Cosa significa essere un'impresa data-driven e perché conviene diventarlo

Il futuro del lavoro è già qui: mentre ogni settore di mercato sta assistendo a una rapidissima accelerazione tecnologica, aumenta l'alfabetizzazione delle imprese riguardo all'importanza dei dati.

Secondo una ricerca di McKinsey, le aziende in grado di evolvere più velocemente, sono quelle che oggi riescono a sfruttare appieno le potenzialità dei dati e a riconoscerne il valore: imprese il cui 20% degli utili dipende già dall'Intelligenza Artificiale applicata ai dati stessi.

Entro i prossimi anni, i flussi di lavoro smart e le interazioni continue tra uomo e macchina diventeranno la norma, e la maggior parte dei dipendenti utilizzerà i dati per ottimizzare diversi aspetti del proprio lavoro.

Il costo del cloud computing continua a diminuire e oggi è alla portata di realtà imprenditoriali anche piccole, consentendo a qualsiasi azienda che voglia rimanere al passo con i tempi di adottare un approccio guidato dai dati.

Ma cosa significa essere davvero un'impresa "data-driven"?

Ogni decisione, interazione e processo passa dai dati

Quello che succede oggi nella maggior parte dei casi è che le aziende spesso applicano approcci basati sui dati - dai sistemi predittivi all'automazione basata sull'Intelligenza Artificiale - ma in maniera sporadica, sprecando potenziale e addirittura creando inefficienze. Questo perché svariati problemi aziendali vengono ancora affrontati con metodi tradizionali, con l'impiego di mesi o addirittura anni per essere risolti.

Entro il 2025 invece, presto tutti i dipendenti sfrutteranno naturalmente e regolarmente i dati a sostegno del proprio lavoro. Invece di sviluppare e affidarsi a roadmap pluriennali, potrebbero padroneggiare tecniche di dati innovative per risolvere le sfide lavorative in settimane, giorni o addirittura ore.

Le imprese saranno in grado di prendere decisioni di business migliori, automatizzando le attività quotidiane più basilari e ripetitive. Le persone saranno così libere di concentrarsi su aspetti più "umani" del proprio lavoro, come l'innovazione, la collaborazione e la comunicazione. La cultura basata sui dati promuove il miglioramento continuo e reale delle performance, per creare esperienze d'uso che facciano veramente la differenza per clienti e dipendenti.

Come si diventa un'impresa data-driven

Per diventare un'impresa data-driven, non serve solo una vision e una strategia che abbracci la cultura dei dati, ma anche e soprattutto un'alfabetizzazione diffusa nell'azienda, in cui tutti i dipendenti ne conoscano e ne condividano il valore.

Nella fase più operativa, sono necessari specifici abilitatori tecnologici per use case di Intelligenza Artificiale sofisticati: un'infrastruttura basata su cloud, architetture che supportano l'analisi in tempo reale, e strumenti flessibili per database e modelli di dati per supportare l'interrogazione di dati non strutturati.

Esempi di applicazione

Retail

I gestori dei negozi fisici e online possono offrire esperienze di acquisto differenziate, basandosi su analisi in tempo reale per identificare e indirizzare i clienti del programma fedeltà ai prodotti potenzialmente più interessanti per loro, automatizzando completamente il processo di pagamento.

TelCo

Il personale addetto alla manutenzione presso le aziende di telecomunicazioni può identificare automaticamente le aree che richiedono intervento ed evidenziare zone idonee per la posa di nuova rete in base all'utilizzo effettivo.

Approvvigionamento

I responsabili dell'approvvigionamento sono in grado di valutare e approvare istantaneamente gli acquisti, in modo da concentrarsi sul perfezionamento di una strategia per i partner ancora più efficace.

I dati sono elaborati e trasmessi in tempo reale

A causa dei limiti delle strutture tecnologiche esistenti e delle elevate esigenze computazionali dell'elaborazione intensiva, le aziende spesso devono ancora scegliere tra velocità e intensità di calcolo. In questo modo ritardano le analisi più sofisticate, impedendo di fatto l'implementazione di casi d'uso in tempo reale.

Nei prossimi anni, reti sempre più diffuse e articolate di dispositivi interconnessi raccoglieranno e trasmetteranno dati istantaneamente. Il modo in cui i dati saranno generati, elaborati, analizzati e visualizzati dagli utenti finali cambierà radicalmente grazie a queste nuove tecnologie - come le architetture kappa o lambda per l'analisi in tempo reale - portando a insight più rapidi e significativi.

