Indice dell'articolo

Data e analytics mantengono le promesse. Ogni giorno aiutano diverse aziende a fare di tutto, dalla misurazione del proprio impatto ESG alla creazione di nuovi flussi di entrate. Di conseguenza, le aziende senza una solida cultura dei dati o piani concreti per crearla si sentono sotto pressione. Alcune sono nostre clienti e ci chiedono aiuto per la sviluppare una strategia sui dati.

Spesso la loro richiesta è un’ammissione sottilmente velata di sopraffazione. Hanno anche difficoltà ad articolare il loro obiettivo, o non sanno da dove cominciare. Le variabili sui dati sembrano infinite: sicurezza, archiviazione, mining, gestione, definizione, eliminazione, integrazione, accessibilità, architettura, raccolta, governance. E la sempre sfuggente “cultura dei dati”. Ma nonostante tutta quella complessità tecnica, il senso sopraffazione è più spesso un segnale di una mentalità: pensare che quando si elabora la prima strategia formale per i dati bisogna avere tutte le risposte in anticipo. Che tutte le persone, i processi e le tecnologie rilevanti debbano essere allineati in modo ordinato, come nel gioco del domino.

Noi scoraggiamo questo pensiero. Mobilitare i dati è più come far girare un volano: ci vuole un grande sforzo iniziale per far muovere la ruota, ma poi il suo slancio sostiene il movimento. Quindi, mentre applichi una forza in modo incrementale, la ruota gira sempre più velocemente, finché basta un tocco delle dita per sostenere una velocità vertiginosa. Man mano che la ruota prende velocità, diventano evidenti le persone, i processi e le tecnologie necessarie per supportarla.

In questo articolo suggeriamo quattro step per far girare il volano più velocemente. Esaminiamo ciascuno attraverso la storia di Alina Parast, Chief Information Officer di ChampionX, e come sta aiutando a trasformare l’azienda (che fornisce soluzioni alle industrie upstream and midstream petrolifere e del gas) in una centrale di energia basata sui dati.

Step 1: scegliere il problema giusto

Quando ChampionX è diventata pubblica, il suo team interfunzionale (che includeva esperti di supply chain, digitale/IT e commerciali) ha evitato o almeno mitigato qualsiasi dichiarazione grandiosa e piena di buzzword su “trasformazione” e “cultura basata sui dati” a favore di risoluzione dei problemi del mondo reale. Inoltre, non ha scelto un problema qualsiasi: ha scelto il problema giusto, che è il primo e cruciale passo per far girare il tuo volano.

All’epoca, una delle attività più costose di ChampionX nel settore delle tecnologie chimiche era il monitoraggio e la manutenzione dei siti dei clienti, molti dei quali si trovavano in parti remote del Paese. “Non era solo questione di manodopera e carburante“, ha spiegato Alina. “Spendevamo molto per mantenere i veicoli in grado di percorrere le rotte verso quei siti e per capire quali fossero esattamente quelle rotte. Non c’erano, e non ci sono tuttora, su Google Maps“. I costi erano il prezzo di “mantenere i serbatoi dei clienti pieni, non asciutti“, uno dei principi guida di ChampionX e il fulcro della sua proposta di valore per migliorare la vita dei suoi clienti. “Quindi, ci siamo chiesti cosa potevamo fare a tale fine?”.

Il problema che il team ha scelto di risolvere – ridurre il costo dei viaggi in loco – potrebbe sembrare banale, ma aveva tutti gli ingredienti giusti per far muovere il volano. Innanzitutto, il problema era urgente, in quanto rientrava tra le spese più significative di ChampionX. In secondo luogo, il problema era semplice (anche se la sua soluzione non lo era). Era facile da spiegare: ci costa molto andare di persona in questi siti. Come possiamo abbassare questa spesa? Terzo, era tangibile. Riguardava oggetti del mondo reale: camion, pozzi, attrezzature e altre cose che le persone potevano vedere. Altrettanto importante, il team poteva indicare le voci finanziarie specifiche che il loro sforzo avrebbe spostato.

Infine, il problema era stato condiviso con tutta l’azienda. Come parte del team di leadership interfunzionale, Alina non si è limitata a risolvere quelli che erano i tradizionali problemi legati al CIO. Capì che, se c’era un problema che lei e il suo team potevano aiutare a risolvere, allora era un problema relativo al CIO.

