POLITECNICO DI MILANO
Scuola di Ingegneria Industriale e dell'Informazione
Corso di Laurea Magistrale in Ingegneria Gestionale
Advanced Analytics in azienda: un modello di maturità per rilevare le
esigenze, guidarne l’introduzione e la gestione a regime
Relatore: Prof. Ing. Stefano MAINETTI Correlatore: Ing. Francesca SARACENI
Ing. Paolo LOCATELLI
Tesi di Laurea di: Basile Alessia - Matricola 801812
Ringraziamenti
Seduta alla mia scrivania, occupata dagli ultimi sviluppi della tesi, ancora non mi rendo conto di essere arrivata alla fine di questo percorso che ha coinvolto tutta me stessa negli ultimi quattro anni;
Tante sono le volte in cui ho creduto di non farcela, tanti sono i momenti in cui ho pensato di aver fatto la scelta più sbagliata. Quante volte però ho sognato questo momento, quante volte ho desiderato quella stretta di mano. Troppi sono stati i momenti in cui avevo voglie alternate di andare o restare.
Ma se questo è stato possibili lo devo soltanto a tutti voi.
Ringrazio la Fondazione del Politecnico di Milano per avermi seguito in questo mio percorso di ricerca. Francesca, Raffaele e Roberta, vorrei farvi i miei ringraziamenti più sinceri: grazie per avermi sempre seguito e supportato lungo tutto il percorso.
Ringrazio la mia azienda, IBM, per avermi dato la possibilità di concludere il mio percorso di studio. Un ringraziamento particolare va a tutto il mio team di lavoro e ad Alberto, Alessandro e Samantha: grazie per avermi teso la mano, per aver condiviso con me le gioie e i fallimenti di questo percorso. Grazie per i vostri consigli e per esserci sempre stati. Silvio, sei una persona speciale che ho la fortuna di avere come collega ma soprattutto come amico. Ti ringrazio di avermi sopportato e aiutato in tutti i momenti difficili non solo lavorativi ma anche privati.
Vorrei ringraziare la mia famiglia perché mi siete sempre stati accanto e non mi avete mai fatto mancare il vostro sostegno e il vostro amore durante questi interminabili anni. Senza di voi, non sarei quella che sono e non avrei raggiunto i miei obiettivi. Grazie per aver capito i miei silenzi e avvolte anche le mie sfuriate.
Mamma e Papà, a voi devo tutto. Grazie Papà, che con la tua dolcezza mi hai guidato in questi anni. Grazie a te Mamma perché sei sempre riuscita a farmi vedere il lato positivo nei momenti più bui.
Nonna, sei l’esempio di donna a cui aspiro: quella voglia e quell’amore per la vita che ti hanno sempre contraddistinto in questi anni.
Ai miei cugini, che per me sono fratelli, vorrei ringraziarvi per l’esempio che mi avete sempre dato. Andrea, grazie per essere il fratello maggiore, quello che rimprovera sempre ma che in fondo ha il cuore più grande di tutti. Stefano sei quella allegria e spensieratezza che mi fanno stare bene. E a te Paolo, vorrei dirti quanto sei stato e sei importante nella mia vita.
Zia, con la tua forza e determinazione hai sempre ispirato ogni mia rivoluzione.
Ai miei amici di sempre, Enrica, Gianmaria e Paola: grazie per tutte le volte che mi avete dato la forza di non mollare, grazie per i vostri aiuti nei miei momenti più disperati, grazie per non avermi mai fatto sentire sola. Con voi ho condiviso i miei migliori pianti ma dalla gioia
Un grazie di cuore va ai miei coinquilini, Chiara, Ilaria e Riccardo per essere stati la mia famiglia qui a Milano.
Ringrazio infine tutte gli amici e le persone che mi sono state vicine in questi anni, ma anche tutte le persone che hanno rappresentato per me degli ostacoli con i loro giudizi e non hanno mai creduto in questo mio traguardo (infondo, siete stati anche voi la mia forza).
Indice
Abstract ... 10
Abstract (English) ... 12
Introduzione ... 14
Capitolo 1. L’evoluzione dei Sistemi informativi e della gestione di dati per il supporto alle decisioni ... 18
1.1 L’evoluzione strategica dell’Information & Communication Technology ... 19
1.2 I processi decisionali nelle imprese ... 19
1.3 Il ruolo dell’ICT nelle aziende ... 23
1.4 I sistemi informativi a supporto delle decisioni ... 30
1.5 La Business Intelligence ... 35
1.5.1 L’architettura della Business Intelligence ... 40
1.5.2 Tipologie di Analytics Basic ... 42
Capitolo 2. Dalla Business Intelligence all’Advanced Business Analytics ... 45
2.1 L’era dell’informazione ... 46
2.2 Un cambiamento “orizzontale” per le aziende ... 50
2.2.1 I Big Data ... 52
2.2.2. Tendenze in atto ... 58
2.3 L’utilizzo dell’Advanced Business Intelligence ... 63
Capitolo 3. Analisi di letteratura: modelli e strumenti per la rilevazione della
maturità nella gestione degli analytics ... 75
3.1 Analisi dei modelli di maturità ICT presenti in letteratura ... 76
3.1.1 Business Analytics Capability Maturity Model ... 76
3.1.2 Enterprise Business Intelligence Maturity Model (2) ... 78
3.1.3 CSC-IDC - Big Data and Analytics Maturity Model ... 80
3.1.4 Gartner - Big Data Adoption Maturity Model ... 82
3.1.5 IBM - Big Data & Analytics Maturity Model ... 83
3.1.6 TDWI – Big Data Maturity Model ... 84
3.1.7 TDWI - Analytics Maturity Model ... 87
3.1.8 SDA Bocconi: Business Intelligence Maturity Model ... 89
3.1.9 Dynamic Business Intelligence and Analytical Capabilities in Organizations .. 94
3.1.10 Capability Maturity Model for Scientific Data Management ... 96
3.1.11 Altri modelli di maturità ... 97
Capitolo 4. Obiettivi di tesi e metodo di lavoro ... 113
4.1 Obiettivo del lavoro ... 114
4.2 Metodologia adottata per la definizione del modello di maturità ... 115
4.2.1 Fase 1: Definizione delle basi per la meta-sintesi ... 116
4.2.2 Fase 2: Analisi della letteratura ... 117
4.2.3 Fase 3: Scelta degli elaborati rilevanti ai fini della ricerca ... 117
4.2.4 Fase 4: Comparazione e confronto degli elaborati di ricerca ... 117
4.2.5 Fase 5: Trasposizione dei risultati ... 118
4.3 Confronto critico dei modelli analizzati ... 118
4.3.1 Sintesi dei principali trend ... 118
4.3.2 Classificazione dei modelli di maturità ... 120
4.3.3 Comparazione dei modelli di maturità rilevati ... 123
4.4 Definizione della domanda di ricerca ... 128
Capitolo 5. Proposta di un modello di maturità per la valutazione e l’indirizzamento di soluzioni di Advanced Analytics nelle imprese ... 132
5.1 Descrizione del meta-modello di maturità ... 133
5.2 Struttura ed elementi caratterizzanti il modello proposto ... 134
5.2.1 Aree di studio ... 134 5.2.1.1 Organizzazione ... 136 5.2.1.2 Infrastruttura ... 137 5.2.1.3 Data Management ... 138 5.2.1.4 Analytics ... 139 5.2.1.5 Governance ... 140 5.2.2 Livelli di maturità ... 140 5.2.2.1 Livello Initial ... 141
5.2.2.2 Livello Localized Analytics ... 143
5.2.2.3 Livello Corporate Analytics ... 145
5.2.2.4 Livello Strategic ... 147
5.2.2.5 Livello Transformative ... 150
5.2.3 Fattori impattanti ... 153
Capitolo 6. Applicazione del modello proposto ... 159
6.1 Caso A ... 160
6.2 Caso B ... 163
6.3 Caso C ... 166
6.4 Sintesi dei risultati emersi dall’applicazione ... 170
6.4.1 Livello di maturità complessivo ... 170
6.4.2 Livello di maturità delle componenti delle aree ... 172
6.4.3 Fattori Impattanti ... 181
6.4.4 Azioni di indirizzo e identificazione di una roadmap ... 182
Conclusioni ... 185
Bibliografia ... 193
Allegato A: Applicazione Meta-Sintesi ... 199
Allegato B: Template tool di assessment per la rilevazione della maturità di adozione di soluzioni di Advanced Analytics ... 209
Abstract
Il seguente lavoro di tesi approfondisce il tema delle esigenze di Advanced Analytics da parte delle aziende.
