Ad oggi, l’abilità di gestire numerosi dati è uno degli elementi critici che determina il successo di una azienda. Nonostante stiano emergendo delle figure specializzate in tale gestione, come i chief data officer (CDO), la maggior parte delle imprese rimane dietro le quinte.
Dati chiave dell’articolo:
- I dati difensivi e i dati offensivi si differenziano in base agli obiettivi aziendali a cui conducono e alle attività che si intraprendono per indirizzare l’impresa verso il raggiungimento degli obiettivi
- Una buona data strategy richiede che i dati posseduti dalla SSOT (single source of truth) di una impresa siano di alta qualità e standardizzati e, che le MVOT (multiple versions of the truth) siano attentamente controllate e derivate direttamente dalla stessa SSOT
Secondo uno studio di Harvard Business Review, meno della metà delle organizzazioni utilizza i dati in maniera attiva nella pianificazione delle strategie e nel processo decisivo; più del 70% degli impiegati ha accesso a dei dati che non riguardano la loro sfera lavorativa e, l’80% del tempo degli analisti è dedicato alla scoperta dei dati, il che è decisamente troppo.
Avere all’interno dell’azienda figure come il CDO (chief data officer) è già un inizio, ma non è abbastanza in assenza di una strategia di organizzazione coerente, che organizzi, gestisca, governi e analizzi le informazioni.
In questo articolo ti mostreremo un nuovo modo che ti permetterà di creare una robusta data strategy, da applicare a più tipi di impresa e a differenti livelli di maturità dei dati.
- Data strategy: difesa vs attacco
- Unica fonte, multiple soluzioni
- Quali sono i benefici di una architettura dei dati?
- Data strategy: l’importanza di possedere dati di qualità
- Dati offensivi o dati difensivi? Il successo è nella via di mezzo
Data strategy: difesa vs attacco
Il framework che ti proponiamo affronta due questioni chiave: aiutare le aziende a chiarire gli scopi primari dei dati e guidarle verso un management strategico.
Diversamente da altri tipi di approcci comuni, in questo caso bisogna considerare i dati distinguendoli tra quelli che possono servire alla tua azienda per attuare un sistema di difesa e, quelli che invece ti permetteranno di mettere in campo una strategia di attacco.
I dati difensivi e i dati offensivi si differenziano in base agli obiettivi aziendali a cui conducono e alle attività che si intraprendono per indirizzare l’impresa verso il raggiungimento degli obiettivi.
I dati difensivi riguardano principalmente la minimizzazione dei rischi: si utilizzano per attività che riguardano le assicurazioni, le norme e le regolazioni da rispettare (regole governative sulla privacy), si usano per limitare la frode, e creare sistemi che arginino i furti.
I dati difensivi assicurano anche l’integrità dei dati che girano all’interno del sistema aziendale attraverso l’identificazione, la standardizzazione e la gestione autoritaria delle fonti.
I dati offensivi si focalizzano sul supporto degli obiettivi aziendali, come incrementare i profitti e la customer satisfaction. Generalmente, comprendono le attività che generano customer insight, o integrano diversi dati sui clienti e sul mercato al fine di essere di aiuto per le scelte manageriali.
Le attività offensive tendono ad essere più rilevanti alle aziende che sono più incentrate sull'acquirente (customer focused business), specialmente per le attività di sales e marketing.
Inoltre, i dati offensivi sono dati che si aggiornano costantemente e che si possono ricavare in tempo reale. Al contrario, i dati difensivi tendono ad essere più statici, perché formati da questioni finanziarie e legali.
Le aziende hanno bisogno di utilizzare entrambi i tipi di dati, ma riuscire a dosarli in maniera equilibrata non è semplice.
Creare un equilibrio è la scelta che molte aziende hanno preferito, ma in alcuni casi, è convenuto favorire uno dei due tipi di dati. Questo accade perché le aziende non sono tutte uguali e non hanno tutte gli stessi obiettivi da raggiungere.
