Pur assegnando un valore potenziale molto rilevante ai grandi dati, le aziende del Belpaese hanno fatto poco o nulla negli ultimi due anni, se non sotto forma di progetti pilota e sperimentazioni. La criticità più grande? Dotarsi delle tecnologie e delle competenze di analisi e di interpretazione necessarie.

Lo scenario dell'adozione delle tecnologie dei Big data in Italia è un po' desolante, perchè poco o nulla è stato fatto negli ultimi due anni, se non sottoforma di “pilot” e di sperimentazioni o comunque di impiego di queste tecnologie per innovare precedenti sistemi più tradizionali di analisi dei dati e con l’obiettivo di ridurre costi di acquisto e di esercizio delle soluzioni di gestione dei dati stessi.

Le imprese italiane assegnano un valore potenziale molto rilevante ai Big data (si vedano in proposito le ricerche di SDA Bocconi “Big Data: nuove fonti di conoscenza aziendale e nuovi modelli manageriali” e “Digital Transformation e Impresa digitale), in particolare in alcune aree specifiche di applicazione. Che di seguito descrivo.

Le analisi delle dinamiche del proprio mercato e del processo di comportamento all’acquisto dei clienti su più dimensioni di analisi e su più canali di contatto, al fine di analizzare la loro customer experience multicanale. Le insight a supporto delle decisioni strategiche chiave dell’impresa (predizioni, scenari e previsioni di medio-lungo termine). Le analisi più evolute dei point-of-interest aziendali (punti vendita, magazzini, concessionari e dealer, turbine, cantieri, ecc.) e delle infrastrutture sul territorio (reti elettriche, canalizzazioni, strade, etc.). Le analisi di dati strutturati e non strutturati che derivano dai documenti aziendali core dematerializzati (fascicoli sanitari, gestione sinistri, etc.). L’ottimizzazione dei processi aziendali (supply chain complesse, campagne promozionali ripetitive e altro).

Il continuo aumento dei volumi e delle tipologie di dati di cui le aziende possono (potenzialmente) disporre è un dato di fatto; è inutile continuare a lanciare scenografici proclami con l’intenzione di colpire la suggestione del pubblico con il fatto che ogni secondo si generano su Web, o tramite le reti di sensori digitali fissi o mobili, terabyte o petabyte di dati (non di informazioni).

I volumi, spesso confusi col termine “big”, non sono tra l’altro l’aspetto più qualificante ed interessante dei Big Data; la loro varietà e velocità lo sono molto di più nel creare le condizioni per creare realmente nuove informazioni e nuova conoscenza utili nel mondo fisico-scientifico (per esempio la meteorologia o la medicina) e nel mondo manageriale (le decisioni di marketing o di rischio).

La digitalizzazione dei processi di interazione e di relazione con i clienti, con i fornitori e in generale con il contesto esterno delle imprese porta all’inevitabile generazione di dati con velocità e varietà sempre crescenti. Il valore aziendale dello sfruttamento di un tale potenziale informativo è difficilmente quantificabile ma non è sicuramente in discussione. Dove è quindi il problema? Perché quella che sulla carta risulta essere un’opportunità unica e imperdibile, non è “colta al volo” dalle aziende italiane?

A parte la fisiologica “prudenza” delle nostre aziende nell’essere pionieri dell’innovazione It (e al netto della congiuntura ancora difficile), la criticità risiede nella difficoltà di dotarsi delle opportune tecnologie e delle necessarie competenze di analisi e interpretazione dei Big Data. Quindi, se da un lato è fondamentale disporre degli strumenti di business intelligence e analytics, di appliance e acceleratori hardware, di tool Hadoop/MapReduce e di sistemi di InMemory computing, dall’altro è necessario avere persone che sappiano intuire con creatività dove utilizzare queste tecnologie per risolvere nuovi problemi aziendali (conoscere per esempio il sentiment dei consumer sui social network) o risolvere meglio vecchi problemi, con percorsi di analisi dei dati sempre più sofisticati (le cosiddette “insights”) e sempre meno “ingabbiati” in schemi tradizionali e modelli strutturati di dati.

 

La piramide dei Big Data: come si genera la capacità di produrre informazioni e conoscenza 

 

Tiene ancora banco la Business Intelligence tradizionale

La sensazione emergente da questi ultimi due anni è che le imprese italiane, prima di lanciare veri e propri progetti, si stiano dotando per l’appunto del necessario mix di competenze che può creare le condizioni di base per l’ottenimento dei reali benefici promessi dai Big Data e per far leva sull’esperienza fatta con le generazioni precedenti di strumenti e applicazioni di Business Intelligence (reporting, analisi multidimensionali, cruscotti, balanced scorecards, applicazioni di analisi e altro ancora acquistate come package sul mercato o realizzate ad hoc in casa o presso software house esterne).

La prudenza o le difficoltà nel lanciare progetti dedicata ai Big Data emergono chiaramente dai risultati di una recente ricerca sulla “digital transformation” nelle Pmi italiane, condotta da SDA Bocconi in collaborazione con Ibm, a cui hanno partecipato 487 imprese di tutti i settori di attività.

