolo, nell’analizzare più nello specifico che cosa si intenda per
business analytics, ed è emerso come, per poter sfruttare le sue potenzialità, sia necessario
tener conto in maniera molto attenta dei vari elementi che la compongono, analizzando dettagliatamente sia le capacità di destreggiarsi con le metodologie di analisi, sia come e dove reperire i dati e la tecnologia necessaria e, successivamente, determinare come utilizzare il risultato ottenuto ed inserirlo con successo nel processo decisionali.
19
CAPITOLO 2 - L’ADOZIONE DEI SISTEMI DI BUSINESS
20
2.1 L’UTILITÀ DELLA BUSINESS ANALYTICS IN AZIENDA
Dopo aver analizzato il fenomeno business analytics, è necessario ora andare ad individuare quali sono i motivi che possono spingere il management di un’azienda ad intraprendere un iter di implementazione di questi sistemi.
In letteratura sono presenti molte opinioni favorevoli all’introduzione della BA, la quale viene considerata un elemento indispensabile per stare al passo coi tempi e alla rapidissima mutevolezza dell’ambiente esterno nel quale le aziende si trovano ad operare quotidianamente.
Un argomento importante che sottolineano Cokins (2012) e Thompson (2016) è il fatto che l’utilizzo della business analytics crei valore per il cliente e che sia l’unica strategia vincente, nonché l’unica fonte duratura di vantaggio competitivo. Questo perché, data la velocità di cambiamento dei gusti e delle abitudini di acquisto dei consumatori, in un mercato costantemente rivoluzionato da innovazioni tecnologiche, per mantenere posizioni dominanti rispetto alla concorrenza è necessario rispondere in modo tempestivo, ed in maniera più efficace possibile, alle richieste dei clienti.
Ad oggi vi è sempre meno fidelizzazione dei clienti, i quali tendono a non fare differenza tra uno specifico brand e un diretto concorrente; inoltre l’abbassamento del costo delle materie prime, e soprattutto della forza lavoro (in prevalenza per aziende operanti in mercati orientali come Cina e India) rende impraticabile la strategia di competere sul prezzo, perché vi sarà sempre un’azienda in grado di produrre a costi inferiori e, conseguentemente, di vendere a prezzi più bassi.
Da ciò discende che chi meglio, e più velocemente, riesce a cogliere le esigenze del cliente, tanto più riuscirà a produrre utili.
A dimostrazione di quanto siano importanti i sistemi predittivi e quale si l’impatto sui risultati aziendali, da un sondaggio32 risulta che il 66% degli intervistati sia sodisfatto dell’introduzione delle analisi predittive, e sono convinti che contribuiscano fattivamente alla creazione di valore. Di contro, tra i soggetti che all’epoca del sondaggio – 2007 – non avevano adottato tali sistemi, si assisteva ad un decremento del 2% dei profitti e dell’1% del riacquisto da parte dei clienti.
32 Eckerson Wayne, “TDWI report: Predictive analytics: Extending the value of your data warehousing
21
Inoltre, da uno studio di un campione di trentadue aziende effettuato da nGenera nel 200833 risulta che una maggiore applicazione di metodologie analitiche all’analisi di dati è correlata con migliori prestazioni sul piano economico-finanziario. Inoltre dal medesimo articolo, viene riportato il risultato di un altro studio di quattrocento aziende dove si dimostra come le aziende che meglio sfruttano i sistemi di BA, hanno probabilità cinque volte maggiori di piazzarsi nel primo quintile delle aziende più performanti, rispetto al piazzarsi nell’ultimo 20%.
Per poter sfruttare la business analytics e permettere, come visto poc’anzi, di creare valore e uscire vincenti dalla lotta alla sopravvivenza tra aziende concorrenti, è necessario sfruttare al meglio le opportunità offerte da questi sistemi.