Le organizzazioni, i team che ne fanno parte e anche i fattori ambientali possono influenzare la direzione della data strategy: regolazioni troppo severe da rispettare (servizi finanziari o sanità, per esempio) porteranno le imprese operanti in tali settori a muoversi verso una strategia di difesa; una concorrenza spietata porterà un’azienda a muoversi verso i dati di attacco.
Il compito dei CDO (chief data officer) deve essere quello di creare il perfetto equilibrio per la loro azienda, basandosi sulla fondamentale dicotomia dei dati standardizzati e i dati flessibili.
Più i dati sono uniformi, più è facile eseguire processi di difesa. Più i dati sono flessibili, più velocemente potranno essere adattati alla lettura di nuovi contesti, dimostrandosi utili nel processo di offesa.
Unica fonte, multiple soluzioni
A questo punto, è importante fare chiarezza sulla differenza che intercorre tra le semplici informazioni e i dati e, distinguere l’architettura delle informazioni dall’architettura dei dati.
Secondo Peter Drucker, un economista austriaco, l’informazione è formata da “dati determinati da un preciso scopo che non sussistono senza essere supportati da altri tipi di dati”.
Dati grezzi, come i customer retention rates, analisi sulle vendite e costi addizionali, possiedono un valore limitato fino a quando non vengono integrati con altre informazioni. È l’aggregazione che porta dei benefici nel processo decisionale dell’azienda.
Una nota azienda italiana che progetta, produce e distribuisce utensili in diamante e metallo si è rivolta ad Adv Media Lab per la gestione della propria architettura dei dati e web analytics.
I risultati ottenuti nel primo anno di collaborazione sono stati davvero notevoli con aumenti nel numero di accessi al sito, al tempo di permanenza, lead generati e un ritorno sull’investimento effettuato, ROI, di dodici volte rispetto all’investimento.
L’architettura dei dati di una impresa descrive il modo in cui i dati vengono raccolti, collezionati, immagazzinati, distribuiti e utilizzati. Comprende le regole di gestione e le piattaforme, come i database e i sistemi.
L’architettura delle informazioni riguarda i processi e le regole che convertono i dati in informazioni utili.
Per esempio, l’architettura dei dati può essere utilizzata nel processo di collezione dei dati ricavabili dall’advertising o dai sales data, per poi trasformare tali conoscenze in un sistema di architettura delle informazioni, attraverso il quale si integrano e analizzano le relazioni tra gli sforzi di advertising e le vendite, sui differenti canali e nelle diverse regioni.
Molte organizzazioni hanno tentato di mettere in atto un approccio altamente centralizzato e control-oriented dell’architettura dei dati e delle informazioni. Inizialmente noti come "information engineering" e adesso come "master data management", questi approcci “top – down” spesso non si rivelano spendibili in un contesto di data strategy più ampio.
Sebbene siano efficaci nella standardizzazione dei dati dell’impresa, possono inibire la flessibilità, rendendo difficile la personalizzazione dei dati e la loro trasformazione in informazioni da utilizzare nelle strategie.
Quello che abbiamo imparato è che, un approccio più flessibile e realistico all’architettura dei dati e delle informazioni comprende sia una single source of truth (SSOT, ovvero fonte singola di verità) che multiple versions of the truth (MVOT, ovvero versioni multiple di verità).
La SSOT è utile a livello dei dati, la MVOT supporta le informazioni manageriali.
La chiave innovativa del framework che ti proponiamo richiede sia i dati flessibili che l’architettura delle informazioni, le quali permetteranno alla SSOT e alla MVOT di supportare un approccio difensivo e offensivo alla tua data strategy.
La SSOT (single source of truth) è un sistema logico, spesso virtuale e basato su cloud repository che contiene una copia formale di tutti dati cruciali, sui clienti, fornitori e sulle caratteristiche dei prodotti.
