Dal dato grezzo alla generazione di “actionable insights”, garantendo sicurezza, governance ed etica
Tra le espressioni più abusate dell’ultimo decennio, inizialmente apparsa su un articolo del The Economist nel 2017, Data is the New Oil, testimonia il ruolo fondamentale che i dati e, soprattutto, le informazioni, rivestono per le aziende, per via del potenziale strategico e di monetizzazione che sono in grado di esprimere. Non è un caso che a questa affermazione – Data is the New Oil – faccia da contraltare la provocatoria domanda: but do you have enough resources to refine it?
Molte aziende, oggi, fortemente attratte dalla possibilità di estrarre valore dal proprio patrimonio informativo – attraverso l’applicazione di soluzioni basate su intelligenza artificiale, machine learning, deep learning, ecc. – finiscono col perdere di vista alcuni aspetti che sono fondamentali per assicurare un utilizzo corretto, equo e sostenibile dei dati, tali da consentire di conseguire:
• Mitigazione dei rischi di conformità
• Riduzione dei costi, principalmente connessi a storage ed elaborazioni
• Sostenibilità, in termini di riduzione del CO2 footprint
• Qualità dei dati da utilizzare per AI, Analytics e reporting
• Protezione del dato, nei confronti delle modifiche del contenuto, accidentali e non
Possiamo individuare cinque fasi che le aziende devono prevedere per essere, a tutti gli effetti, delle data-driven company: prima di tutto, definire una strategia di gestione dei dati funzionale al conseguimento degli obiettivi di business dell’azienda. Poi, creare fiducia nei dati da parte di chi dovrà utilizzarli, prestando attenzione ad aspetti di qualità, disponibilità e documentazione della conoscenza, nonché assicurando trasparenza nell’uso dell’intelligenza artificiale applicata ai dati per evitare l’effetto black-box. Da non trascurare, inoltre, l’impatto delle tecnologie, quale abilitatore per uno sfruttamento efficace dei dati: da qui, la necessità di definire percorsi evolutivi del landscape applicativo e dell’infrastruttura IT e di sicurezza, al fine di disporre di strumenti sempre più performanti per garantire rapidità di calcolo, capacità di acquisire volumi di dati sempre maggiori, risposte precise ed affidabili per il business.
Queste attività rappresentano la premessa necessaria per ottenere “actionable insight”, ovvero input di valore per i processi decisionali aziendali. Quella dei dati è, per le aziende, un’esperienza di viaggio a tappe, sempre in costante evoluzione. In altre parole, le aziende devono prevedere meccanismi di miglioramento continuo del proprio modello di governo e gestione dei dati.
Tra le leve maggiormente efficaci:
- la scelta di un Data-Operating Model funzionale e “non invasivo” (i.e., ruoli, responsabilità, meccanismi di condivisione di esperienze, ecc.);
- la cultura del dato, diffusa a tutti i livelli dell’azienda e l’introduzione di un Change Model efficace;
- l’introduzione di meccanismi di data-sharing (i.e., Data Monetization per ottenere ricavi dalla vendita di dati, Data Partnership al fine di generare opportunità di cross-selling o offrire servizi più vicini alle esigenze dei Clienti, Data Intelligence per produrre servizi a valore aggiunto per il business, Data Hub settoriali per eliminare i silos e migliorare la completezza dei dati);
- la definizione di un percorso evolutivo dell’architettura dati e IT, per renderla sempre più adeguata al perseguimento delle necessità del business e sfruttare le potenzialità degli analytics anche per le componenti operazionali (vedi architetture Command Query Responsibility Segregation (CQRS).
E, in definitiva, la capacità di rielaborare le esperienze fatte direttamente o indirettamente, per alimentare il modello attraverso casi di successo (DOs) ed errori da non ripetere (DON’Ts).
Se vuoi conoscere di più sul nostro approccio e sui casi di successo, contatta i nostri esperti.
Insight sviluppato da SCAI Partners
Partner
