Vai al contenuto
La valutazione delle performance aziendali è uno dei campi fondamentali in cui vengono utilizzate tecnologie d’analisi dei dati. La comprensione del mercato in cui si opera e la definizione delle strategie vincenti sono aspetti fondamentali per la competitività dell’impresa e per la capacità di adattare dinamicamente l’offerta di prodotti e servizi ai mutamenti del mercato e all’evoluzione delle richieste dei clienti. Canali di vendita, CRM, sistemi gestionali aziendali e di produzione sono diventati grandi fabbriche di dati utilizzabili per conoscere la realtà del business e tendenze in atto attraverso la profondità delle serie storiche. La sfida è quella di navigare in modo efficace nella mole dei dati, estrarre gli indicatori che, di volta a volta, possono essere utili al business.
I problemi della valutazione delle performance aziendali con i tool tradizionali
Report e cruscotti sono, da sempre, le modalità classiche con cui si valutano le performance aziendali attraverso il confronto numerico degli ordini, delle vendite o dei dati relativi al conto economico. Questi strumenti d’uso comune hanno il limite di fotografare lo stato corrente e le situazioni passate attraverso dati di sintesi e KPI (Key Performance Indicator) studiati per esigenze generali che non mutano nel tempo. Nei moderni contesti di business dinamici, dove le cose cambiano molto più velocemente rispetto al passato, reporting e dati sintetici raccolti in un arco temporale prefissato sono inutili per valutare le performance e rilevare trend significativi.
Le analisi dei dati con un più elevato dettaglio e con orizzonti temporali diversi stanno diventando un’esigenza comune alle line of business (LOB), alle quali la business intelligence non riesce oggi a far fronte. Allo stesso modo in cui datamart o data warehouse tradizionali non riescono a dare visibilità ad andamenti che avvengono in tempo reale o vicino al reale, così come non permettono navigazioni libere sui dati, per esempio, per scopi di ricerca di nuove opportunità di business. Un’attività, quest’ultima, non realizzabile con la frequenza e la velocità necessaria attraverso i processi tradizionali di formalizzazione delle ipotesi e quindi di verifica sui dati, realizzati con la mediazione di data scientist o di figure IT specializzate.
L’approccio “self-service” alla valutazione delle performance aziendali
L’esigenza da parte delle line of business di poter analizzare con libertà, continuità nel tempo e dettaglio i dati di cui hanno bisogno trova oggi soluzione in una serie di tool specifici che assolvono le fondamentali capacità di raccolta, correlazione, analisi e visualizzazione dei dati.
A differenza dei tool di analisi e business intelligence tradizionali che richiedono competenze di data management e programmazione, i nuovi strumenti permettono l’utilizzo diretto, in logica self-service, da parte dei business user. Una capacità che accompagna nuove modalità di utilizzare i dati a tutti i livelli decisionali e funzionale alla moderna azienda data-driven.
Tra le prerogative fondamentali dei nuovi tool c’è la semplicità d’uso e delle interfacce e la capacità di presentare i dati nelle forme più avanzate. I business user devono poter selezionare qualsiasi fonte di dati – fogli elettronici, database, repository Hadoop, big data in cloud – quindi impostare dashboard, viste e analisi con modalità drag&drop non più difficili da usare di quelle di un foglio elettronico. Le capacità d’aggiornamento temporale, manipolazione e presentazione grafica dei dati permettono agli utenti di comprendere meglio le performance aziendali e le correlazioni, evidenziando gli aspetti più utili da condividere con altre persone per prendere decisioni e azioni motivate. Perché sia possibile per le LOB valutare le performance aziendali in self-service è utile disporre di librerie di algoritmi “già pronti”, a supporto delle analisi più frequenti o complesse.
Dal lato dell’IT è importante l’impegno nella standardizzazione delle informazioni aziendali e nella creazione di archivi dove gli utenti possano più facilmente ritrovare i dati d’interesse. Strumenti d’integrazione e data-lake sono a questo proposito quelli più utilizzati, assieme ai tool per garantire sicurezza d’accesso ai dati e le performance.
