Una cosa è raccogliere grandi quantità di dati e applicarvi un’analisi; molte organizzazioni lo stanno facendo. Un’altra cosa è ottenere un valore aziendale ottimale da quei dati e da queste analisi. Le aziende che hanno investito molto negli strumenti di analisi potrebbero farlo senza trovare modi per garantire che il valore aziendale derivi effettivamente dai loro sforzi. Questo potrebbe accadere per un numero qualsiasi di motivi.

Ecco alcuni suggerimenti su come garantire che gli investimenti nell’analisi dei dati vengano ripagati fornendo informazioni che fanno la differenza, anziché limitarsi a generare report attraenti che però non dicono molto.

Allineare l’analisi agli obiettivi business

Allineare più da vicino gli sforzi IT con gli obiettivi business dell’organizzazione è un mandato chiave del leader IT per generare più valore dai dati. “L’analisi dei dati deve risolvere problemi aziendali reali”, afferma Dan Simion, vicepresidente di intelligenza artificiale e analisi presso la società di consulenza tecnologica Capgemini, che consiglia ai clienti i modi migliori per massimizzare le informazioni e il valore dai loro dati e analisi. “Partire da casi d’uso specifici per l’azienda può essere un ottimo approccio per ottenere il consenso di più parti interessate che potrebbero essere anche al di fuori dell’IT”.

Questa strategia aiuta il resto dell’organizzazione a vedere il valore in varie aree funzionali e business unit, perché i dati stanno portando a risultati chiari e comprensibili in termini di business. “Partire dal problema aziendale, sviluppare un business case e seguirlo è fondamentale per scoprire il valore dei dati”, continua Simion. Come parte di questo processo, l’allineamento tra business e IT è fondamentale.

Gli analisti IT e di dati devono lavorare con le unità business per trovare vantaggi reali e casi d’uso interni, afferma Gary Kern, CIO presso il fornitore di servizi finanziari Middlefield Banking Co. “Questo aiuta tutti a comprendere il valore reale e i vantaggi del lavoro di squadra nell’arrivarci“.

Middlefield ha faticato a rendere alcune unità business più attive nell’utilizzo di decisioni basate sui dati e nuovi processi basati su informazioni più dettagliate e Kern ha quindi lavorato “per trovare early adopter all’interno di quei dipartimenti con cui possiamo collaborare per vendere il valore ad altri”.

Il fornitore di servizi sanitari UnityPoint Health ha iniziato a investire in strumenti di analisi dati anni fa, che continuano a ripagare gli ospedali, le cliniche e la divisione di assistenza domiciliare della rete regionale e comunitaria, aiutando a gestire la salute della popolazione e ad affrontare i problemi futuri, afferma il CIO Laura Smith.

Un forte allineamento con i leader business è una grande ragione di questo successo. “È indispensabile collaborare con il reparto business per comprendere il problema da risolvere o l’opportunità da raggiungere”, afferma la Smith. “Cosa stiamo cercando di ottenere nello specifico? Quali dati importanti ci mancano in questo momento?”

Un ottimo modo per iniziare a costruire una relazione con l’unita business è quello di ricercare il problema o l’opportunità incontrando le parti interessate ed eseguendo osservazioni sul campo. “Ad esempio, il nostro team di analytics ha creato un modello per cercare di ridurre il numero di pazienti che dovevano essere riammessi nei nostri ospedali. Abbiamo iniziato lavorando con i leader business per capire a quali domande il modello doveva rispondere. Chi sono i pazienti giusti a cui rivolgersi per l’intervento? Quale azione dovremmo intraprendere e quando dovremmo intraprenderla?” Come risultato di questo modello, un ospedale ha ridotto il tasso di riammissione a 30 giorni del 44% entro due anni, superando gli obiettivi di performance interni.

Far salire a bordo i principali sponsor esecutivi

Avere sponsor esecutivi o stakeholder che possono spingere per ottenere risultati e insight dall’analisi dei dati può aiutare a generare maggiore valore. “Questo campione esecutivo guida l’adozione in tutta l’organizzazione e può aiutare a modellare il modello operativo per consentire alle persone di agire con le informazioni che sono state ottenute dalle analisi dei dati”, afferma Simion.

Con un alto livello di adesione e supporto, “l’azienda può iniziare ad attivare i risultati ottenuti e trarne valore”, afferma Simion. “Se create semplicemente un report dai risultati e nessuno intraprende alcuna azione, l’azienda non realizzerà alcun valore. I dati genereranno insight, che verranno utilizzati per le decisioni business a tutti i livelli all’interno delle organizzazioni, dalle azioni tattiche alle decisioni strategiche”.

Middlefield Banking ha formato un Data Governance Council (DGC), che include CIO, CFO, CMO e altri due o tre senior manager in aree, afferma Kern. “Questo gruppo si riunisce mensilmente per discutere questioni come la pulizia dei dati, la qualità dei dati, l’evoluzione degli sforzi analitici e altre preoccupazioni di alto livello che coinvolgono l’analisi delle informazioni e la proprietà dei dati”, afferma Kern. “Il nostro DGC ci consente di ottenere un modo per assicurare che ci sia un organo decisionale per dirigere gli sforzi a livello senior”.

Aggiornare il modello operativo e misurare il suo successo

Sebbene la spinta a essere incentrate sui dati sia comune tra le imprese nell’era del business digitale, molte aziende non riescono ancora a cogliere il vero valore delle informazioni. “Le aziende devono abbandonare l’operatività basata su un ‘istinto’ e passare a diventare organizzazioni basate su intuizioni e dati”, afferma Simion.

