La data analytics, vale a dire la gestione sistematizzata dei dati per estrarne valore, è ora più che mai un fattore determinante per il successo delle aziende.
Va detto che il livello di maturità sui temi della data analytics in Italia è assai eterogeneo, poiché molte aziende non hanno ancora nessuna strategia per la valorizzazione dei dati.
Per invertire la tendenza non è sufficiente dotarsi di professionisti per il data management, serve adottare un approccio strategico che punti a trattare le informazioni come veri e propri asset.
Diventare un’azienda data-driven significa analizzare tutti i dati (storici, strutturati e non strutturati, qualitativi, in tempo reale), per individuare modelli e generare analisi predittive che potranno delineare gli sviluppi futuri e che contribuiranno a prendere decisioni fondamentali per il business.
Infonomic: l’evoluzione della data analytics
I dati sono oggi una vera e propria commodity dalle caratteristiche uniche e molto vantaggiose (sono un bene riutilizzabile e praticamente inesauribile, con costi di stoccaggio e trasporto bassissimi): l’infonomics, o economia delle informazioni, è la disciplina della data analytics che consente di valorizzare e gestire i dati come asset reali.
Douglas B. Laney, già distinguished analyst per il Chief Data Officer (CDO) research and advisory team di Gartner, ha codificato le basi e i metodi per quantificare il valore dei dati, ed utilizzarli come un vantaggio competitivo per la crescita delle aziende.
Il modello elaborato da Laney è da tempo di riferimento della data analytics, per la quale prevede tre passaggi fondamentali: monetize, manage e measure.
Monetizzare
Si tratta della possibilità di usare i dati per generare benefici economici tangibili. Vi si può arrivare attraverso la monetizzazione diretta, ovvero la vendita dei dati grezzi, o la monetizzazione indiretta, che avviene quando la data analytics contribuisce ad aumentare l’efficienza dei processi aziendali.
Gestire
Poiché la gestione dei dati come un asset reale manca ancora di pratiche universalmente accettate, è possibile mutuare principi standard validi per la gestione di altri asset aziendali, oppure seguire uno dei modelli che hanno provato a delineare dei principi per la gestione degli asset informativi.
John Ladley, ad esempio, ha elaborato un celebre framework secondo cui i dati dovrebbero essere gestiti e contabilizzati come qualsiasi altro bene materiale o finanziario e che sono parte integrante di tutti i processi esistenti (Data Governance: How to Design, Deploy and Sustain an Effective Data Governance Program).
Misurare
Così come per la fase di gestione, anche per misurare il valore reale e potenziale delle informazioni, è possibile applicare i modelli esistenti relativi ad altri asset: va tuttavia considerato che le informazioni possono avere un valore economico e valore funzionale.
Per questo motivo, sono necessari modelli di valutazione bilaterali per rispondere a domande sia sul valore di mercato – e sull’impatto sull’utile netto – dei dati, sia sulla loro capacità di supportare decisioni o influenzare i principali driver di business.
Introdurre la data analytics avanzata in azienda
Oggi è fondamentale che le aziende percepiscano l’importanza della corretta governance dei processi data driven & advanced analytics per supportare concretamente il business.
L’approccio ideale deve prevedere un percorso personalizzato sia da un punto di vista tecnologico che organizzativo, che includa una visione interdisciplinare ed il coinvolgimento di varie funzioni aziendali.
È anche essenziale fornire esempi concreti di come si possano disegnare e costruire processi data driven per guadagnare efficienza e sostenere la crescita.
Il percorso per rendere la data analytics un imprescindibile vantaggio competitivo per la tua azienda non può essere improvvisato: contattaci per approfondire.
