I data analytics come asset strategico per la crescita

Da ormai diversi anni, aziende e istituzioni di ogni dimensione e settore sono esposte a chiare sollecitazioni provenienti da un panorama di offerta tecnologica in continuo cambiamento. La tendenza verso l’utilizzo e l’integrazione di tali tecnologie in azienda si è progressivamente andata configurando su uno spettro di opzioni che agiscono in maniera differente sulle leve di generazione di valore e sui meccanismi operativi di lavoro. In alcuni casi, infatti, l’utilizzo di tecnologie digitali avviene con una logica di integrazione tattica, rivolta al supporto e al miglioramento di processi tradizionali. In altri casi invece, il digitale assume il ruolo di elemento trasformativo all’interno di aziende che scelgono di utilizzare le leve tecnologiche a disposizione per evolvere, trasformando, i meccanismi con cui il business genera e cattura valore sul mercato. Quest’ultimo caso configura un approccio di vera e propria «trasformazione digitale» che, a seconda del contesto e degli obiettivi, potrà rivelarsi più o meno idonea rispetto a scelte di adozione più tattiche.  

Concentrandoci su contesti che optano per un percorso trasformativo, le evidenze raccolte negli ultimi anni mostrano chiaramente che perché la trasformazione digitale abbia successo è indispensabile che agisca e allinei cinque dimensioni:   

• digital vision; 
• strategia; 
• allineamento IT; 
• coinvolgimento dell’organizzazione; 
• allineamento operativo. 

Un secondo elemento contestuale molto importante riguarda la centralità del ruolo dei dati in molti percorsi di evoluzione o trasformazione. Sono molte, infatti, le tecnologie digitali per cui i dati rappresentano un carburante fondamentale, che permette a cascata di supportare scelte e processi sia in ottica tattica che strategica.  

Partendo da questo quadro, l’attività di ricerca condotta ha esplorato cinque settori fondamentali – telecomunicazioni, logistica, automotive, retail e banking – definendo e tracciando il ruolo chiave della «data strategy» come elemento di conciliazione tra visione e strategia da un lato e livelli di allineamento tecnologico dall’altro. 

La data strategy emerge dunque come la sesta dimensione della trasformazione digitale. Una strategia dati si è rivelata elemento cruciale anche per Vodafone, la case history scelta per mostrare come la diffusione di un approccio e di una cultura basata sui dati sia un importante fattore strategico a sostegno di molti obiettivi di evoluzione digitale dell’azienda.  

Nei casi analizzati durante la ricerca sono emersi chiaramente diversi progetti di evoluzione digitale con vari gradi di obiettivi trasformativi. Ad esempio: 

• Nel settore logistico, si è registrato l’obiettivo di costruire un’infrastruttura tecnologica di base e di orchestrare i dati per supportare una maggiore visibilità dei processi, consentendo di estendere il perimetro dei servizi offerti verso l’orchestrazione e l’ottimizzazione di servizi di trasporto variegati. 
• Nel settore automotive, si registra la tendenza verso la creazione di piattaforme comuni per effettuare analisi avanzate, rivolte sia internamente (es. ottimizzazione di processi manifatturieri) sia esternamente (es. analisi clienti). 
• Nel retail, integrare un patrimonio frammentato di risorse dati all’interno di una vista comune permetterebbe di avere una migliore visibilità sulla catena di fornitura e di essere più flessibili e trasparenti. 
• Nel banking, l’obiettivo è sfruttare le opportunità che l’orchestrazione dei dati può offrire per servire i clienti in modo integrato e per spostarsi gradualmente da una visione incentrata sul prodotto a una più customer-oriented. 
• Nel caso delle società di telecomunicazioni, infine, una tendenza generale spinge a sostituire strutture dati isolate e frammentate con un approccio più integrato. La data strategy di Vodafone, per esempio, mira a integrare il più possibile nei suoi processi analisi dati e AI. L’obiettivo è quello di ottenere un’unica visione, più granulare ed accurata, del cliente – in ambito sia B2B che B2C – attraverso l’implementazione di un servizio centralizzato di raccolta e analisi dei dati interfunzionali.  

L’esigenza di adottare una data strategy e di implementare strumenti e metodologie adatte a orchestrare i dati è emersa in tutti questi casi come un ingrediente chiave abilitante dei processi di trasformazione. La ricerca ha messo dunque in evidenza come le cinque dimensioni fondamentali della trasformazione digitale siano spesso mediate da una sesta dimensione: la data strategy, che in questo senso funge da livello intermedio tra la formalizzazione della strategia e l’allineamento IT.  

Va tuttavia considerato un punto fondamentale. Nonostante l’obiettivo di questi percorsi sia spesso quello di ampliare i modelli di business aziendali tramite la costruzione di una panoramica a 360 gradi di clienti e/o processi, questa visione si scontra con una complessità tale, sia in termini di sistemi tecnologici sia di strutture organizzative, da portare ad emergere vari stadi intermedi di formalizzazione e utilizzo dei dati. Stadi più avanzati possono virtualmente abilitare applicazioni più ambiziose ma ciò non significa che siano sempre un obiettivo desiderabile. Tali ambizioni devono infatti scontrarsi con la complessità di costruzione e gestione delle condizioni abilitanti.

La presente ricerca ha evidenziato tre logiche tipiche dei percorsi di evoluzione abilitati dai dati.  

La prima (elaborate) è diretta all’abilitazione di un modello di business tradizionale dell’azienda. L’utilizzo dei dati è limitato e avviene tendenzialmente a livello della singola funzione, con scarso coordinamento in termini sia di obiettivi trasformativi sia di sistemi tecnologici. 

La seconda (extend) si riscontra in aziende in cui è avvenuta, grazie all’adozione di una data strategy, una chiara evoluzione digitale del modello di business: sono stati creati sistemi che permettono di integrare i dati esistenti e quelli di recente acquisizione, con un’ottica di estensione del modello di business tradizionale.   

La terza (explore) prevede una sperimentazione continua. L’azienda si affida a una base tecnologica e a una struttura organizzativa solide, che consentono di monitorare l’ambiente, condurre test e sperimentazioni continue, integrando poi i risultati nel modello operativo e di business. Sono le imprese tecnologicamente più avanzate a orientarsi verso questo approccio: l’azienda apprende dai dati in modo incrementale e, abilitata dalla cultura aziendale, dai sistemi tecnologici e dalle strutture organizzative, tende ad assumere una mentalità più fluida adottando progressivamente modelli di business più evoluti. 

In generale, ragionare in termini di allineamento delle sei dimensioni della trasformazione digitale e utilizzare questo schema per leggere e interpretare le iniziative dati in essere o in fase di valutazione può aiutare a mettere a fuoco quegli elementi irrinunciabili che possono favorire la transizione digitale che ci si è prefissati, favorendo un approccio consapevole e pragmatico al raggiungimento degli obiettivi definiti.