BoardVille 2018 è la seconda User Conference di Board, dedicata a tutti i clienti e partner della compagnia, un’occasione per apprendere novità di prodotto, scambiare idee, esperienze, esigenze e accrescere la community. L’appuntamento, che ha accolto un pubblico internazionale, si è svolto in una suggestiva location di Baveno sul Lago Maggiore. A introdurre la giornata è stata Jessica Venturini, Chief Revenue Officer di Board: “L’obiettivo principale di BoardVille è duplice. Da un lato trasferire il know-how della piattaforma di decision-making numero 1 al mondo; dall’altro attivare un confronto funzionale con chi si affida a Board per la propria strategia di business. Siamo convinti che solo un confronto reale possa consentire un miglioramento delle risorse, oltre che consolidare il valore della comunità”.

Parlando di soluzioni concrete, nel 2018 Board ha presentato le innovazioni della e-platform per il settore education, tramite cui portare la formazione e il training verso un nuovo livello di interazione, con una disponibilità 24/7. Anche questa novità, come le precedenti, risponde ai principali requisiti di compliance in quanto protezione dei dati, non per ultimo il Gdpr.  Peraltro, l ha spiegato bene Giovanni Grossi, CEO di Board International entrando nel merito di come i Big Data, l’enorme mole di informazioni pubbliche e sensibili, permettano oggi alle organizzazioni di ottimizzare le performance, accogliendo le sfide del futuro.

“Sappiamo quanto le aziende odierne abbiamo bisogno di prendere decisioni fondamentali, in tempo reale – sono le parole di Grossi – per questo sviluppiamo strategie che mirano a questo, in un’era che vive cambiamenti tecnologici più veloci che mai. Per il secondo anno abbiamo portato a casa una crescita di oltre il 45% a livello globale, con 9 anni consecutivi di sviluppo ininterrotto e revenue in aumento. Si tratta di quello che il mercato definisce come iper-crescita, un risultato che arriva dall’affermazione della nostra offerta in ambito decisionale, che ha vissuto un’evoluzione cospicua del modello di business. Sono tre i pilar che guidano il nostro lavoro, innovazione, supporto e sviluppo, paradigmi che realizziamo attraverso i laboratori, i partner e il feedback necessario dei clienti”.

Pierluigi Collina spiega la vicinanza del ruolo dell’arbitro con quello di un decision maker in azienda #Boardville2018 pic.twitter.com/LAYGnvr3lq

— Data Manager Online (@datamanager_it) 14 maggio 2018

Decidere può sembrare un processo estremamente razionale ma spesso è la conseguenza di un atto emotivo, un impeto poco ragionato e basato sulle sensazioni, più che sull’analisi. Così almeno lo intende Carlo Albero Carnevale Maffé, Professore di Strategic Management della SDA Bocconi School of Management, uno dei guest speaker di BoardVille 2018. “Oggi soggetti come Board portano avanti quella che possiamo definire la Scienza del Business, la volontà cioè di fornire al processo decisionale una serie di elementi per cui la scelta finale si pone come la migliore nel contesto di riferimento. Ciò risulta essenziale nella vita di ogni giorno ma ancora di più nel mondo del lavoro, dove i decision-maker stanno diventando figure in grado di ridurre il rischio e valorizzare le strade intraprese”.

Il secondo guest speaker dell’evento, nella sua carriera, ha dovuto prendere decisioni difficili, spesso determinanti per migliaia di persone, capaci di spostare milioni di euro. Stiamo parlando dell’ex arbitro Pierluigi Collina, attualmente Chairman of FIFA Referees Committee, Chairman of UEFA Referees Committee. “Possiamo affiancare il ruolo di un arbitro a quello di un dirigente d’azienda. Entrambi si trovano nel mezzo di flussi che non sempre dipendono da loro e che è difficile da governare. La tecnologia, da tempo, aiuta ad assumere l’atteggiamento migliore in molte situazioni. Può essere il Var all’interno di un campo di gioco, lo slow-motion o il super slow-motion dietro le quinte e piattaforme di BI e Data Analytics negli uffici di qualsiasi dimensione. Come il calcio, il business è un gioco senza fine e le decisioni devono essere prese al momento giusto e correttamente”.

L'articolo BoardVille 2018, il processo decisionale è un gioco senza fine proviene da Data Manager Online.

[amazon_link asins=’8891621854,3639775058,8857907716,8820379058,0470511397,8838663467,8838786925′ template=’ProductCarousel’ store=’dmo0e-21′ marketplace=’IT’ link_id=’bf24d4cc-33fb-11e8-8797-3723e265259c’]

Il lavoro in mobilità è da anni una realtà diffusa: in molte organizzazioni, i team di lavoro accedono, ovviamente se autorizzati, ai vari sistemi aziendali da qualsiasi luogo, e in qualsiasi momento, svolgendo il proprio lavoro anche da casa o in viaggio, purché dotati di una connessione sicura attraverso una VPN. C’è chi arriva a considerare come ufficio il proprio notebook, o il tablet, se non addirittura lo smartphone. «Il ruolo della mobilità nelle imprese si è evoluto da una pratica IT di nicchia, quasi una specialità, a una attività informatica normale dell’utente finale, una funzione basilare di come la maggior parte dei dipendenti svolge il proprio lavoro» – spiega Daniela Rao, senior director research & consulting di IDC Italia. «La trasformazione digitale in molte imprese inizia spesso con iniziative di mobilità, in cui i lavoratori sono distanti dal luogo o dal contesto del “lavoro” come luogo, in contrapposizione al concetto di lavoro visto come attività o funzione. Allo stesso modo, le tecnologie di gestione e sicurezza sottostanti alla base delle implementazioni della mobilità aziendale si stanno anche spostando verso l’IT mainstream».

In molti casi, il team che gestisce la mobilità non è più un gruppo distinto all’interno dell’IT, ma è un gruppo più integrato. «Questa evoluzione – continua Daniela Rao – si riflette nello stato del mercato del software di gestione della mobilità aziendale, poiché i principali fornitori sono marchi affermati in diverse aree: nell’infrastruttura IT, nel system management e nelle applicazioni». Le aziende stanno pensando al futuro della gestione della tecnologia informatica per utenti finali e alla convergenza di piattaforme mobili e PC su più livelli. «Forme e dimensioni dei dispositivi sono convergenti» – fa notare Daniela Rao. «Gli smartphone stanno crescendo fino a raggiungere le dimensioni dei tablet, i tablet si stanno trasformando in strumenti full-computing, a loro volta PC e laptop si stanno evolvendo per assomigliare più a dispositivi mobili, con l’aumento delle parti rimovibili e la maggiore disponibilità dei modelli all-in-one. Mentre convergono gli ambienti di elaborazione degli utenti finali e di elaborazione dei computer, le aziende stanno anche implementando più tipi di dispositivi connessi che interagiranno con gli utenti finali in molti modi». Non solo. La tecnologia indossabile in azienda è molto promettente in una vasta gamma di settori, dall’accelerazione dei flussi di lavoro banali nella logistica al recupero dei dati dei pazienti a mani libere e alla chirurgia assistita da computer per i medici nelle sale operatorie connesse. «Anche i clienti nei negozi interagiscono con dispositivi e sistemi che riconoscono la posizione – spiega Daniela Rao – mentre le banali macchine aziendali dai registratori di cassa agli sportelli automatici ATM, persino le semplici clipboard si stanno trasformando digitalmente grazie a tecnologie connesse, tipo smartphone o tablet». E secondo Phil Hochmuth, direttore del programma Enterprise Mobility di IDC, la convergenza della gestione dell’ambiente di elaborazione degli utenti finali, combinata con il diluvio di dispositivi intelligenti e connessi, «determinerà una forte crescita nel mercato della gestione della mobilità aziendale nei prossimi cinque anni».

#Mobile #Analytics Convergenza dell’ambiente di elaborazione degli utenti finali. Aumento dei dispositivi intelligenti e connessi. Forte crescita nel mercato della gestione della mobilità aziendale – @phochmuth @IDCItaly
Click To Tweet

GLI ANALYTICS IN MOBILITÀ

Gli investimenti per la mobilità aziendale sono in crescita e di conseguenza il numero di dispositivi mobili, applicazioni, reti e utenti sta aumentando rapidamente. Man mano che la mobilità si evolve fino a diventare la principale interfaccia di operatività nelle aziende di tutto il mondo, si diffondono anche app più evolute per l’analisi dei dati, personalizzate su misura per qualsiasi funzione o ruolo di business, che vanno oltre la semplice mobile BI: funzionalità di pianificazione, analisi, simulazione e performance management sono ormai davvero possibili anche in mobilità. Però, se gli investimenti nel mobile sono in crescita, dobbiamo registrare – secondo i dati IDC – che nel 2017 l’adozione di soluzioni di mobile analytics tra le imprese statunitensi non è rientrata tra le priorità di spesa per la mobile IT. A fare da freno, due fattori principali: la mancanza di casi di utilizzo diffusi e soprattutto la difficoltà di calcolare un ROI tangibile per questi investimenti. La mobile analytics è ancora nella fase di “early adoption”, più indietro rispetto ad altre applicazioni mobile aziendali. Eppure, i vantaggi nell’utilizzo degli analytics in mobilità sono molti. Il principale beneficio è la possibilità di accesso immediato alle analisi interattive, che in certi ambiti può fare la differenza. Infatti, le soluzioni mobili di analisi dei dati possono essere utilizzate per adeguare immediatamente le strategie una volta analizzati i dati in tempo reale, così da poter prendere al volo decisioni migliori, avendo a disposizione tutte le informazioni critiche. Inoltre, se le applicazioni mobile sono dotate anche di funzioni transazionali e di scrittura, per aggiornare direttamente i record dei sistemi ERP e dei database operativi, possono davvero aumentare l’efficienza, accelerare i processi produttivi e incrementare la produttività. La mobile analytics incoraggia anche una maggiore collaborazione tra le persone che condividono gli obiettivi comuni aziendali. In questo modo, le singole azioni di ognuno diventano parte integrante di quel processo di azione più grande che è rappresentato dal conseguimento di un obiettivo aziendale. Investire in soluzioni di mobile analytics significa anche avere in dotazione strumenti potenti, tecnologicamente all’avanguardia, con un vantaggio tangibile per tutto il business aziendale, ottimizzando i flussi di lavoro e snellendo le reti aziendali. Inoltre, con questi strumenti è facile condividere le informazioni, e pubblicare snapshot di report su qualsiasi piattaforma social.

Realtà virtuale, realtà aumentata e intelligenza artificiale sono sicuramente ambiti importanti dello sviluppo del binomio #analytics e #mobile – Francesco Rainini @SASitaly
Click To Tweet

Realtà virtuale, realtà aumentata e intelligenza artificiale sono sicuramente ambiti importanti dello sviluppo del binomio analytics e mobile. «Sicuramente, tra i trend principali che stiamo vedendo sul mercato – spiega Francesco Rainini, innovation consultant di SAS – ci sono la realtà aumentata intelligente, ad esempio per le reti di manutenzione, con la possibilità di vedere oltre gli ostacoli fisici (sotto terra, tra i muri) con indicazione predittiva in tempo reale delle criticità; la pianificazione ottimizzata di un tragitto in funzione del contesto generale (scioperi, incidenti, interruzioni del servizio ferroviario, eventi); il supporto predittivo alle forze dell’ordine; la disposizione e lo spostamento in real-time dei servizi di sicurezza e staff durante eventi». Francesco Rainini, tra i vantaggi derivanti dall’implementazione di realtà virtuale, realtà aumentata e intelligenza artificiale, mette in evidenza «la velocità e la puntualità, l’efficienza operativa logistica, la riduzione dei costi, l’incremento dei livelli di servizio e l’incremento della customer satisfaction e della loyalty».

