Come valorizzare i dati della tua impresa

dall’analisi descrittiva all’analisi diagnostica

Come ottenere valore dai propri dati? Il primo passo in genere è riuscire ad ottenere un’analisi descrittiva.

Partendo dal presupposto che l’azienda sia dotata di un software ERP, spesso la mancanza di risultati è data dalla mancanza di omogeneità dei diversi report che il gestionale produce. Oppure dalle differenti modalità di generazione (persone diverse, tempi diversi, filtri diversi). Ci sarebbero molte soluzioni da adottare per ovviare questi inconvenienti, ma anche nel più rodato dei sistemi appena un dato viene fornito ad una persona (indipendentemente dalla posizione che occupa o dalla mansione), questa vorrà conoscerne i dettagli, scomporlo in classi, causali, e poi riaggregarlo, confrontarlo ecc… ecc.
Ed ecco che la soluzione a questo punto diventa una soltanto: dotarsi di uno strumento di Business Intelligence (BI) che permetta di centralizzare tutte le direzioni di analisi, di effettuare il drill down (esplosione di un dato nelle sue componenti), il data mining (estrazione di un’informazione da una grande quantità di dati), la trend analysis (rappresentazione temporale dei dati), la correlazione tra misure e classificazioni diverse.
L’azienda avrà a quel punto raggiunto il secondo passo: l’analisi diagnostica che le permetterà di capire le cause di un certo risultato. Ma attenzione, lo strumento di business intelligence non è garanzia di risultati efficaci.
Tre (più uno) fattori critici di successo per analisi diagnostica efficace
1. La creazione di una struttura di dati ritagliata sulle proprie esigenze, adatta a raccogliere i dati da diverse fonti (applicazioni, fogli Excel, fonti istituzionali). No a strutture preconfezionate
2. Un’interfaccia grafica intuitiva, realizzata per dare all’utente la massima possibilità di esplorare i dati senza una guida. Un pratico test è: se richiede training non è un’interfaccia intuitiva
3. Uno strumento informatico che sfrutti al massimo le possibilità di aggregazione, somma e pre-calcolo dei dati. La lentezza porta a sfiducia, l’utente deve “giocare” con le analisi (si parla infatti di gaming experience) senza affaticarsi
Mentre questo terzo punto è esclusivamente tecnologico, cioè dipende molto dallo strumento che si sceglie, gli altri due racchiudono il fattore critico di successo più importante: devi interessarti dei tuoi dati! Nessun consulente o esperto di business intelligence conosce i tuoi dati come te. Quindi è importante che i referenti aziendali (opportunamente designati dalla Direzione) siano coinvolti al 100% nelle attività di definizione della base dati e dell’interfaccia e supportati da esperti tecnici. Ma non basta: il vero successo si ottiene quando sono loro stessi a realizzare gli strumenti di analisi. In una parola Self Service BI.
Il ruolo del consulente o dell’esperto cambia, diventa un facilitatore e un help-desk di secondo livello: i tempi di realizzazione si dimezzano, il gap tra i desideri/analisi/prodotto si azzerano, il livello di consapevolezza cresce a tal punto che il sistema evolve naturalmente verso lo step successivo.