DATA DRIVEN: cosa e’, come funziona e l’interesse in ambito UE

Fonte per le immagini da: https://pixabay.com/it/images/search/data/

 

Le nuove sfide del futuro fanno si che le aziende si strutturino sempre meglio allo scopo di poter competere per conquistare maggiori fette di mercato o per consolidarne l’esistente. Tra i molti aspetti strutturali necessari per garantire l’efficienza organizzativa di una società, si fa largo l’esigenza di gestire ed interpretare le informazioni per meglio comprendere cosa riserva loro il futuro.

Essere quindi data-driven significa considerare la gestione dei dati non solo come un aspetto tra i settori che definiscono una realtà aziendale, bensì come uno dei pilastri che ne caratterizzano la strategia di business.

Il processo di strategia aziendale che si basa sul Data Driven Decision Making (d’ora in poi DDDM), identifica e connota una società che ha la capacità di prendere decisioni facendo affidamento sui dati in possesso e lavorando quindi verso obiettivi chiave mediante una adeguata competenza nell’interpretarli ed analizzarli correttamente.

Per operare al meglio, allo scopo di ottenere il massimo risultato, si rende necessario possedere una serie di capacità sia tecniche sia, per così dire, trasversali (soft skills) che sono:

  • estrazione di dati (riunire ed organizzare l’input proveniente da archivi diversi);
  • trasformazione ed omologazione dei dati in uno standard di riferimento: si fa una operazione di “pulizia” dei dati, standardizzandoli per essere poi utilizzati;
  • matematica e statistica di base, data science e comprensione dei dati;
  • pensiero sistemico: aiuta i decisori a meglio comprendere la mentalità collettiva sul perché si prende un tipo di orientamento e non un altro;
  • pensiero critico ed ascolto attivo: si analizza la mole di dati ottenuta valutandone i pro e i contro delle decisioni prese al netto dei propri preconcetti personali;
  • comunicazione con i dati: necessario per permettere a chi ci si rivolge (es. dipendente, investitore, cliente), di accettare le decisioni prese.

Per ottenere invece il massimo risultato dai dati, allo scopo di perseguire con successo gli obiettivi richiesti, il processo decisionale da adottare dovrebbe seguire gli aspetti sottoelencati:

  1. identificazione degli obiettivi aziendali; la comprensione degli obiettivi supporterà nello step successivo a scegliere i Key Performance Indicators (KPI), allo scopo di focalizzare meglio quali dati analizzare e quali domande porre allo scopo di essere in linea con gli obiettivi;
  2. realizzazione di questionari da sottoporre (es, ai dipendenti, ai clienti, ecc..), attraverso l’utilizzo di fonti diverse (es. social, web aziendale, ecc..);
  3. raccolta e preparazione dei dati: è forse il punto piu’ delicato di tutto l’iter . L’80% del tempo è infatti dedicato alla pulizia e all’organizzazione dei dati e solo il 20% è alla fase di analisi. La regola del “80/20” chiarisce l’importanza di questo aspetto;
  4. esecuzione dell’analisi statistica: una volta che i dati sono stati depurati, si realizzano modelli statistici per testare i dati ottenuti allo scopo che siano in linea con gli obiettivi prefissati;
  5. sviluppo di eventuali approfondimenti: aspetti che potrebbero emergere durante la raccolta dei dati e non considerati in precedenza;
  6. visualizzazione e condivisione dei dati di dettaglio: comunicare con efficacia i dati raccolti attraverso i supporti multimediali come grafici, immagini, schemi a blocchi, ecc..

Tra i molteplici contesti nei quali tale “disciplina” aziendale puo’ essere utilizzata, possiamo menzionare:

  • il settore finanziario, dove studiare quale è il metodo migliore per promuovere un nuovo prodotto o per assumere nuovo personale;
  • marketing e vendite, per decidere quale canale pubblicitario puo’ garantire la migliore redditività o quali attività di vendita ottengono il maggior numero di interazioni;
  • servizio clienti, come si possono migliorare i tempi di risposta anche per gestire ticket di supporto al richiedente.

Il DDDM consente di acquisire una serie di vantaggi economici e manageriali:

  • costi ridotti anche mediante un più o meno significativo investimento iniziale (es. l’assunzione di data scientist);
  • miglioramento della capacità decisionale; con dati concreti diventa arduo discutere sull’efficacia di un piano;
  • stimolare il continuous improvement : l’adozione di tale sistema porta alla modifica del metodo di analisi in una ottica migliorativa, mutando anche il modo con cui si scelgono le risorse che operano in azienda;
  • processo decisionale più accurato: con l’analisi dei dati aumenta anche la capacità di saper scegliere la strategia da intraprendere in modo più sicuro, diminuendo la possibilità di sbagliare.

Le aziende che utilizzano tale approccio hanno infatti registrato un aumento dei profitti dell’8–10% e una riduzione del 10% dei costi complessivi (ad es. Google, Starbucks, Amazon). Sebbene vi siano oggettivi risultati adottando questo metodo, ad oggi il 91% delle aziende afferma che il DDDM è importante per la crescita del proprio business, ma che nella realtà solo il 57% di esse lo pratica.

L’Unione europea incentiva le aziende ad utilizzare questo metodo che si è dimostrato essere virtuoso tanto da essere stati licenziati, prima nel 2014 e poi nel 2017, alcuni documenti di lavoro della Commissione in cui si propone la realizzazione di una economia dei dati che pone come obiettivo il miglioramento del mercato unico digitale.

Proprio lo scorso 23 febbraio la commissione europea ha presentato la proposta per una legge europea dei dati (European Data Act), volta ad incentivare e supportare la realizzazione di modelli di business data driven.

Con questa legge, disponibile per tutti i settori economici, si mira a rendere disponibili più dati per il loro utilizzo ed a stabilire regole certe su chi ha accesso ai dati e di conseguenza al come e per quale scopo utilizzarli. Le nuove norme dovrebbero consentire entro il 2028 ad un incremento di 270 miliardi di euro per il PIL degli Stati membri.

Aziende e consumatori potranno beneficiare di prezzi più convenienti per i servizi post-vendita, a nuove possibilità dell’utilizzo dei servizi grazie anche ad un miglior accesso ai dati raccolti.

Carlo Caloisi

FONTI ED APPROFONDIMENTI

  1. Perché i leader dovrebbero acquisire capacità decisionali basate sui dati?: https://www.productleadership.com/why-should-leaders-acquire-data-driven-decision-making-skills/
  2. Come puoi trarre vantaggio dal data driven decision making? : https://www.productleadership.com/how-can-you-benefit-from-data-driven-decision-making/
  3. 10 competenze richieste per il data driven decision making: https://www.productleadership.com/10-skills-required-for-data-driven-decision-making/
  4. Come creare un data driven decision making in 6 passaggi: https://www.productleadership.com/how-to-make-data-driven-decision-making-in-6-steps/
  5. 10 suggerimenti per migliorare il data driven decision making: https://www.productleadership.com/10-tips-for-enhanced-data-driven-decision-making/
  6. Verso una florida economia in data-driven (luglio 2014): https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52014DC0442
  7. Costruire una economia europea dei dati (gennaio 2017): https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=COM:2017:9:FIN
  8. Sul libero flusso dei dati e le questioni emergenti dell’economia europea dei dati (gennaio 2017): https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52017SC0002
  9. Strategia europea in materia di dati: https://ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/european-data-strategy_en