Parlando delle aree aziendali che possono avere i benefici maggiori, l’innovation consultant di SAS spiega che i vantaggi si riverberano su tutto l’ecosistema aziendale: la logistica, per «un efficientamento della catena logistica»; la manutenzione, per« la pianificazione predittiva di interventi sui macchinari»; la produzione, per «il risparmio dei costi e ottimizzazione della linea produttiva»; il marketing, per «la pianificazione di campagne e offerte personalizzate su ogni cliente; l’HR, per «l’incremento della sicurezza dei dipendenti». Ma c’è di più. I benefici non sono solo trasversali all’interno delle organizzazioni, ma sono anche cross-industry. Dal turismo alla pubblica amministrazione. Dal retail ai media. Dalla logistica alla manutenzione, passando per tutte le applicazioni di mobile marketing, fino ad arrivare al settore assicurativo – come ci spiega Francesco Rainini di SAS: «Octo Telematics ha più di 4,9 milioni di utenti connessi e il più grande database mondiale di dati telematici, con oltre 155 miliardi di miglia di dati di guida raccolti e 379mila incidenti analizzati. Grazie agli analytics, le compagnie assicurative possono intrattenere una relazione più proficua con i propri clienti. Possono premiare i comportamenti meno rischiosi e contenere i costi dei claim. Il cliente riceve vantaggi in termini di servizi, di assistenza e di riduzione delle tariffe». Le resistenze nell’adozione di queste soluzioni, secondo Rainini, derivano dalla reale fruibilità delle applicazioni. «Due sono i fattori determinanti. Il primo è il real-time: gli analytics devono erogare il loro beneficio in tempo reale, e l’utente deve poterli utilizzare nel momento esatto in cui ne ha necessità. Il secondo, la disponibilità: le applicazioni analitiche devono essere sempre disponibili così come il suo ecosistema».

#Mobile #Analytics Il riconoscimento automatico del danno automobilistico a seguito di sinistro, con conseguente stima in real-time dei costi di riparazione – Rocco Michele Lancellotti #DataReply
Click To Tweet

DUE PROGETTI PORTATI A TERMINE

Ci sono diversi progetti interessanti, anche di una certa complessità, basati su soluzioni di analytics in mobilità. Ne abbiamo scelti due. Ci racconta il primo Rocco Michele Lancellotti, data scientist di Data Reply. Si tratta di un progetto in corso nell’ambito dell’intelligence mobile assicurativa. Stiamo parlando del riconoscimento automatico del danno automobilistico a seguito di sinistro, con conseguente stima in real-time dei costi di riparazione associati. «Lo scopo – spiega Lancellotti – è quello di semplificare e velocizzare la richiesta di risarcimento danni, riducendo lo stress a cui è sottoposto l’assicurato e aumentandone così la customer satisfaction. D’altro canto, l’azienda assicuratrice riesce, a sua volta, a smaltire i costi associati all’intervento diretto del perito e alla gestione prolungata del processo di rimborso. È l’assicurato in prima persona che, previo login sull’app fornita dall’agenzia assicuratrice, scatta una foto del danno con il proprio smartphone e si vede recapitare in tempo reale la stima del costo di riparazione. Grazie all’utilizzo di avanzati algoritmi di computer vision è possibile localizzare il danno presente sull’automobile con un buon grado di accuratezza, e con algoritmi più classici di machine learning si riesce a stimare l’entità del risarcimento che ne deriva. Le moderne librerie software open-source, come per esempio TensorFlow, sono già predisposte al funzionamento su smart ed embedded device tramite app dedicate (sia su sistemi Android che iOS), abilitandoci all’utilizzo anywhere dell’intelligenza artificiale».

Il secondo progetto è stato sviluppato da una azienda no-profit. Le aziende profit oriented non sono le sole a perseguire un controllo di gestione efficace. Anche per le organizzazioni non profit, sono sempre più importanti una pianificazione finanziaria rigorosa e orientata al futuro, e un elevato controllo dei processi operativi, soprattutto in un settore caratterizzato da molteplicità di collaboratori e micro-team che lavorano in mobilità. BOARD, la piattaforma leader internazionale che unifica pianificazione, analisi e simulazione in un singolo ambiente, è stata scelta da MTF Biologics (www.mtfbiologics.org), protagonista trentennale dei servizi non profit e dell’innovazione scientifica nell’ambito dei tessuti cellulari per trapianti allogenici, con sede in New Jersey. Come racconta a Data Manager Leeza Mathews, IT MIS manager di MTF Biologics, BOARD rispondeva esattamente alle necessità di avere uno «strumento di business intelligence affidabile, con modalità chiare ed efficaci di presentazione delle informazioni critiche e significative». Infatti, l’organizzazione utilizza BOARD, oltre che per la pianificazione finanziaria, anche per applicazioni di advanced analytics e per le attività di reportistica commerciale e operativa. «Grazie a BOARD – aggiunge Leeza Mathews – riusciamo a monitorare in modo efficace le performance dei nostri team dislocati e prendere decisioni chiave per la nostra mission».

#Mobile #Analytics #IoT Una buona applicazione si appoggia su una architettura in #cloud e produce #BigData usati per migliorare la #userExperience – Mirko Menecali #SinfoOne
Click To Tweet

BIG DATA E SICUREZZA

La mobile analytics, per le dimensioni ridotte dei dispositivi utilizzati, richiede una chiara visualizzazione dei dati. Per poter analizzare e governare qualunque tipo di dati in mobilità, quindi, sono necessari strumenti che diano la giusta priorità anche all’estetica della visualizzazione, per rappresentare nel modo più semplice e comprensibile tutto quanto si desidera analizzare: flussi di dati tradizionali, flussi generati da sensori, RFID, dispositivi di controllo, anche i big data. Per Mirko Menecali, service line manager di Sinfo One, non si può più parlare di mobile escludendo cloud e big data. «Queste tecnologie sono diventate di uso comune e si amalgamano in applicazioni specifiche senza soluzione di continuità. Una buona applicazione mobile – afferma Menecali – si appoggia quasi sempre a una architettura in cloud e produce, grazie alla sensoristica dei dispositivi, big data in cloud usati per migliorare la user experience». Tale livello di integrazione è molto comune nelle applicazioni consumer: «Una banale applicazione di fitness gestisce informazioni tratte dal GPS e algoritmi in cloud ed è offerta all’utente per pochi euro» – fa notare Menecali. «Questa esperienza di navigazione, cui gli utenti sono ormai abituati, deve essere offerta anche dalle applicazioni business. Per esempio, da una mobile app per un agente di commercio ci si aspetta che capisca da sola quale cliente si sta visitando e proponga in automatico le informazioni cruciali necessarie all’incontro. Oppure, un manutentore di impianti può chiedere alla sua app di mostrare le prime dieci cause di fermo avute su quella linea specifica nell’ultimo trimestre». La cattiva notizia è che governare livelli di complessità tecnologica di questo tipo richiede un approccio strutturato e professionale ai progetti di analytics. «Ma la buona notizia – conclude Menecali di Sinfo One – è che oggi questo grado di integrazione si può ottenere grazie a soluzioni che sono implementabili senza ogni volta dover sviluppare complessi e costosi programmi custom».

La sicurezza dei dispositivi mobile è un argomento molto attuale, anche critico per certi versi, perché costringe l’IT a pensare non solo alle minacce ai sistemi aziendali relativi alle macchine presenti nel perimetro aziendale, ma anche a come risolvere il problema della protezione dei dati al di fuori dell’azienda. La necessità di visualizzare e analizzare dati, tabelle e grafici sui dispositivi portatili è una sfida per la diffusione delle soluzioni di mobile analytics in termini di sicurezza dei dati in tutti gli stadi del processo di analisi, in particolar modo nell’accesso ai dispositivi e durante la trasmissione bidirezionale dei dati. Un problema è legato ai dispositivi stessi, che possono essere di dotazione aziendale o scelti dai singoli, grazie alle politiche aziendali (BYOD), più o meno ufficiali, che permettono di portare i dispositivi personali sul posto di lavoro. In entrambi i casi, i device possono avere in dotazione app al di fuori del portafoglio consigliato dall’IT, magari anche non previste dalla policy aziendale. Sicuramente, i rischi vengono ridotti da misure quali l’autenticazione biometrica o la crittografia del dispositivo, da sistemi per filtrare le URL, da applicazioni Wrapping, che aggiungono livelli software per aumentare la sicurezza applicativa, senza apportare alcuna modifica alle applicazioni, da architetture server-side dove sono archiviati i dati, accessibili con infrastruttura Web tipo HTML5. Altre soluzioni utilizzate si basano sul controllo del flusso dei dati, tra un device mobile e l’altro e tra i device e le risorse aziendali di back end, o hanno un approccio di sicurezza multilivello, dove sono previsti controlli sia a livello applicativo, sia a livello di sistema operativo sia a livello di rete.

[amazon_link asins=’8891621854,3639775058,8857907716,8820379058,0470511397,8838663467,8838786925′ template=’ProductCarousel’ store=’dmo0e-21′ marketplace=’IT’ link_id=’bf24d4cc-33fb-11e8-8797-3723e265259c’]

L'articolo Analytics anywhere proviene da Data Manager Online.

Catturare le informazioni è fondamentale, ma il vero valore non risiede nella semplice raccolta, ma nella capacità di interpretare i dati per generare un valore reale per il business, come ci spiega Valter Cavallino, competence center manager information management di System Evolution, azienda di Kirey Group.  La competenza di System Evolution sta proprio nella capacità di trasformare i dati sfruttando strumenti in grado di dare loro forma e valore. Gli analytics consentono di costruire modelli capaci di descrivere la realtà, cogliendo i flussi dei processi interni ed esterni, per ottenere una comprensione reale e dinamica di ciò che accade e poter guardare al futuro con una capacità previsionale prima impensabile. Per le aziende questo si traduce nell’opportunità di anticipare le esigenze interne ed esterne, ridurre i rischi, accelerare il time-to-market dei prodotti, garantire processi affidabili ed essere maggiormente conformi alle normative. «Noi per primi – continua Valter Cavallino – abbiamo adottato gli analytics in azienda per gestire lo stato dei progetti, pianificando il lavoro dei consulenti e monitorando i processi in corso, per ottimizzare l’allocazione delle risorse e prevedere quali skill inserire in azienda in modo da affrontare eventuali picchi di richieste e cogliere meglio nuove opportunità di business». Grazie all’integrazione nei sistemi gestionali, questi strumenti si stanno ritagliando un ruolo molto importante all’interno delle aziende. Infatti, poter utilizzare gli analytics per analisi in tempo reale sul lavoro che si compie quotidianamente nelle organizzazioni garantisce ai processi decisionali analisi più rapide e più corrette, e facilita la definizione delle modifiche necessarie ai processi aziendali e ai modelli di business.

IL PUNTO DI VISTA DI IDC

Conferma Giancarlo Vercellino, research & consulting manager di IDC Italia: «L’impiego dei dati per la gestione dell’efficienza operativa sta diventando un tema centrale nello sviluppo dei sistemi informativi del settore manifatturiero, soprattutto in un momento in cui il comparto istituzionale pone con sempre maggiore insistenza, attraverso tanti bandi e misure di supporto agli investimenti, la necessità di sviluppare un piano strategico nazionale per l’Industry 4.0». Quando si guardano più nel dettaglio gli ambiti tecnologici di investimento – spiega Vercellino – si osserva come il tema dell’efficienza operativa indirizza «verso le piattaforme di analytics disponibili sul cloud (oltre la metà delle imprese nel sotto segmento), soluzioni di analytics specializzate nella gestione delle problematiche di supply chain (circa il 40%) e soluzioni avanzate di predictive analytics (circa il 20%)». Un tale pattern di investimento è tipico soprattutto delle aziende manifatturiere che hanno già intrapreso negli ultimi anni un percorso di digitalizzazione che le ha portate a consolidare le piattaforme di data management e la sicurezza dei sistemi informativi. Da alcune ricerche condotte da IDC in Italia emerge con chiarezza che le imprese del manifatturiero focalizzate sull’ottimizzazione e l’efficientamento dei processi produttivi hanno priorità IT chiare per il 2017: «In primo luogo, la necessità di sostenere l’innovazione aziendale IT-based (36%), a riprova del fatto che il senso di urgenza rispetto la tematica è ormai ampiamente avvertito in uno strato sempre più vasto del tessuto aziendale; seguono il tema dell’automazione dei processi (32%) e del rinnovamento delle infrastrutture (23%), che delineano, almeno in parte, le direttive strategiche fondamentali che tante imprese stanno intraprendendo in questi giorni».