Dallo studio emerge chiaramente che gli strumenti di Business Intelligence più tradizionali (impiegati per le analisi dei dati correnti o per semplici analisi di dati previsionali come i budget) sono ancora oggi i più diffusi, e lo saranno anche nei prossimi tre anni benchè cresca ovviamente l’interesse e il peso relativo anche delle analisi di dati non strutturati (dati Web e social, testi, audio-video, etc.), della analisi evolute di business (analytics per la costruzione di scenari, la simulazione, le predizioni, etc.) e delle analisi dei dati in tempo reale (dati dei sensori Gps, delle reti finanziarie, delle smartgrid, dei social network, etc.).

Per sfruttare il potenziale informativo oggi latente nei Big Data, resta sicuramente ancora molto lavoro da fare sia in termini di adozione delle tecnologie abilitanti sia in fatto di sviluppo delle competenze necessarie (analytic skill e decision making capabilities). Ma la consapevolezza dichiarata, anche dal management aziendale, circa il ruolo cruciale dei grandi dati per il miglioramento delle performance aziendali è sicuramente un elemento che permette di essere sufficientemente ottimisti sulla loro adozione nel medio termine nelle aziende italiane.

Data scientist: i vari profili e ruoli emergenti in Italia (E.Coffetti, P.Pasini, 2014)

 

Il valore dei Big Data

La competenza di modellizzazione dei processi decisionali, soprattutto di quelli più complessi, è diventata oggi una delle competenze più critiche e distintive (quella degli analisti dei processi decisionali), e più dimenticate, da chi si occupa di Business Intelligence, di Analytics e di Big Data.

In altri termini, la raccolta e l’analisi dei dati e la decisione fanno generalmente parte di un processo di problem solving che può essere più o meno strutturato e predeterminabile e che è costituito da più fasi (che tipicamente vanno dall’indagine di un problema, alla raccolta dei dati, alla costruzione di un modello decisionale o di un modello dati, alla formulazione e valutazione di diverse alternative e scenari, alla decisione dell’azione migliore e alla sua implementazione, per poi innescare una fase di retroazione e di controllo dei risultati ottenuti) e spesso da più decisioni (relative per esempio al lancio di un prodotto nuovo, e quindi il probabile comportamento della concorrenza, i prezzi di vendita, il tipo di pubblicità online e offline da fare, ecc.).

Generalmente i sistemi di BI, le analytics o le Business analytics non sono quasi mai progettate per seguire tutto il processo di problem solving, ma solo una fase dello stesso (ad es. la modellizzazione e l’analisi dei dati), diventando così spesso poco efficaci e a basso valore percepito dai decisori aziendali.

La misurazione del valore di questi sistemi sicuramente non è facile e non deve essere fine a se stessa, ma relativa a ciò che questi sistemi riescono a creare per migliorare i processi decisionali aziendali; in altri termini il loro valore è dato solo dal valore delle informazioni e della conoscenza che sono in grado di creare per il decisore giusto, al momento giusto e nel modo più giusto!

Il valore reale è dato dai risultati e dalle performance aziendali incrementali che queste decisioni potranno generare, le quali però potrebbero dipendere anche da una serie di variabili esterne o interne casuali o comunque non considerate nel processo di analisi e di decisione, e quindi in definitiva i risultati e le performance ottenuti potrebbero non essere del tutto dipendenti dalla progettazione e utilizzo del sistema di BI, dell’analytics o della Business analytics in oggetto.

Se è difficile, ma non impossibile, questa misurazione, al contrario si può con certezza dire da cosa dipende la qualità delle informazioni e della conoscenza che si può generare con i Big data e le tecnologie sottostanti. La piramide del valore dei Big data (e quindi di tutti gli strumenti e le analitycs impiegate per supportare il processo di analisi e di decisione collegato a quei Big Data) descrive differenti livelli di valore, ognuno dei quali si “appoggia” sul sottostante; il valore totale è fatto di qualità dei dati che le varie fonti oggi a disposizione sono in grado di generare e l’azienda di controllare, è fatto di strumenti IT per l’integrazione, organizzazione e governance di questi dati all’interno dell’azienda, è fatto di piattaforme, strumenti e applicazioni di BI e analytics integrate, user friendly e collaborative.

Tutti questi strati tecnologici, per quanto sofisticati e innovativi, non creerebbero un alto valore in azienda senza le necessarie competenze sia degli specialisti IT, sia degli utenti analisti e decisori, o senza un assetto organizzativo della Business Intelligence in azienda (fatto di unità organizzative o di ruoli ad hoc, per esempio il Data scientist nei suoi profili) che sappia fondere e mediare tra due mondi apparentemente ancora distinti ma sempre più necessariamente vicini, fino ad arrivare allo stato ideale di quando la persona che saprà impiegare al meglio le tecnologie e i metodi per i Big Data sarà la stessa persona che conoscerà al meglio il problema da analizzare e che avrà al contempo la responsabilità di analizzare i dati e di prendere una decisione manageriale (il marketing manager, il controller, il responsabile del risk management, il direttore commerciale, e così via). 

 

Paolo Pasini, direttore Unit Sistemi Informativi, SDA Bocconi School of Management, e responsabile dell’Osservatorio BI di SDA Bocconi