Uno degli step più importanti e complessi per un’azienda che vuole completare la propria digital transformation è quello di diventare data-driven.
Data-driven significa “guidata dai dati”: un’espressione efficace per indicare la scelta di prendere le decisioni critiche sulla base di una rigorosa data analytics, evitando interpretazioni estemporanee e soggettive.
Essere un’azienda data-driven significa sfruttare tutte le potenzialità dei dati nel processo decisionale, al fine di prendere decisioni informate.
La data democratization
In un’azienda data-driven, tutti devono essere in grado di prendere decisioni basate su informazioni affidabili e standardizzate, accessibili da diverse piattaforme e sempre a disposizione per tutti i team aziendali.
È la data democratization: il percorso che consente a chiunque abbia titolo di farlo, di accedere autonomamente al patrimonio informativo aziendale, così da eseguire analisi e trasformare i dati in informazioni senza dover disporre di competenze specialistiche di data science.
La democratizzazione dei dati, e la loro percezione come risorsa critica su cui è imperativo investire, sono i parametri che rendono un’azienda data-driven.
I data maturity model
Un modo per valutare le capacità data-driven di un’organizzazione è quello di confrontarsi con i data maturity model, framework che aiutano le aziende ad effettuare l’assessment iniziale per capire in quale fase della maturity si pongono, e successivamente a predisporre il miglior sfruttamento possibile dei dati.
Ne esistono moltissimi tipi, tendenzialmente elaborati da data engineering & analytics company.
Qui proponiamo un’analisi standard, vicina ai framework di Dell e di Gartner.
1. Analisi a mosaico
Nella prima fase, l’azienda non dispone di un data team ufficiale.
La data analytics è decentralizzata, con un mosaico di strumenti e fonti di dati: ogni reparto valuta i propri dati e cerca di collegarli attraverso esportazioni, fogli di calcolo ed alcune integrazioni.
La maggior parte delle analisi viene effettuata su dati storici, con poche o nessuna fonte di dati in streaming in tempo reale.
In questa fase, la natura manuale della gestione dei dati porta spesso a errori, incoerenze e report imprecisi.
Non esiste una strategia di dati a livello aziendale che consenta di prendere decisioni, in parte perché non c’è la cultura.
La leadership si affida ancora molto all’istinto piuttosto che ai dati.
2. Analisi dipartimentale
In questa fase, non esiste ancora un team dati centralizzato. Tuttavia, in alcuni reparti compare la figura del data analyst. La raccolta dei dati è un po’ più razionalizzata, ma l’analisi è ancora isolata da un team all’altro, con alcuni dipartimenti che assumono la guida della data maturity o che utilizzano strumenti diversi rispetto ad altri.
3. Analisi reattiva
Nella terza fase, i dati vengono centralizzati ma non sono ancora accessibili a tutti. L’azienda dispone di un data team, ma le sue analisi sono principalmente reattive, perché generate da richieste di dati provenienti da diversi reparti.
A questo punto l’azienda probabilmente dispone di uno strumento di BI a livello aziendale, insieme a uno stack di dati che convoglia le informazioni da diverse fonti in un warehouse collegato.
Ha già una certa governance dei dati e probabilmente sta lavorando per ottenere delle analisi self-service.
In termini di cultura, le persone pensano ai dati soprattutto come ad uno strumento per monitorare le prestazioni.
4. Analisi proattiva
In questa fase, l’azienda ha una cultura orientata ai dati. I membri del data team cercano in modo proattivo le opportunità offerte dai dati e le altre figure aziendali si assumono la responsabilità di analizzarli utilizzando strumenti self-service.
Il data team e gli stakeholder aziendali collaborano spesso, le analisi predittive sono in gioco e la cultura incoraggia a considerare i dati come un prodotto piuttosto che come un semplice strumento di monitoraggio delle prestazioni.
5. Analisi democratizzata
In questa fase, un’azienda utilizza i dati per informare quasi tutte le decisioni.
Esiste un processo chiaro per stabilire quando e come i data team debbano investire in applicazioni di dati, e la cultura aziendale è completamente intrecciata con i dati: ogni decisione cruciale è data driven.
Come diventare un’azienda data driven
Prima di fare qualsiasi cosa, è bene assicurarsi che in azienda tutti siano pronti a passare ad una fase molto più avanzata della considerazione dei dati.
Sarà necessario avere il consenso di tutti gli stakeholder per investire in una soluzione di data analytics che sia adatta agli obiettivi e alla struttura dell’azienda. Una volta ottenuto il via libera, è il momento di investire in una piattaforma in grado di fornire rapidamente valore.