#Analytics Quali sono le priorità di #CIO e #CMO per migliorare l’efficienza operativa?
Click To Tweet

VALORIZZARE I DATI FA BENE AL BUSINESS

Oggi, per restare competitivi, bisogna essere molto più veloci e flessibili rispetto al passato: l’analisi dei propri dati in tempo reale fa comprendere ancor prima le logiche e le dinamiche del proprio business, e facilita l’innovazione dei processi. I dati hanno un grande valore: se sono analizzati correttamente, le informazioni contenute possono portare realmente a incrementare profittabilità e competitività. Sembra un concetto ovvio – condivisibile da tutti – ma nella realtà, non è stato completamente assimilato. Infatti, non tutte le aziende analizzano veramente i propri dati per migliorare il proprio business, e questo è vero soprattutto nelle realtà più piccole che operano nel nostro Paese, anche se negli ultimi anni in questo settore di mercato si nota un aumento di interesse per queste tematiche. Questi strumenti non sono ancora tanto diffusi nonostante, secondo alcuni studi, le aziende che sanno valorizzare i propri dati fanno registrare margini lordi superiori rispetto a quelle che non lo fanno. Negli ultimi anni, pressate dalla crisi e dalle richieste dei clienti che chiedono una maggiore reattività nelle risposte, le aziende si sono dovute adeguare cambiando modelli operativi e di business, puntando in modo deciso su qualità, efficacia e tempestività. Grazie agli analytics, lo studio approfondito dei processi interni, delle relazioni con clienti e fornitori, della situazione finanziaria e dei magazzini, in molte realtà ha contribuito al taglio dei costi, al recupero dell’efficienza e a una migliore reattività rispetto alle richieste del mercato. Nelle realtà dove sono state compiute queste attività, gli analytics hanno permesso di passare indenni gli anni del non facile periodo economico.

Oggi – anche con una diversa e migliore congiuntura – il conto economico continua a beneficiarne. Questi strumenti stanno facilitando il miglioramento in tutta l’organizzazione. Per ottimizzare il sistema logistico in uscita, per esempio, si possono incrociare dati di consegna e di spedizione, informazioni sui veicoli e tragitti, dati presenti sull’ordine di acquisto, altri dati provenienti dai sensori presenti su pallet e container: i responsabili delle operations sono in grado di sapere esattamente non solo dove si trova una spedizione, ma anche le sue condizioni e le prestazioni del mezzo di trasporto. In più, possono fare analisi su profittabilità, percentuali di utilizzo, frequenze di spedizione e valutare quale dovrà essere la capacità per ogni linea, e con che frequenza. Analizzando i documenti (ordini d’acquisto e fatture ricevute da fornitori, ma anche ordini dei clienti, documenti di trasporto e fatture emesse) si possono trovare facilmente informazioni utili e indicazioni per migliorare efficienza operativa e margini. Analisi più approfondite su alcune informazioni di dettaglio contenute nei documenti – come orari di consegna, quantità e descrizione degli articoli consegnati, importi delle fatture, percorsi compiuti – evidenziano altre informazioni che danno nuove possibilità di migliorare l’efficienza. Un altro esempio è legato all’analisi delle stagionalità negli ordini: analizzare, quando sono disponibili, un adeguato numero di anni di dati storici, opportunamente pesati per evidenziare i trend, facilita la previsione dei volumi di domanda lungo l’anno, così che si possono adeguare produzione e livelli di scorte a quanto verrà richiesto. Questi sistemi sono anche usati per la valutazione dei fornitori, sia per l’analisi delle performance storiche, confrontate tra loro per avere una classifica per ogni tipologia di prodotto, sia per individuare in anticipo situazioni di potenziale anomalia o problema, così da porre in atto azioni correttive preventive. Altri esempi potrebbero essere fatti, perché tutti i processi aziendali, e le relazioni con il mondo esterno, possono essere rese più efficienti, in alcuni casi re-ingegnerizzati, grazie agli analytics.

UTILI PER INNOVARE

Le soluzioni analitiche innescano processi di innovazione volti al raggiungimento dell’eccellenza nelle prestazioni e all’acquisizione di vantaggio competitivo. A confermarlo è Stefania Donnabella, amministratore delegato di Cegeka. «Conoscere il cliente significa migliorare il servizio, aumentare l’efficienza, massimizzare le iniziative di cross selling e up selling, raffinare le azioni di vendita, contenere i costi. Anche il cliente trae benefici quando l’azienda conosce le sue abitudini, le sue preferenze. I benefici si traducono in soddisfazione, fiducia, valore concretamente percepibile. E dovremmo poi parlare di IoT e di quanti benefici e cambiamenti lo studio dei dati porta nei programmi di Industria 4.0» – spiega Stefania Donnabella. In tutti i casi, i benefici portati dallo sviluppo e dall’utilizzo di sistemi integrati con analytics sono evidenti anche per Francesco Stolfo, partner di ToolsGroup: «La nostra esperienza riguarda l’impatto degli analytics sullo studio della domanda in ogni settore. In particolare, mi riferisco all’impatto dei fattori esogeni (tempo meteorologico, andamenti macroeconomici…) ed endogeni (azioni promozionali dirette, advertising, nuovi prodotti…). Queste tecniche di analisi hanno effetti significativi a vari livelli. Prima di tutto, una migliore accuratezza delle previsioni (riduzione dell’errore di previsione). Gli analytics permettono di modellare più facilmente i fattori esogeni ed endogeni, e di conseguenza, la previsione è più accurata. Si ottiene anche una riduzione degli immobilizzi di capitale dovuti alla maggiore efficienza della pianificazione della supply chain. Poi, la riduzione delle voci di spesa dedicate alle attività di marketing grazie ad analisi più oggettive e mirate sugli effetti delle singole attività». Si tratta di un enorme contributo degli analytics nel rendere i processi di pianificazione e controllo sempre più automatizzati. «Con la raccolta dei numerosi dati correlati è possibile costruire modelli auto-adattativi capaci di governare, in automatico, complessi sistemi di produzione e di distribuzione: fino a poco tempo fa questo richiedeva numerosi addetti».

#Analytics Gestione della #supplychain e #predictiveanalytics, crescono gli investimenti
Click To Tweet

LA RISPOSTA A TANTE DOMANDE

Gli analytics permettono di rispondere alle tante domande che, ogni giorno, vengono fatte in milioni di aziende sparse nel mondo. La raccolta delle informazioni che formano i cosiddetti big data ha lo scopo di dare delle risposte. Per essere pratici – suggerisce Maurizio Manera, retail sales manager di Gruppo Sintesi – proviamo ad analizzare le domande del mercato del retail, quello più interessato a questa tematica. «Per i marketer ci sono diversi quesiti che vale la pena porsi, in primo luogo quello di misurare l’efficacia delle promozioni e delle pubblicità. Mutuando concetti tipici dell’e-commerce nascono altre due domande importanti. Quali prodotti i miei clienti tendono a comprare assieme? Quali opportunità di cross-selling o di up-selling? Il prezzo di vendita è un altro fattore. Quale è il prezzo che massimizza il profitto? Quanto influisce lo sconto sulla decisione dei consumatori? Queste domande non sono certo nuove, dov’è allora che gli analytics generano così tanto interesse? Nella velocità di risposta, nel livello di dettaglio e soprattutto nella possibilità di combinazione di più fonti di dati spesso indipendenti tra loro». La velocità apre due prospettive: «La più immediata è quella di una maggiore efficienza operativa, la seconda è quella di poter usare le informazioni in corso d’opera (la modifica di una campagna marketing quando ancora in essere). La tecnologia offre la possibilità di raccogliere informazioni in tempo reale. Per esempio, la posizione e la movimentazione dei prodotti può essere tracciata usando dei tag RFID che permettono di ottimizzare i processi di supply chain, la possibilità di fare l’inventario in tempo reale, di inviare informazioni agli assistenti alla vendita fino al check-out automatico. Il valore dei dati aumenta esponenzialmente correlandoli con quelli provenienti da altre fonti. Informazioni sui prodotti possono essere coniugate con quelle sui loro acquirenti». Il passo successivo è incrociare questi dati con altri provenienti dall’online (sito, navigazione in app, etc.). In conclusione, sono almeno due i livelli su cui si può operare – mette in evidenza Manera: «Il primo è l’aggregato di dati per estrarre informazioni a beneficio del retailer e rispondere in forma puntuale alle domande che avevamo visto all’inizio. Il secondo è il livello individuale per fornire al cliente un’esperienza coerente sia con le sue aspettative di marca, sia con la sua propensione di acquisto». È ovvio che per compiere analisi rapide e accurate, occorrono una precisa e completa raccolta dati, che comprenda anche fasi di pulizia e normalizzazione, e strumenti adeguati.

«Senza dati sei solo un’altra persona con un’opinione» – diceva Edward Deming. Per Alfieri Voltan, presidente di Siav – oggi, abbiamo il problema inverso. «Abbiamo così tanti dati che non siamo in grado di usarli per farci un’opinione, anche se sappiamo che sono enormi miniere di informazioni». Pensiamo a un caso concreto: «Purchase to pay, order to cash, sales opportunity, case management sono processi spesso “trascurati” rispetto alle attività core dell’azienda, e tendono ad accumulare inefficienze difficili da individuare, tanto che spesso si ricorre all’intervento di consulenti esterni per venirne a capo. Non sarebbe comodo avere degli strumenti per “misurare” questi processi? Capire come sono veramente fatti, come distribuiscono i carichi di lavoro, se presentano colli di bottiglia? O se siano in grado di anticipare situazioni critiche? Le tecniche di process mining servono proprio a rispondere a queste domande, e funzionano analizzando con algoritmi evoluti le numerose “tracce digitali” lasciate dai sistemi informatici utilizzati in questi processi. Siav studia da molti anni queste tecnologie, e ha realizzato BIPOD, il sistema di process mining che consente di avere una “radiografia” in tempo reale di cosa succede in azienda». Per gestire l’abbondanza di dati servono gli strumenti adatti. Ma occorrono anche le giuste competenze: know how tecnico, e nozioni di statistica, sociologia, metriche matematiche. Competenze trasversali, che sempre più spesso sono fornite da un team di specialisti che lavorano insieme, o dai chief data officer (CDO), nuove figure professionali sempre più ricercate dal mercato del lavoro.

I SETTORI PIÙ ATTIVI

Secondo Valter Cavallino di System Evolution, il settore che ha raggiunto una maturità maggiore è il finance, nello specifico, banche e assicurazioni. «Ma l’applicazione degli analytics cresce anche in altri mercati. E in modo trasversale, nel marketing, queste applicazioni sono sempre più avanzate e mettono in relazione dati provenienti da fonti eterogenee che comprendono anche i social network». Per Stefania Donnabella di Cegeka, i settori in assoluto più sensibili all’adozione degli analytics sono quelli che godono di una relazione diretta con il cliente consumatore finale (B2C). «Tali settori beneficiano di queste soluzioni garantendosi una completa visibilità delle caratteristiche e delle preferenze del consumatore, dei propri prodotti, delle propensioni verso le offerte future guadagnando così una maggiore efficienza delle strategie di marketing e dei canali distributivi. La continua comparazione tra presente e passato e la capacità di ottenere dai dati disponibili modelli di comportamento futuri consentono la massima ottimizzazione dei processi decisionali». Questi strumenti sono in grado di migliorare l’efficienza operativa in tutte le aree aziendali, come spiega Andrea Maderna, general manager di BOARD Italia: «Sia che si gestisca un progetto altamente innovativo, dove gli esiti non sono determinabili a priori, sia che si prenda in carico un progetto orientato al processo, dove le procedure e gli step sono ben definiti, la redditività del progetto sarà tanto più alta, quanto più l’organizzazione sarà in grado di creare il team più efficace ed efficiente, trovando il giusto equilibrio tra competenze, disponibilità nel tempo e carichi di lavoro. In questa dinamica, la business analytics gioca un ruolo fondamentale, soprattutto se applicata sulla stessa base di dati su cui viene effettuata la pianificazione operativa: dal budget dettagliato e allocazione dei costi alla pianificazione delle risorse e dei progetti, fino alla gestione delle risorse umane, inclusi i piani di assunzione e di riqualificazione. BOARD, software leader internazionale per il decision-making, utilizzato internamente anche da KPMG in sei paesi europei, ha permesso ad aziende di primo piano a livello mondiale di ottimizzare le risorse impiegate nei progetti dell’impresa e di minimizzare i costi, grazie all’unificazione di business intelligence, performance management e predictive analytics».

#IoT #industry40 Metti la potenza degli #analytics nel motore del tuo #business
Click To Tweet

DUE CASI DI SUCCESSO

Angelo Tenconi, analytics technology director di SAS, descrive un interessante progetto concluso con successo da Munksjö Group, una delle più grandi multinazionali della carta. «Munksjö Group ha scelto soluzioni di business intelligence nell’ambito del replacement dei propri sistemi ERP e dell’implementazione di un sistema unico di reporting condiviso a livello di gruppo. Munksjö Group ha avviato un piano di replacement per rinnovare i propri sistemi ERP e armonizzare il panorama informatico in tutti gli impianti di produzione e per l’implementazione di un sistema unico di reporting condiviso a livello di gruppo. Il rollout dei nuovi sistemi ERP avrà luogo a medio termine e l’implementazione di SAS Visual Analytics, anche per le unità non ancora incluse nel programma di sostituzione, rappresenta la possibilità per raggiungere il livello di armonizzazione già nel breve termine. Il primo passo è stato quello di fornire il supporto completo di BI alle unità in cui sono installati i sistemi di ERP, nella seconda fase, sono stati raccolti i dati da alcune aree selezionate del gruppo. L’aspetto più sfidante della prima fase è stato l’approccio al monitoraggio del processo di produzione della carta attivo 24 ore su 24, 7 giorni su 7, che presentava caratteristiche specifiche del settore come il risparmio di tempo, di costi e la redditività dei prodotti. La seconda fase ha l’obiettivo di armonizzare i dati provenienti da sistemi non omogenei».