La SSOT deve avere proprietà di controllo sulla provenienza dei dati e sulla loro gestione per assicurare che tali informazioni siano utilizzabili nelle strategie di attacco e difesa.
Inoltre, deve usare un linguaggio comune, non necessariamente quello che sia specifico in una unità dell’organizzazione o in particolari tipi di funzione. Così, ad esempio, i ricavi sono riportati, i clienti sono definiti e i prodotti sono classificati in modo unico, immutabile e concordato all'interno della SSOT.
Non avere una SSOT (single source of truth) può condurre al caos.
Senza l’organizzazione delle SSOT, ci si può ritrovare in una situazione in cui si hanno a disposizione innumerevoli dati provenienti da diverse fonti, tutti simili tra loro se non uguali (come nel caso di dati sui nomi e sugli indirizzi degli utenti).
Gli impiegati che si occupano di gestire queste informazioni, potrebbero mettere in ordine tutte le informazioni, ma con uno sforzo lavorativo enorme. Tale sforzo non servirebbe poi a nulla, perché una volta caricati i dati nei sistemi IT tradizionali, non sarebbero riconosciuti, quindi di nuovo l’impiegato si troverebbe in difficoltà nell’effettuare delle associazioni.
Fortunatamente, esistono intelligenze artificiali capaci di mettere ordine nel caos.
Mettere ordine significa anche risparmiare, tagliando i costi dei sistemi ridondanti. Le SSOT (single source of truth) aiutano le imprese ad identificare i fornitori che vendono a più unità aziendali e con cui l'impresa può negoziare degli sconti.
Ti interessa l'argomento e vuoi approfondire? Dai un'occhiata a questi articoli:
- La tua strategia di marketing è basata su dati corretti?
- Come attivare una cultura aziendale basata sui dati
- Data-driven marketing: significato, strategia e approccio
Quali sono i benefici di una architettura dei dati?
Quando le aziende sono carenti nella SSOT (single source of truth) o MVOT (multiple versions of the truth), i team presenti all’interno dell’organizzazione si troveranno ad avere a che fare con dei dati silos.
Questo succederà perché nel processo di acquisizione e conservazione dei dati, quest'ultimi saranno isolati, con strumenti non adeguati.
Tale processo non solo è inefficace, ma è anche costoso, e sfocerà nella generazione di multiple versioni della verità che non sono effettivamente affidabili e spendibili nel pratico.
Cominciare ad utilizzare una SSOT (single source of truth) permette all’azienda di razionalizzare il suo data system. Eliminare strumenti di supporto al dipartimento IT, come database e server, e tagliare i costi operativi utilizzando sistemi automatizzati.
La decisione essenziale che l’attività di impresa deve compiere è assicurare che l’impostazione della SSOT (single source of truth) sia indirizzata in maniera ampia e con chiara priorità agli obiettivi aziendali, ad applicazioni pratiche finalizzate alla soddisfazione e fidelizzazione del cliente, alla generazione di profitto.
Così, il progetto apporterà subito dei risultati positivi e genererà risparmio, che incoraggerà l’impresa a continuare ad investire.
Data strategy: l’importanza di possedere dati di qualità
Una buona data strategy richiede che i dati posseduti dalla SSOT (single source of truth) di una impresa siano di alta qualità e standardizzati e, che le MVOT (multiple versions of the truth) siano attentamente controllate e derivate direttamente dalla stessa SSOT.
Questo implica una ottima gestione dei dati e delle tecnologie.
