Dall'analisi delle esigenze del cliente alla data delivery: quali strategie adottare

24 febbraio 2021

La data delivery che alimenta l’advanced analytics indispensabile per comprensione del business e la gestione delle informazioni sarà una capacità sempre più critica per la funzione finance aziendale. Lo sosteneva già qualche anno fa, nel 2018, ben prima del boom digitale a cui tutti noi oggi stiamo assistendo, il 57% degli executive intervistati per realizzare la survey EY and Forbes Insights (https://www.ey.com/en_gl/digital/how-analytics-can-help-transform-cfos-from-accountants-to-strate). L’esigenza di una strategia efficace per competere in un mondo digitalizzato è sempre più sentita, ma solo un terzo degli intervistati sostiene di averla, nonostante sia indispensabile affinché l’area finance aziendale possa evolversi da un approccio di tipo contabile, che fa il resoconto del passato, ad ruolo finanziario capace di guidare il futuro.
Se queste sono le esigenze, la data delivery è un elemento strategico per garantire dati consistenti in modo che le decisioni vengano prese sulla base di un’unica versione della realtà condivisa da tutta l’organizzazione, anche quando i dati provengono da diverse unità all’interno dell’azienda o, sempre più spesso, da fonti esterne.
Il sistema ideale di data delivery dovrebbe dunque garantire: performance elevata, completa automazione, facilità d’uso, ridotta necessità di manutenzione infine, un servizio reattivo.
L’obiettivo finale dovrebbe essere la fruizione del dato (in campo amministrativo, finanziario, nelle operation, nel commerciale e marketing, nel quality management, etc. ) in forma sintetica e facilmente leggibile, da qualunque dispositivo. Dietro questa semplicità c’è un ambiente capace di una data delivery totalmente sicuro e controllato che mette in moto una serie di processi tecnologici e funzionali capaci di generare KPI di valore a partire da dati affidabili generati da fonti diverse.

 

La data delivery dovrà supere i silos informativi

Un percorso di data delivery efficace guidato dal finance, per la sua natura inter-funzionale, dovrà partire da una fase di ascolto pro-attivo per acquisire consapevolezza degli obiettivi e dei problemi, andando poi a coinvolgere tutte le parti interessate al progetto. Va infatti ricordato che all’origine di molti fallimenti c’è il mancato o lo scarso coinvolgimento e ascolto di chi poi usufruirà della realizzazione del progetto stesso. Si tratta di un aspetto ancora più critico quando si ha a che fare con la data analytics, che oggi assume un connotato sempre più liquido a causa di un ecosistema in continuo mutamento e che richiede un’attività di data delivery che, per essere efficace, necessita dell’abbattimento dei silos informativi aziendali. Coinvolgere tutti gli stakeholder significa dunque iniettare nel progetto non solo diverse competenze ma anche quella consapevolezza comune dove ognuno si può ritrovare.
Dal punto di vista operativo è utile creare team di lavoro che coinvolga sia chi deve sviluppare il progetto sia le principali unità di business interessate, per definire insieme i requisiti e pianificare le successive verifiche.

 

Alcuni suggerimenti per un’organizzazione data driven

Per contribuire a mettere i dati al centro del successo aziendale a lungo termine, è necessario, secondo EY, concentrarsi su sei aree chiave:

  1. Rendere i dati parte integrante della strategia aziendale identificando i progetti di proof of concept
  2. Allineare la capacità degli analytics e la data delivery con i requisiti aziendali prioritari
  3. Aiutare a instillare la giusta leadership e cultura
  4. Fornire la formazione per aiutare le persone a riconoscere e superare i bias decisionali
  5. Fornire strumenti di facile utilizzo per gli utenti dei dati
  6. Trasformare le informazioni basate sull'analisi in azioni e allineare, di conseguenza, incentivi, premi e misurazioni

Per passare dall’ideazione allo sviluppo vero e proprio è opportuno partire da una fase preliminare, il più possibile vicina al risultato finale, scegliendo sulla base delle esigenze aziendali:

  • un PoC (Proof of Concept) che consiste in una realizzazione preliminare del progetto, allo scopo di provarne la fattibilità attraverso, ad esempio, la realizzazione di un prototipo.
  • un MVP (Minimum Viable Product), una versione iniziale che include solo le caratteristiche minime della soluzione per poter raccogliere da subito i feedback degli stakeholders di riferimento.

Nella successiva fase di implementazione sarà utile adottare uno stile agile in progetti che spesso durano alcuni mesi prima di arrivare alla prima delle diverse delivery, ciascuna delle quali vedrà un momento di verifica intermedio. In questo modo gli stakeholder aziendali saranno protagonisti in prima persona dello sviluppo del progetto e avranno modo di intervenire in ogni step del processo.

 

Il partner giusto per un progetto data delivery di successo

Il percorso descritto, soprattutto se parliamo di una data delivery che riguarda grandi masse di dati molto sensibili e delicati che danno luogo a KPI di valore, richiede competenze tecnologiche e organizzative specifiche. Queste difficilmente si trovano all’interno della stessa azienda ma possono essere acquisite grazie alla collaborazione con un partner con l’esperienza nel trattamento e nell’analisi dei dati e la capacità di garantire la loro affidabilità all’origine.

 

Clicca qui per scaricare il nostro white paper: Come cambia l'ecosistema IoT

Topic: Data quality Data Analysis