Racconta un altro interessante progetto Fabio Ardossi, associate partner di Data Reply: «Una grossa realtà operante nella GDO, con 60mila dipendenti, aveva la necessità di ridurre il tempo di giacenza dei prodotti. Questa esigenza ha portato alla scelta di implementare una piattaforma digitale data-driven per ottimizzare la gestione dello stock. Come integrare le informazioni dei singoli punti vendita con l’area logistica? E come integrare informazioni di magazzino, di riempimento scaffali e delle vendite? La soluzione è stata implementare una piattaforma che accentrasse i dati delle piattaforme coinvolte nel processo di approvvigionamento – dalla fase di sell-in alla fase di sell-out, comprendendo le aree di logistica e magazzino. Ai dati tradizionali di prodotto che comprendevano eventuali indicatori stagionali, sono stati correlati i dati di scontrinato e in particolare i dati della posizione del prodotto sullo scaffale. La sfida è stata quindi quella di trasformare “l’algoritmo previsionale umano”, basato principalmente sul know-how degli esperti di prodotto, in un sistema che apprendesse autonomamente la movimentazione dei prodotti giornalmente e ne suggerisse la migliore previsione di approvvigionamento. I principali obiettivi raggiunti sono stati tre: ridotto il numero di giorni di giacenza dei prodotti sullo scaffale, riduzione dei costi di gestione di stoccaggio in magazzino e migliore gestione degli spazi sullo scaffale».

L'articolo Metti la potenza degli analytics nel motore del tuo business proviene da Data Manager Online.

Tra le sfide che devono affrontare oggi le aziende, una delle più importanti è riuscire a vendere i propri prodotti e servizi a clienti che sono sempre più informati, e quindi sempre più esigenti, e meno fedeli. Clienti che, negli anni, si sono sempre più digitalizzati, e quindi sono in grado di accedere facilmente al web e alle informazioni relative ai prodotti e al brand, individuando in un click offerte e promozioni, e confrontando al tempo stesso esperienze e opinioni di altri utenti. Secondo una recente indagine del Censis, sono oltre 30 milioni gli italiani che leggono abitualmente giudizi relativi ai prodotti presenti su social network e blog, e più di 6 milioni quelli che pubblicano post raccontando le proprie esperienze commerciali, in rete o in punti vendita fisici.

CUSTOMER INTELLIGENCE

Per analizzare al meglio tutte le informazioni legate ai clienti, ai loro acquisti e ai loro comportamenti, sono necessari – anzi ormai indispensabili – strumenti avanzati per la customer intelligence, senza i quali non è possibile avere le informazioni utili al proprio business. La tecnologia ha cambiato la relazione con i propri clienti. La customer intelligence, infatti, permette di costruire interazioni con i propri clienti basate sugli insight raccolti dai Big Data e dalla loro analisi. Le esperienze dei clienti sono tenute continuamente aggiornate, collezionando tutte le informazioni dai vari touch point: grazie alla customer intelligence, si riesce a misurare la customer experience su tutti i canali dell’azienda, e si possono collegare le strategie orientate al cliente agli obiettivi di business. Approfondire la conoscenza dei clienti significa comprenderne attitudini, preferenze, abitudini di acquisto e relazioni sociali, ma anche trovare il canale più adatto per comunicare con loro, utilizzando messaggi personalizzati, prevedendone il comportamento, e creando offerte personalizzate che favoriscono il business e fidelizzano i clienti. Sfruttando questi strumenti, le attività di marketing sono molto semplificate, e più efficaci: da un lato tutti i processi sono ottimizzati, e i costi di marketing e delle campagne significativamente ridotti, dall’altro i propri prodotti sono posizionati meglio e più rapidamente sul mercato.

#CustomerIntelligence Giancarlo Vercellino: Andare oltre gli slogan @IDCItaly
Click To Tweet

Inoltre, si può facilmente segmentare la clientela per indirizzare una strategia commerciale e di servizio personalizzata, anche in tempo reale, e generare così un più alto ritorno sugli investimenti di marketing e sulle promozioni. Non solo. Reagire subito e in modo appropriato ai cambiamenti nel comportamento dei clienti, in particolare per anticipare i rischi di abbandono, significa aumentare l’efficacia della forza vendita, identificando i prospect più qualificati, e risolvere i problemi dei clienti in maniera più efficiente, rendendo più informato il proprio customer service. In sintesi, gli advanced analytics in questo campo permettono di conoscere i propri clienti nel modo migliore possibile e di anticipare le prossime mosse di ogni cliente, prendendo decisioni basate su dati più intelligenti. Grazie al rapido ritorno degli investimenti, e alla loro provata efficacia, questi strumenti sono usati in tutti i settori di mercato. Il mercato della customer intelligence ha ormai raggiunto una dimensione importante, e una previsione di crescita notevole. Secondo dati di IDC, soltanto nel retail, uno dei settori di maggiore importanza per queste soluzioni, il mercato delle tecnologie di customer analytics nell’Europa Occidentale, comprendente software, hardware e servizi, si attesta a quasi 340 milioni di euro, e raggiungerà 450 milioni nel 2020.

ANDARE OLTRE GLI SLOGAN

Secondo Giancarlo Vercellino, research & consulting manager di IDC Italia, le soluzioni di customer intelligence sono da sempre strettamente integrate in sistemi informativi di front-end, in modo particolare nelle piattaforme di CRM oppure di customer experience. Però è ragionevole immaginare che avranno sempre più una valenza autonoma e disgiunta da qualsiasi applicativo aziendale più o meno canonico e tradizionale. «Dipende tutto dalla destinazione d’uso dei dati e da quanto i processi stanno evolvendo da uno scenario role-based a uno scenario data-driven, dando quindi sempre più spazio a logiche di automazione intelligente attraverso il machine learning» – spiega Vercellino. «Parlare di benefici in senso assoluto, tout-court, senza contestualizzare l’impiego dei dati in processi definiti ci aiuta soltanto in parte a capire i benefici sostanziali, andando oltre slogan più semplici che possiamo leggere in qualche brochure o in qualche presentazione. Considerata la velocità con la quale sta cambiando la società, capire quali sono i bisogni, sempre più variabili, volatili e sofisticati, del cliente digitale – sia consumer che business – rappresenta il vero fondamento per le attività di customer intelligence, al di là di quali siano i modelli e i paradigmi tecnologici che si intendono impiegare».

Secondo Alfieri Voltan, presidente di Siav, un ambito strategico per la customer intelligence è quello della business process intelligence e del process mining, «per tenere sotto controllo i processi interni ed esterni legati alle relazioni con il cliente, ricostruendoli e misurandoli in modo oggettivo a partire dai dati contenuti nei sistemi informativi di customer relationship management». Per la gestione delle relazioni e delle interazioni in tempo reale su canali fisici e digitali, la soluzione SAS di customer intelligence si colloca nell’area CRM/Campaign, integrandosi con ogni altro tipo di applicazione (CRM, Casse, Commerce, Loyalty…). Da un punto di vista organizzativo, si posiziona nel marketing strategico e operativo, sales e customer service e permette – come ci spiega Max Ardigò, customer intelligence solution consultant – di analizzare mercato di riferimento, definire segmenti, prodotti, offerte, valutare performance, consentendo di definire e ottimizzare le strategie omnicanale. «I motori analitici alla base sono la chiave per interagire nel momento e nel canale preferito dal cliente con la migliore azione o offerta. SAS Customer Intelligence si integra con i sistemi per business analyst e data scientist, e chi studia e produce modelli analitici può capire meglio come verranno utilizzati a regime, accorciando la distanza culturale con gli utenti di business. Ma anche con soluzioni di Credit Risk & Fraud Management: gestendo decine di migliaia di interazioni in tempo reale sincronizzate tra canali fisici e digitali, è fondamentale non sbagliare, specialmente nella gestione del rischio e del credito. E infine Streaming Analytics, IoT, AI e Machine Learning: attività omnicanale che interagiscono con ogni persona o cosa producono dati da cui estrarre valore e imparare».

#CustomerIntelligence Voltan: Processi e Relazioni con il cliente sotto controllo @SiavItalia
Click To Tweet

DIFFICOLTÀ E BENEFICI

Un aspetto che viene ampiamente segnalato da tanti CMO durante l’implementazione di progetti di customer intelligence è il tema dell’information hoarding, che porta necessariamente a un fenomeno molto simile ai silos che si osservano sempre facilmente nell’IT, ma inedito nell’ambito della funzione marketing. «La questione – spiega Vercellino di IDC Italia – deriva in parte dalla natura intrinseca di molti progetti IT, che oggi forse più che in passato assumono valenze sempre più ampie e generali, e quindi tendono a travalicare qualsiasi confine organizzativo. In modo particolare, i progetti che mettono al centro i dati e gli analytics mostrano più di altri l’inevitabile tendenza a estendere “organicamente” la propria portata quasi a 360 gradi. Però forse sussistono anche altri fattori che sono più “endemici”, in altre parole, più strettamente caratteristici dei processi marketing & sales e più in generale dei processi di front-end, che confrontandosi con la variabilità dell’ambiente esterno all’organizzazione generano una notevole eterogeneità di informazioni, e soprattutto, di competenze, non soltanto tacitamente presenti nella testa delle persone, ma altrettanto innestate dentro processi secondari, pratiche informali ed eccezioni. Sotto questo specifico punto di vista, che rappresenta soltanto un aspetto ricorrente fra tanti progetti, è importante sottolineare che i progetti di customer intelligence portano spesso il risultato inatteso di evidenziare il disallineamento tra processi formali e processi sostanziali, e quindi, conseguentemente, possono dare l’avvio non soltanto a importanti passi di standardizzazione delle attività, ma soprattutto a una revisione e, potenzialmente, una trasformazione più o meno significativa del modo di confrontarsi con i clienti». Tra le attività da compiere per ottenere un’implementazione di successo, occorre innanzitutto stabilire una data governance completa, per proteggere i dati sensibili, è necessario poi sviluppare gli analytics in modo che la customer intelligence sia facilmente accessibile, immediata e condivisa, e dimensionare la potenza di analisi per definire le giuste offerte di up e cross-selling. Nello sviluppo del progetto, bisogna far sì che gli analytics permettano di elaborare rapidamente i dati dei clienti per personalizzare le interazioni con ogni cliente, e di ottimizzare le operazioni rivolte ai clienti stessi.

CUSTOMER JOURNEY IN TRE PASSI

Centrale, nei progetti di customer intelligence, è il concetto di customer journey, che può essere definito come l’itinerario che ciascun utente percorre dal primo contatto con un’azienda su un qualunque canale, online o offline, fino alla decisione di acquisto (o di non acquisto). Conoscendo il momento e il canale esatto in cui avviene il primo contatto con il cliente, e la successiva rotta che viene compiuta, ogni azienda è in grado di ottimizzare gli investimenti di marketing, ma anche di interpretare i bisogni dei propri clienti, e di riuscire addirittura ad anticiparli. Il profilo storico di un cliente viene integrato in tempo reale con i dati comportamentali del “customer journey”, arricchendolo di informazioni utili per un’approfondita analisi, che non può essere fatta con strumenti di query e reporting ma con gli analytics. I punti di contatto di un cliente con un’azienda sono molteplici, possono essere canali sia digitali (siti web, campagne di social media marketing, advertising digitali, campagne di direct email marketing) sia fisici (radio, tv, eventi, negozi fisici, call center). Gli utenti hanno numerosi strumenti per effettuare la propria scelta: pc, smartphone, tablet, ogni genere di device wearable, smart tv. Il confine tra interazioni online e offline è molto labile, tanto che gli esperti di marketing devono essere in grado di gestire le diverse esperienze in modo uniforme, senza distinguere se l’interazione è stata compiuta con dispositivi mobili, via web o nei negozi.

