Nonostante la spesa aziendale per la gestione e l’analisi dei dati sia in crescita da anni (+18% in Italia nel 2023), sono poche le imprese che si possono definire realmente Data Driven. Addirittura, stando al Data Quality 2023 Study di SD Times, sarebbero poco più del 16%, mentre altre ricerche le posizionano attorno al 20%.
La strada verso la data driven company appare quindi lunga e tortuosa. In primis, non tutte le aziende interpretano il concetto allo stesso modo, e alcune ritengono che un semplice sistema direzionale a supporto delle principali decisioni strategiche sia sufficiente per rendere l’azienda un esempio di data centricity. Ma così non è.
Prendendo in prestito la definizione di AWS, un’azienda data driven è un’organizzazione che utilizza i dati come motore per la propria crescita. I dati guidano i processi decisionali e sono resi disponibili per stimolare l'innovazione e creare valore per i clienti. Un aspetto molto interessante di questa definizione è che, oltre a riconoscere il dato come asset centrale, non lo vincola al solo decision making. In una data driven company, infatti, il dato migliora i processi e le relazioni interne ed esterne, oltre a poter identificare opportunità di innovazione e di sviluppo di nuovi prodotti, servizi e anche modelli di business.
Data l’ampiezza del fenomeno, adottare un paradigma data-centric è tutt’altro che banale. Integrare il dato – o meglio l’informazione che deriva dal dato – all’interno delle proprie decisioni, nei processi e nelle relazioni implica in molti casi una trasformazione sistemica che non tutte le aziende hanno intrapreso e che ben poche hanno completato.
Secondo molti operatori e analisti, la sfida principale è creare la cosiddetta data culture: su Harvard Business Review si legge chiaramente che “i maggiori ostacoli alla creazione di aziende data driven non sono tecnici, ma culturali". Questo dipende dall'onnipresente resistenza al cambiamento, ma anche dalla profondità della trasformazione, che sostituisce i meccanismi consolidati, gli approcci intuitivi e quelli basati sull'esperienza con un vero e proprio metodo analitico che, per essere abbracciato, richiede un mindset ad hoc. Essere data driven, infatti, comporta “una sorta di ‘umiltà’ nel riconoscere che i dati ne sanno di più di noi”, e un’evoluzione di questo tipo non può che essere graduale e (molto) progressiva.
Pur non rappresentando il principale motivo di apprensione, la sfida tecnica non va sottovalutata. Fino a poco tempo fa, infatti, le imprese interpretavano i propri dati solo in ottica transazionale, vincolandoli a silos inadatti a supportare complesse attività di analisi. La forte evoluzione degli ultimi anni, che ha ridefinito completamente le architetture, le strutture, le metodologie di gestione e di analisi del dato, è stata proprio indirizzata dall’esigenza di rendere le aziende sempre più data-driven a prescindere dalla maturità di partenza e dalla complessità del loro ecosistema informativo. Infatti, un problema che le aziende non hanno, e mai avranno, è la quantità di dati a loro disposizione.
Il passaggio verso un modello data centric non segue un percorso predefinito, e spetta a ogni organizzazione identificare la strada migliore in base al proprio modello di business, alla maturità digitale di partenza e alla complessità dell'ecosistema organizzativo e informativo. Alcune realtà si concentrano sullo sviluppo di competenze interne, altre investono in tecnologie innovative, altre ancora rivedono i propri processi con l'obiettivo di ottimizzarli grazie all'uso dei dati.
Indipendentemente dal punto di partenza, la chiave per costruire una strategia data driven efficace consiste nell'adottare un approccio integrato, facendo sì che l’evoluzione tecnologica, culturale e organizzativa procedano di pari passo.
L’approccio culturale evidence-based è il perno del modello in questione poiché sposta il focus del processo decisionale dall’intuizione individuale all'analisi rigorosa dei dati.
Il primo passo in tal senso è l'impegno attivo del top management, che deve supportare la trasformazione con azioni concrete e assumersi la responsabilità del cambiamento. A livello organizzativo, la centralità del dato si ottiene promuovendo un approccio collaborativo tra competenze tecniche e di business, nonché integrando data e analytics in ogni unità funzionale dell'azienda.
In un approfondimento dedicato, il MIT evidenzia le caratteristiche chiave che i dati devono avere per supportare un'azienda data-driven: in particolare, devono essere reperibili (findable), accessibili (accessible), interoperabili (interoperable) e riutilizzabili (reusable).
Per quanto queste caratteristiche appaiano scontate in un'azienda che basa il proprio business sulla capacità di analisi e di valorizzazione delle informazioni, spesso il punto di partenza è molto distante e richiede un impegno intenso per colmare il gap. Per esempio, il fatto che tutti i dati aziendali siano facilmente reperibili on-demand, richiede l’implementazione di architetture moderne di data management che coprano trasversalmente tutta l’organizzazione, integrino sorgenti di dati strutturati e non, e dispongano di metadati completi e descrittivi che facilitino la ricerca.
La data democratization è un concetto analogo all'accessibilità del paragrafo precedente, ma non limitato alla componente tecnica.
In un’azienda moderna, ogni decisione dovrebbe essere supportata dai dati, non solo quelle di natura strategica e di portata sistemica. Affinché ciò avvenga, i dati devono essere accessibili in tutta l'organizzazione, e tutti gli utenti devono disporre di competenze di analisi (data literacy) proporzionate alle proprie necessità. La democratizzazione del dato rappresenta una delle sfide principali delle aziende moderne proprio poiché coinvolge componenti culturali, tecniche, organizzative e di competenze.
Un’azienda moderna basa la propria competitività sullo sfruttamento delle potenzialità dei dati, e deve quindi essere pronta a sperimentare e adottare velocemente nuove metodologie e soluzioni, non avendo paura di mettere in discussione gli approcci tradizionali. A titolo d’esempio, si pensi all’accelerazione che il tema dell’AI ha avuto negli ultimi anni: ogni giorno nascono approcci, modelli e algoritmi sempre più sofisticati per estrarre valore dai dati, automatizzare processi, prevedere trend e generare nuovi insight.
Il percorso di modernizzazione data centric è certamente complesso e articolato. Tuttavia, è anche l’unica strada vincente per le organizzazioni che vogliono preservare, e possibilmente potenziare, la propria competitività in mercati ricchi di player agili e innovativi, che nascono data driven e hanno l’innovazione e il cambiamento continuo nel proprio DNA.