I dirigenti IT parlano spesso di persone, processi e tecnologia come pietre miliari della strategia IT, ma a volte dimenticano di prestare attenzione al nucleo di ogni strategia: risolvere i problemi aziendali reali. Quando iniziate, mettete da parte le preoccupazioni su chi assumerete, quali strumenti utilizzerete e come lavoreranno i vostri dipendenti: queste cose si manifesteranno in tempo. Per prima cosa, riunite i manager in una stanza. Rinunciate a slide, grafici e roadmap. Chiedete invece, con tutta sincerità: quale problema stiamo cercando di risolvere? La risposta non arriverà facilmente, ma la conversazione avrà un valore inestimabile.

Step 2: acquisire i dati corretti

Una volta identificato un problema che vale la pena risolvere, il passaggio successivo è acquisire i dati necessari per risolverlo. Se avete definito bene il tuo problema, saprete quali sono quei dati necessari. Come la definizione del problema restringe la varietà di dati che potreste acquisire, capire quali dati servono, dove ottenerli e come gestirli restringerà il vasto catalogo di persone, processi e tecnologie che potrebbero comporre il vostro ambiente di dati.

Considerate come è andata a finire per Alina e ChampionX. Una volta che il team ha riconosciuto il problema (le visite in loco erano costose), ha rapidamente identificato la soluzione logica: ridurre il numero di visite in loco richieste. La maggior parte delle visite erano di routine, piuttosto che in risposta a un problema attivo, quindi se ChampionX avesse potuto raccogliere ciò che stava accadendo nel sito da remoto, avrebbe potuto risparmiare molto tempo, carburante e denaro. Questa intuizione ha indicato di quali dati avevano bisogno, il che a sua volta ha permesso ai team IT e commerciali di discernere di chi e cosa avevano bisogno per acquisirli. Servivano sensori IoT, per esempio, per estrarre dati rilevanti dai siti. E serviva un luogo dove archiviare quei dati: mancava un’infrastruttura in grado di gestire sia i terabyte di dati raccolti dai sensori sia i dati dei clienti (che risiedevano all’interno di piattaforme aziendali come ERP, pianificazione dei trasporti e della domanda/offerta). Quindi, hanno costruito un data-lake.

Ognuna di queste iniziative – la realizzazione di un’infrastruttura cloud sicura, la progettazione del data lake, i sensori, lo storage, la formazione necessaria – è stata un’impresa importante e continua ad evolversi. Ma il team ChampionX non solo ha risolto il problema delle visite ai siti; ha fornito una base per l’ambiente dati dell’azienda e le iniziative basate sui dati che sarebbero seguite. Il data lake, per esempio, è diventato la sede di un volume e una varietà di dati sempre crescenti provenienti dalle altre business unit di ChampionX, che a loro volta hanno portato ad alcune informazioni preziose (ne parleremo più avanti nella prossima sezione).

Sapere quali dati acquisire fornisce il contesto necessario per iniziare a selezionare persone, strumenti e processi. Qualunque cosa scegliate, si rivelerà utile in applicazioni imprevedibili. E’ quindi un esercizio faticoso e infruttuoso cercare di mappare ogni modo in cui un componente dell’ambiente di dati si legherà a tutti gli altri e, da questo, scegliere un toolkit. Invece, scoprite di cosa avete bisogno per risolvere il problema. Ragionando su qualcosa di reale e importante per l’azienda, è probabile che le vostre selezioni finiranno per servire qualcos’altro di reale e importante. Ma, in questo caso, sarete in grado di specificare i nomi, i costi e la sequenza delle cose che servono, dettagli che renderanno reale la strategia per i dati e faranno girare il volano più velocemente.

Step 3: collegare i punti che sembrano distanti

Man mano che si acuiscono dati e il volano gira più velocemente, si rivelano nuove opportunità. Dopo che il team di ChampionX ebbe installato i sensori IoT per monitorare da remoto i siti dei clienti, si rese conto che gli stessi dati potevano essere applicati altrove. A quel punto ChampionX disponeva di una vasta gamma di dati topografici che non aveva nessun altro, e poteva utilizzarli in diversi modi. Innanzitutto per ottimizzare i tragitti dei veicoli di ChampionX verso i siti, risolvendo il problema dell’assenza di Google Maps, e poi per monetizzare i dati come nuovo flusso di entrate.