«Alla base di una strategia di marketing guidata dai dati ci sono 3 passi» – spiega Max Ardigò di SAS. «Listen, understand e act. Il customer journey è un susseguirsi di momenti di relazione, attraverso il mondo fisico e digitale, che deve essere sempre ottimizzato (Ascolto). I dati lasciati dal cliente vanno analizzati (Comprensione) e dopo aver ascoltato e capito l’esigenza del cliente è necessario restituire un riscontro personalizzato in real-time (Azione). Non bisogna però dimenticare che, in questa trasformazione verso il digitale, restiamo persone fisiche, che interagiscono in un mondo fisico. Il customer journey deve essere realmente omnicanale e le aziende devono essere pronte a sostenere una relazione omnicanale con il cliente». Ma per essere guidati dai dati – aggiunge Alfieri Voltan di Siav – «occorre affidarsi a strumenti di process discovery e performance analysis in grado, a partire dalle entry presenti in un database che supporta un sistema informativo, di effettuare la scoperta automatica dello schema di processo sottostante, su cui proiettare metriche di frequenza e performance. Questi strumenti consentono di disegnare in automatico, misurare e valutare i processi di supporto e di risposta al cliente, i tempi di percorrenza e le eventuali criticità rispetto ai quali ridefinire le regole di pianificazione delle attività».

#CustomerIntelligence @ARDIGO Listen, Understand, Act @SASitaly
Click To Tweet

TRE CASI UTENTE

Vediamo, per finire, tre aziende che hanno implementato soluzioni di customer intelligence. Il primo caso ci viene descritto da Max Ardigò di SAS. Vodafone Italia si è dotata, in partnership con SAS, di una soluzione di customer intelligence per l’omnichannel journey analytics, che aiuta a effettuare analisi di varia complessità sulla base clienti: «Per nuove offerte commerciali, promuovere iniziative mirate, attuare campagne e monitorarne l’esecuzione in termini di attribuzione e redemption. L’azienda – spiega Ardigò – è riuscita a migliorare il processo end-to-end delle interazioni, con particolare focus sull’ottimizzazione del self service e sulla valorizzazione dei risultati. Grazie alla omnichannel journey analytics, Vodafone Italia legge con precisione i possibili customer journey per identificare potenziali problemi e ottimizzare l’esperienza su tutti i touch point». Il secondo caso utente ci viene raccontato da Alfieri Voltan di Siav, e riguarda l’utilizzo di tutte le attività di CRM legate al cliente: «Customer care, ticketing, sales opportunity management. Tali attività si basano sulla registrazione di una grande quantità di informazioni sia descrittive sia temporali, che molto spesso sono sfruttate solo in minima parte e in maniera slegata tra di loro. Utilizzare queste informazioni, con adeguati algoritmi, per ricostruire quali siano i processi sottesi, consente di fornire dei modelli che possono essere utilizzati al fine di ottimizzare le dinamiche e prevedere gli esiti».

Infine, Mauro Bertoletti, sales director di BOARD Italia ci presenta la terza soluzione di customer intelligence applicata a un’azienda specializzata in soluzioni per la gestione del calore e nella progettazione di sistemi di scambio termico e componentistica di alta qualità. «Fondata nel 1916 negli Stati Uniti, Modine è un’impresa estesa a livello mondiale, con un fatturato annuo di 1,9 miliardi di dollari e quotata alla Borsa Valori di New York. Modine utilizza BOARD come piattaforma strategica di business intelligence per Modine CIS, la divisione dedicata alle soluzioni “coils & coolers”. Riconosciuto come riferimento chiave da tutte le funzioni aziendali – continua Bertoletti – BOARD si è dimostrato negli anni un aiuto fondamentale per la continua espansione del Gruppo, supportando la rapida integrazione di nuovi siti, grazie soprattutto alle sue capacità di rapida standardizzazione dei dati provenienti da diverse fonti e sistemi informativi, così da renderli confrontabili tra loro. BOARD è infatti utilizzato come soluzione BI non solo nell’area sales & marketing, ma in tutte le principali aree dell’organizzazione. Secondo Daniele Di Lorenzo, business intelligence application lead di Modine, infatti, BOARD «permette a Modine CIS di affrontare in modo efficace le sfide dell’integrazione globale, fornendo un valore aggiunto tangibile a tutti i processi dell’organizzazione».

#CustomerIntelligence Mauro Bertoletti: Integrazione e Standardizzazione @BOARDSoftware
Click To Tweet

L'articolo Customer journey, per conoscere i clienti ci vuole intelligence proviene da Data Manager Online.

Gli analisti di IDC sono tornati sul tema dell’innovazione del commercio al minuto con l’edizione 2017 del Retail Summit, un evento – ricorda in apertura Andrea Sangalli Associate Research Director, IDC Retail Insights – di respiro europeo che ha celebrato la sua tappa italiana a Milano, con una breve rassegna di case studies e l’intervento di alcuni provider tecnologici. Al centro della discussione, i progetti e le strategie di innovazione che i retailer, specie quelli più tradizionali, stanno implementando per colmare il divario tra fisico e virtuale e approdare definitivamente nell’era del cosiddetto “info-commerce”, il commercio sulla Terza Piattaforma.

Più che di cambiamento Ivano Ortis, Vice President, Retail, Manufacturing and Financial Insights IDC, preferisce parlare di “punto di singolarità”. A livello globale tutto il settore retail è soggetto a una ondata senza precedenti di consolidamento. «Il valore complessivo dei contratti di merger&acquisition negli ultimi 12 mesi è di 17 miliardi di dollari, senza contare fenomeni recenti come l’acquisizione di Whole Food da parte di Amazon, che vuole sborsare quasi 14 miliardi per la catena di supermercati» (un’offerta che secondo alcune fonti sarebbe stata subito rilanciata da Wal-Mart). Ma i cambiamenti, aggiunge Ortis, riguardano anche il lato della domanda. «La fascia dei consumatori più giovani avrà sempre meno disponibilità di spesa, se è vero che da qui a cinque anni, il 95% degli under 30 non potrà spendere più di duemila dollari all’anno. Velocità, capacità di insight e agilità saranno tre fattori determinanti per i retailer.»

Ortis ha proseguito la sua presentazione presentando i risultati delle indagini che IDC ha effettuato nei principali mercati di Europa e Nord America. «Il tradizionale sistema della segmentazione statica del cliente, quella che per decenni si è basata su una decina di tipologie di acquirenti, è ormai tramontato,» ha detto l’analista. Al suo posto le grandi catene si affidano sempre più a una segmentazione dinamica, avvicinandosi progressivamente a un grado di personalizzazione crescente, con concetti come la dynamic “persona” (il “personaggio” interpretato dall’acquirente) o all’ancora più evoluto concetto di real time autonomic individual. «Quel che conta davvero – ha però precisato Ortis, non è l’execution dei processi di trasformazione ma la strategia complessiva che vi sottende e in questo senso le aziende stanno procedendo ancora in modo troppo opportunistico, “by product”.» Per tutti lo scopo dev’essere quello di dotarsi di una piattaforma di customer experience il più possibile unificata, capace di presidiare una pluralità di touchpoint e canali di relazione.

Come saranno fatte queste piattaforme nel prossimo decennio? «Al centro di questo sistema IDC colloca idealmente un motore di ecommerce multicanale. Una componente fondamentale alimentata da questo motore sarà il sistema che gestisce l’omnichannel experience, i contenuti proposti, la catena di fullfillment. Ai due lati della piattaforma, i sistemi di back e front-end, anche se nel contesto attuale la distinzione perde gradualmente di significato e tutto intorno una solida data foundation.»

Ortis ha accennato anche ai modelli di innovazione adottati, individuando una sostanziale parità tra aziende che perseguono un rinnovamento contestuale, interno al proprio modello di business; coloro che invece puntano a modelli completamente disruptive, del tutto estranei al loro passato; e un ulteriore “terzo” rappresentato da un tipo di innovazione partecipata, “di ecosistema.” Su tutti questi modelli domina comunque una forte attenzione al dato e una definitiva affermazione delle tecniche di intelligenza artificiale: oltre il 54% dei retailer intervistati ritiene che l’AI sia la chiave di un commercio in grado di cogliere in tempo reale i bisogni del cliente e di dare risposte sensate a tali bisogni.

Nella parte di summit che ha preceduto gli interventi dedicati all’offerta tecnologica, Ortis ha discusso insieme a Gigliola Pirovano, CIO di Conad, il progetto di trasformazione digitale che la catena nazionale di tremila punti vendita (per 12 miliardi di euro di fatturato) sta portando avanti in questi mesi. «Anche per i consumatori che entrano nei nostri supermercati il modo di fare acquisti sta cambiando radicalmente, con una crescente integrazione tra fisico e digitale – ha precisato Pirovano. Per Conad “digitalizzare” significa estendere, ampliare il servizio rappresentato un tempo dal solo punto vendita, tutto il customer journey deve essere ripensato e organizzato strategicamente, evidando però il puro “wow effect” della tecnologia, ma seguendo una nuova cultura dell’innovazione che ha nei dati la sua centralità.» Tale centralità è rappresentata da un sistema di Master data management aperto all’ecosistema dei fornitori, in cui secondo Pirovano verrà concentrato l’intero patrimonio informativo (prezzi, ingredienti, valori nutritivi, suggerimenti di cottura e così via) associato a ogni singolo prodotto venduto. Di particolare interesse è l’approccio organizzativo che Conad sta seguendo per questo progetto, che prevede anche una fase di approfondito contatto diretto con i fornitori e con la clientela, attraverso presentazioni e veri e proprio workshop. Le due figure più importanti della sala regia del progetto riguardano una funzione di demand management e data management, non legata all’IT bensì al business, e un responsabile della digital delivery che assicura la capacità di affiancare  alla tradizionale gestione dell’infrastruttura un approccio agile, aperto alla prototipizzazione dei nuovi concept.

Le videointerviste ai protagonisti

Videointervista a Stefano Brioschi, Product Manager, Aruba HPE

Videointervista a Stefano Brioschi, Aruba HPE
Click To Tweet

Videointervista a Rodolfo Rotondo, Business Solutions Strategist, VMware

Videointervista a Rodolfo Rotondo, VMware
Click To Tweet

Videointervista a Fabio Lovesio, Retail Industry Manager, BOARD

Videointervista a Fabio Lovesio, BOARD
Click To Tweet

L'articolo Il cliente ha mille ragioni proviene da Data Manager Online.

Grazie allo sviluppo del digitale, con la crescente quantità di dati a disposizione, gli analytics si sono ritagliati un ruolo fondamentale per supportare il business aziendale. I classici strumenti di business intelligence (BI) hanno facilitato la nascita della cultura di navigazione dei dati: questi tool, però, sono in grado di fornire una visione storica, che consente soltanto una valutazione a consuntivo di quanto accaduto nel passato, o quello che sta accadendo ora. Negli anni, l’evoluzione della tecnologia ha reso disponibili strumenti in grado di compiere analisi previsionali, per anticipare gli eventi e ottenere un vantaggio competitivo di business, estraendo, dalla mole di dati disponibili, informazioni e relazioni non note a priori.

In questo modo è possibile scoprire informazioni, trend o comportamenti che possono contribuire a migliorare l’esperienza dei clienti, prevedere gli andamenti del mercato e ottimizzare il business. Questi tool, che hanno capacità predittiva, sono definiti predictive analytics, e sono la naturale evoluzione dei sistemi di business intelligence: chi ha già adottato un sistema di BI è in grado di comprendere le potenzialità offerte dall’implementazione di tali tecniche, e può sfruttare la base dati già predisposta per la BI come base di partenza per elaborare modelli predittivi. Un’ulteriore evoluzione è rappresentata dai prescriptive analytics: i modelli predittivi ci dicono cosa è probabile che avvenga, mentre i modelli prescrittivi forniscono vere e proprie regole immediatamente utilizzabili per intraprendere azioni direttamente applicabili al business. Questi strumenti, ancora poco utilizzati, integrano modelli predittivi, regole localizzate e tecniche di scoring, e consentono ai decision maker di intraprendere azioni immediate, basate su previsioni probabilistiche e su regole chiare. Inoltre, sono in grado di spiegare le motivazioni di un certo evento, e analizzano i feedback dell’utilizzo delle regole, per tener conto delle azioni intraprese e dei loro effetti.