Importanti fenomeni legati al mondo delle ICT - come l’affermarsi dei social network, l’importanza crescente dei device mobili, il web come area competitiva globale - portano a rapide evoluzioni del contesto in cui le organizzazioni si trovano a competere, influenzano l’evoluzione di abitudini e di aspettative dei clienti, accelerano esponenzialmente la frequenza di innovazione del business stesso. Per molti anni i decisori aziendali hanno basato le loro scelte strategico-direzionali sulla loro intuizione e sulla loro personale esperienza. L’eterogeneità e la complessità del contesto attuale, nonché dei processi aziendali, fa sì che ora ciò non sia più sufficiente per comprendere il mondo che ci circonda e governare efficacemente processi aziendali.
Tale tematica suscita un grande interesse da parte delle aziende, dovuto alla possibilità di raccogliere, gestire e analizzare in tempi ridotti ingenti volumi di dati. Le aziende dovranno relazionarsi con due principali fenomeni: una maggiore complessità nella gestione del dato e una sempre crescente complessità nelle tecniche di analisi.
Per rispondere a queste nuove esigenze, l’offerta di strumenti informatici si sta evolvendo, in particolare per quanto riguarda il mondo delle Analytics, dove le architetture tradizionali non sono più sufficienti a fornire un supporto adeguato al mutamento del contesto. Le moderne soluzioni di Analytics, Advanced Analytics e Big Data (elevati volumi di dati, generati da varie fonti dati, che richiedono alta velocità elaborativa), risultano oggi in generale mature da un punto di vista tecnologico, ma meno “definite” per quanto riguarda gli ambiti di utilizzo ed applicazione nelle aziende.
Per supportare le aziende, in letteratura e nel mercato sono stati forniti numerosi strumenti per guidare le aziende nell’adozione di soluzioni di advanced analytics ma mancano risposte che tengano conto a 360 gradi di tutte le variabili di contesto. In questo contesto, il modello si prefigge di prendere in considerazione le possibili configurazioni organizzative e tecnologiche in cui l’azienda potrebbe ritrovarsi in relazione alla gestione delle informazioni. Lo strumento proposto ha l’obiettivo di orientare le organizzazioni nell’adozione di soluzioni di Advanced Analytics, mettendo in luce i benefici conseguibili e fornendo linee guida per accompagnare il cambiamento organizzativo e l’ammodernamento tecnologico.
La nuova proposta è stata definita applicando la metodologia della meta-sintesi: a partire da un confronto critico tra diversi modelli di maturità, afferenti la gestione del patrimonio informativo aziendale, sono stati confrontati sia modelli accademici, sia framework di taglio diverso, proposti da riconosciute società di ricerca di mercato e consulenza in ambito ICT, con lo scopo di verificare le dimensioni di analisi rilevanti, le possibili logiche di valutazione e le opportunità di ricerca ancora aperte verso cui indirizzare la nuova proposta. Successivamente, attraverso la trasposizione dei risultati è stato costruito il nuovo modello.
La nuova proposta è caratterizzata da un assessment tool, che consente la rilevazione e l’elaborazione dei dati aziendali raccolti, relativi all’adozione di soluzioni di Advanced Analytics.
L’assessment tool è composto da un questionario, che indaga la maturità aziendale nella gestione degli analytics, e da un’analisi sulla presenza di fattori impattanti, fattori che spingono o frenano la maturità aziendale.
Il modello proposto ambisce ad avere finalità sia valutativa, rilevando il profilo di maturità di adozione AS-IS, sia normativa, proponendo un percorso evolutivo organico verso la configurazione TO-BE.
Per validare l’applicabilità del modello e tararne i parametri valutativi utilizzati, è stata prevista l’applicazione su tre casi aziendali con profili diversi.
Abstract (English)
The following thesis analyzes the need for companies to adopt Advanced Analytics. Important events linked to the ICT world – like the establishment of social networks, the increasing importance of mobile devices and the internet as a globally competitive area – have led to a rapid increase in the number of areas in which companies compete. Influencing customer habits and expectations and exponentially increasing the rate of innovation within the industry. For a long time, business leaders have based strategic decisions on their personal intuition and experience. The diversity and complexity of this increasingly competitive environment, as well as company processes, have made this approach no longer sufficient to understand the world we live in and to manage company processes in an efficient way.
This subject is a growing area of interest for companies, due to the possibility to collect, manage and analyze in a short timeframe enormous amounts of data. Companies will have to deal with two main phenomenon: a greater complexity in data management and the continuous growth in the complexity of analysis techniques.
The introduction of informatics tools is developing to answer these new needs. Especially concerning the Analytics environment, where the traditional architectures are no longer sufficient to provide suitable support to the continually evolving environment. The latest solutions in Analytics, Advanced Analytics and Big Data (high data volumes, triggered from different sources, which require high-speed data handling), are well established in the business environment in their technologic profile but less defined in the way companies apply them and in which field.
The suggested framework aims to guide organizations to adopt Advanced Analytics solutions, highlighting the attainable benefits and providing the relevant guidelines to manage the change.
The new proposal has been defined by applying the meta-synthesis approach. Starting from a comparison of different maturity models related to business information systems management. These have been analyzed either through academic models or frameworks created from research and consultancy companies. With the goal of identifying the critical dimensions of the analysis, the possible evaluation criteria and the research areas still unexplored which the new proposal addresses. Following this, thanks to the addition of the results the new model has been built.
The new proposal is composed of an assessment tool that enables the identification and processing of the business data collected, related to the adoption of Advanced Analytics solutions.
The assessment tool is comprised of a survey that identifies how developed a company is in their use of analytics management and of an analysis of the critical factors, which can increase or decrease the company’s maturity in this area.
The model proposed has two purposes: an evaluation one, that measures the maturity profile of the AS-IS configuration adoption and a regulation one that proposes an evolution roadmap toward the TO-BE configuration.
To validate the model applicability and to calibrate the evaluations parameters used, the proposed model has been applied to three companies with different profiles.
Introduzione
Il seguente lavoro di tesi approfondisce il tema delle esigenze di Advanced Analytics da parte delle aziende. La tematica è indagata attraverso un’indagine che, a partire dall’evoluzione storica delle esigenze direzionali in merito alla possibilità di disporre di informazioni di sintesi utili a supportare i processi decisionali, va ad approfondire il processo di cambiamento in essere che vede da un lato sempre più ampia l’offerta di soluzioni tecnologiche di tipo Advanced Analytics e dall’altro sempre meno chiaro per le aziende comprendere l’opportunità o meno di adottarle, in quali ambiti, in che modalità e con quali tempistiche.
Importanti fenomeni legati al mondo delle ICT - come l’affermarsi dei social network, l’importanza crescente dei device mobili, il web come area competitiva globale – hanno determinato una rapida evoluzione del contesto in cui le organizzazioni si trovano a competere, influenzando l’evoluzione di abitudini e di aspettative dei clienti, accelerando esponenzialmente la frequenza di innovazione del business stesso. Per molti anni i decisori aziendali hanno basato le loro scelte strategico-direzionali sulla loro intuizione e sulla loro personale esperienza. L’eterogeneità e la complessità del contesto attuale, nonché dei processi aziendali, fa sì che ora ciò non sia più sufficiente per comprendere il mondo che ci circonda e governare efficacemente processi aziendali.
