La grande quantità e eterogeneità di dati disponibili, così come la pluralità di tecnologie sempre più complesse, possono supportare e accelerare lo sviluppo di progettualità di Analytics altamente innovative.
Progettualità che permettono ad esempio di conoscere meglio i propri clienti e di anticiparne i comportamenti, di aumentare l’efficienza dei processi aziendali e, in alcuni casi, di creare nuovi prodotti e servizi.
L'utilizzo dei Big Data nelle aziende: una premessa
Ciò che come Osservatorio Big Data & Business Analytics di anno in anno rileviamo, purtroppo, è che per molte aziende il principale elemento di freno all’utilizzo dei Big Data Analytics deriva dalla mancanza di competenze e professionalità adeguate: questa problematica viene citata dal 53% delle grandi aziende italiane nel 2018.
Di fatto, le imprese, in particolare quelle più grandi, si stanno muovendo sul fronte dell’analisi dei dati, almeno con sperimentazioni in corso. Tuttavia, sono molte le situazioni di attività di Proof of Concept che, pur ottenendo buoni risultati, risultano complesse da portare in produzione, a causa di freni non tanto tecnologici quanto organizzativi e di processo. Va inoltre sottolineato che competenze “hard” di Data Science sono molto difficili da reperire sul mercato, permane la confusione sui ruoli dedicati e attrarre queste figure risultare molto costoso.
Vuoi essere sempre aggiornato sui temi dell’Osservatorio Big Data & Business Analytics?
L'importanza della Data Literacy
Questa premessa ci porta a sottolineare l’importanza di costruire, a partire dalle persone, un ambiente “fertile” all’estrazione di valore dai dati. Qui emerge il tema della Data Literacy.
Con Data Literacy si intende la capacità di identificare, individuare, organizzare, utilizzare e comunicare le informazioni. In altre parole, con questo termine si intende l’alfabetizzazione ai dati, la capacità di interpretarli correttamente e di raccontare un fenomeno attraverso di essi, selezionando in maniera corretta le informazioni più rilevanti.
Questa competenza non dovrebbe essere esclusiva di specialisti, ma dovrebbe coinvolgere, a vari livelli, le diverse figure aziendali. La diffusione della Data Literacy passa infatti sicuramente attraverso l’inserimento di figure professionali legate ai dati, quali Data Scientist o Data Analyst, ma va molto oltre. Prima di tutto, si può pensare ad organizzare corsi e attività formative sul tema anche per figure appartenenti alle linee di business.
Un ulteriore aspetto, probabilmente il più rilevante, va a coinvolgere nel profondo i meccanismi di trasmissione delle informazioni in azienda. Si tratta di ripensare le modalità d’interazione con i dati, in direzione di una maggiore autonomia degli utenti di business: questo trend è noto agli analisti internazionali con il termine di Self-Service Data Analytics.
Self-service Data Analytics: autonomia attraverso la visualizzazione
Per Self-service Data Analytics si intende la diffusione di strumenti che permettono all’utente di business di gestire in autonomia il processo d’interrogazione dei dati, dall’esplorazione all’analisi, fino alla visualizzazione degli insight.
Il punto di partenza è la richiesta, da parte dei ruoli decisionali quali Top e Middle Management, di accedere alle informazioni in maniera più tempestiva e di andare oltre una reportistica statica, standardizzata e periodica. Questo a causa di contesti competitivi e consumatori sempre più esigenti e, in generale, alla necessità di rendere data-driven i processi decisionali. In risposta a questa domanda, l’offerta di soluzioni di Business Intelligence e di Data Visualization si è arricchita con nuove funzionalità, in direzione di una migliore esperienza d’uso di utenti non analisti dei dati, ma con esigenze di velocità e semplicità prettamente di business. Oggi quindi questa evoluzione tecnologica può supportare e nello stesso tempo essere una conseguenza della crescente diffusione della Data Literacy in azienda.
Dalla Data Literacy alla Data Visualization
I software di Data Visualization più avanzati presenti sul mercato permettono non solo di costruire in maniera estremamente user friendly i grafici standard (es. grafici a torta, istogrammi, grafici a linee ecc…), ma permettono anche di costruire modelli predittivi, effettuare modifiche sui dati, integrare nuove fonti di dati, costruire delle query complesse e analizzare dati non strutturati in logica totalmente code-free, solamente grazie al supporto di “Menu” pre-configurati e della visualizzazione.
A questi aspetti, si legano poi la sempre maggiore dinamicità e interattività delle dashboard che Top e Middle management hanno a disposizione. Ciò significa poter offrire, ad esempio, un aggiornamento in tempo reale della situazione produttiva o delle vendite di uno store direttamente su applicazioni mobile.
Data Literacy e Visualization: Dove si trovano le aziende?
Mentre nelle piccole e medie imprese la gestione dei dati continua ad essere vista, con logiche tradizionali, come “un problema dell’IT”, le grandi aziende registrano dalle varie funzioni aziendali la necessità di accedere a dati e insight in maniera più rapida e autonoma. Ciò porta ad investire in software di Data Visualization & Reporting che, come detto nel precedente paragrafo, stanno ampliando le loro potenzialità con feature aggiuntive, maggiore interattività e un insieme di tipologie di grafici innovativi.
Va però sottolineato, in conclusione, che una maggiore autonomia degli utenti di business nello svolgimento delle analisi non è da considerarsi a sostituzione di alcuni specifici ruoli dedicati alla Data Science. Le aziende che dichiarano, nel 2018, di garantire autonomia nell’accesso ai dati a figure di business mostrano anche una maggiore maturità organizzativa delle funzioni legate alle Analytics: il 57% si è già dotato di un Data Scientist (contro il 46% della media delle grandi imprese) e il 30% vede la presenza di un Data Science Manager (contro il 22% della media).
Il tema dunque è come affiancare ad un processo di adozione di competenze di Data Science un approccio sempre più Self-Service per i business user, riuscire in questo duplice obiettivo significa poter valorizzare al meglio le specifiche skills, impiegando le figure specialistiche in attività a maggior valore aggiunto, e rendere invece più efficienti le attività di reporting più tradizionali.
Vuoi approfondire il ruolo di Data Visualization e Self-Service Analytics nella gestione dei Big Data?
- Autore
Ricercatrice Senior degli Osservatori Big Data & Business Analytics e Artificial Intelligence
Gli ultimi articoli di Irene Di Deo
-
ChatGPT: cosa succederà ai motori di ricerca? 23 dicembre 2022
-
4 pilastri per costruire una Data Strategy vincente 09 aprile 2021
-
Rimani aggiornato sui trend dell’Innovazione Digitale
Inserisci qui la tua email
Potrebbe interessarti
Le 5V dei Big Data: dal Volume al Valore
Articoli più letti