Grazie ai cambiamenti tecnologici dirompenti (la c.d. digital disruption), le aziende si trovano di fronte alla possibilità di raccogliere e immagazzinare grandi quantità di dati che sono alla base dei sistemi di business analytics, e che possono (e devono) essere sfruttati per poter creare valore.
Per Klatt et al. (2011) la BA è indispensabile al fine di contrastare il sovraccarico di informazioni derivante dalle nuove, e sempre più ricche, fonti di dati. Infatti, i manager, essendo deputati della presa di decisioni, non sono in grado di gestire al meglio grandi quantità di dati senza l’ausilio di questi sistemi.
Un altro importantissimo pregio della BA è quello di permettere di identificare le interdipendenze causali tra variabili. Soprattutto nella determinazione degli obiettivi strategici, spesso si tende a non considerare l’effetto di una determinata azione su altri obiettivi aziendali, oppure si considerano quelle interdipendenze che sono palesi e note ai manager grazie all’esperienza maturata nell’azienda.
Grazie alla BA, invece, si riescono ad identificare relazioni casuali tra variabili e obiettivi che verranno inserite alla base dei modelli utilizzati per effettuare previsioni sui possibili andamenti futuri.
Finora abbiamo visto come i sistemi di business analytics possano essere utili all’azienda nel suo insieme; è importante anche andare a valutare se e come la sua applicazione pratica possa essere d’ausilio per i vari manager e direttori di funzione.
22
Havlena (2013) evidenzia come i sistemi di BA possano essere utili in tutta l'azienda e tutti i componenti del top management possono trarne vantaggio. Ad esempio, i responsabili marketing (CMO) possono utilizzare la BA per ottenere una migliore comprensione dei clienti e migliorare la fedeltà degli stessi34.
Il CFO, invece, può migliorare la gestione delle prestazioni finanziarie ed effettuare previsioni finanziarie.
I responsabili dei risk management (CRO) possono ottenere una visione olistica del rischio, delle frodi e delle informazioni sulla conformità in tutta l'organizzazione e intraprendere un'azione35.
I responsabili operativi (COO) possono ottenere una migliore comprensione delle catene di fornitura e delle operazioni di approvvigionamento e migliorarne l'efficienza36.
Non sempre però è facile convincere il top management ad intraprendere la strada dell’implementazione per una serie di criticità rilevanti37 e anche dalla difficoltà di avere riscontri sul rispetto delle promesse in termini di miglioramento delle performance. A tal proposito, in uno studio, riassunto in Ramanathan (2017), dall’analisi del settore retail in Gran Bretagna, risulta che i manager intervistati sostengono che sia difficile quantificare l’effetto positivo che la BA apporta in azienda a livello complessivo, mentre risulta più facile individuare quello apportato localmente nelle singole funzioni in cui è applicato. Ciò, appunto, può spingere i manager ad adottare i sistemi di business analytics.
34 Cfr. paragrafo 3.3 e 3.4 35 Cfr. paragrafo 3.3 36 Cfr. paragrafo 3.7 37 Cfr. paragrafo 2.3
23
2.2 REQUISITI PER L’UTILIZZO DELLA BUSINESS ANALYTICS
Dopo aver analizzato come la BA possa risultare utile per le aziende, è importante andare a capire come la sua introduzione possa risultare fruttuosa. Al fine del successo dei
business analytics, è necessario che vengano tenuti in considerazione cinque importanti
elementi38:
1) Cultura aziendale, in azienda deve vigere una cultura di misurazione delle performance in cui i soggetti sono ritenuti responsabili per i risultati ottenuti. I dirigenti che lavorano per un’azienda che si affida ai sistemi di BA, devono credere nell’opportunità che i dati, e la loro analisi, possono apportare all’azienda, e devono essere disposti ad investire denaro e il proprio tempo per creare e diffondere questa cultura anche ai livelli gerarchicamente inferiori. Devono essere curiosi, in modo da voler sempre capire il motivo dietro ogni evento, così da poter acquisire sempre maggiore conoscenza e migliorare i modelli di riferimento. 2) Personale preparato e qualificato, i soggetti preposti all’analisi dei dati devono
avere una profonda conoscenza dei processi aziendali e devono essere molto abili nell'utilizzo di vari strumenti analitici, inclusi Excel, SQL, workbenches analitici e linguaggi di codifica.
