I dati sono il nuovo petrolio? Non necessariamente.
Da anni sentiamo dire che i dati sono la risorsa più preziosa delle imprese moderne.
Le aziende investono in sistemi ERP, implementano CRM, comprano licenze per piattaforme di Business Intelligence, costruiscono data warehouse e generano nuovi report. Spendono centinaia di migliaia, a volte milioni di euro per infrastrutture pensate per aiutare a prendere decisioni migliori.
Il paradosso è che, nonostante questi investimenti, molte organizzazioni continuano a funzionare come anni fa;
Un venditore usa il proprio foglio Excel.
Il magazzino ha i propri riepiloghi.
Il marketing usa dati diversi dalle vendite.
La produzione riporta i risultati in un altro sistema.
Il management riceve cinque report diversi da cinque fonti differenti.
Di conseguenza l'azienda possiede grandi quantità di dati, ma pochissima conoscenza.
Il problema non è quindi che le imprese abbiano troppo poche informazioni. Il problema è che non sanno collegarle e sfruttarle.
Dati non è informazione
Questa è una delle differenze più importanti da comprendere.
I dati sono fatti isolati.
Numero di ordini.
Importo della fattura.
Stock di magazzino.
Data di consegna.
Numero di reclami.
Solo l'appropriata combinazione di queste informazioni permette di trarre conclusioni.
Un livello ancora superiore è la conoscenza, cioè la capacità di rispondere alla domanda: “Perché è successo e cosa dovremmo fare adesso?”
È proprio a questo livello che molte organizzazioni si fermano a metà strada.
Che cos'è un Data Silo?
Uno dei problemi maggiori delle imprese moderne sono i cosiddetti data silo, ossia i silos di dati.
È la situazione in cui le informazioni risiedono in sistemi diversi e non sono collegate tra loro.
Un esempio?
Il sistema ERP conserva le informazioni sugli ordini.
Il CRM contiene la storia dei contatti con il cliente.
Il negozio online ha i dati sugli acquisti.
La piattaforma di marketing analizza le campagne.
Il software di magazzino gestisce le scorte.
Ogni sistema funziona correttamente.
Il problema nasce quando nessuno di essi “parla” con gli altri.
L'azienda possiede tutte le informazioni necessarie, ma non riesce a vedere il quadro completo.
ERP, CRM, BI... chi fa cosa?
Molte persone usano questi termini in modo intercambiabile, pur avendo funzioni completamente diverse.
ERP (Enterprise Resource Planning)
È il sistema che gestisce i processi aziendali.
Di solito copre:
- finanza,
- contabilità,
- magazzino,
- produzione,
- acquisti,
- logistica,
- HR.
L'ERP si occupa principalmente della gestione operativa dei processi.
CRM (Customer Relationship Management)
Il CRM si concentra sulle relazioni con i clienti.
Permette di gestire:
- lead,
- contatti,
- offerte,
- storia delle collaborazioni,
- attività dei commerciali,
- assistenza clienti.
Il CRM è responsabile del processo di vendita e della costruzione delle relazioni.
Data Warehouse (Hurtownia danych)
Non è un altro sistema operativo.
È il luogo in cui i dati provenienti da fonti diverse vengono raccolti, ordinati e preparati per le analisi.
Così è possibile confrontare informazioni provenienti da più sistemi contemporaneamente.
Business Intelligence (BI)
La BI si occupa dell'analisi dei dati.
Crea report.
Dashboard.
KPI.
Aiuta a capire cosa è successo nell'azienda.
Ma la sola BI non risolverà problemi di scarsa qualità dei dati o della loro dispersione.
Perché le aziende hanno dati che non usano?
Le ragioni sono molte.
Più spesso riscontriamo alcune ricorrenze.
I dati sono distribuiti
Ogni dipartimento usa il proprio strumento.
Non esiste una singola fonte della verità.
I dati sono incompleti
I venditori non aggiornano il CRM.
I dipendenti annotano parte delle informazioni fuori dal sistema.
I processi non vengono rispettati.
I dati sono incoerenti
Lo stesso cliente appare con nomi differenti.
I prodotti hanno codifiche diverse.
Mancano standard.
I dati sono obsoleti
Un report mostra dati di una settimana fa.