Tale fenomeno suscita un grande interesse in ambito accademico e aziendale, poiché le grandi moli di dati diversificati, che oggi è possibile raccogliere, gestire e analizzare in tempi ridotti, rappresentano una fonte di opportunità di business e di sfide da affrontare. In particolare le aziende incontrano difficoltà nella comprensione dei benefici ottenibili dai Big Data e nella gestione del cambiamento determinato dall’adozione di tecnologie evolute per l’analisi dei dati. Dallo studio di contesto, basato sull’analisi della letteratura e su casi aziendali approfonditi, è emerso da un lato che è ancora minima la percentuale di aziende che hanno portato a termine l’implementazione di soluzioni Advanced Analytics, mentre dall’altro risulta ingente il numero di organizzazioni che incorrono in ostacoli tecnologici e organizzativi lungo il percorso di adozione. Pertanto si è palesata l’opportunità di sviluppare un percorso di ricerca finalizzato all’individuazione di un modello guida utile alle organizzazioni per definire percorsi evolutivi verso una maggiore maturità ICT in termini di gestione delle informazioni per finalità principalmente di governo e di supporto ai processi.
Identificata in letteratura la mancanza di risposte che tengano conto a 360 gradi di tutte le variabili di contesto, l’obiettivo di questo lavoro è consistito, dunque, nella progettazione di un modello di maturità, che orienti le organizzazioni nell’identificare di quali strumenti e competenze dotarsi per la gestione del proprio patrimonio informativo in ottica Big Data. In particolare, tale modello si prefigge di prendere in considerazione le possibili configurazioni organizzative e tecnologiche in cui l’azienda potrebbe ritrovarsi in relazione alla gestione delle informazioni. Per il raggiungimento di tale obiettivo si è pertanto proceduto con l’analisi dei modelli di maturità ICT di Business Intelligence e Advanced Analytics già presenti in letteratura e dai quali il lavoro si muove per identificare elementi e variabili di analisi utilizzabili per la strutturazione del modello.
Dall’approfondimento e dal confronto dei modelli presi in esame, non è risultato essere presente un modello che analizzi in maniera chiara e dettagliata il passaggio da una Business Intelligence non strutturata all’adozione di soluzioni di Advanced Analytics con l’utilizzo di dati destrutturati. Inoltre non è stato riscontrato un modello che integrasse nella valutazione della maturità dell’azienda tutti i possibili ambiti di indagine, tecnologici e organizzativi, ad un livello sufficientemente dettagliato per guidare la rilevazione sul campo con un unico strumento.
Pertanto lo sviluppo del nuovo modello è finalizzato a fornire una proposta che possa essere migliorativa rispetto ai limiti riscontrati dal confronto critico, ovvero che tenga conto di tutte le dimensioni di analisi e ad un livello di granularità e di dettaglio tale per cui sia possibile definire per l’azienda posizionamenti di maturità, target di evoluzione e azioni da mettere in atto per raggiungerlo, relativamente alla gestione ed all’utilizzo dei dati aziendali
La metodologia utilizzata per la costruzione del nuovo modello di maturità, a partire dai modelli di maturità presenti in letteratura è la meta-sintesi, metodologia che si compone di sette fasi dalla definizione degli obiettivi alla stesura del modello.
La proposta si compone di un framework che definisce dimensioni di analisi e livelli di maturità in termini di “configurazioni tipo” che descrivono come l’azienda è organizzata o di quali strumenti è dotata in merito alla gestione del dato e all’utilizzo degli analytics per supportare i processi decisionali. E’ stato inoltre proposto un assessment tool basato su un questionario per guidare la fase di indagine e finalizzato alla rilevazione del profilo di maturità AS-IS, all’assegnazione del livello di maturità da raggiungere (TO BE) per soddisfare le esigenze di gestione del dato dell’azienda. Infine, l’obiettivo è stato quello di realizzare un modello che sia il più possibile generale e in grado di adattarsi a diverse realtà: il modello potrà essere applicato su tutte le tipologie di azienda, piccola, media o grande impresa e su tutti i settori. Questo perché in tutti i
settori aziendali potenzialmente si potrebbe fare ricorso all’utilizzo di logiche Big Data e utilizzo di dati destrutturati.
I dati raccolti vengono rielaborati nello stesso assessment tool, che consente di rappresentare graficamente le risposte ottenute dalla somministrazione del questionario.
Al fine di verificare la validità della proposta e tarare lo strumento, il modello qui proposto è stato inoltre applicato a tre casi reali italiani, in particolare una cooperativa, leader nel settore della ristorazione collettiva, un’azienda operante nel settore dell’energia e uno dei principali operatori italiani nel settore degli Email Service Provider.
L’elaborato che descrive il lavoro svolto è strutturato come di seguito descritto.
Il Capitolo 1 affronta il tema dell’importanza dell’ICT a supporto dei processi decisionali. In questo capitolo si punta a descrivere quali sono gli aspetti che oggi caratterizzano il patrimonio informativo delle aziende e come le esigenze di gestione dei dati e di consultazione degli stessi stiano sensibilmente cambiando. Viene quindi approfondito il ruolo dell’ICT all’interno delle organizzazioni, interrogandosi se sia giusto o meno considerare l’Information Technology ancora una risorsa strategica o una commodity. L’ultima parte del capitolo focalizza l’attenzione sulle componenti tecnologiche caratterizzanti le tradizionali architetture di Business Intelligence.
Il Capitolo 2 è dedicato alla presentazione del fenomeno emergente dei Big Data, in particolare per quanto riguarda le nuove opportunità abilitate dagli strumenti di Business Intelligence ed Advanced Analytics nelle organizzazioni. Il tema è approfondito a partire dalla descrizione delle sue peculiarità e dei trend di diffusione presso le realtà aziendali. Nella sezione conclusiva vengono espresse alcune riflessioni, volte ad individuare la modalità più opportuna per superare le barriere all’adozione di soluzioni di tipo Advanced Analytics e orientare le aziende nel percorso di evoluzione per la gestione dei dati.
Il Capitolo 3 presenta lo studio condotto sullo stato dell’arte dei modelli di maturità presenti in letteratura, relativi agli Advanced Analytics e più in generale alla gestione dei dati. Per ognuno di essi, viene fornita una descrizione della struttura complessiva, delle dimensioni caratterizzanti, delle variabili considerate.
Il Capitolo 4 presenta gli obiettivi specifici del lavoro di ricerca e il metodo con cui si è affrontato il tema della valutazione della maturità nella gestione degli Analytics e l’elaborazione dello
strumento proposto. E’ presentata la metodologia della Meta-Sintesi utilizzata per la realizzazione del nuovo modello di maturità. I modelli vengono confrontati e categorizzati sulla base dell’ambito e della profondità di indagine, con lo scopo di identificare quelli ritenuti più idonei e completi per la misura della maturità ICT in merito alla gestione del patrimonio informativo delle organizzazioni. Sono definiti gli obiettivi dell’elaborato alla luce delle esigenze individuate all’interno del contesto.
Il Capitolo 5 spiega in maniera dettagliata la nuova proposta di modello di maturità, relativa all’adozione degli strumenti di Advanced Analytics da parte delle organizzazioni. Dopo aver specificato gli obiettivi da raggiungere, viene approfondito l’iter che ha portato alla scelta degli elementi caratterizzanti e delle logiche sottostanti il modello.
In seguito, le aree di analisi considerate, quali Organizzazione, Analytics, Data Management,
Infrastruttura e Governance, vengono istanziate in corrispondenza dei livelli di maturità. Nell’assessment tool è stata inserita anche un’analisi di Fattori Impattanti. Questi fattori se assenti rappresentano dei potenziali limiti all’adozione delle soluzioni di advanced analytics e quindi si configurano come resistenze che potrebbero limitare il passaggio per l’organizzazione da una configurazione di maturità alla successiva. Al contrario, se presenti, mettono in luce i fattori di spinta creando, quindi, il giusto contesto per accelerare il processo di adozione di soluzioni di analisi avanzate.
