Diventare aziende intelligenti

84

Il nuovo cammino delle aziende per fare l’innovazione

In alcune articoli apparsi recentemente su autorevoli pubblicazioni quali l’Economist, l’Harvard Business Review, la MIT Sloan Management Review e McKinsey Quarterly si evidenziava come nuove applicazioni e tecnologie ICT emergenti stessero cambiando sia i modelli tradizionali di business che il modo con cui si può fare innovazione nelle organizzazioni, rendendole “aziende intelligenti”. Prima di addentrarci negli aspetti di architetture e tecnologie cerchiamo di rispondere alla domanda :quali sono le caratteristiche di una moderna Azienda Intelligente  ?  In breve possiamo dire che una Nuova Intelligente Enterprise” deve:

 

    • Essere una azienda attenta e informata e quindi capace di raccogliere e utilizzare informazioni strutturate e non da ogni “sensore” e sorgente interna o esterna all’organizzazione stessa;
    • Essere un’azienda capace di utilizzare efficacemente le informazioni rilevanti e di supportare decisioni tempestive con azioni vicine ai punti gestionali in cui si misurano i benefici e le conseguenze di tali azioni;
    • Essere un’azienda capace di abilitare ed estendere la “memoria e il valore” dei dati aziendali, ampliando la capacità di penetrazione e osservazione dei fenomeni e la capacità per decidere e agire;
    • Essere capace di anticipare prevedendo e preparandosi al futuro attraverso la possibilità di simulare e modellizzare i fenomeni e i processi basandosi su una ricca storia del passato e una forte capacità di osservazione esterna;
    • Essere capace di collegare, condividere e fare leva sulle varie funzioni interne ed esterne, come pure di incrementare la collaborazione e di creare valore nel momento di azionare le decisioni.

     

    Se siamo d’accordo su questa lista di peculiarità, si può anche intuire come alcuni dei pilastri costituenti una piattaforma tecnologica e applicativa per l’Impresa Intelligente siano dati dalle tecnologie più avanzate di Business Intelligence e Business Analytics, appoggiate su solide basi di dati operative integrate e organizzate in data warehouse. Queste basi di dati devono essere facilmente accessibili, potersi aprire e integrarsi col patrimonio interno di dati non strutturati, essere alimentate con le informazioni esterne provenienti in particolare dal mondo del web e del social media. Il tutto deve essere supportato da una piattaforma integrata per la comunicazione che sappia abilitare e fornire puntualmente nei momenti d’interazione alle persone l’intelligenza e la conoscenza raccolta e generata dalle analisi delle informazioni. La costruzione di questa piattaforma abilitante l’intelligenza in azienda è poi l’elemento su cui sviluppare modelli efficaci ed efficienti di condivisione e collaborazione, utilizzando tecnologie sulla base delle quali ormai le aziende più smart stanno rivedendo i loro processi di innovation management

     

    In questo articolo, propedeutico alla visione d’insieme sopra menzionata ,che sarà meglio trattata durante la prossima conferenza organizzata da The Innovation Group il 26 Maggio a Milano sui temi della New Intelligent Enterprise” ci concentreremo sul pilastro della Business Analytics, elemento strategico per la competitività delle aziende.

    Le tecnologie di Business Intelligence e Business Analytics sono le tecnologie e le applicazioni fondamentali per porre le basi di un modello di azienda intelligente. Esse permettono infatti di catturare, accedere e analizzare quantità di dati e d’informazioni sempre più grandi, originate da diverse fonti sia pubbliche sia private, e provenienti dalle comunità e dalle reti sociali, dagli oggetti fisici reali ormai potenziati d’intelligenza tecnologica attraverso sensori e software dedicato. Questo trend viene comunemente indicato come “Big Data”, e in alcuni casi introduce un forte elemento di discontinuità con le potenzialità offerte da tecnologie e applicazioni di business intelligence e data analytics che sono già utilizzate in azienda per organizzare e analizzare dati e informazioni e trasformarle in strumenti di supporto alle decisioni nei suoi vari livelli. Oggi e in futuro sarà sempre di più necessario pensare a una piattaforma intelligente integrata che permetta un costante e rigoroso aiuto alle decisioni aziendali che si devono trasformare in azioni con impatto diretto e immediato ad esempio su alcuni processi operativi critici (es. supply chain, pricing, promozioni) nei punti dove saranno rilevati i risultati di tali azioni, per testare nuovi prodotti, per sperimentare nuovi modelli di business o innovare il servizio e il rapporto con i clienti.