Devono, inoltre, essere abili nel problem solving per riuscire a trarre il massimo valore possibile dai dati. Questi soggetti devono possedere capacità altamente specializzate, come capacità computazionali, analitiche, di comunicazione e di business39.
3) Organizzazione, i top users dei BA, al fine di diffondere la cultura e le competenze, spesso creano dei centri di eccellenza interni alle proprie aziende. Gli analisti generalmente fanno parte di specifiche funzioni aziendale, ma sono anche parte di un'organizzazione centralizzata che collabora e fornisce i propri servizi all’interno dell’azienda.
Questo è accaduto in AUDI quando, nel 2013, è stata decisa l’introduzione dei sistemi di big data analytics. Nel caso specifico, è stata decisa la creazione dell’hub di innovazione digitale e dell'unità di analisi e strategia dei dati
38 Eckerson (2011) 39 Pauleen (2017)
24
all'interno del reparto di “vendita e marketing”, al fine di sviluppare e le competenze e le capacità richieste dell'analisi dei dati40.
4) Architettura, il team preposto alla creazione e gestione del database centralizzato, svolge un ruolo fondamentale nel fornire supporto ai vari team funzionali. È necessario che le informazioni fornite siano di alta qualità, sicure e coerenti. In alcuni casi, soprattutto in caso di primo approccio ai sistemi di BA, è utile affidarsi a consulenti esterni esperti in materia, al fine di impostare correttamente l’implementazione e permettere una migliore diffusione delle competenze. AUDI ha deciso di agire proprio in questo modo, affidandosi a consulenti esterni dall’introduzione fino al momento in cui le competenze acquisiste sono state ritenute sufficienti per poter proseguire in autonomia41.
5) Piattaforma software, al fine di poter accedere all’architettura analitica è necessaria una piattaforma, ovvero un sistema che utilizza e integra i dati e che consente l’accesso alle informazioni a chi le richiede.
Come visto, sono molti i fattori da cui dipende il buon utilizzo della BA; tanto più questi fattori sono considerati come critici, e quindi attentamente valutati, quanto più l'azienda potrà trarne vantaggio e sfruttarli fino in fondo.
Andiamo a vedere ora che cosa, in una fase di decisone, i componenti del Top Management (nello specifico CEO, responsabili controllo di gestione e IT Manager) devono tenere conto relativamente alla scelta se affidarsi alla BA o meno, e se sì, che raggio d'azione scegliere.
40 Dremel et al. (2017) 41 Dremel et al. (2017)
25
2.2.1 La valutazione sull’adozione della Business Analytics
Il processo tramite cui un'azienda decide se procedere all’implementa di innovazioni tecnologiche è influenzata da fattori tecnologici, fattori organizzativi e da fattori ambientali42. Quindi al fine di valutare correttamente questi fattori si può considerare il TOE Framework, proposto da Tornatzky e Fleischer43. Vediamo ora come può essere applicato il TOE Framework relativamente alla business analytics44.
Fattori tecnologici
In questa categoria, rientrano nell’analisi elementi come:
- Rapporto uomo-tecnologia, nello specifico è importante la capacità di interpretare i dati al fine di garantire il successo dell’implementazione
- Asset tecnologici, scegliere i giusti strumenti tecnologici da utilizzare, ossia quelli che meglio si adattano alla specifica fattispecie, sono un elemento cruciale per il buon fine dell’implementazione. La scelta riguarda i giusti strumenti software, di gestione e manutenzione dei database, ecc.