Il Capitolo 6 illustra le modalità ed i risultati derivanti dall’applicazione del modello di maturità proposto ai casi aziendali italiani. Dopo aver descritto il profilo delle realtà in esame in termini di organizzazione interna e di mercato servito, e spiegato i fattori che li hanno resi dei casi aziendali di interesse per l’applicazione, vengono esposti gli obiettivi, il processo di applicazione e si illustrano i risultati ottenuti in ciascuna fase. Infine, vengono tratte considerazioni relativamente ai risultati dell’applicazione del modello.
Le Conclusioni completano il lavoro attraverso una revisione critica dell’attività svolta. Sono stati messi in evidenza sia il valore apportato dal modello rispetto a quanto presente in letteratura, sia gli aspetti che possono costituire spunti per un’evoluzione futura del modello proposto.
Capitolo 1. L’evoluzione dei Sistemi
informativi e della gestione di dati
per il supporto alle decisioni
L’obiettivo principale del capitolo è fornire una panoramica complessiva riguardante il ruolo dell’ICT all’interno delle organizzazioni. Nel paragrafo introduttivo verrà presentata l’evoluzione strategica dell’Information Technology e il diverso ruolo che ha ricoperto nel corso degli anni all’interno delle Aziende. Nella seconda parte verrà illustrato il vero ruolo dell’ICT all’interno delle organizzazioni, interrogandosi se sia giusto o meno considerare l’Information Technology ancora una risorsa strategica o una commodity.
L’ultima parte del capitolo focalizza l’attenzione sulle componenti tecnologiche caratterizzanti le tradizionali architetture di Business Intelligence.
1.1 L’evoluzione strategica dell’Information & Communication Technology
“Noi viviamo solo conoscendo qualche cosa del futuro: i problemi della vita … derivano dal fatto che noi ne conosciamo troppo poco”. (Knight, 1971)
Le conseguenze delle azioni che l’individuo intraprende spesso si prolungano nel futuro, ma nel momento in cui l’individuo agisce, tali conseguenze non sono note: non si può essere completamente sicuri che gli esiti ipotizzati si verificheranno realmente.
Si definisce così il ruolo centrale che l’incertezza assume nell’ambito dei processi decisionali. L’uomo, per sua natura, è volto a ridurre lo stato di incertezza, al fine di esercitare un controllo sull’ambiente che lo circonda.
L’incertezza appare infatti, amplificata dall’instabilità dell’ambiente esterno, posto che, se l’ambiente esterno si modifica di volta in volta, diviene impossibile per un soggetto economico prendere delle decisioni che si basino su previsioni corrette.
Tutte le organizzazioni sono caratterizzate da decisioni che ne determinano il successo o l’insuccesso.
Le azioni poste in essere dai soggetti organizzativi per la gestione dell’impresa possono essere analizzate o a livello corporate, con una prospettiva di lungo termine, oppure con riferimento a specifiche aree decisionali, con una prospettiva incentrata sul breve termine.
1.2 I processi decisionali nelle imprese
La capacità di creare valore economico attraverso la generazione di vantaggi competitivi dipende in larga parte dall’efficacia delle soluzioni tecniche, operative e strategiche, capaci di imprimere al sistema ‘impresa’ una dinamica evolutiva coerente con le attese e aspettative di tutti gli stakeholder - interni ed esterni all’impresa considerata.
L’evoluzione della letteratura in tema di decisioni evidenzia un progressivo e costante spostamento dell’attenzione dalla teoria della scelta razionale verso la ricerca di presupposti meno astratti.
All’interno delle organizzazioni si affrontano quotidianamente problemi di varia natura che richiedono l’assunzione di decisioni.
Il termine decisione definisce, in generale, l’azione attuata dal decisore per la soluzione di uno specifico problema in precedenza individuato ed analizzato. La decisione, in altri termini, si concretizza nella selezione, tra possibili opzioni alternative, di quella considerata adeguata per la risoluzione del problema considerato.
Nella realtà delle imprese, a causa delle dinamiche di cambiamento che hanno interessato e caratterizzano la loro evoluzione insieme ai fattori soggettivi (emotivi, avversione al rischio, valutazioni non quantitative), piuttosto che di decisioni singole è più appropriato parlare di flussi di decisione che presentano caratteri diversi con riferimento al loro grado di strutturazione, ai contenuti delle decisioni, alla responsabilità della componente organizzativa da cui le scelte promanano.
La letteratura che ha come oggetto lo studio della dimensione decisionale delle imprese suggerisce numerosi criteri di classificazione che consentono di riconoscere, differenziare e distinguere categorie omogenee di scelte aziendali.
La teoria delle decisioni1 fornisce un supporto metodologico per confrontare alternative
decisionali. I metodi assumono un comportamento razionale del decisore: un decision maker è razionale se sceglie l’alternativa che giudica la migliore.
Le assunzioni dell’analisi decisionale sono:
ο Il Decison Maker è in grado di quantificare i suoi giudizi sui possibili stati futuri della natura (probabilità soggettive)
ο Il Decison Maker è in grado di specificare le sue preferenze circa la desiderabilità delle alternative (teoria dell’utilità)
ο Il Decision Maker (consistentemente rispetto alle probabilità soggettive e alla propria utilità) sceglie l’alternativa che massimizza l’utilità attesa
Al fine dell’analisi svolta in questa tesi, di particolare rilievo, assume la distinzione delle decisioni in relazione:
1Il sociologo Herbert A. Simon è generalmente riconosciuto come il fondatore della “Behavioural decision
ο Al grado di strutturazione ο Al livello di programmabilità ο Allo stato delle conoscenze
ο Alla natura dei soggetti che prendono le decisioni
A seconda del grado di strutturazione le decisioni possono distinguersi in strutturate, non strutturate e semi strutturate.
La decisione è strutturata se presenta una sequenza di attività elementari identificabile e comprensibile a priori.
Al contrario una decisione è non strutturata se non è possibile specificare a priori le regole che consentono di giungere alla scelta dell’alternativa finale.
Figura 1: Grado di strutturazione delle decisioni: decisione strutturata - decisione non strutturata
Le decisioni semi strutturate, infine, si collocano in una posizione intermedia tra le due precedenti categorie di scelte.
La classificazione delle decisioni aziendali, in funzione del loro grado di programmabilità, risale alle riflessioni teoriche di Simon che individua nella convergenza di un insieme di caratteri di strutturazione, frequenza e livello di definizione, il criterio che consente di individuare due principali categorie di decisione:
o Decisioni programmabili o Decisioni non programmabili.
Le decisioni programmabili si ripetono con una certa frequenza temporale, le alternative sono chiaramente definibili, vi è certezza circa le conseguenze associabili a ciascuna di esse. L’organizzazione si è già scontrata con questi tipi di problemi e si concentra essenzialmente sulla risoluzione del problema senza doverlo analizzare.
Le decisioni non programmabili riguardano decisioni nuove non strutturate, non esistono precisi criteri di scelta, le alternative non sono ben definite, le conseguenze scarsamente determinabili. La loro efficacia nella risoluzione è incerta: in questi casi l’impresa non ha precedente esperienza del problema, c’è un’incertezza nell’affrontarlo e non esiste un metodo preciso di soluzione.
Le decisioni non programmate vengono affrontate senza una preparazione specifica. Generalmente le informazioni necessarie per la decisione non sono del tutto disponibili o comunque sono difficilmente reperibili.
La classificazione delle decisioni in funzione delle condizioni informative, alla presenza delle quali si prendono le decisioni, individua tre principali categorie di decisioni:
ο Decisioni in condizioni di certezza ο Decisioni in condizioni di rischio ο Decisioni in condizioni di incertezza.
