Rivoluzione digitale e dintorni

Le cinque sfide del management data driven

La transizione digitale poggia su una piattaforma di innovazione composta da quattro tecnologie abilitanti, le tecnologie sociali (social), le tecnologie dell’accesso a Internet in mobilità (mobile), le tecnologie dell’analisi dei big data (analytics) e le tecnologie del cloud computing (cloud) in un acronimo: SMAC.

Tra queste quattro quelle che pongono alle organizzazioni le maggiori sfide dal punto di vista della costruzione di nuove competenze sono le tecnologie di data analytics.  Per poter sfruttare l’enorme potenziale innovativo dei big data è necessario acquisire nuove competenze ed estrarre dai dati, quelli che l’economista americano Michael Porter chiama “deep insights”, ovvero previsioni e prescrizioni basate sui dati che possono portare a vere e proprie rivoluzioni nel modo di relazionarsi ai clienti, nel modo di sviluppare nuovi prodotti e, soprattutto, nel modo di produrre, distribuire e intercettare valore economico. È la sfida della transizione verso l’organizzazione data driven, una transizione di cui si parla da almeno dieci anni ma che solo ora, con l’esponenziale crescita delle capacità dell’AI e della quantità di dati a disposizione delle aziende, sta raggiungendo la maturità e diventando un essenziale fattore di vantaggio competitivo. Tuttavia, le aziende non riusciranno a raccogliere tutti i benefici di una transizione all’uso dei big data a meno che non siano in grado di gestire il cambiamento in cinque aree particolarmente importanti in questo processo.

Leadership: “Data Strategy”

Le aziende hanno successo nell’era dei big data non solo perché hanno più dati o dati migliori, ma perché hanno dei management team che, usando i dati, fissano obiettivi chiari e fanno le domande giuste. Data driven non vuol dire data ruled, la potenza dei big data non cancella la necessità di una visione o di un’intuizione umana. Al contrario, servono ancor più che mai dei business leader che, comprendendo il valore dei dati, sappiano individuare una grande opportunità, capire come si sta sviluppando un mercato, pensare in modo creativo e proporre offerte veramente nuove, articolare una visione convincente, convincere le persone ad abbracciarla.

Competenze: “Data Science”

All’aumentare della disponibilità di dati, alcune competenze e i ruoli che le presidiano, aumentano di valore. Tra i ruoli più importanti ci sono i data scientist, professionisti capaci di lavorare con grandi quantità di dati sfruttando le competenze che chiamiamo “data science”. Naturalmente la statistica è una componente molto importante della data science, ma molte delle tecniche fondamentali per utilizzare i big data non sono insegnate nei corsi di statistica tradizionali. Ad esempio, sono molto importanti le competenze nella pulizia e l’organizzazione di grandi data set, gli strumenti e le competenze della data visualization.  Insieme ai data scientist, una nuova generazione di informatici sta sviluppando nuove competenze per lavorare con data set molto grandi usando tecniche di intelligenza artificiale e strutture dati nuove come i data lake. Ancora, la data science comprende anche la competenza nelle tecniche di sperimentazione per superare il divario tra correlazione e causazione. Ma soprattutto, i migliori data scientist sono anche in grado di parlare la lingua del business comprendendone i problemi e le implicazioni relative alla privacy e all’uso etico dei dati. Non sorprende che le persone con tutte queste abilità siano difficili da trovare e che, di conseguenza, le imprese costituiscano dei data team rivolgendosi alle business school per formare ruoli nuovi come l’analytics translator, al fine di connettere il business con i data scientist.

Tecnologia: “Data Platform”

Gli strumenti disponibili per gestire il volume, la velocità e la varietà dei big data sono migliorati molto negli ultimi anni. In generale, queste tecnologie non sono proibitive e gran parte del software è open source. Hadoop, il framework più comunemente usato, combina hardware di base con software open source. Tuttavia, queste tecnologie richiedono un set di competenze che è nuovo per la maggior parte dei team di IT e, se nel breve possono essere esternalizzate, a tendere, trattandosi di competenze chiave, andranno costruite e diffuse all’interno.

Processo decisionale: “Data Governance”

Un’organizzazione efficace mette le informazioni e il potere decisionale nel punto più vicino al problema da risolvere. Nell’era dei big data, le informazioni vengono create e trasferite a costo zero, e le competenze non sono più solo dentro i silos funzionali. Il leader capace creerà un’organizzazione abbastanza flessibile da ridurre al minimo le barriere alla comunicazione e massimizzare la cooperazione interfunzionale. Le persone che capiscono i problemi devono avere accesso ai dati giusti, ma anche alle persone che hanno tecniche di risoluzione dei problemi che possono sfruttare quei dati efficacemente.

Cultura aziendale: “Data Mindset”

Infine, l’ultimo punto è forse la sfida manageriale e formativa più grande, creare una cultura aziendale data driven.  La prima domanda che un’organizzazione guidata dai dati si pone di fronte a un problema di business non è “Cosa pensiamo?” ma “Cosa sappiamo?”. Questo richiede un allontanamento dall’agire esclusivamente su intuizioni e istinto. Richiede anche di rompere una cattiva abitudine presente in molte organizzazioni: fingere di essere più datadriven di quanto non si sia in realtà. Quante volte abbiamo visto manager che hanno abbellito i loro rapporti con dati che supportavano le decisioni che avevano già preso a priori?

Ognuna di queste cinque sfide pone problemi nuovi e sfida le aziende e le scuole di management a sviluppare nuove competenze. Ci sono troppo pochi data scientist in giro e ne sanno troppo poco di business e nel contempo ci sono molti manager in giro ma ne sanno troppo poco di AI e data science. Le sfide culturali sono enormi e, naturalmente, le preoccupazioni etiche e sulla privacy diventeranno sempre più significative. Ma le tendenze di fondo, sia nella tecnologia sia nel ritorno economico, sono indiscutibili, le aziende e le scuole di management ne sono sempre più consapevoli.

L’evidenza è chiara: le decisioni data driven tendono ad essere decisioni migliori.  I leader che non capiranno questo fatto saranno sostituiti da altri che lo faranno. Settore dopo settore, le aziende che troveranno il modo di combinare le competenze di business con la data science staccheranno i loro rivali, non è una certezza, ma i dati ci dicono che questa è la previsione più sicura.