Cambiano i modelli di interpretazione dei dati, dall’area It alle varie business unit. Grazie a strumenti di analytics più democratici, che richiedono però una governance forte. Ma c’è chi lancia l’allarme: le aziende spesso pensano di avere tutte le competenze in materia di BI, diffondendo concetti convenzionali ed obsoleti. 

Entro il 2017 la maggior parte degli utenti business e delle figure deputate a compiti di analisi dentro le aziende avrà accesso a strumenti self-service per gestire i dati. Lo dice uno studio recente di Gartner, da cui si apprende che I tradizionali modelli della Business intelligence e degli strumenti di analytics stanno subendo profonde trasformazioni.

Perchè questo? Perchè l’ascesa del data discovery (entro il 2017, la maggior parte degli strumenti di questo tipo avranno incorporare capacità di tipo smart), l’accesso a dati multi-strutturati, la disponibilità di tool avanzati di data preparation e nuove funzionalità di gestione più intelligenti democratizzeranno ulteriormente l'accesso alle analytics. Detto che questa trasformazione si porter appresso la necessità di una maggiore governance, è importante sottolineare come la gestione dell’informazione abbraccerà in modo allargato il paradigma self-service. Gli utenti, in altre parole, potranno estrarre, profilare, preparare, integrare, arricchire e creare ex novo modelli e dati per l'analisi in totale autonomia.

Con quali vantaggi per l’azienda? Secondo Gartner uno su tutti: una netta riduzione del tempo e delle complessità connesse con la preparazione all'analisi. Il compito di integrare e mesolare i dati passerà quindi dall'utente It all’utente business, che dovrà fare proprie specifiche competenze.

Le aziende sono quindi pronte a recepire e fare proprio questo nuovo approccio alla BI e all'analisi? La risposta, secondo Gartner, è negativa: fino a tutto il 2016, meno del 10% delle iniziative BI self-service saranno soggette a un'appropriata governance, tale da evitare incoerenze che potrebbero danneggiare il business. Per evitare effetti boomerang, gli analisti consigliano un ritorno a implementazioni su scala enterprise della BI più controllate e l'impiego di tecnologie self-service all'interno di un progetto con una solida governancee sotto la guida dell'It.

I vendor, da parte loro, si muoveranno sui due versanti: venderanno semplici tecnologie di data discovery per tutte le applicazioni business ma senza mancare di sottolineare i vantaggi di tecnologie enterprise di BI più controllate, centralizzate e robuste.

 

Attenzione ai luoghi comuni

La Business Intelligence ha subìto profondi cambiamenti nel corso degli ultimi dieci anni. Proprio per questo motivo, le aziende spesso pensano di avere tutte le competenze in materia, diffondendo concetti convenzionali - e superati - sull'analisi dei dati. Rosagrazia Bombini, VP & Managing Director per l'Italia di Qlik, ha individuato sei luoghi comuni sulla BI da sfatare una volta per tutte.

Molte delle nostre convinzioni sono talmente radicate che non vengono nemmeno messe in discussione. Questo perché probabilmente siamo molto meno razionali di quanto pensiamo. Abbiamo l'abitudine di ripetere e credere in ciò che ci viene trasmesso, spesso senza verificarne l’autenticità. Alcune volte queste credenze sono vere, altre volte invece completamente infondate.

Ad esempio, è opinione diffusa che la Grande Muraglia cinese sia l'unica costruzione fatta dall’uomo visibile dallo spazio, ma non è così; sono facilmente distinguibili anche città e alcuni edifici imponenti. Allo stesso modo, i Vichinghi vengono comunemente rappresentati con un elmo con le corna, invece, questo dettaglio sartoriale è solo frutto della creatività del compositore Wagner che così li ha interpretati nella sua opera “L’anello del Nibelungo”. 

Queste concezioni errate, purtroppo, non si limitano a semplici curiosità, ma falsi miti e idee sbagliate si insinuano anche nel mondo degli affari con notevoli impatti economici. Questo accade, spesso, anche nell’ambito della Business Intelligence. Ecco sei obsoleti luoghi comuni che abbiamo individuato.