Nel primo caso il decisore ha una conoscenza completa circa le alternative di scelta e le conseguenze associabili a ciascuna di esse; nel secondo caso, invece, al decisore sono note le alternative e le conseguenze associabili a ciascuna di esse la cui realizzazione può essere prevista solo con un certo grado di probabilità; mentre il decisore che affronta la scelta in condizioni di incertezza pur conoscendo le alternative e le conseguenze associabili non conosce a priori le relative probabilità di realizzazione.
Nella realtà delle imprese raramente si decide in condizioni di certezza, più frequentemente si decide in condizioni di rischio, mentre si cerca di ridurre le decisioni in condizioni incertezza. Le decisioni aziendali concorrono tutte al perseguimento delle finalità generali dell’impresa, anche se, soprattutto nelle imprese maggiormente complesse, presentano contenuti diversi in funzione del livello gerarchico da cui le stesse promanano.
Secondo lo studioso Thompson2 emergono tre livelli fondamentali di decisione interconnessi che
promanano rispettivamente dal livello apicale, dal livello intermedio e dal livello operativo della gerarchia aziendale.
Le decisioni del livello apicale riguardano principalmente le scelte fondamentali dell’impresa: decisioni che ne orientano lo sviluppo nel medio-lungo termine e che vertono principalmente sulla definizione dei rapporti con l’insieme di attori e condizioni che configurano l’ambiente esterno. Le decisioni del livello intermedio attengono allo sviluppo dell’orientamento e delle linee strategiche definite a livello gerarchico superiore e si risolvono prevalentemente all’interno dei confini.
Le decisioni di livello operativo riguardano le decisioni che danno esecuzione ai programmi di azione definiti dal management aziendale.
Queste ultime impegnano i collaboratori aziendali con competenze tecniche specialistiche presenti nei diversi settori e unità organizzative.
Il quadro delle decisioni aziendali fin qui delineato, ci illustra situazioni in cui non sempre vi è piena consapevolezza degli obiettivi ed è difficile stimare con certezza gli effetti delle alternative. Il grado di incertezza e la mancanza di informazioni, infatti, riducono la possibilità di generare un insieme esauriente di alternative e soprattutto di valutarle in modo oggettivo.
Un ulteriore fattore critico che rende impraticabile un’analisi completa della situazione è il tempo. Herbert Simon3 formulò il concetto della razionalità limitata: nel mondo reale e nelle
organizzazioni reali i decisori non hanno sempre chiari gli obiettivi, non dispongono di tutte le informazioni necessarie e non hanno abbastanza tempo e risorse per procurarsele, non sono in grado di vagliare tutte le alternative.
1.3 Il ruolo dell’ICT nelle aziende
Decisione Strategica: decisione che ha effetti di lungo termine, rilevanti e “irreversibili”; richiede notevoli risorse ed investimenti.
2L’azione organizzativa, 1967
Strategia: piano integrato che identifica la “direzione” e “l’ambito” dell’azione dell’impresa; Mira ad ottenere performance di lungo termine superiori ai competitor e si basa su un insieme
coerente di decisioni strategiche
Nella letteratura internazionale il ruolo dell’ICT a supporto della strategia d’impresa è argomento di discussione da circa un trentennio.
“IT doesn’t matter” era la provocazione avanzata da Nicholas G. Carr nel 2003 sull’Harvard Business Review che sottintendeva l’idea che le tecnologie dell’informazione (IT) erano destinate a diventare delle commodities e, come tali, non avrebbero richiesto un grande sforzo nel loro studio e comprensione.
Nell’articolo Carr descrive come l’ICT non possa essere una fonte di vantaggio competitivo di lungo termine poiché sta diventando sempre più:
ο Standard: internet ha supportato e spinto la diffusione degli standard, ma solo fino a quando una tecnologia resta in formato proprietario può essere protetta e garantire quindi vantaggi competitivi;
ο Poco costoso: i costi dell’Hardware a parità di potenza continuano a calare;
ο Disponibile per tutti: il ruolo infrastrutturale di alcune componenti chiave dell’ICT le rende di maggior valore quando condivise dalla comunità;
ο Esternalizzabile: da alcuni anni si stanno ampiamente affermando nuovi modelli di offerta, quali Capacity on Demand, Storage as a Service, Communication as a Service, Utility Computing, Infrastructure Utilities, ecc...
Carr ritiene, pertanto, che l’IT sia una commodity: l’ICT è sempre più importante per le operations ma è insignificante ai fini strategici.
L’espansione dell’ICT ha raggiunto il suo stadio di maturità con il fenomeno Client / Server (Open Systems) e di internet; come per tutte le commodity, il fattore distintivo è rappresentato dal costo.
Altrettanto noto è il paragone a supporto della sua tesi. Egli infatti paragona l’evoluzione dell’ICT con l’evoluzione di altre commodity come le ferrovie e l’energia elettrica.4
Uno degli aspetti più salienti delle tecnologie infrastrutturali è la rapidità della loro installazione: incentivata dagli investimenti di massa, la capacità è aumentata notevolmente comportando la caduta dei prezzi.
Figura 2: Evoluzione commodity: Energia elettrica e Ferrovie (Harvard Business Review “IT doesn’t matter”, 2003)
Figura 3: Evoluzione dell'Information Technology (Harvard Business Review “IT doesn’t matter”, 2003)
Nel momento in cui una risorsa assume il ruolo di commodity occorre modificare il proprio approccio relativo al suo utilizzo, in particolare seguendo due linee guida:
ο Non svolgere il ruolo di sperimentatore, ma seguire i casi di successo confermati; ο Valutare costi e rischi dell’implementazione, prima di benefici ed opportunità.
Ad oggi, si può affermare che la previsione di Nicholas G. Carr si sia rivelata a un tempo corretta ma completamente errata.
Le tecnologie dell’informazione o meglio dell’informazione e comunicazione (ICT) si sono diffuse così rapidamente da rappresentare una commodity di cui neanche ci accorgiamo.
Se, infatti, quando parliamo di ICT facciamo riferimento al microprocessore, allora tutte le carte di credito, bancomat, tessere dotate di microchip, il telefono cellulare, il telepass dell’auto rientrano in questa categoria.
Il processo di diffusione delle ICT, inoltre, risulta ancora maggiore se si pensa alle politiche applicate dal governo volte a “smaterializzare” gran parte dei processi della pubblica amministrazione a favore di un uso intenso delle tecnologie computer e internet based.
Se, quindi, come annunciato da Nicholas G. Carr, l’IT è diventato un servizio che usiamo senza la necessità di grande formazione, come l’elettricità, è altresì vero che, ogniqualvolta introduciamo uno strumento IT diamo il via a una serie di conseguenze, molte delle quali sfuggono dalla nostra area di controllo.
Le risposte alle affermazioni di Carr non si sono fatte attendere.
Nella tabella di seguito è riportato un confronto tra le affermazioni di Carr e altri autori dell’Harvard Business Review.
Nicholas G. Carr Autori HBR
Technological perspective
La competenza ICT si riduce agli asset di software e hardware e ad alcune competenze tecniche che sono
pienamente disponibili sul mercato.
Organizational & Business perspective
La competenza ICT è la capacità da parte di una azienda di sfruttare e fare leva sull’ ICT per perseguire con innovazioni
aziendali, per modificare le pratiche commerciali e per migliorare le prestazioni di business
Infrastructure perspective
L'attenzione si concentra principalmente sulle infrastrutture (hardware e di rete) che stanno diventando
sempre più una commodity
Application perspective
Le applicazioni aziendali sono estremamente personalizzate; costruite sulla specifica logica di business della società; incorporate nella routine organizzativa della azienda. Esse
Single ICT Project perspective
L'attenzione si concentra sul singolo progetto ICT, che può o non può essere il driver di vantaggi competitivi.