1. Collegare i dati più disparati su un’unica piattaforma
Il primo passo è la creazione di una pipeline per i dati: riunire rapidamente le fonti di dati, integrando le informazioni di ogni funzione aziendale, dal marketing ai sales all’assistenza clienti. Una volta che i dati sono collegati e gli analisti possono iniziarne l’esplorazione, è possibile ottenere risultati rapidi da usare per promuovere un cambiamento culturale e convincere i principali stakeholder a fidarsi della data analytics ed utilizzarla nelle loro attività quotidiane.
2. Stabilire le metriche chiave per guidare la strategia aziendale.
Per diventare data-driven, le aziende devono concentrarsi sulle analisi chiave, o metriche della stella polare (north star metrics) , per separare la verità dalle opinioni e prendere decisioni aziendali obiettive e ragionate. l’unica misura predittiva del successo di un’azienda a lungo termine.
Per poter definire una metrica come “north star” questa deve permettere di raggiungere tre obiettivi in particolare: generare entrate, rispecchiare i valori dei clienti e consentire di monitorare e misurare i progressi.
Se una metrica permette di fare queste tre cose e ogni dipartimento contribuisce a migliorarla, l’azienda può crescere in modo sostenibile. In generale, comunque, le metriche chiave devono essere stabili, raggiungibili e durature.
3. Abbattere i silos e democratizzare i dati
Per diventare data-driven, le aziende devono lavorare attivamente per abbattere i silos di dati e fornire ai team definizioni condivise e set di dati puliti.
L’obiettivo finale dovrebbe essere la completa data democratization, grazie alla quale tutti i settori aziendali possano sentirsi a proprio agio nel ricavare informazioni da diverse fonti di dati ed utilizzarle per prendere decisioni migliori.
4. Rendere i report di facile lettura
La maggior parte dei dipendenti oggi ha competenze limitate quando si tratta di analizzare ed interpretare i dati. Per questo motivo, è utile ottimizzare i report rendendoli visivamente intuitivi e facili da leggere.
Una visualizzazione chiara facilita l’accesso e la comprensione dei dati da parte dei team non tecnici, che possono così applicarli negli scenari quotidiani.
5. Incoraggiare i data-driven meetings
Un altro ottimo modo per diventare più data-driven è quello di fornire aggiornamenti interfunzionali orientati ai dati, riunendo i diversi team sotto la guida del data team, per consentire ai dipendenti di porre domande ai colleghi che possiedono le skill specifiche, ed offrire opportunità di apprendimento e crescita.
Diventare un’azienda data-driven richiede tempo
Le aziende non diventano data-driven cambiando qualche processo interno.
Per passare dalla prima alla quinta fase occorrono risorse e impegno notevoli: essere orientati ai dati è un gioco lungo e ci vuole tempo per accumulare un vantaggio, ma il risultato viene ripagato ampiamente in termini di efficienza, ottimizzazione dei processi ed aumento del fatturato.
Per diventare più rapidamente un’azienda veramente data-driven, dovreste scegliere software e partner che abbiano i dati nel loro DNA.
Quali sono i vantaggi di diventare un’azienda data driven?
Quando si possono prendere decisioni sicure sulla base dei dati aziendali, è più facile prevedere il futuro, misurare e migliorare le prestazioni e scoprire intuizioni critiche sull’azienda, a volte anche quelle che non si stavano cercando.
1. Fare scelte migliori, più velocemente dei concorrenti
Le aziende data-driven fanno semplicemente scelte migliori. Grazie a un flusso costante di informazioni sull’azienda e sui clienti (ed alla tecnologia per seguire tutto il processo dei dati), queste aziende si muovono con maggiore rapidità e sicurezza rispetto ai loro concorrenti.
2. Identificare i rischi finanziari prima che si presentino
I dati possono essere utili per identificare e ridurre i rischi finanziari.
Per fare un esempio concreto, le società di streaming utilizzano l’analisi predittiva per prevedere quando è probabile che gli utenti annullino un abbonamento. Modificando l’esperienza del cliente o inviando offerte speciali, possono essere in grado di evitare il churn.
Le aziende orientate ai dati hanno forme e dimensioni diverse. Ma hanno in comune una cosa importante: rendere i dati accessibili e preziosi per tutti. Se si guarda a una qualsiasi azienda data-driven, si troveranno data officer di talento, una cultura orientata ai dati, un accesso ai dati ben governato e uno stack moderno che collega ogni fonte e soluzione.
All’inizio, diventare un’azienda data-driven può sembrare un processo difficilissimo, un enorme cambio di mindset.
Ma qualsiasi azienda può diventare data-driven: si tratta solo di dare priorità agli investimenti nei dati e di essere disposti ad un cambio di cultura aziendale che in finale restituirà un’efficienza mai immaginata ed una competitività di primissimo piano.