- Relazioni e collegamenti, è importante che il sistema di BA non sia a compartimenti stagni, ma bensì deve essere creato affinché sia in grado si garantire delle relazioni con soggetti terzi rispetto all’azienda (sviluppatori di software, al fine di migliorare ed incrementare il numero delle best pratice oppure aziende facenti parte della catena di fornitura, con i quali è possibile condividere dati e/o informazioni al fine di aumentare il valore generato da tutta la catena e permettere di mantenere proficue e durature collaborazioni).
42 DePietro Rocco, Wiarda Edith e Fleischer, Mitchell, “The context for change: Organization, technology
and environment”, in Tornatzky, L. G. and Fleischer, M. (Eds.) The processes of technological innovation,
Lexington Books: Lexington, MA., 1990, pag. 151-175.
43 Tornatzky L. G., e M. Fleischer, “The Process of Technological Innovation”, Lexington, MA: Lexington Books, 1990
26
Fattori organizzativi
In questa macro-area rientrano:
- Dominio di applicazione, vi è, in genere, un differente comportamento tra gli slow
adopters e i leaders relativamente all’ambito di introduzione dei BA: i primi si
limitano alle aree operation e marketing, mentre i secondi tendo ad ampliarne il raggio a tutta l’azienda.
- Investimenti complementari, al fine di comprendere meglio i consumatori, è importante unire a dati generati internamente quelli che arrivano da database di terze parti, al fine di avere una più ampia base sulla quale applicare le analisi.
Ambiente esterno
È stato rilevato che il livello di adozione dei sistemi di business analytics, dipenda anche dalle peformance dell’azienda in termini di fatturato per cliente oltre che, come già noto, alla tipologia di business model.
Una spinta decisamente importante verso l’adozione è quella relativa alla costante ricerca di gestire e ridurre i costi sostenuti dall’azienda. Con la BA, capendo meglio le necessità dei clienti si può aumentare il livello di efficacia delle campagne di marketing, si evitano insuccessi nella realizzazione dei prodotti (che portavano a perdere tutti gli investimenti effettuati senza alcun ritorno economico) ed inoltre e, analizzando la difettosità dei prodotti, si può andare a ridurre i costi della non qualità.
2.2.2 La scelta del dominio di applicazione della BA
Dopo aver deciso se procedere all’implementazione e aver valutato in merito agli elementi visti in precedenza, un altro importante passo è decidere se applicare la BA ad una specifica area funzionale oppure all’azienda per intero.
Klatt et al. (2011) fanno notare come la BA viene spesso applicata solo singole fasi del processo di pianificazione e controllo e spesso limitate solo alle attività di budgeting. Spesso, infatti, molte strategie e decisioni di lungo periodo falliscono a causa della mancata applicazione a tutto tondo di questi sistemi, dato che non si considerano le interazioni tra variabili e il risvolto che determinate scelte di operative possono avere nel
27
lungo raggio. Quindi essi sono sostenitori dell’applicazione olistica della business
analytics.
In precedenza, altri articoli45 in merito al medesimo tema, sostenevano la tesi contraria e che, quindi, fosse preferibile focalizzare l’utilizzo dei sistemi di business analytics dato che era considerato difficilmente praticabile e scarsamente conveniente ampliare il raggio d’azione.
Il fatto che negli anni gli studiosi abbiano cambiato idea in merito è da considerarsi dovuto all’innovazione tecnologica ed al crescente decremento del costo che la rende sempre più accessibile e della maggiore comprensione dei benefici che la business analytics porta nei confronti dell’azienda in generale.
2.3 PROBLEMATICHE RELATIVE ALL’INTRODUZIONE DELLA
BUSINESS ANALYTICS
2.3.1 Problema del personale e delle competenze
Come sottolineato nei paragrafi precedenti, al fine di un proficuo utilizzo della business
analytics, è necessario che vi siano manager che padroneggino l’analisi dei dati e abbiano
capacità multidisciplinari. Per questo motivo riguarda per i manager queste skills passano da “utili da possedere” a “necessarie”. Invece per poter diffondere la conoscenza anche ai dipendenti utilizzatori, è necessario formarli internamente, creando dei training al fine di fargli sviluppare delle capacità appropriate46. Questa necessità si trasforma molto facilmente in un limite a causa della difficoltà di reperire sul mondo del lavoro personale che sia altamente qualificato oppure convincere, quei pochi che vi sono, a cambiare azienda.