Learning Process perspective
Questa capacità è il risultato di un lento e lungo processo, che interessa tutta la filiere, di apprendimento. Questo può condurre
ad un vantaggio competitivo, durevole e difendibile.
Tabella 1: Confronto tra le affermazioni di Carr e altri autori dell'Harvard Business Review (Harvard Business Review)
Di particolare rilievo fu la risposta che Prahalad diede nel suo libro “The New Age of Innovation” dedicando un intero capitolo all’argomento, intitolato evocativamente “IT matters” (Prahalad & Krishnan, 2008), smentendo definitivamente la tesi.
È necessario distinguere il ruolo dell’ICT infrastrutturale dalle sue componenti applicative: se è vero che l’infrastruttura ICT, intesa come ad esempio Hardware, Software di base, DBMS, TLC, possa essere considerata alla stregua di una commodity, diverse sono le Enterprise Business Application, applicazioni che incorporano le best-practice gestionali, proponendo dei modelli di supporto al business.
Le componenti applicative impattano, infatti, in maniera molto significativa, sia sui processi che sui prodotti / servizi, diventando determinanti di differenziali competitivi perché garanti di unicità e inimitabilità, necessari per ottenere un vantaggio sul mercato.
Abbiamo analizzato i due filoni di pensiero completamente opposti: da un lato Carr afferma che l’ICT è una commodity, dall’altra parta Prahalad sposta l’attenzione sulle Business Application e sul ruolo strategico che esse hanno nelle aziende.
Il reale ruolo che ICT ha nel business dell’azienda dipende però dallo specifico contesto in cui opera l’azienda.
A questo scopo usiamo la griglia di McFarlan & Nolan (2005), che classifica il contributo dell’IT allo sviluppo ed all’ operatività del business aziendale misurato, rispettivamente, sull’ esigenza di nuove applicazioni IT e sull’ esigenza di affidabilità dei sistemi IT5.
I quattro quadranti che risultano dall’incrocio delle due variabili definiscono i possibili ruoli IT: di fabbrica, strategico, di svolta, marginale. Ogni quadrante è caratterizzato da una serie di elementi, alcuni dei quali specifici ed altri comuni ad altri quadranti. I quadranti che caratterizzano un ruolo
forte nella IT nella innovazione del business, posizionati nella colonna di destra, sono distinti da un elevato peso della IT nella innovazione del business. I quadranti che implicano una forte dipendenza operativa del business dalla IT, posti nella riga superiore, richiedono una eccellente esecuzione (Fig.4).
Figura 4: Griglia di McFarlan & Nolan sul Contributo dell’IT allo sviluppo ed all’ operatività del business aziendale misurato, rispettivamente, sull’ esigenza di nuove applicazioni IT e sull’ esigenza di
affidabilità dei sistemi IT.
(Harvard Business Review, Nolan, McFarlan, 2005)
Ad ogni quadrante corrispondono alcuni settori industriali. Nel quadrante strategico si posizionano tipicamente i gestori telefonici e le banche, nel quadrante di svolta le aziende di produzione e distribuzione di energia, nel quadrante di fabbrica le linee aeree, nel quadrante di supporto le aziende manifatturiere.
Ovviamente il ruolo IT può evolvere nel tempo e, conseguentemente, un’azienda può passare da un quadrante ad un altro.
Nelle aziende energetiche il ruolo della IT era tradizionalmente di supporto.
Negli anni Duemila la liberalizzazione di energia e gas ha creato un mercato competitivo, in cui la IT diviene essenziale per gestire il rapporto con il cliente diventando così un asset strategico.
Nelle medie imprese manifatturiere il ruolo dell’IT è in genere di supporto; tuttavia evolve verso il ruolo di svolta quando la globalizzazione del business è sostenuta anche dalla adozione di sistemi ERP e CRM, che portano ad una sostanziale trasformazione dei processi interni e di quelli verso il cliente.
Il ruolo IT è di fabbrica nelle linee aeree, dove il fermo dei sistemi IT blocca istantaneamente o quasi le operazioni, ma dove la strategia aziendale è poco dipendente dalla qualità o dalla supremazia dei sistemi informativi di prenotazione o gestione.
Nel settore bancario la IT si sta evolvendo dal ruolo di fabbrica, tipico degli anni Novanta, al ruolo strategico, con un tendenziale spostamento della banca Retail dal front office tradizionale (sportello bancario) al front office virtuale e multi-canale (sportello, canale voce e canale web); anche in questo caso l’innovazione di business è abilitata dalle applicazioni IT.
Tipicamente strategico è infine il ruolo della IT nelle telefonia mobile, dove la dipendenza della innovazione di business dal supporto IT è da elevata a quasi totale. La figura 5 schematizza alcuni percorsi evolutivi.
Figura 5: I percorsi evolutivi del ruolo IT nella griglia di McFarlan & Nolan. (Harvard Business Review, Nolan, McFarlan, 2005)
1.4 I sistemi informativi a supporto delle decisioni
Abbiamo visto, così come i singoli individui, ogni impresa ha bisogno prendere decisioni e fare scelte strategiche che delineano la strada migliore da percorrere per poter raggiungere i propri obiettivi.
L’eterogeneità e la complessità del contesto in cui l’azienda opera, nonché la complessità dei processi aziendali interni, fa sì che ora intuizione ed esperienza non siano più sufficienti. Questo vale anche per le scelte programmate.
Le informazioni sono da sempre una risorsa per il funzionamento delle organizzazioni, e nel caso in cui vi siano prodotti e servizi ad alto contenuto informativo esse rappresentano la materia prima. Dati e informazioni devono quindi essere elaborati in schemi interpretativi specifici che aiutino e supportino i decisori ad arrivare a una soluzione vantaggiosa.
Non è facile ottenere informazioni per diversi fattori, ma forse il principale elemento di ostacolo al reperimento di informazioni oggi è la velocità: mai come oggi le conoscenze, i dati, le informazioni vanno incontro a una così rapida obsolescenza; chi utilizza quotidianamente il web ‘divora’ dati in quantità e modi neanche paragonabili rispetto al passato. Le informazioni, quindi, devono essere raccolte, elaborate secondo schemi interpretativi specifici e di senso per chi dovrà farne uso.
In questo scenario l’ICT (Information and Communication Technology) ricopre un ruolo sempre più importante a supporto alle decisioni aziendali.
In termini generali infatti una organizzazione è una struttura di comando che governa processi operativi6.
Definiamo con Sistemi Informativi tutti gli strumenti attraverso cui si gestisce l’acquisizione e l’elaborazione delle informazioni aziendali. Comprendono l’insieme delle informazioni utilizzate, prodotte e trasformate da un’azienda durante l’esecuzione dei processi aziendali, le modalità utilizzate per la gestione delle informazioni e le risorse, umane e tecnologiche, coinvolte.
