Gran parte della trasformazione digitale ruota attorno ai dati. Le aziende stanno compiendo sforzi significativi per riorganizzare le proprie architetture informative, consapevoli del vantaggio competitivo fornito da una strategia di business informata da dati affidabili. I principi della Data Governance forniscono l’orientamento verso l’obiettivo: diventare in grado di usare i dati per generare intuizioni di business e sviluppare decisioni aziendali chiave in un’ottica pienamente data-driven.

Le caratteristiche delle organizzazioni data-driven

È data-driven l’organizzazione che usa l’analisi di dati concreti e attendibili per prendere decisioni strategiche, orientate al futuro, e fare scelte tattiche, mirate a ottimizzare le pratiche quotidiane. Secondo le ricerche di settore, le aziende che hanno adottato un approccio data-driven hanno riportato tre distinti effetti positivi raggiunti grazie allo sfruttamento dei dati: la migliorata capacità di prendere decisioni, il continuo perfezionamento dei processi e la riduzione dei costi sostenuti.

Si tratta di benefici in grado di avere un enorme impatto sulle aziende, portandole in vantaggio sui competitor che tardano nella trasformazione. Allo stesso tempo, un’organizzazione può diventare veramente data-driven solo dopo aver adottato una visione olistica sul proprio patrimonio informativo, guardando alla tecnologia impiegata senza tralasciare gli aspetti organizzativi e umani che partecipano alla creazione di dataset veramente affidabili.

Tecnologia, processi e cultura sono i tre punti cardine della trasformazione digitale in ottica data-driven. Andiamo a vederne i rispettivi ruoli.

Innovare la tecnologia

Gestire in modo efficiente e proficuo una grande quantità di dati richiede, innanzi tutto, le giuste risorse tecnologiche. La prima sfida del progetto di governance mirato a una trasformazione data-driven è la valutazione delle risorse tecnologiche dell’azienda e del posizionamento dei suoi dati. Mappare la struttura informativa permette di analizzare quali tecnologie vanno integrate, quali trasformate e quali invece dismesse, sempre rimanendo consapevoli che l’innovazione deve essere misurata sulle esigenze e le possibilità reali: non ha senso rimpiazzare indiscriminatamente tecnologie affidabili, e l’innovazione va ricercata anche nel perfezionamento dell’esistente, là dove possibile.

Possiamo di certo dire che tecnologia e infrastrutture informative hanno oggi il compito di rendere i dati delle aziende affidabili e interoperabili, due qualità fondamentali per poter accedere alle potenzialità di intelligenza artificiale e machine learning. Eppure, molte aziende stanno avendo difficoltà nella trasformazione tecnologica: un sondaggio di McKinsey effettuato nel settore bancario ha rilevato che, nonostante il 70% delle organizzazioni intervistate abbiano una roadmap per raggiungere un’architettura dati moderna, almeno la metà hanno modelli dati decentralizzati e obsoleti, e la maggior parte hanno integrato solo il 25 percento di tutti i loro dati nelle nuove architetture.

Riformare i processi

Le tecnologie di Data Governance sono strettamente legate ai processi da cui sono attraversate, caratterizzati da un grado di complessità elevata. Nella trasformazione, è fondamentale porre grande attenzione nel disegnare processi efficaci, ma è altrettanto importante individuare chi saranno i responsabili di quegli stessi processi, dei dati che ne risulteranno e della loro validità.

Questo concetto di gestione diligente dei dati (noto come data stewardship) richiede l’assegnazione di responsabilità precise a team o individui che saranno incaricati di definire le politiche e le procedure per la raccolta, l’archiviazione e l’utilizzo dei dati. A loro spetta un ruolo cruciale nei processi di monitoraggio, pulizia, standardizzazione e arricchimento dei dati e nella loro gestione secondo le normative vigenti e le policy aziendali.

Rivoluzionare la cultura

Le precedenti considerazioni sui processi e i loro responsabili ci portano a considerare un elemento spesso trascurato, ma assolutamente chiave nel perseguimento di una trasformazione delle aziende in data-driven: il fattore umano. Uno studio della University of Amsterdam Business School ha rilevato che, tra i fattori di successo nella transizione a un modello data-driven, ci sono la comunicazione chiara del cambiamento, la condivisione di risultati rilevanti e l’apertura alla sperimentazione. Senza una nuova cultura aziendale adattata ai processi appena implementati, la trasformazione è incompleta e rischia di perdere in efficacia.

All’interno di un’organizzazione data-driven, i decision-maker sono in grado di scegliere i giusti dati da interpellare per prendere una decisione informata dai fatti, e tutte le persone conoscono e sono in grado di eseguire i propri ruoli nella raccolta, gestione e validazione dei dati. La trasformazione digitale data-driven è completa nel momento in cui i dati sono considerati da tutti una risorsa strategica e sono trattati come tali all’interno dell’intera organizzazione, per prendere decisioni dall’effetto immediato e per trovare la strada più efficace verso la crescita sul lungo periodo.