Ma la decisione va presa oggi.
L'azienda colleziona tutto
Questo è un errore molto comune.
L'organizzazione accumula enormi quantità di informazioni solo perché “può”. Nessuno poi le utilizza.
Si generano nuovi report.
Nuove dashboard.
Altri grafici.
E le domande più importanti restano senza risposta.
Cos'è la Single Source of Truth?
È un concetto che prevede che l'azienda disponga di una fonte unica e attendibile dei dati.
Non significa un unico programma.
Significa che, indipendentemente da dove si leggono, le informazioni sono coerenti.
Se il fatturato è stato di un milione di euro, ogni report dovrebbe mostrare lo stesso valore.
Senza chiedersi quale tabella sia aggiornata.
L'AI non risolverà il caos
Questo è uno dei più grandi miti degli ultimi anni.
Le aziende spesso pensano che basti implementare l'intelligenza artificiale. - Non basta.
L'AI sa analizzare i dati.
Sa individuare dipendenze.
Sa prevedere trend.
Ma solo se riceve dati di qualità adeguata.
Se un'organizzazione possiede informazioni incoerenti, gli algoritmi analizzeranno... informazioni incoerenti.
Si otterrà solo una versione più sofisticata di conclusioni sbagliate.
Per questo si dice: Garbage In, Garbage Out.
AI Analytics - cosa cambia?
L'analitica moderna basata sull'AI può fare molto più del reporting tradizionale.
Può:
- individuare comportamenti anomali,
- prevedere le vendite,
- identificare clienti a rischio di abbandono,
- prevedere il fabbisogno,
- rilevare anomalie,
- raccomandare azioni,
- generare automaticamente riassunti dei report.
È un cambiamento enorme.
Ma a una condizione.
L'azienda deve prima mettere in ordine i propri dati.
Quando ha senso un data warehouse?
Non tutte le aziende necessitano di un data warehouse complesso.
Se l'organizzazione impiega poche persone e usa un unico sistema, la sua implementazione potrebbe non essere giustificata.
La situazione cambia quando:
- sono attive più filiali,
- esistono diversi sistemi,
- i dati provengono da fonti eterogenee,
- il reporting richiede molte ore,
- la direzione ha bisogno di analisi trasversali.
In questi casi il data warehouse spesso diventa il fondamento per ulteriori digitalizzazioni.
Errori più comuni
Il più grande errore non è la mancanza di dati.
Il più grande errore è l'assenza di una strategia.
Le aziende spesso:
- acquistano nuovi sistemi invece di integrare quelli esistenti,
- creano decine di report che nessuno usa,
- analizzano tutto invece degli indicatori più importanti,
- implementano l'AI senza preparare i dati,
- non hanno responsabili della qualità dei dati.
Come preparare l'azienda?
È utile partire da domande semplici.
- Da dove provengono i nostri dati?
- Sono coerenti?
- Sappiamo quale versione è quella corretta?
- Chi è responsabile della loro qualità?
- Tutti i report vengono realmente utilizzati?
- I dati aiutano a prendere decisioni?
Se è difficile rispondere a molte di queste domande, probabilmente vale la pena iniziare a mettere ordine nelle informazioni prima di avviare nuovi investimenti.
Come affrontiamo la cosa in Web24?
In molti progetti emerge che la sfida maggiore non è creare un nuovo sistema.
La sfida più grande è collegare ciò che già esiste.
Integraamo ERP, CRM, negozi online, piattaforme B2B, sistemi di magazzino e applicazioni dedicate in modo che i dati possano fluire liberamente tra di essi.
Solo allora è possibile costruire analitiche moderne, automazione dei processi o soluzioni basate sull'intelligenza artificiale.
Perché l'AI non sostituirà una buona architettura dei dati.
Può però sfruttarne appieno il potenziale.
Riepilogo
Il valore più grande di un'impresa non sono i dati.
Il valore più grande è la capacità di utilizzarli.
Le aziende in grado di collegare informazioni da molte fonti, curarne la qualità e trasformarle in decisioni pratiche ottengono un vantaggio che non si compra semplicemente con un'ulteriore licenza software.
Nel mondo dell'AI non vincono quelli che hanno più dati.
Vincono quelli che sanno come usarli.