Possiamo dunque chiederci cosa significhi gestire l’informazione, presentando, come risposta, il seguente elenco di attività:
o Acquisizione dei dati
o Elaborazione dei dati al fine di produrre informazioni7 o Archiviazione dei dati grezzi e delle informazioni o Trasmissione dei dati e delle informazioni o Presentazione dei dati e delle informazioni
Le operazioni svolte dal sistema informativo possono essere classificate in base alle esigenze che scaturiscono dalle attività dei diversi attori dell’organizzazione aziendale, secondo uno schema che prende il nome dal suo autore: la piramide di Anthony8. Essa individua tre categorie di attività
aziendali:
Figura 6: Piramide di Anthony
(Marco Tagliavini, Aurelio Ravarini, Donatella Sciuto; “Sistemi per la gestione dell’Informazione”; Apogeo 2003)
La pianificazione strategica è compito del top management aziendale e definisce l’indirizzo strategico dell’impresa nel lungo periodo. Viene eseguita ogni qual volta è necessario e prevede un ciclo di controllo a lungo termine. La tipologia di informazioni utilizzate a questo livello è di tipo aggregata e di sintesi (indici). Il controllo direzionale viene, invece, effettuato dal middle
7 Il concetto di dato è profondamente diverso da quello di informazione: il dato rappresenta la misurazione
di un evento, un fatto oggettivo espresso attraverso numeri o parole. L’informazione è ottenuta attraverso l’elaborazione di un dato (o di un insieme di dati) e ha la caratteristica di assumere un significato, uno scopo e/o un contesto per il destinatario. v. Informatica per l’economia, Albero Clerici (a cura di) EGEA 2011.
management e si riferisce alla definizione degli obiettivi economici dell’azienda (budgeting) – tipicamente con orizzonte temporale annuale – e al monitoraggio delle prestazioni – con orizzonte temporale mensile o trimestrale in genere. Anche in questo caso le informazioni sono aggregate e di sintesi e vengono ricevute con una frequenza maggiore. Infine il controllo operativo è affidato ai responsabili operativi (capireparto, responsabili di funzione) ed ha l’obiettivo di definire le azioni correttive che eventualmente risulta necessario intraprendere nella quotidianità per riallinearsi agli obiettivi definiti ai livelli superiori. Le informazioni sono “grezze” e la loro ricezione è continua. La pianificazione prevede un orizzonte temporale piccolo (mensile in genere) con un controllo al limite quotidiano.
È possibile classificare i sistemi informativi (SI) aziendali utilizzando la piramide di Antonhy. I SI supportano sia i processi di governo aziendali, sia i processi operativi e amministrativi rispettivamente con SI direzionali, SI operativi e SI istituzionali.
Le tre tipologie di SI si differiscono per alcune caratteristiche che vengono di seguito descritte9:
Sistemi Informativi Operativi: sono i sistemi che informatizzano i processi volti all’esecuzione
di attività o alla loro programmazione. Essi corrispondono sostanzialmente ai processi operativi aziendali. La loro importanza varia a seconda dell’intensità informativa dell’azienda, definita in maniera proporzionale al livello e alla complessità delle informazioni usate nel business.
Sistemi informativi istituzionali: comprendono le applicazioni di supporto al sottoinsieme di
attività infrastrutturali (attività di supporto secondo la catena del valore di Porter) che svolgono per lo più compiti amministrativo-burocratici. Quest’area è stata la prima ad essere informatizzata poiché le loro procedure sono particolarmente adatte alla automazione.
Sistemi informativi direzionali: il livello direzionale di un’organizzazione è responsabile di tutte
quelle attività necessarie alla definizione degli obiettivi da raggiungere e alle azioni, eventualmente correttive, da intraprendere per perseguirli. Questi SI hanno lo scopo di supportare il management fornendo informazioni per decidere supportando il processo decisionale. Dal punto di vista informativo, come già accennato, i processi direzionali sono radicalmente diversi dai processi operativi. Infatti, utilizzano indici e informazioni aggregate. Inoltre, l’elaborazione è periodica e rispecchia la periodicità del ciclo di controllo; non è continuativa come invece per i sistemi informativi operativi. Per le caratteristiche delle loro informazioni i SI direzionali sono costruiti sopra i SI operativi da cui estraggono i dati e li totalizzano secondo gli schemi di pianificazione e controllo. Queste informazioni aggregate, estratte da basi di dati operative,
offrono potenzialmente un’enorme massa di conoscenza per una migliore comprensione del business ovvero per la Business Intelligence.
Tipologia dei sistemi Informativi Complessità del processo “Focus” Grado di strutturazione del processo
Natura dei dati Frequenza
Executive Information System Molte variabili •Controllo strategico •Esame competitori •Esame del valore Non strutturato ed irregolare • Specifici per il problema • Per lo più esterni e previsionali Annuale Decision Support System Mediamente complessa • Controllo budget • Analisi profittabilità • Valutazione investimenti (budget/consunti vo) Periodico, secondo procedure prescritte •Aggregati •Generalm. Interni e storici •Accurati Periodica Sistemi Operativi
Non complessa Supporto alle operazioni Basato su regole specifiche •Dettagliati in base ai singoli eventi/ operazioni •Alimentaz. Dagli eventi In tempo reale/giorn aliero
Tabella 2: Elementi caratterizzanti le varie tipologie di Sistemi Informativi
Associando a ciascun livello di attività nella piramide di Anthony un elenco di categorie software si ottiene lo schema seguente:
Figura 7: Piramide di Anthony con i software direzionali e operativi
(Marco Tagliavini, Aurelio Ravarini, Donatella Sciuto; “Sistemi per la gestione dell’Informazione”; Apogeo 2003)
Le categorie di applicazioni, che nello schema appaiono con i loro acronimi, sono descritte brevemente di seguito.
Fanno parte del sottosistema direzionale (attività strategiche + attività tattiche) i seguenti gruppi di applicazioni software:
KMS. Knowledge Management System (sistemi di gestione della conoscenza). Si tratta
dell’insieme degli strumenti software per la ricerca, l’identificazione, la strutturazione di tutte le informazioni riguardanti le attività svolte in azienda. Un esempio è individuabile nei software di gestione documentale, che consentono di creare, organizzare e consultare vere e proprie biblioteche elettroniche costituite dai documenti aziendali.
BI. È “L’insieme di strumenti software che forniscono un supporto alle decisioni, tramite la
trasformazione dei dati aziendali in informazioni”. La Business Intelligence verrà successivamente discussa.
Il sottosistema operativo si serve delle seguenti categorie di applicativi per lo svolgimento delle attività correnti.
ERP. Enterprise Resource Planning. Tali software sono strumenti gestionali che interessano
praticamente tutte le aree aziendali, dalla gestione degli ordini alla fatturazione, dalle paghe al bilancio, dai pagamenti alla contabilità.
SCM. Supply Chain Management. I software di questa categoria gestiscono la catena di fornitura
(sia relativa agli acquisti, sia relativa alle vendite), velocizzando la trasmissione di ordini di acquisto, ottimizzando le scorte di magazzino, definendo piani di produzione in base alla domanda, monitorando i processi di consegna.
CRM. I software di Customer Relationship Management supportano l’attività di contatto con il cliente e forniscono strumenti per la gestione delle vendite, delle campagne di marketing e del customer service10.
BI: La Business Intelligence può offrire un valido supporto anche alle attività operative.
1.5 La Business Intelligence
Il sistema informativo aziendale sta assumendo un ruolo sempre più importante, questo è dovuto sia per le nuove esigenze, sia per l’evoluzione dell’economia e sia per i modelli di business. Infatti, la globalizzazione, la presenza di nuovi competitor e la nascita di nuovi mercati hanno aumentato in maniera esponenziale la mole di dati da analizzare e, nel contempo, hanno imposto al management aziendale di agire in tempi brevi e con margini economici sempre più contratti. Le esigenze del management stanno vivendo un’evoluzione che ha portato le applicazioni analitiche ad avere sempre più un ruolo strategico all’interno dell’azienda, diventando così uno strumento prioritario per la definizione degli orientamenti aziendali. Nello stesso tempo aumenta il fabbisogno di una reportistica sempre più complessa e cresce la necessità di condividere le informazioni all’interno dell’azienda creando collaborazione fra diversi ruoli funzionali.
E’, pertanto, fondamentale, per l’azienda, dotarsi di un sistema informativo ben progettato che riesca a valorizzare ciascuno degli elementi di cui è composto (persone, procedure, dati,
10 Gartner Group definisce il CRM come segue: Il CRM è una strategia di business il cui risultato è
l’ottimizzazione della profittabilità, del fatturato e della soddisfazione dei clienti perché attraverso la profilatura dei clienti, lo sviluppo di comportamenti che portano alla soddisfazione dei clienti e l’implementazione di processi che hanno al centro il cliente. La tecnologia deve favorire un maggiore interazione con lo stesso e una maggiore integrazione attraverso i canali di comunicazione e tutte le funzioni aziendali di backoffice.
infrastrutture, principi/valori ispiranti)11. Per quanto riguarda il patrimonio di dati, il sistema
informativo deve necessariamente risolvere alcuni problemi che affliggono molte aziende:
o I dati provengono da fonti diverse ed eterogenee (per tecnologia, formato, ubicazione). o A volte i dati sono ridondanti, imprecisi e incompleti.
o Sono di difficile fruizione. o Sono difficilmente integrabili.