#Advanced e #PredictiveAnalytics Evoluzione della business intelligence
Click To Tweet

«Le soluzioni di prescriptive analytics sono ancora in una fase di adozione molto embrionale sul mercato italiano» – spiega Andrea Alfieri, head of marketing di BOARD International. «Con l’esclusione di alcuni specifici settori, i predictive analytics non sono stati ancora introdotti come pilastro delle strategie di business intelligence e decision-making. Infatti, nella realtà di tutti i giorni, le enormi potenzialità dei predictive analytics – su cui si dovrebbero basare poi gli algoritmi dell’analisi prescrittiva – rimangono ancora abbastanza slegate dal contesto reale del business. La comprensione degli algoritmi statistici è di solito appannaggio di un ristretto gruppo di data scientist, ai quali però manca la visione completa delle reali criticità e opportunità del mercato. Il data scientist elabora modelli matematici di altissimo livello. Ma questi poi spesso non sono comprensibili o non riflettono le esigenze dei decision maker aziendali. Per questa ragione BOARD ha scelto una via totalmente diversa dalle soluzioni tradizionali, cercando di rendere direttamente fruibili dai business user i vantaggi dei predictive analytics, senza la necessità di avere una conoscenza statistica/matematica di alto livello».

Dove si usano i Predictive Analytics

Secondo Nicola Mazzariello, Project & Solutions, director di Par-tec, gli strumenti di predictive analytics possono essere utilizzati in qualsiasi settore economico, per risolvere molteplici problemi di business. «In generale, in tutti i casi in cui si voglia comprendere dei fenomeni per migliorare i processi e le strategie aziendali. Le applicazioni spaziano dall’ambito finanziario (rischio di credito, market abuse detection, antifrode…), alla customer retention, passando per l’ottimizzazione dei contact center e la previsione di successo nella riabilitazione sportiva». E come conferma Rocco Michele Lancellotti, consultant di Data Reply, soluzioni di predictive e prescriptive analytics «sono diffuse nei settori bank e insurance, retail, automotive, manufacturing, energy e utility».  Queste soluzioni, come chiarisce Alessandro Rezzani, CEO di Dataskills, sono applicabili a qualsiasi settore economico e – all’interno di ciascun settore – a una serie di attività molto ampie, per esempio, la churn analysis. Un’altra attività che trova un supporto molto importante nelle tecniche predittive e prescrittive è «la fraud detection che, nel settore finance, consiste nell’identificazione tempestiva di transazioni eseguite con carte di credito rubate, mentre per l’insurance ha l’obiettivo di identificare i sinistri fraudolenti. Passando al settore industriale e alle utility, esistono numerose applicazioni finalizzate alla manutenzione preventiva, cioè realizzata prima che accada un guasto o un evento imprevisto. Infine, nel settore del commercio, la previsione della domanda oppure la realizzazione di campagne di vendita mirate costituiscono altri impieghi delle tecniche predittive e prescrittive».

Insomma, le applicazioni sono molteplici. Aiutano a creare logiche enterprise nei processi decisionali aziendali e come spiega Maria Cristina Conti, senior analytics manager, Global Practice di SAS «permettono di risolvere problemi di marketing per conoscere meglio i clienti e il loro customer journey, o problemi legati ai processi produttivi (attraverso logiche di predictive maintenance), arricchendo le analisi su dati del mondo IoT. Portano all’individuazione di pattern nascosti, sfruttando dati provenienti da fonti diverse per prendere decisioni efficaci». Secondo Mauro Tuvo, principal consultant Information Management di System Evolution, nei settori Banking e Insurance, la maggior parte delle soluzioni basate su tecniche e strumenti di advanced analytics «è finalizzata alla gestione di tematiche di vendite e marketing (per esempio, la determinazione del next-product-to-buy) o di risk management in senso ampio». Si passa dalla gestione della retention (valutazione dell’attrition rate e riduzione dei rischi di churn) alla valutazione dei rischi operativi (analisi di scenari) e di credito (modelli di dynamic scoring a supporto di interventi di ristrutturazione proattiva dei crediti), fino al fraud management. «Allo stato attuale – continua Tuvo – vediamo un maggiore interesse verso strumenti di predictive analytics, mentre la diffusione di soluzioni prescriptive, per lo meno nel mercato italiano, ci sembra ancora limitata».

Lo scenario di mercato

I maggiori protagonisti dell’Enterprise Software sono già attivi da anni nel mercato dei predictive analytics, a conferma delle sue prospettive. Si trovano anche buoni software open source. Il mercato è molto dinamico: le recenti versioni dei tool sono basate su soluzioni cloud e sono integrate con sistemi di gestione Big Data. Secondo Fabio Rizzotto, senior research and consulting director di IDC Italia, le soluzioni di advanced e predictive analytics sono parte di un più ampio mercato definito come Business Analytics Technology e Services. Nel complesso, secondo IDC per questo settore è prevista una crescita a un CAGR del 11% nel periodo 2015-2020, con 210,54 miliardi di dollari nel 2020. Il sottosegmento advanced e predictive analytics (“APA” secondo IDC) è in crescita all’interno di questo mercato, guidato dall’effetto “digitization of everything”, dall’incremento delle iniziative Big Data, dalla crescente domanda di capacità self service e dalla fede nella superiorità del processo decisionale data-driven. L’evoluzione del mercato di strumenti e servizi di APA sarà nel contesto della cosiddetta “shifting economics”, in cui le organizzazioni devono gestire informazioni e dati tra le attività a valore aggiunto. Nel mondo digitale, le informazioni e i dati sono disponibili in “abbondanza”.

Secondo IDC la raccolta di ulteriori dati non rappresenta un valore: più una risorsa digitale viene “usata” per migliorare l’esperienza, fornire insight, influenzare decisioni, e impostare direzioni, più preziosa diventa. Non tutti i clienti stanno attivamente utilizzando soluzioni di predictive analytics, ma questi strumenti sono in cima alle priorità per la maggior parte degli acquirenti: IDC prevede che l’adozione di queste soluzioni diventerà pervasiva nel prossimo futuro. La promessa che predictive analytics, tecnologie cognitive e intelligenza artificiale forniscano consigli e assistenza sia ai knowledge worker sia ai clienti sta alimentando gli investimenti in queste tecnologie, e in tutto quanto connesso: nei servizi, nelle infrastrutture, e nei dati stessi. In una recente Survey, IDC conferma che la tecnologia degli APA diventa più ampiamente usata a mano a mano che le aziende sono sempre più data-driven. L’indagine mostra che circa il 75% degli intervistati ha indicato che gli analisti e i data scientist sono impegnati in una buona collaborazione sia con le Linee di Business sia con l’IT, anche se alcune lacune esistono nella possibilità di sfruttare l’utilizzo delle analisi avanzate come un vero e proprio valore per il processo decisionale. L’ambiente competitivo nell’era digitale di oggi richiede accesso veloce e affidabile a una vasta gamma di applicazioni, servizi di business e fonti di dati distribuiti su diverse piattaforme: ambienti altamente virtualizzati e cloud privati, pubblici e ibridi. «Sempre più spesso – mette in evidenza Rizzotto – le funzionalità degli APA vengono applicate al system management, per supportare le capacità di analisi, individuare più rapidamente le cause dei disservizi e adottare misure proattive per prevenire problemi. Il focus sulla gestione dei sistemi e sulle applicazioni per ottimizzare l’esperienza di servizio per l’utente finale, in termini di prestazioni e di disponibilità, sarà una delle priorità principali per gli acquirenti».

#PredictiveAnalytics Cresce la domanda di self-service e processi #datadriven
Click To Tweet

I benefici per le aziende                                                     

Ottenere, attraverso processi strutturati e data driven, informazioni fondamentali che permettono di prendere decisioni rilevanti per i processi di business è uno dei benefici che questi strumenti apportano al business, spiega Maria Cristina Conti di SAS. Ma non solo. «Significa conoscere meglio i clienti utilizzando informazioni “sempre up-to-date”. Inoltre la possibilità di analizzare nuovi dati, come dati destrutturati provenienti da diverse fonti, permette di arricchire i profili dei clienti e prendere decisioni su reali esigenze del mercato».  Per Mazzariello di Par-tec, si tratta in pratica di fornire ai decision-maker le risposte a domande come «i nostri dati contengono dei caratteri particolari identificabili come operazioni anomale, difformi, sospette, etc? Esistono particolari correlazioni tra i dati di business trattati sui sistemi? O ancora, le nostre decisioni strategiche sono supportate da previsioni e simulazioni affidabili»?  Più in dettaglio, come ci spiega Lancellotti di Data Reply, le aree vendite e marketing sono quelle che ne traggono beneficio «nelle attività di customer retention/churn, nella prescrizione di Next Best Actions, nella possibilità di generare up-selling e cross-selling al fine di ottimizzare i margini di guadagno». Le aree di produzione e operations, nell’ambito industriale e manifatturiero, «beneficiano delle attività di predictive e prescriptive maintenance nella definizione di piani di manutenzione mirati, capaci di contenere i costi di riparazione di macchinari e impianti». Mentre, nell’ambito energy, «si sono evidenziati benefici riguardo la previsione di utilizzo e generazione di energia degli impianti (per esempio, di energie rinnovabili)».

I benefici delle tecniche predittive/prescrittive sono tutti riconducibili a un vantaggio economico che scaturisce dal miglioramento dell’efficienza, dalla riduzione dei costi o dall’aumento dei ricavi. Pensiamo alla fraud detection, suggerisce Rezzani di Dataskills. «Essa consente, per esempio, alle assicurazioni di evitare costi derivanti da liquidazioni di sinistri, che in realtà non avrebbero diritto ad alcunché. La previsione dei churners dà la possibilità alle aziende di agire tramite azioni di retention sui clienti a rischio, prima ancora che maturino la decisione di andarsene». E alcune tecniche predittive possono fare di più: «Invece di agire sui singoli casi i sistemi rule-based – continua Rezzani – offrono come output non soltanto la prediction, ma anche un insieme di regole che spiegano il fenomeno. Le regole sono quindi impiegate per comprendere le cause che stanno alla radice del fenomeno, consentendo di agire su di esse in modo organico». Regole “actionable” e feedback continuo delle azioni poste in essere sono alla base della prescriptive analytics.  In generale queste soluzioni consentono di acquisire informazioni ad alto valore aggiunto a partire da grandi volumi di dati. «In un data lake – spiega Tuvo di System Evolution – si nascondono indizi, fenomeni, eventi ai quali, se opportunamente identificati e qualificati, si può reagire tempestivamente, gestendone proattivamente i rischi e le opportunità connessi. Tutto questo è possibile disponendo non solo di tecnologie, ma anche di competenze adeguate, in grado di tradurre i risultati dei modelli in valore per il business. In questo senso, la diffusione di soluzioni di advanced analytics va di pari passo con la crescente domanda di professionalità specifiche in grado di coniugare competenze di business, di modellazione e analisi statistica, di sistemi informativi: è la figura del data scientist. Altra condizione necessaria perché queste soluzioni rappresentino un reale valore per l’azienda è la presenza di un adeguato presidio di governo e qualità dei dati: senza una “carta di identità” dei dati è difficile, se non impossibile, riconoscerne ed estrarne il valore».

Le esperienze degli utenti                                                   

Diversi progetti interessanti sono stati sviluppati utilizzando gli strumenti di predictive analytics. «Tra i nostri progetti – racconta Rezzani di Dataskills – possiamo citare l’implementazione di una churn analysis con un modello basato sulle regole. L’esigenza del cliente era proprio quella di stabilire quali dinamiche governassero la scelta del churner di abbandonare l’azienda, perciò un algoritmo rule-based era l’opzione più corretta. Il risultato è stato molto interessante poiché ha sfatato alcuni miti, molto radicati in azienda, circa le cause di abbandono, che rischiavano di far proseguire il management nell’adozione di politiche di retention non adeguate alla reale situazione».

#PredictiveAnalytics Non solo strumenti ma anche competenze
Click To Tweet

Maria Cristina Conti di SAS spiega che per poter mettere in atto queste soluzioni sono necessarie tre componenti: «Dati, competenza e conoscenze di business. I nostri clienti ci descrivono gli obiettivi che vogliono raggiungere, sfruttando queste soluzioni e collaboriamo insieme per raggiungerli. Un esempio è l’analisi in real-time dei dati di un’azienda manufacturing. L’esigenza era comprendere i pattern che individuavano l’efficienza del processo produttivo per ottimizzare la produzione e ridurre i tempi di latenza nella rilavorazione. L’utilizzo di queste soluzioni, sfruttando tecniche di machine learning, ha permesso di estrapolare le informazioni chiave della produzione. Analizzando i dati destrutturati, il cliente ha potuto migliorare anche le caratteristiche dei prodotti sulla base delle esigenze dei clienti finali». Per Mazzariello di Par-tec, la principale success story riguarda il Contact Center di Enel, una struttura che per gestire circa 130mila chiamate giornaliere necessita di una pianificazione puntuale della distribuzione del traffico sugli outsourcer coinvolti. «Basandoci su Addtobuild, la nostra soluzione di business intelligence cloud based, abbiamo realizzato uno strumento che da più di sei anni fornisce previsioni affidabili del traffico inbound basate sugli andamenti storici, sulle campagne di invio fatture, sui solleciti, sulle azioni di credito, sulle campagne pubblicitarie e su eventi non sistematici indicati dagli utilizzatori del sistema».

