I DATI: CARBURANTE PER LE AZIENDE

È ormai sotto gli occhi di tutti l’importanza che i dati hanno per le aziende.

Questo è stato vero fin dai primi Data Warehouse, ma ora ha assunto una rilevanza maggiore con l’aumento del volume e della tipologia di dati disponibili in azienda. Tale processo è stato aiutato ed accelerato con l’avvento di Internet e di nuove tecnologie ed architetture.

Tuttavia i dati, quando sono grezzi, hanno un significato nel contesto nel quale nascono ma nel complesso hanno un basso valore per l’intera azienda. È durante il ciclo di vita del dato, quando i dati sono integrati e arricchiti con altri dati, trasformati e aggregati, ed attraversano processi analitici che assurgono al ruolo di intelligenza o informazioni chiave con un obiettivo di business. Non è più sufficiente sapere e decidere come gestire il dato, ma è necessario capire come le informazioni e l’intelligenza derivata dai dati possano diventare centrali per la trasformazione digitale delle aziende e fonte (dirette o indiretta) di revenue.

Questa proliferazione di dati richiede la definizione di una data strategy che possa mettere in relazione gli obiettivi di business e l’uso strategico dei dati come asset aziendale. Gartner definisce la data strategy come “…a highly dynamic process employed to support the acquisition, organization, analysis, and delivery of data in support of business objectives“. Pertanto, una data strategy è a tutti gli effetti una strategia che indirizza e risolve “problemi” di business che possono variare dalla Customer Experience & Centricity, alla Compliance, al Risk Management per citarne alcuni.

Fin qui siamo tutti d’accordo (anche C-level) sulla teoria della centralità dei dati come carburante a supporto di iniziative di trasformazione digitale e di crescita per le aziende.

Tuttavia, come McKinsey[1] rileva, non sempre i C-level riconoscono il valore (con ritorni anche economici) derivante da iniziative di data governance e data management.

Cosa fare per riuscire ad estrarre valore dalla mole dei dati presenti in azienda?

In primo luogo, è necessario un cambio organizzativo e culturale.

Anche secondo Deloitte[2], il Chief Data Officer (CDO) è una figura chiave per disegnare, sviluppare ed implementare una data strategy chiara che possa generare del valore dai dati disponibili in azienda.

Inoltre, il CDO ed il suo ufficio (ad esempio un Data Management Office) possono aiutare ad avviare la trasformazione costruendo il consenso a livello Executive (CFO, CMO, CIO etc.), fino ad assegnare agli stessi C-level specifici domini dati trasversali a più finzioni e linee di business in azienda.

Con questo approccio si innesca un circolo virtuoso di collaborazione con il quale indentificare i domini dati sui quali concentrarsi in virtù del valore che questi potrebbero ritornare all’azienda ed in relazione agli obiettivi di business: ad esempio negli ultimi anni la compliance al tema GDPR ha fatto da traino per molte aziende.

 In seconda istanza, nel disegnare una data strategy robusta, le aziende ed i CDO hanno bisogno di definire le specifiche di accesso, le responsabilità, le policy e le regole, i processi per assicurare il comportamento più appropriato nella valutazione, creazione, consumo, controllo e analisi dei dati (Data Governance). Nel contempo, individuare le best practice, le tecniche architetturali ed i tool a supporto, al fine di soddisfare i requisiti di accesso alle informazioni di tutte le applicazioni e di tutti i processi di business (Data Management).

 I vantaggi di un’organizzazione così strutturata sono molteplici, per citarne alcuni:

  • Generare una cultura aziendale del dato con l’incremento della collaborazione e la riduzione della distanza tra dipartimenti
  • Miglioramento della qualità e dell’affidabilità delle informazioni utilizzate e analizzate
  • Incremento della velocità di risposta alle esigenze di business (Customer Experience, Segmentazione mirata etc.)
  • Un generale efficientamento dell’operatività attraverso la trasparenza (analisi di impatto, maggiore rapidità nell’individuazione di anomalie, conoscenza del patrimonio informativo aziendale etc.)
  • Abilità di trattare i dati opportunamente in base al volume ed alla velocità (incrociare dati ed informazioni storici con dati ed informazioni in streaming, es. cloud, big data, IoT).

 In conclusione, informazioni di alta qualità ed affidabili portano benefici economici (diretti e/o indiretti) in termini di efficientamento dei costi e aumento delle revenue, consentendo alle aziende di poter guardare anche alla monetizzazione del dato (come ulteriore fonte di revenue) attraverso nuovi servizi, nuovi modelli di business o condividendo informazioni in data mart inter-aziendali[3].


Credits

1 McKinsey – “Designing data governance that delivers value
2 Deloitte – Data as an Asset
3 McKinsey – “Fueling growth through data monetization


Autore

Riccardo Tani
CEO & Managing Director – Value S.r.l.
Contatti: amministrazione-value@we-plus.eu