Per questi motivi, si devono intraprendere operazioni di eliminazione delle ridondanze, “pulizia” dei dati, unificazione di strutture e formati; inoltre occorre che i dati possano trasformarsi facilmente in informazioni facilmente fruibili da parte degli attori aziendali. L’implementazione di un sistema di Business Intelligence è il mezzo per raggiungere l’obiettivo di valorizzare il patrimonio dei dati aziendali.
La prima definizione di Business Intelligence è stata proposta da Howard Dresner, analista di Gartner Group nel 1989, per descrivere gli strumenti informatici in grado di soddisfare le esigenze dei manager aziendali.
La definizione originale di Dresner è la seguente:
“Business Intelligence describes the enterprise’s ability to access and explore information, often contained in a Data Warehouse, and to analyze that information to develop insights and understanding, which leads to improved and informed decision making. BI tools includes: ad hoc query, report writing, decision support systems (DDSs), executive information systems (EISs) and,
often, techniques such as statistical analysis and on line analytical processing (OLAP)”12.
Numerosi sono i significati che il termine BI assume: dai processi aziendali di creazione delle informazioni, agli elementi tecnologici (hardware e software) che sono utilizzati per tali processi, oppure ancora l’insieme stesso delle informazioni che il management utilizza per intraprendere le proprie azioni.
11 Il modello di sistema Informativo a 5 elementi è stato proposto da Camussone, 1998, Il Sistema
Informativo Aziendale.
12 È obbligo ricordare che il termine Business Intelligence è comparso la prima volta addirittura nel 1958 in
A questo possiamo arrivare a una definizione, la più possibile completa, che sia indipendente dalla tecnologia e dagli strumenti applicativi usati per realizzarla e che possa ricomprendere in essa i diversi punti di vista:
La Business Intelligence è un sistema13 di modelli, metodi, processi, persone e strumenti che
rendono possibile la raccolta regolare ed organizzata del patrimonio dati generato da un’azienda. Inoltre attraverso elaborazioni, analisi o aggregazioni, ne permettono la trasformazione in informazioni, la loro conservazione, reperibilità e presentazione in una forma semplice, flessibile
ed efficace, tale da costituire un supporto alle decisioni strategiche, tattiche ed operative.
Figura 8: Fasi di gestione del dato nei Sistemi di Business Intelligence
(A.Rezzani, “Business Intelligence. Processi, metodi, utilizzo in azienda”, APOGEO, 2012)
Le fasi di raccolta, integrazione, pulizia e validazione dei dati, oltre che le procedure di aggregazione e parte dei calcoli analitici sono svolte in maniera automatica.
Esiste sicuramente una correlazione tra l’uso efficace della BI e l’incremento delle performance aziendali, tuttavia, non basta garantire l’accesso ai dati per migliorare i margini. La BI evita alle persone, che fanno parte di ogni livello aziendale, di preoccuparsi del reperimento dei dati e della loro elaborazione e conservazione; consente loro di accedere ai dati, analizzarli, interagire con essi al fine di ricavare le informazioni per la gestione dell’intera azienda o parte di essa migliorandone l’efficienza (e di conseguenza le performance). E’ ovvio che senza persone, che interpretino in maniera corretta le informazioni, prendendo le giuste decisioni, la BI perde ogni sua valenza
13Con sistema si intende un insieme di entità interconnesse. Le componenti di un sistema sono le entità di
cui è costituito, le regole che lo governano, gli elementi strutturali, organizzativi e funzionali che legano le entità.
positiva. La creazione di un sistema di BI ed il suo utilizzo dipendono più dalla creatività, dalla cultura aziendale dell’informazione che dalla tecnologia.
Il grande valore della Business Intelligence risiede nella possibilità di approfondire le analisi e determinare quali siano le cause che hanno determinato l’andamento positivo o negativo di certe misure. Affiancando all’analisi consuntiva la simulazione di possibili scenari futuri, il management ottiene tutte le informazioni necessarie a prendere una decisione e ad agire in maniera efficace e tempestiva.
Lo schema seguente rappresenta il processo decisionale supportato dalla BI:
Figura 9: Processo decisionale supportato dalla Business Intelligence
(A.Rezzani, “Business Intelligence. Processi, metodi, utilizzo in azienda”, APOGEO, 2012)
Anche se la sua applicazione naturale riguarda il livello strategico e tattico, la BI sta assumendo un ruolo sempre più importante anche nell’attività operativa. Gli esempi seguenti descrivono due situazioni in cui la BI potrebbe fornire un valido supporto alla sfera operativa:
o La gestione delle prenotazioni ospedaliere potrebbe avvenire attraverso sistemi di BI che permettano una visione dell’occupazione delle risorse (ambulatori, personale medico e paramedico, attrezzature diagnostiche) ed una migliore allocazione delle stesse, gestendo i periodi di picco e ripartendo le richieste meno urgenti su periodi più tranquilli.
o La gestione degli ordini di un’impresa industriale potrebbe essere assistita dalla BI per la verifica delle disponibilità di magazzino, tempi di consegna, organizzazione del ciclo produttivo.
E’ immediato comprendere che ambedue i casi richiedano dati operazionali di dettaglio e per di più aggiornati in tempo reale (prenotazioni e allocazione delle risorse mediche nel primo caso e quantitativi degli ordini, magazzino, situazione dei macchinari, risorse umane e materie prime nel secondo caso). E’ proprio nel maggior dettaglio dei dati e nella massima tempestività con cui essi devono essere disponibili, che la BI operativa si differenzia da quella utilizzata dai livelli decisionali superiori.
I vantaggi che un sistema di BI può apportare in azienda sono evidenti.
Nel seguente schema abbiamo riportato il miglioramento che si avrebbe adottando un Business Intelligence nelle performance aziendali.
Figura 10: Principali benefici aziendali a valle dell'utilizzo di Business Intelligence (A.Rezzani, “Business Intelligence. Processi, metodi, utilizzo in azienda”, APOGEO, 2012)
L’introduzione alla Business Intelligence effettuata in questo paragrafo, ci ha consentito di mettere a fuoco l’argomento, evidenziandone alcuni aspetti di fondamentale importanza:
o Il sistema di BI fa parte sistema informativo aziendale ed esso ne ha la responsabilità tecnologica; per questo il management deve essere consapevole della necessità di investimenti in attività di formazione del personale esistente o nel reclutamento di figure professionali che presentino forti competenze nell’ambito dell’amministrazione e dello sviluppo di basi dati orientate all’analisi.
o I problemi e le esigenze che portano alla progettazione e implementazione della BI, anche se molteplici, hanno come fattor comune la difficoltà o l’impossibilità di sfruttare il patrimonio dati aziendale per estrarne informazioni finalizzate a supportare le decisioni del management.
o La BI reca vantaggi all’azienda (migliore accesso ai dati, maggior capacità di reazione agli eventi esterni, maggior efficacia nelle azioni) che si concretizzano in un miglioramento delle performance economiche.
1.5.1 L’architettura della Business Intelligence
L’architettura di riferimento dei sistemi di Business Intelligence è articolata su tre livelli:
ο I sistemi che producono e contengono i dati elementari (sistemi sorgenti)
ο I sistemi per l’integrazione e l’archiviazione dei dati semilavorati (Datawarehouse e Data Mart)
ο I sistemi per l’accesso ai dati e la produzione di informazioni “finite” (Sistemi di Analisi).
Figura 11: L’architettura di riferimento dei sistemi di Business Intelligence
