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. Per fare tutto questo, però, occorre saper comprendere, analizzare e interpretare correttamente i dati. Occorre, dunque, possedere competenze di Data Literacy.
L'utilizzo degli Analytics nelle aziende: una premessa
Come purtroppo rileva di anno in anno l’Osservatorio Big Data & Business Analytics del Politecnico di Milano, per molte aziende il principale elemento di freno a un approccio “Data-Driven” deriva da uno scarso utilizzo delle soluzioni aziendali e da una visione scettica sull’utilizzo dei dati. Seppur siano ormai moltissimi le aziende con strumenti di Data Visualization installati, è ancora poco pervasivo l’utilizzo di queste soluzioni anche da parte di dipendenti non tecnici. Nel 2023 solo un'azienda su tre afferma che più del 50% della propria forza lavoro acceda e utilizzi tali risorse, mentre per metà del campione intervistato questi strumenti sono ad uso esclusivo di un sotto campione di dipendenti (meno del 20% della propria forza lavoro).
Sul fronte dell’analisi dei dati di fatto, le imprese, in particolare quelle più grandi, si stanno muovendo 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 può risultare molto costoso.
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 di organizzare corsi e attività formative sul tema anche per figure appartenenti alle linee di business. Un ulteriore aspetto, probabilmente il più rilevante, riguarda 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. Vediamolo più nel dettaglio.
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
Nel contesto della Data Literacy, i software di Data Visualization più avanzati presenti sul mercato permettono non solo di costruire in maniera estremamente user friendly i grafici standard (come 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.
L'Intelligenza Artificiale per la Data Literacy e Visualization
Mentre nelle piccole e medie imprese la Data Literacy continua a essere vista, per lo più 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 a investire in software di Data Visualization & Reporting che, dalla ricerca 2023, risultano essere adottati dal 93% delle grandi organizzazioni.
Queste soluzioni, come detto nei precedenti paragrafi, stanno ampliando le loro potenzialità con feature aggiuntive e maggiore interattività con i dipendenti non tecnici grazie anche all’utilizzo dell’Intelligenza Artificiale e del Natural Language Processing. Il Machine Learning svolge un ruolo significativo nella Business Intelligence, offrendo strumenti e tecniche avanzate per analizzare dati complessi, identificare pattern, fare previsioni e prendere decisioni informate, anche da parte di personale senza una preparazione tecnico-statistica. In altre parole, offre alle aziende la capacità di analizzare dati complessi in modo più avanzato, migliorare la presa tecnologia permette di affiancare a 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 comprendere a fondo le potenzialità dei Big Data Analytics?
- Autore
Gli ultimi articoli di Irene Di Deo