In assenza di una gestione adeguata, potrebbero presentarsi questi problemi:
- La definizione dei dati potrebbe essere ambigua
Senza una concreta definizione di cosa costituisca la “verità” (sia nel caso della SSOT che nella MVOT), gli stakeholder perderanno solo tempo ed energie nella gestione di dati non standardizzati - Le regole sui dati potrebbero essere vaghe o applicate in maniera non coerente
Se le regole di aggregazione, integrazione e trasformazione dei dati non sono chiare ma fraintendibili o semplicemente non applicabili (soprattutto quando la trasformazione dei dati coinvolge degli step poco definiti) è difficile diffondere le trasformazioni e la mole di informazioni all’interno dell’organizzazione - I feedback al fine di migliorare la trasformazione dei dati potrebbero essere assenti
Una complessa data analysis come un modello di previsioni, potrebbe essere considerato inutile da un determinato team ma rilevante per un altro gruppo di impiegati dell’organizzazione.
Se non si possiedono dei meccanismi che rendono disponibili questi output agli altri (per esempio, integrarli nella MVOT) gli stakeholder faranno il doppio del lavoro o perderanno delle opportunità perché non ne erano a conoscenza
Dati offensivi o dati difensivi? Il successo è nella via di mezzo
Ritorniamo ora alla data strategy e concentriamoci sul trovare il giusto equilibrio per la tua attività aziendale tra dati offensivi e dati difensivi.
Mentre il CEO (chief executive officer) è principalmente responsabile dell’approvazione della data strategy, il CDO (chief data officer) è colui che la conduce, la sviluppa e la esegue.
Il CDO deve determinare il giusto trade-off, provando ad effettuare nel corso dello sviluppo i giusti cambiamenti volti a bilanciare gli elementi della SSOT e l’architettura della MVOT.
È raro trovare un’organizzazione in cui i dati siano strettamente controllati e usati allo stesso tempo in maniera flessibili.
Con qualche eccezione, il CDO (chief executive officer) solitamente arriva alla conclusione che la migliore data strategy è quella che enfatizza sia difesa che controllo (dipendenti entrambi da una robusta SSOT) rispetto all’attacco e alla flessibilità (permessi dalla MVOT).
Dare alla difesa e all’attacco un’attenzione equa è la scelta ottimale in alcuni casi, ma generalmente non è saggio dare per scontato che una divisione 50 e 50 funzioni automaticamente.
Per determinare la giusta proporzione che fa al caso della tua impresa, il CDO (chief executive officer) deve tenere a mente la strategia complessiva dell’attività d’impresa, il suo ambiente regolatorio, la capacità di assimilazione dei dati della concorrenza, la maturità delle pratiche di data-management, e il budget.
Per esempio, le aziende di assicurazione o i servizi finanziari operano tipicamente in ambiente soggetti a forti restrizioni governative, che conducono a porre l’accento sui dati difensivi. I commercianti, che operano in un ambiente meno restrittivo, dove l’intensità della concorrenza richiede una conoscenza dei clienti approfondita, possono enfatizzare i dati di attacco.
Le aziende con le più avanzate data strategy hanno iniziato da zero, per poi scalare e ottenere una posizione stabile.
Per esempio, sono passate dal focalizzarsi sulla difesa e sul controllo dei dati all’offesa, perché i loro dati sulla difesa erano maturati. Il processo inverso, ovvero il passaggio dall’offesa alla difesa, dalla flessibilità al controllo, è possibile ma solitamente molto difficile da porre in atto.
>> Scarica l'esercizio e scopri qual è l'orientamento della tua data strategy <<
Considerazioni finali
Creare ed agire attraverso uno strumento di pianificazione ed organizzazione dei dati può risultare scoraggiante e difficile. In realtà non è così e, seguendo gli step che ti abbiamo proposto precedentemente, sarai in grado di creare una data strategy organizzata e funzionale.
Prenditi del tempo per capire quali obiettivi vuoi raggiungere, per i tuoi clienti, per la tua attività aziendale e per il miglioramento delle tue tecniche di pianificazione strategica.
Concentrati su come otterrai i dati, con quali strumenti e in quali modi verranno immagazzinati.
Vuoi sapere come un'efficace data strategy può
aiutarti a raggiungere gli obiettivi aziendali?