Dal canto suo, Lancellotti di Data Reply racconta un caso d’uso, in cui l’esigenza del cliente era di determinare il ROI ottenuto dagli investimenti in attività pubblicitarie svolte su canali digitali quali tv, radio, pubblicità online e su riviste. «Il ritorno è stato misurato in termini di visite su pagine web, numero di richieste preventivi, informazioni aggiuntive da parte del cliente, e vendite realizzate. Il progetto ha riguardato lo sviluppo di una what-if analysis a supporto all’area Sales e Marketing, con l’obiettivo raggiunto di indirizzare al meglio i futuri investimenti su ciascun canale considerato».

E per finire, Alfieri di BOARD International racconta l’esperienza di uno dei primi tre gruppi nel Fashion Retail a livello internazionale, che aveva implementato il modello BOARD Enterprise Analytics Modelling (BEAM) nel processo di forecasting, su piattaforma di decision-making BOARD, proprio per superare il divario tra complessità e potenzialità statistiche da un lato, ed esigenze di business dall’altro. «In questo caso abbiamo potuto affiancare al tradizionale modello di planning e forecasting, basato su medie mobili semplici, una modellazione avanzata in grado di eseguire forecast estremamente accurati, sulla base di valutazioni automatiche di ogni serie temporale, senza bisogno di sviluppare fisicamente, testare e selezionare i modelli analitici».

L'articolo Advanced e predictive analytics. Più intelligence per il business proviene da Data Manager Online.

Nelle aziende vengono accumulati numerosi dati, spesso senza che siano sfruttati nel migliore dei modi: nei diversi archivi sono nascoste opportunità che dovrebbero essere esplorate, valorizzandole, attraverso una corretta strategia di investimento. Una visione comune, riduttiva, valuta i dati come strumento per tagliare i costi e per ottimizzare i processi: invece, soprattutto negli ultimi anni, l’analisi dei dati può portare a importanti ritorni economici. Fino a pochi anni fa, i dati erano usati solo come base per soluzioni aziendali di supporto alle varie business operations, utili ai fini decisionali; oggi, invece, nell’era dei Big Data, i vari settori di business si chiedono come utilizzarli al meglio per creare nuovi prodotti e servizi, come collaborare con altre organizzazioni per condividerli e creare nuove iniziative.

#DataQuality Paola Pomi #SinfoOne Come leggere attraverso la complessità
Click To Tweet

La gestione dei dati è un primo, importante, passo nelle iniziative di Big Data o uno dei prerequisiti di ogni progetto analitico. Le aziende si stanno concentrando sui vantaggi ottenibili dall’analisi di enormi moli di dati, ma non possono perdere di vista le complessità associate alla loro acquisizione, alla loro preparazione e alla loro qualità. Infatti, la domanda crescente di analisi su larga scala aumenta la necessità di una corretta governance dei dati e della garanzia di qualità dei dati stessi: è chiaro che i Big Data non esisterebbero senza il data quality. Ed è altrettanto chiaro che per avere dati accurati e utilizzabili nei progetti, il data quality va integrato in ogni fase del ciclo di produzione e distribuzione dei dati: dal momento in cui il dato viene creato, o caricato, poi nei successivi punti di integrazione, scambio o arricchimento, fino al punto immediatamente precedente a dove il dato sarà caricato all’interno dei sistemi di destinazione.

Per Paola Pomi, direttore generale di Sinfo One, la certezza di informazioni è cruciale per prendere decisioni efficaci e quindi per la buona salute delle aziende. «Fare data quality risponde a due esigenze sempre più sentite dalle aziende. La prima è gestire la complessità in costante aumento. I manager devono prendere decisioni intelligenti nel vero senso del termine: “intellegere” o leggere attraverso la complessità. La complessità è data da fattori sia interni – organizzativi, di processo e così via – sia esterni come espansione di mercato, servizi e prodotti diversificati per clienti più esigenti, e altro ancora. Una possibile chiave per leggere in modo diverso gli eventi la si può trovare nell’interpolazione di dati interni con fonti esterne. La seconda è la velocità: non ci si può più permettere di avere il conto economico cinque giorni dopo la fine del mese, o il lusso di ricostruire il dato a mano su Excel. Le informazioni per governare – continua Paola Pomi –  servono in tempo reale, o addirittura, in anticipo! Inoltre i sistemi devono evidenziare solo le anomalie nei dashboard dei manager, con la possibilità di analisi in drill immediata e di condividere osservazioni sul dato con altri. Il primo step dei nostri progetti è quello di condividere con i clienti un concetto fondamentale: la qualità dei dati non può ridursi a un esercizio tecnico, ma deve partire dalle sfide quotidiane del management». Infatti, si stima che quasi un progetto strategico su due fallisca a causa di scarsa qualità dei dati. Se i dati sono imprecisi, lo saranno anche tutte le analisi che seguiranno, in una logica che negli Stati Uniti viene chiamata Garbage in / Garbage out: se in input ho dei dati “spazzatura”, questi vengono elaborati in maniera acritica, ottenendo come risposta risultati “spazzatura”. Fare data quality porta quindi ritorni dell’investimento sia qualitativi sia quantitativi.

#DataQuality Giancarlo Vercellino @IDCItaly In forte crescita la domanda di soluzioni
Click To Tweet

Secondo gli esperti di IDC, i dati non saranno mai puliti e corretti al cento per cento. Le organizzazioni hanno bisogno di sapere quanto sono non precisi i loro dati, al fine di regolare il grado di fiducia e di rischio associato con l’utilizzo dei dati. I vendor specializzati possono aiutare non solo negli sforzi di pulizia, ma anche nella misurazione della pulizia stessa. Gli strumenti a disposizione rendono più semplice scoprire se ci sono imprecisioni sui dati, permettendo di esaminarle a fondo con delle preview sui dati, fornendo la possibilità di impostare un processo replicabile per mantenere un elevato livello di qualità, con la possibilità di lavorare dove risiedono i dati, senza la necessità di spostarli: in questo modo le operazioni sono più veloci ed efficienti, e non si mettono a rischio i propri dati sensibili. È molto importante comprendere come il data quality non sia qualcosa che si fa una volta sola, ma è un processo continuo, da integrare negli altri processi aziendali che producono dati. Il data quality non può prescindere dalla data governance, una pratica aziendale che allinei strategia sui dati con le strategie aziendali, orchestrando persone, processi e tecnologie di gestione del dato.

Secondo Giancarlo Vercellino, research & consulting manager di IDC Italia, la domanda di soluzioni per il data quality è in crescita: «Le organizzazioni sanno di avere problemi di qualità dei dati, ma non sanno come misurare la pulizia dei dati, e sanno che qualcosa deve essere fatto al fine di prendere migliori decisioni basate sui dati. C’è stata anche una presa di coscienza che il data quality inizia con i master data, domini di dati che includono persone, luoghi e cose di cui le organizzazioni si preoccupano. Il mercato sta rispondendo: stiamo vedendo che le soluzioni domain-specific crescono a un ritmo più veloce rispetto a soluzioni per il data profiling e alle tecnologie match / merge». IDC prevede che i segmenti per il data quality nel mercato dell’integrazione dei dati e del software di accesso avranno un tasso di crescita annuo composto (CAGR) di 7,9% fino al 2019. Il segmento di software di qualità dei dati domain-specific è previsto in crescita, nello stesso periodo (2014-2019), con un CAGR del 9,6%. Il segmento generale del software per il data quality ha un CAGR previsto del 6,2%.

#DataQuality Brad Hathaway @SASitaly Un processo continuo che coinvolge non solo l’IT
Click To Tweet

DATA QUALITY INTEGRATI

Quanta importanza danno le aziende ai progetti di data quality? Secondo Brad Hathaway, regional advisory technical manager data management di SAS, di frequente i progetti di data quality sono visti come leve da attivare quando emergono problemi, magari per gestire dati sbagliati o non precisi. «La strategia di data quality – invece – è un processo continuo che coinvolge tutte le funzioni aziendali poiché è fondamentale che la qualità dei dati sia garantita in ogni momento. Pertanto, gli strumenti di data quality – mette in evidenza Brad Hathaway – vanno sfruttati in tutte le fasi del ciclo di produzione e distribuzione dei dati, dall’ingresso del dato in azienda fino alla generazione dell’output». Dello stesso avviso è Andrea Maderna, South Europe general manager di BOARD International SA. Secondo la sua esperienza, ricavata sul campo in numerosi clienti, «un progetto di data quality deve richiedere da un lato la realizzazione di interventi puntuali su modello organizzativo, processi e strumenti, e dall’altro l’evoluzione dell’architettura applicativa con l’obiettivo di garantire la qualità, l’affidabilità e la coerenza interna dei dati attraverso l’introduzione di strumenti come BOARD». Ovviamente, tale attività di data quality permette alle aziende di rilevare le anomalie in essere, introducendo due momenti di controllo: «Controlli ex ante sui sistemi origine del dato (per esempio ERP, legacy, motori di controllo di gestione) e controlli ex post sui sistemi destinatari che permettono poi di rappresentare il dato in modo semplice e immediato ad esempio con uno strumento evoluto di BI come BOARD».

Per avere successo, questi progetti devono essere accompagnati da un’organizzazione chiara, come ci spiega Alberto Scavino, amministratore delegato di Irion che ha realizzato molti progetti di data quality in ambito finance. I punti chiave sono tanti: «Prima di tutto, un quadro organizzativo di ruoli, processi e procedure ben strutturato, con forte commitment del management. Ma non è sufficiente. Parliamo di business data quality con dati qualificati in relazione ai contesti di utilizzo e non di semplici controlli tecnici. Inoltre, il software deve avere un approccio agile a regole (molto sofisticate, flessibili e definibili da utenti business) per acquisizione, trasformazione e controllo dei dati (per controlli andamentali o riconciliazioni contabili-gestionali)». Non solo. «Sono fondamentali sia un laboratorio, per simulare i controlli su dati veri e verificarne correttezza ed efficacia, sia la documentazione completa, automatica e aggiornata delle regole del progetto, anche in linguaggio naturale».

#DataQuality Andrea Maderna @BOARDItalia L’evoluzione dell’architettura applicativa
Click To Tweet

COME VALUTARE I BENEFICI

L’importanza dell’impegno in azienda verso la qualità dei dati è sottolineato anche da Mauro Tuvo, principal consultant information management di System Evolution per il quale è necessario innanzitutto che la qualità dei dati sia un impegno di tutta l’azienda, non solo del comparto IT. «Il principale fattore di successo di un progetto data quality è la partecipazione attiva di rappresentanti di tutte le aree coinvolte nella gestione di quei dati, IT e non» – dice Tuvo. Un altro aspetto da garantire è l’efficienza: «È preferibile concentrare l’attenzione su un ambito informativo e sui suoi processi più significativi, identificandone i dati più rilevanti, concentrando su di essi gli interventi sia di controllo sia di miglioramento. Questo approccio consente di ottenere buoni risultati in tempi e con sforzi sostenibili, lavorando per moduli progettuali all’interno di un piano complessivo» – continua Tuvo. «Ogni modulo si concentra su un ambito specifico e ha l’obiettivo di proteggere prioritariamente i dati più rilevanti per i processi selezionati in base alla loro criticità. È poi necessario che questi progetti vengano condotti secondo un unico standard operativo, che definisce ruoli e responsabilità (data owner, process owner, system owner e così via), tecniche di controllo e miglioramento, Key Quality Indicator, da applicare in tutti gli interventi».

#DataQuality Alberto Scavino #Irion Processi, soluzioni ma anche un forte commitment
Click To Tweet

Poter valutare i benefici di questi progetti è importante anche per Riccardo Brandinelli, innovation manager di Altea UP. «Il mercato ci sta dimostrando che stiamo vivendo un’era in cui la crescita tecnologica è più rapida della capacità dell’uomo di generare nuove idee. I progetti di data quality sono la dimostrazione di quanto sia importante definire con chiarezza i benefici attesi con dei chiari KPI di valutazione del risultato, definire l’ambito e la strategia di governo a breve/medio termine nonché la gestione dei processi aziendali approfondendone aspetti tecnologici e operativi». Se valutare i benefici e i KPI è relativamente semplice e oggettivo, la valutazione della qualità dei dati è relativa, definita dalla business unit che utilizza i dati. È quanto ci dice Angelo Cian, responsabile soluzioni di business intelligence di Zucchetti: «Poiché la “qualità” è spesso una valutazione relativa che viene definita da chi deve utilizzare il dato, in Zucchetti ci siamo posti l’obiettivo di generare informazioni mediante un processo guidato dall’utente stesso e, se possibile, confrontando più fonti. In sostanza, se al cliente è chiaro fin dall’inizio quali informazioni sono necessarie per prendere le decisioni migliori in relazione al suo business, allora il progetto di data quality avrà buone probabilità di successo».