    Alcune aziende stanno utilizzando questi nuovi approcci per arrivare a prendere decisioni praticamente in real time: ad esempio aziende nate nel web come Amazon, Google o eBay già da tempo stanno testimoniando come si possa dinamicamente essere un’azienda “sensibile”,in grado di determinare cosa fare per offrire on line nuovi prodotti ai clienti per aumentare le vendite e/o rendere più attraente e coinvolgente lo loro user experience. Anche altre aziende più tradizionali come Capital One, nel settore dei servizi finanziari, sono in grado di raffinare i loro metodi di segmentazione dei clienti e adattare i prodotti ai profili di rischio, riuscendo a gestire migliaia di combinazioni di segmenti o prodotti con test reali. E grandi retailer, da Wal Mart a Tesco, riescono ad analizzare i dati di milioni di clienti sia che provengano dai punti vendita, dalle transazioni on line, dalle visite al loro sito, dai feedback del servizio clienti.Analizzando i post sui social network, riescono a capire come il sentimento dei consumatori stia cambiando e quindi possono identificare nuove promozioni per specifici segmenti di consumatori, fornire le relative informazioni su prezzi e allocazioni di spazio sugli scaffali con tempi di risposta giornalieri. Molte aziende stanno capendo che la capacità e le competenze di analisi e modellizzazione avanzata dei dati sono di tale importanza da centralizzarne la gestione a livello aziendale attraverso gruppi di analisti presenti nelle varie funzioni e business unit, come ha fatto P&G, per avere una massa critica di expertise e la possibilità di cross fertilization tra le varie funzioni. Viene così creata di fatto una catena del valore di produzione integrata di dati e informazioni che producono conoscenza e intelligenza: ad esempio le analisi del marketing e delle vendite sulle opportunità di crescita in mercati e prodotti sono poi utilizzate dagli analisti che devono disegnare le reti di fornitura e questi possono applicare le loro tecniche e modelli di analisi a nuove aree come l’analisi della concorrenza. Nelle aziende intelligenti si sta creando l’esigenza di come ottimizzare e rendere più afficaci , anche ridisegnandoli , quei processi aziendali ad alta intensità di conoscenza che sono alla base di molte attività ad alto valore e poco standardizzabili come ad esempio quelle di customer e market insights , competitive intelligence, procurement and spend analysis, strategy and market planning, operation and performance analysis, budget e financial performance management, ottimizzazione della supply chain attraverso modelli di simulazione dinamica, analisi del rischio ecc.: tutti processi che sono fondamentali all’interno della catena di supporto ai processi decisionali aziendali. Ognuno di questi processi ad alta intensità di conoscenza può essere cosi strutturato e ridisegnato in modo tale da essere più integrato, efficiente, con componenti riusabili facendo uso di tecnologie e modelli che le tecnologie di BI e BA rendono disponibili.
     

     

    Secondo un’indagine svolta su alcune migliaia di aziende condotta dall’IBM Institue for Business Value e dall’MIT l’anno scorso , circa un terzo delle organizzazioni dichiara che c’è ancora molto da fare per indirizzare i gap di informazione in modo da poter estrarre e analizzare dati e informazioni rilevanti da poter essere usate in azienda per quantificare i rischi, prendere le decisioni appropriate e prevedere i risultati di tali azioni.  Risulta inoltre dalla ricerca che le aziende early adopters di applicazioni avanzate di data e business analytics sono tre volte più propense ad usare le informazioni per capire i rischi delle decisioni rispetto alle altre e due volte più pronte nell’utilizzarle per prevedere i risultati; esse sono inoltre molto più abili nell’utilizzare le informazioni per prevedere e gestire anticipatamente fattori contingenti interni ed esterni non previsti. In un benchmark delle performance aziendali risulta che le aziende più performanti vedono il valore nell’introdurre miglioramenti nella capacità di business analytics attraverso tutto lo spettro delle aree funzionali; esse mirano inoltre ad ottenere più valore dai dati. Queste aziende “onnivore di informazioni” sono ben posizionate per innovare i loro settori di appartenenza grazie alla loro capacità crescente e continua di “insights” e alla loro abilità di anticipare più lucidamente il futuro. Anche il mercato dell’offerta di piattaforme di BI/BA sta evolvendo per rispondere alle nuove esigenze, che integrano l’analisi dei dati con funzioni di forecasting e odi ttimizzazione dei processi degli utenti. Oltre ad offrire le tradizionali funzionalità per il reporting e l’analisi ad hoc dei dati esistono già tecnologie che rendono più semplici la visualizzazione interattiva dei dati, l’uso di modelli di analisi predittiva, dashboard, OLAP e tool di data discovery.
    Il mercato per soluzioni e piattaforme di BI e BA rimane uno dei segmenti a più alto tasso di crescita del mercato del software, stimabile tra il 7 – 10% nei prossimi 3 anni, e rimane al top delle priorità di spesa delle aziende anche in momenti di congiuntura economica difficile. Contemporaneamente assistiamo ad alcuni fattori che continueranno a far crescere la domanda di business intelligence, come ad esempio il processo di consumerizzazione anche della BI. La necessità di gestire “Big Data” con grandi quantità di dati, volatili veloci e di diverso tipo (non strutturati, dati provenienti da device fisici intelligenti , social network , Hadoop/NoSQL) apre la strada alla possibilità di nuove applicazioni di BI ad alto valore aggiunto e all’utilizzo di BI basata su SaaS cloud services. Tecnologie e tecniche per applicazione di social e content analytics permettono di integrare analisi specializzate attraverso il social filtering, l’ analisi di social network e social media , l’analisi del sentiment per misurare, analizzare e interpretare i risultati delle interazioni e delle associazioni tra persone, dei contenuti degli argomenti, delle discussioni che avvengono nelle reti sociali e nelle applicazioni social. Le nuove applicazioni di BI saranno sempre di più self-service e social perché faranno leva sull’intelligenza collettiva della rete e forniranno automaticamente le informazioni più accurate e rilevanti.