Anche il data lake ha assunto un nuovo scopo. Altre iniziative commerciali hanno iniziato a parcheggiare i propri dati al suo interno, il che ha spinto i team interfunzionali a contemplare i vari tipi di informazioni che giravano insieme e rappresentavano più della somma delle loro parti. Un esempio sono i dati sui clienti, sugli ordini e sulla supply chain, che ChampionX doveva regolarmente estrarre e unire ai dati del sito per eseguire analisi di impatto, report su come e quando i loro clienti avevano subito contraccolpi da un’interruzione nelle reti della supply chain. La fusione di questi dati richiedeva settimane, soprattutto perché i due erano sempre vissuti in ecosistemi diversi. Ora, le stesse analisi richiedono solo qualche ora.

Qui ci sono due takeaway.

  • Il primo è che va bene se il vostro volano dati gira lentamente all’inizio, basta farlo funzionare. Attrarre nuove opportunità o tipi di dati permetterà di tracciare connessioni tra cose che una volta sembravano disparate. Il riconoscimento del modello accelererà il volano e attorno ad esso prenderà forma un ambiente di dati adeguatamente complesso.
  • Il secondo è simile a quelli dei primi due step: scegliete saggiamente tra le opportunità che potreste perseguire. Non tutte le informazioni interessanti sono utili; seguite che sono più preziose e reali, quelle che le persone possono vedere, sentire e misurare. Queste si sovrapporranno in modo significativo con attività organizzative noiose e banali e ricorrenti (come mettere insieme report sull’impatto). Se riuscite a risolvere questi problemi, dimostrerete l’efficacia dei dati come forza di cambiamento per l’azienda e inizierà a emergere una cultura dei dati più ricca.

Step 4: sviluppare verso l’esterno il tuo problema originale

L’esperienza di ChampionX che abbiamo esaminato è solo un capitolo di una storia molto più ampia. Man mano che l’azienda ha raccolto più dati e informazioni, i problemi che Alina e i suoi partner di business affrontano sono aumentati in termini di portata e complessità. Il volano di ChampionX ha raggiunto una velocità in grado di favorire la risoluzione dei problemi incentrati sui dati in tutta la filiera dell’azienda.

Tuttavia, la maggior parte dei problemi risale in qualche modo alla semplice domanda su come spendere meno per i controlli in loco. Il team di ChampionX non passato da problemi che riguardano la supply chain a questioni che riguardano il Marketing, le Risorse Umane, il Finance: il team si sta espandendo verso l’esterno in progressione logica rispetto al problema originale. E il livello di maturità raggiunto – in termini di persone, processi e tecnologie – gli permette di affrontare ogni nuova sfida, che è sempre costruita su quella precedente.

Quando il volano gira più velocemente, ci sono più problemi tra cui scegliere. Date la priorità a quelli che non solo sono fattibili e preziosi, ma anche tematicamente coerenti con i problemi già risolti. In questo modo potrete sfruttare lo slancio ottenuto. L’ambiente dati includerà già molte delle persone e degli strumenti necessari per il lavoro. Non sarà necessario ricominciare da capo o ridiscutere un caso da zero con gli stakeholder.

Costruire una strategia per i dati è come far girare un volano. È un’operazione ciclica, iterativa, graduale, perpetua. Non esiste una linea speciale che, se superata, definisca la vostra organizzazione “guidata dai dati”. Allo stesso modo, è inutile pensare alla strategia dei dati come un edificio in costruzione, che un giorno sarà completo. L’approccio migliore è concentrarsi sull’utilizzo dei dati per risolvere problemi urgenti, semplici, tangibili e preziosi. Riunite le persone, i processi e le tecnologie di cui avete bisogno per affrontare questi problemi. Quindi passate al successivo, poi al successivo e ancora al successivo, consentendo agli elementi di un vivace ecosistema di dati di emergere lungo il percorso. Per sviluppare la vostra strategia per i dati, iniziate a disegnarla concentrandovi sul volano. Quando sarà pronta, voi e tutti gli altri lo saprete.

Michael Bertha, Duke Dyksterhouse

*Michael Bertha è vicepresidente di Metis Strategy, società di consulenza specializzata nell’intersezione tra strategia aziendale e tecnologia. Duke Dyksterhouse è un associato di Metis Strategy