Solo i manager con funzioni decisionali necessitano della BI. Nonostante anni di sforzi e di grandi investimenti, la BI non viene sfruttata al 100%. Spesso e volentieri infatti, il suo utilizzo spetta solamente – ed erroneamente - ai responsabili decisionali; la BI deve infatti coinvolgere tutte le categorie dei dipendenti, visto che tutti posso avere bisogno di analizzare i dati per svolgere al meglio le proprie mansioni. Questa visione limitata della BI risale a strutture gerarchiche antiquate del 19° secolo – prima ancora dell’esistenza dei software - quando veniva utilizzata meramente per scopi di verifica e controllo, piuttosto che per consentire alle persone di prendere decisioni migliori attraverso l'analisi. Tornando ai giorni nostri, anche se gli strumenti di intelligence sono diventati più sofisticati, la BI viene ancora interpretata in questo modo così limitante, non consentendo alle persone di beneficiare delle analisi come dovrebbero.

Buona reportistica = buona BI. Quasi tutti i progetti di BI iniziano con il lodevole scopo di produrre report, spesso destinati al reparto finanziario, e impostati dall’IT in base agli scopi dell’analisi. La grave lacuna di questo sistema è che emergono solo informazioni statiche e dati in grado di raccontare ben poco all'utente. La capacità di analizzare i dati è la caratteristica imprescindibile di un buon sistema di BI. Gli utenti, infatti, devono poter mettere in discussione i dati e costruire sistemi di BI in grado di aiutare a scoprire radici, connessioni, tendenze e cambiamenti in modo iterativo.

La BI veloce e in-memory risolverà il problema. Nel mondo di oggi, tutto ciò che richiede uno sforzo maggiore di una ricerca su Google, corre il rischio di venire abbandonato dall’utente. Tuttavia, non bisogna cadere nell’errore di valutare solamente la velocità di implementazione. Infatti, anche se veloce, una soluzione di BI può irrigidirsi a causa della mancanza di un potente sistema di analisi, costringendo gli utenti a spendere diverso tempo nella creazione di report e visualizzazioni, scoraggiandoli definitivamente. Per creare una cultura analitica è necessario che i software siano veloci, semplici da utilizzare e estremamente flessibili.

Non abbiamo le competenze analitiche necessarie. Perché pagare analisti o data scientist per interpretare i dati? L’essere umano ha sviluppato capacità di analisi naturali, tra cui il riconoscimento di diversi modelli (distinguendo tra agglomerati e singoli punti), il rilevamento di valori anomali (notando qualcosa di diverso nella massa) e la categorizzazione (scoperte importanti). Sfruttando le innate capacità analitiche che tutti abbiamo, le aziende hanno bisogno di un software che democratizzi l'analisi dei dati. Occorre far si che i poteri di analytics passino dalle mani degli analisti a quelle dei dipendenti, per migliorare complessivamente l'analisi dei dati.

Più è visuale, più è efficace. Circa il 60% della nostra attività neurale è dedicata a ciò che vediamo. Quindi la visualizzazione dei dati è molto importante, anche se per l’analisi non è sufficiente avere delle immagini esplicative. Alcuni strumenti di BI hanno visualizzazioni bellissime, ma non consentono la navigazione illimitata di dati, aspetto ormai inaccettabile con tutte le tecnologie a oggi esistenti. È fondamentale infatti, che gli utenti siano messi in condizione di interagire con le visualizzazioni per comprenderne pienamente il significato e fare ulteriori scoperte. Un report statico o che limita l’interattività, com’è intuibile, stronca sul nascere l’intuizione di chi si approccia alle analisi.

Un semplice accesso ai dati favorisce il processo decisionale. Avere a disposizione tutte le informazioni possibili non ha aiutato i banchieri a scongiurare la catastrofe dei mutui e il crollo finanziario del 2009. Solo perché i dati sono a portata di mano non significa che vengano utilizzati in modo adeguato. Un processo decisionale perfetto richiede pratica e competenza; bisogna sviluppare negli utenti le capacità adatte a proteggerli dai rischi di una visione limitata  e dalla ripetitività. Il giornalista e sociologo Malcolm Gladwell ha scritto che, per aver esperienza in qualsiasi campo, occorrono 10 mila ore di pratica. Così, anche gli utenti di business intelligence devono continuare a esercitarsi nell’analisi dei dati per arrivare a prendere decisioni più intelligenti e avere intuizioni.