Relativamente alle capacità possedute dalle varie figure professionali, possiamo distinguere in47:
- Analista professionista, il quale progetta e conduce i test, definisce gli algoritmi per le analisi, decidendo quali, come e quando utilizzate determinate tecniche; - Analisti semi-professionisti, sono esperti nell’applicazione delle metodologie di
analisi ma non sono in grado di sviluppare modelli o algoritmi;
45 nGenera (2008) 46 Holtzblatt (2015) 47 nGenera (2008)
28
- Utente base, sono i soggetti che utilizzano giornalmente i modelli per creare la base sulla quale prendere decisioni.
Anche Klatt et al. (2011) sostengono che la causa che, all’epoca, caratterizzava la scarsa diffusione dei sistemi di BA fosse da ricondursi alla mancanza della conoscenza da parte del personale delle tecniche necessarie per l’estrazione delle informazioni dai dati grezzi. Per questo motivo è necessario cercare di creare una cultura aziendale basata sulla fiducia nei dati e nell’utilizzo di serie storiche per poter effettuare previsioni sulla possibile evoluzione futura del business. Il limite a questa metodologia di lavoro è quella dell’impossibilità di gestire gli eventi imprevisti che possono irrimediabilmente compromettere il raggiungimento degli obiettivi, per i quali non è possibile tenere di conto in fase di elaborazione dello scenario.
Spesso è difficile convincere manager “tradizionalisti” che sono restii al cambiamento i quali, finché non si trovano davanti all’evidenza delle effettive capacità offerte dalla BA. Specificatamente a questo aspetto dall’intervista realizzata presso Piaggio48, è emerso che questo problema sia sempre meno presente a causa di un fenomeno che porta un manager ad essere periodicamente spostato di mansione e che quindi porta ad una minore tendenza alla resistenza culturale all’innovazione. Mentre in passato le potevano essere ottenute solo tramite l’esperienza di uno specifico soggetto, oggi sono ottenibili da uno strumento informatico.
Essendo i sistemi di BA sempre più diffusi e utilizzati quotidianamente dalle aziende, si va sempre di più verso una velocizzazione e efficentamento dell’utilizzo dei sistemi, piuttosto che cercare di capirne i vantaggi e le opportunità offerte.
29 2.3.2 L’importanza dei dati
Come può apparire ben chiaro, la materia prima che permette il funzionamento della
business analytics sono i dati. Come ogni materia prima, è necessario che sia presente,
per poter alimentare il processo produttivo, e che sia di qualità, per permettere che il prodotto finale (in questo caso le informazioni) siano della qualità richiesta dal consumatore (nella fattispecie sono i manager). Al fine di valutare la qualità dei dati, è necessario valutare se possiedono alcune caratteristiche peculiari come49:
- Accuratezza, che si riferisce alla vicinanza dei dati alla realtà dei fatti. Tanto più sono accurati, quanto più di più fare affidamento su essi per generare informazioni. Risulta quindi utile controllare alla fonte le modalità di acquisizione dei dati;
- Coerenza, si riferisce al fatto che, indipendentemente dalla fonte da cui provengono, se due o più dati si riferiscono ad un medesimo fenomeno, devono corrispondere.
- Completezza, si riferisce alla presenza del maggior numero possibile di dati rappresentativi dell’insieme considerato.
- Accessibilità, il dato deve essere facilmente disponibileda parte di chi necessita di usarlo.
- Tempestività (o attualità), fa riferimento al tempo che passa dal momento in cui sono raccolti i dati a quello in cui vengono utilizzati. Come ampiamente detto, il fattore tempo è determinante ed è quindi indispensabile essere efficienti ed efficaci nella generazione di informazioni qualitative.