Avere un modello operativo basato sui dati crea una probabilità di successo molto maggiore e consente alle organizzazioni di vedere il valore dall’analisi dei dati più velocemente, con un percorso e una visione più chiari su come raggiungere i propri obiettivi.

google cloud

“I dati, attraverso gli insight, alimenteranno il processo decisionale. Attraverso il nuovo modello operativo, le persone all’interno dell’organizzazione saranno motivate a cambiare i comportamenti e il valore dei dati sarà raggiunto a un ritmo più rapido”.

Ma per riconoscere il valore derivante da una particolare intuizione o dato, le aziende hanno bisogno di un quadro per misurare il successo. “Questo aiuta le organizzazioni a valutare i loro progressi attuali, apportare modifiche e ottimizzare il modo in cui stanno monitorando i loro obiettivi di analisi dei dati”, afferma Simion. “Dimostrare la quantità di valore e i risultati guidati dall’analisi dei dati attraverso una chiara capacità di misurazione aiuterà i leader dei dati a mostrare il ritorno su qualsiasi investimento nell’analisi”.

Stabilire delle pipeline di dati pensando al valore

Ottenere valore dai dati non avviene dall’oggi al domani o con qualche formula magica; ci vogliono tempo e fatica. Circa 20 anni fa, Lonnie Johnson, CIO presso l’organizzazione sanitaria KVC Health Systems, ha deciso di iniziare a sviluppare una strategia di analisi dati a lungo termine che ha dato i suoi frutti nel corso degli anni. Il primo passo è stato organizzare i dati in un database relazionale, che ha consentito al team di analisi di classificare i data point esistenti.

“Abbiamo normalizzato le informazioni catalogando linee di attività, uffici, programmi, identificatori cronologici, tipi di transazione e una serie di caratteristiche dei nostri pazienti”, afferma Johnson. “Abbiamo raccolto e collegato informazioni da una serie di database e fogli di calcolo autonomi”.

Il team ha quindi creato moduli digitali, applicazioni e interfacce utente per trasformare i documenti cartacei dell’azienda. Ha anche creato interfacce per quei documenti come un modo per inserire informazioni nei database in futuro. “Nelle nostre interfacce utente abbiamo imposto l’integrità dei dati e imparato a compilare automaticamente i campi il più possibile”, afferma Johnson. “Abbiamo coinvolto pesantemente la comunità degli utenti nello sviluppo di queste interfacce digitali, per assicurarci di ottenere l’effettivo business value”.

Il team ha creato generatori di query personalizzati nelle applicazioni, che consentono agli utenti di estrarre informazioni da campi selezionati in base alle descrizioni dei data point. “Questo ha permesso al team dei dati di concentrarsi su analisi più avanzate”, afferma Johnson. “Abbiamo anche incoraggiato gli utenti a fornire feedback sul generatore di query per aiutarci a organizzare meglio le informazioni”.

Il team ha iniziato a catturare grandi quantità di dati di testo e moduli nei database NoSQL per uno sviluppo rapido e per l’elaborazione futura del linguaggio naturale. “Se utilizzate moduli digitali per sondaggi, documenti legali, informazioni sui clienti o qualsiasi altro documento che può cambiare in qualsiasi momento, l’utilizzo di NoSQL può accelerare l’acquisizione dei dati e liberare gli sviluppatori per altre attività più innovative”.

L’azienda ha infine investito in strumenti per la scienza dei dati, con l’obiettivo di sviluppare internamente queste competenze necessarie. “Abbiamo anche trovato un partner con cui potevamo lavorare regolarmente per aiutarci a creare soluzioni utilizzando lil machine learning per l’analisi predittiva”, afferma Johnson. “Questa gamma di competenze in loco si è sviluppata in un nuovo servizio, che genera una fornitura continua di informazioni fruibili”.

Sfruttare partner o team interfunzionali per migliorare la precisione dei dati

Il team di analisi dovrebbe collaborare regolarmente con gli utenti business per contribuire a garantire valore attraverso dati di qualità superiore o includere gli utenti business come parte dei loro team interfunzionali.

“La stretta collaborazione con i team business della vostra organizzazione crea un ulteriore livello di protezione per l’accuratezza dei dati, che migliora il modo in cui i team business sfruttano i dati che vedono”, afferma Jessica Lachs, vicepresidente di analisi e scienza dei dati presso la piattaforma di consegne alimentari DoorDash.

“Quando più team esaminano gli stessi dati, avete più occhi per individuare le anomalie che gli avvisi automatici potrebbero non rilevare“, afferma la Lachs. “Una stretta collaborazione garantisce inoltre che il team dei dati sviluppi insight business per comprendere meglio le applicazioni pratiche dei dati che gestiscono”.

Ciò consente al team di essere autonomo e di prendere decisioni migliori su accessibilità, accuratezza e scalabilità in base alle esigenze aziendali. Un’altra chiave di svolta è trattare i dati come valuta per valutare le decisioni e i compromessi a livello business.

“Riteniamo che quantificando il maggior numero possibile di cose, possiamo valutare al meglio i compromessi, determinare cosa funziona e cosa dobbiamo migliorare, massimizzando così il nostro impatto e costruendo un prodotto migliore. Per fare ciò, dobbiamo disporre di quantificazioni attuali e accurate delle nostre leve chiave di business, che è una parte fondamentale della roadmap del mio team”.

Da lì, “possiamo utilizzare i dati per creare una valuta interna comune che ci consenta di valutare e confrontare i compromessi in termini simili, ad esempio se sarebbe meglio ridurre le spese di consegna di 1 dollaro o migliorare i tempi di consegna di cinque minuti. Se riuscite a inquadrare la domanda in termini simili, ad esempio in termini di ordini incrementali, allora il compromesso diventa più chiaro, e così anche il valore per l’azienda”.