Questo si traduce in casi d'uso più avanzati per fornire informazioni dettagliate a clienti, dipendenti e partner.

Come si ottiene una gestione dei dati in tempo reale

In generale il primo passo è una visione d'insieme dell'intera architettura aziendale per comprendere la corretta integrazione tra risorse e processi, e identificare le migliori opportunità di intervento in tempo reale.

Successivamente sarà utile integrare una piattaforma dati abilitata per il cloud, in modo da soddisfare le esigenze analitiche future.

Tra le altre tecnologie in grado di abilitare il processo:

  • Dispositivi di edge computing più potenti (sensori IoT, ad esempio), per generare ed elaborare dati utilizzabili "alla fonte".
  • Infrastrutture di connettività avanzata, come il 5G, per supportare dati ad alta larghezza di banda e bassa latenza
  • In-memory computing per un'elaborazione più rapida ed efficace dei calcoli per lavori di analisi intensivi

Esempi di applicazione

Manufacturing

I team addetti alla manutenzione nelle fabbriche potranno sfruttare regolarmente le reti di sensori connessi per identificare le aree e le necessità di intervento in tempo reale.

E-commerce

Gli algoritmi di Machine Learning applicati a dati non strutturati estratti dal Web abiliteranno una comprensione dei clienti molto più articolata di quanto sia possibile oggi, per personalizzare le user-experience per clienti specifici in tempo reale.

Finanza

Invece di limitarsi ai dati finanziari tradizionali, gli investitori potranno selezionare i temi e i titoli di investimento anche sulla base di dati estratti da social, forum, blog, motori di ricerca che restituiscono loro in tempo reale popolarità digitale e sentiment delle aziende.

Data-store flessibili per conservare dati integrati e pronti per l'uso

Sebbene la recente proliferazione dei dati sia composta principalmente da dati non strutturati o semi-strutturati, la maggior parte dei dati utilizzabili è ancora organizzata in modo rigido.

I data-engineer sprecano ancora molto tempo indagando nei set di dati, stabilendo manualmente relazioni tra di loro e combinandoli insieme.

Entro il 2025 si sfrutteranno invece sempre più tipi di database - incluse le serie temporali e i database NoSQL, consentendo a tutto il team di interrogare e comprendere le relazioni tra dati non strutturati e semi-strutturati in modo più semplice e veloce, accelerando lo sviluppo del business.

Il potenziale di questi archivi dati flessibili, unito ai progressi della tecnologia e dell'architettura in tempo reale, consentirà alle aziende di sviluppare piattaforme dati "customer 360" e repliche digitali: modelli di dati che rappresentano in tempo reale entità fisiche complesse, come un impianto di produzione o addirittura un corpo umano.

Come si ottengono data-store flessibili e performanti

Per ottenere un'architettura dati che supporti un'archiviazione più flessibile è necessario in primo luogo identificare i set di dati critici - come la frequenza di acquisto del cliente - che successivamente saranno organizzati in asset e sviluppati in tassonomie, per ottenere una visione del cliente globale.

Aggiornando le API e i simulatori digitali esistenti, migrandoli in un ambiente cloud, per supportare funzionalità di Intelligenza Artificiale più sofisticate.

Esempi di applicazione

Banking

Gli istituti finanziari utilizzeranno regolarmente database grafici e archivi dati flessibili per trasmettere e integrare i dati dei clienti da più fonti (sistemi di marketing, sistemi ERP, dati Web), in un'unica visuale unificata a 360 gradi del cliente, modificabile in tempo reale.

Trasporti & Logistica

Le aziende di trasporto e logistica potranno basarsi sui dati di posizione in tempo reale, grazie ai sensori incorporati nei veicoli e nelle reti di trasporto, per sviluppare repliche digitali di catene di approvvigionamento o reti di trasporto, consentendo una serie di potenziali casi d'uso.

Edilizia

Le imprese di costruzione potranno scansionare i dati non strutturati dai sensori sugli edifici per semplificare la progettazione e la produzione, ad esempio simulando i diversi tipi di materiali per i progetti e il rispettivo impatto sulle operazioni e sui costi.

Condividi questa pagina


Cosa significa essere un'impresa data-driven e perché conviene diventarlo

Alice Orecchio | 26 Apr 2022