- Rilevanza, i dati di cui l’azienda dispone devono essere tutti e soli quelli di cui necessita, raccogliere dati che non sono utili porta solo a spreco di risorse e tempo nella fase di raccolta e di utilizzo e possono portare all’utilizzo di informazioni errate nella fase decisoria.
49 ISO/IEC 25012:2008 "Data Quality Model”, in merito alla definizione di un modello generale di qualità dei dati per i dati conservati in un formato strutturato all'interno di un sistema informatico.
30
Nonostante l’elevata capacità di calcolo dei sistemi di business analytics e la possibilità di gestire notevoli moli di dati, la BA difficilmente riesce a tenere in considerazione degli elementi spesso determinati per il raggiungimento degli obiettivi: gli intangible assets50. Alcune aziende hanno degli intangible estremamente importanti e critici che sono alla base della determinazione della buona riuscita della performance, siano essi relazioni con clienti o fornitori, capacità manageriali, know how, che avendo la caratteristica dell’immaterialità, non è semplice misurarli e, conseguentemente, generare dei dati da tenere di conto in fase di previsione. Una soluzione a questo problema potrebbe arrivare dai big data analytics51.
2.4 L’IMPLEMENTAZIONE DEI SISTEMI DI BUSINESS
ANALYTICS
Un modello molto utile per discutere sull’implementazione della BA, è quello proposto da Brands e Holtzblatt52, che rappresenta una road map che indica quali sono i passi da seguire per l’introduzione della business analytics in azienda. Un importantissimo elemento da sottolineare è che non esiste una strategia per l’implementazione valida erga
omnes ma, al contrario, è necessario adattare il sistema alle reali necessità e peculiarità
che la specifica azienda presenta.
Figura 1 - Road Map per introduzione BA. da: Brands e Holtzblatt (2015)
50 Schläfke et al. (2012) 51 Cfr. Paragrafo 3.7 e Paragrafo 5.3 52 Brands e Holtzblatt (2015) Definizione dell'obiettivo Definizione dell'organizzazione strutturale Creazione di un team inter-funzionale Preparazione del modello di BA e piano d'utilizzo Selezione del SW e pianificaizone del training Implementazione e fase di testing Valutazione e revisione periodica
31
La road map si compone di sette fasi, cosi riassunte52:
1) Definizione dell’obiettivo della BA, è necessario domandarsi “Per quale motivo vogliamo introdurre la business analytics?”, “A quale necessità volgiamo far fronte?”. Determinando il/gli obiettivo/i è possibile focalizzarsi sulle priorità e ivi indirizzare le risorse.
Se si fallisce la comprensione del problema, potremmo ritrovarci a risolvere un problema che, probabilmente, non esiste53.
2) Definire l’organizzazione strutturale, le alternative che si presentano di fronte riguardano una struttura centralizzata, che prevede il top management come principale utilizzatore della BA; la struttura decentralizzata fornisce anche ai livelli più bassi della gerarchia aziendale la possibilità di utilizzare in maniera diretta (quindi senza la richiesta ai responsabili funzionali) la business analytics. 3) Creazione di un team inter-funzionale, in cui i responsabili del controllo di
gestione sono le figure di riferimento dato che conoscono l’azienda nel suo complesso ed hanno esperienza nel decision making. Un altro soggetto chiave del team è il responsabile IT, indispensabile per identificare il fabbisogno informativo e informatico dell’azienda.
4) Preparare un modello di BA e un piano per il suo utilizzo, in questa fase si vanno a determinare i contorni del modello e a specificare come dovrà tecnicamente funzionare al fine di soddisfare le esigenze ed essere utile a risolvere il problema precedentemente identificato.
5) Selezionare un software e pianificare un training, è una fase critica nella quale il responsabile IT e il controller collaborano al fine determinare sotto il profilo tecnico e quello economico, quale sia il software verso il quale orientarsi. Inoltre dovrà essere prevista una fase di addestramento tecnico per il personale utilizzatore.