#DataQuality Mauro Tuvo #SystemEvolution Come valutare i benefici in modo chiaro
Click To Tweet

I SETTORI PIÙ INTERESSATI

I progetti di data quality sono trasversali a ogni industry. Come conferma Hathaway di SAS, avere a disposizione dati puliti e di qualità va a vantaggio di tutte le tipologie di imprese, indipendentemente dal settore di mercato e dalle dimensioni. Non solo. «Adottare una strategia di data quality si traduce in un ritorno dell’investimento grazie a dati attendibili e privi di errori su cui contare per prendere le decisioni di business». Dello stesso parere è Tuvo di System Evolution: «Operiamo principalmente nel mercato bancario e assicurativo, dove norme e regolamenti sono sempre più stringenti, ma siamo convinti che l’applicazione di un approccio sistemico alla qualità dei dati può produrre benefici anche in altri settori, per esempio le utility, la PA, la Sanità». Sulla stessa lunghezza d’onda Brandinelli di Altea UP che parlando di data quality focalizza l’attenzione al mondo social dove sono presenti informazioni destrutturate e ridondanti. «In questi termini è fuorviante pensare che i temi di data quality siano rilevanti esclusivamente per società che interagiscono con il consumatore finale». Infatti, a un’attenta analisi – continua Brandinelli – «si scopre che queste attività sono fondamentali per tutti i nostri clienti indipendentemente dal mercato in cui operano o dalle dimensioni dell’organizzazione. Nel momento storico in cui ci troviamo a operare, l’unico limite è dato dalla predisposizione delle società a intraprendere un processo di digital transformation in cui il miglioramento delle informazioni è finalizzato alla conoscenza approfondita del proprio target di riferimento».

#DataQuality Riccardo Brandinelli @AlteaUp Definire la strategia e misurare i risultati
Click To Tweet

Secondo Scavino di Irion, i settori più interessati sono «banche, assicurazioni e società finanziarie, soggette alla vigilanza. Anche retail, telco e le energy utilities sono sensibili al tema». Interessante anche l’utilizzo nel risk management, spiegato da Claudio Ruffini, presidente di Augeos: «Sempre più spesso si parla di metodologie per il data quality risk management e ciò testimonia la centralità della qualità dei dati nella moderna governance dei rischi. Diversi sono i framework di riferimento sul data quality, ma di particolare efficacia sembrano i metodi Process Driven che uniscono alle metriche di misurazione della qualità dei dati anche l’analisi dei processi che gestiscono tali dati. Ancora poco si è fatto sull’analisi della catena degli eventi che possono accadere e sull’analisi cause – conseguenze in una risk analysis, utilizzando una Process Asset Event Map. Infatti, è utile correlare gli effetti della scarsa qualità dei dati con i possibili costi o eventi di rischio operativi nei processi correlati costruendo dei veri e propri Key Quality Risk Indicator che possono incidere negativamente sulle performance del processi. Alla base di questi tipi di analisi, vi è una corretta correlazione tra gli obiettivi di qualità dei dati e gli obiettivi dei processi che gestiscono questi dati».

IL DATA QUALITY IN DUE AZIENDE

Ci spiega Cian di Zucchetti: «Il commercio elettronico è uno dei settori più attivi in questo ambito. Il nostro cliente 7Pixel – che è una società leader nel mercato italiano e tra le principali in quello spagnolo nell’ambito della comparazione prezzi con portali come Trovaprezzi.it e nello shopping online con siti come Shoppydoo.it – ha sviluppato un progetto di data quality integrando diverse soluzioni Zucchetti. Con Infinity CRM è stato ottimizzato l’intero flusso di selezione, acquisizione e monitoraggio dei negozi virtuali affiliati: da un semplice cruscotto è possibile verificare sia la situazione contabile-amministrativa sia le informazioni commerciali relative al singolo “merchant”. L’integrazione con l’ERP Ad Hoc Infinity permette di gestire in maniera meccanizzata la generazione di documenti contabili dei singoli negozi online, mentre Infinity DMS ne rende possibile la condivisione alle differenti funzioni aziendali, facilitando la gestione operativa. Infine grazie a InfoBusiness, la soluzione Zucchetti di business intelligence, 7Pixel ha un valido supporto per il monitoraggio dell’andamento aziendale e per orientare in modo più consapevole le proprie decisioni strategiche». Maderna di BOARD International SA descrive così un progetto di data quality nel settore bancario: «Un nostro cliente strategico del settore bancario ha implementato un progetto completo di controllo di gestione, creando un potente ambiente d’analisi multidimensionale per la valutazione della redditività dei clienti, della strutturazione dei portafogli e dell’andamento delle visite commerciali. Da queste parole si può facilmente intuire come sia fondamentale aumentare accuratezza, attendibilità, completezza, consistenza e coerenza dei dati. L’analisi di dati errati potrebbe portare a decisioni assolutamente negative con potenziali perdite di clienti e opportunità di business».

#DataQuality Angelo Cian @ZucchettiSpa Come definire la qualità a partire dall’utente
Click To Tweet

COME ADOTTARE UNA STRATEGIA DI DATA QUALITY

La complessità di questi progetti è tale che gli strumenti informatici, per quanto sofisticati, non sono sufficienti. Occorrono soprattutto metodologie e capacità di data governance, come ci dice Hathaway di SAS: «Abbiamo notato che i nostri clienti ottengono vantaggi significativi adottando una strategia di data quality che comprende tutto il ciclo di vita del processo: dalla profilazione alla standardizzazione, dal matching al monitoraggio della qualità dei dati. Inoltre, la pulizia dei dati avviene nel luogo in cui si trovano le informazioni, senza necessità di esportazione. Tutto questo si traduce in un alto livello di qualità dei dati per supportare le iniziative di business e le decisioni critiche aziendali». Alcune delle aziende che operano nel settore ci hanno descritto, brevemente, la loro offerta nel data quality, fatta di consulenza, metodologia e servizi di supporto. Spiega Tuvo di System Evolution: «In quest’ambito ci proponiamo come fornitore end-to-end. Negli ultimi cinque anni abbiamo realizzato più di centotrenta progetti di data quality e data governance, abbiamo progettato master plan, redatto policy di data quality, disegnato e implementato impianti di controllo, realizzato interventi per la rimozione strutturale delle cause di non qualità».

#DataQuality Ruffini #Augeos La centralità della qualità nella governance dei rischi
Click To Tweet

Suggerendo nuovi spunti e idee per il controllo dei processi aziendali, Brandinelli di Altea UP ci spiega come la società sia di supporto «nell’armonizzare le complessità tecnologiche, fornendo gli strumenti necessari al mantenimento nel tempo della qualità delle informazioni». E parlando di metodologia, Ruffini di Augeos aggiunge: «Abbiamo sviluppato una metodologia di Data Quality Risk, frutto di un progetto di ricerca fatto in collaborazione con la Bicocca di Milano in grado di calcolare la soglia oltre la quale un Key Quality Risk Indicator può segnalare un problema operativo, partendo proprio dall’analisi degli eventi di rischio operativo». Consulenza e servizi sono i punti chiave del supporto al cliente. Tra gli strumenti, Scavino di Irion cita le soluzioni «IrionDQ, gli RTG Add-On per Data Integration, Business & Control Rules, Metadata Catalog & Lineage, Key Business Indicator» – e conclude: «I nostri servizi danno la copertura completa dei processi di data quality, incluse funzionalità di data governance e di valutazione di Key Quality Indicator con una metodologia proprietaria molto sofisticata».

L'articolo Data quality, CIO sotto pressione proviene da Data Manager Online.

Per Twitter è arrivato il momento di una svolta. Il ritorno di Jack Dorsey alla guida del sito di microblogging non ha portato a un miglioramento della sua situazione finanziaria. L’azienda di San Francisco, nonostante nuove funzioni come il bottone per le dirette streaming di Periscope o gli stickers nelle foto, fatica ad attirare nuovi utenti e di conseguenza gli inserzionisti sono meno propensi a pubblicare i propri annunci. Oggi Twitter ha annunciato l’inserimento nel proprio Board di un nuovo membro che certamente gli assicurerà l’esperienza necessaria a risorgere. Si tratta di Bret Taylor, ex Chief Technology Officer (CTO) di Facebook.

Taylor ha lavorato a Menlo Park per 3 anni e nel 2012 ha creato il software per la gestione documentale Quip. In passato il manager ha anche lavorato a Google, contribuendo alla creazione di Google Maps. “Twitter è il modo più veloce per capire cosa sta accadendo nel mondo e dietro la sua semplicità c’è un insieme di tecnologie sofisticate. Spero di portare la mia esperienza per aiutare Jack e la piattaforma a spingere i loro servizi”, ha dichiarato Taylor.

Excited to join @twitter‘s board. Twitter is one of the most important services in the world, and I’m thrilled to be able to work with @jack

— Bret Taylor (@btaylor) 5 luglio 2016

L'articolo Twitter fa entrare nel board un ex di Google e Facebook proviene da Data Manager Online.

Nell’attuale contesto economico, le aziende sono obbligate a operare basando le proprie scelte strategiche su informazioni di qualità e in tempo reale in grado di tenere sotto controllo la propria esposizione attuale e prospettica rispetto ai diversi tipi di rischio. In tutti i settori, la misurazione e la gestione efficiente dei rischi sono elementi che differenziano chi punta all’eccellenza per vincere le sfide in un contesto sempre più competitivo. Questo vale, in modo particolare, nel settore finance: qui, la crisi finanziaria ha mostrato la necessità di adottare un approccio più evoluto nel valutare i principali indicatori di rischio come il liquidity risk, il rischio di mercato e quello di controparte.

#risk Claudio Ruffini #Augeos La gestione del rischio tra innovazione efficienza e contesto normativo
Click To Tweet

Nel corso degli ultimi anni, il tema del risk management è stato uno dei più attuali nel settore bancario. Come spiega Claudio Ruffini, presidente di Augeos, società piemontese specializzata nell’area del risk management, la necessità di avere informazioni puntuali e attendibili da parte del business e le richieste dell’autorità di vigilanza in tema di visione integrata dei rischi ed efficacia dei controlli sono elementi che hanno spinto sempre più le banche ad adottare un approccio sistemico per la gestione dei rischi. «La gestione del rischio tra innovazione (mobile, cloud, big data, social), efficienza e contesto normativo si manifesta in modo particolare nell’ambito IT». Infatti, il governo dell’IT, l’identificazione delle minacce e delle vulnerabilità e la catalogazione degli incidenti diventano quindi un requisito indispensabile. «Tramite la disponibilità di un analytical dashboard – continua Ruffini – è possibile avere una visione d’insieme dei principali trend, rischi e vulnerabilità, mentre appositi filtri e analisi drill down consentono di identificare rapidamente potenziali problemi. Inoltre, la disponibilità di KRI multidimensionali ci fornisce preziose informazioni sull’andamento dei principali indicatori monitorati, consentendo l’adozione di azioni preventive per minimizzare situazioni potenzialmente sfavorevoli». Non solo. Secondo Francesco Consolati, presales manager risk & fraud di SAS, il mondo del risk management sta evolvendo rapidamente anche per effetto delle novità regolamentari che la BCE ha introdotto negli ultimi anni, creando un gap tra le esigenze e le attuali piattaforme tecnologiche disponibili. «Una recente survey condotta da SAS e il GARP – spiega Consolati – ha evidenziato che per oltre il 50% delle banche intervistate a livello mondiale le attività richieste per lo stress test hanno richiesto investimenti IT specifici. Le aree interessate sono soprattutto quelle del data management e della data governance per avere dati attendibili e disponibili nel momento giusto, ma anche di sviluppo di modelli più performanti e affidabili, e di esplorazione dati, per l’analisi input e output e la produzione di reportistica di facile consultazione. L’altro tema rilevante è il risk data aggregation & reporting».

#risk Francesco Consolati @SASitaly Rischio di credito, una priorità per le istituzioni finanziarie
Click To Tweet

Le normative vigenti nel finance richiedono di valutare attraverso opportuni modelli e di gestire differenti tipologie di rischio: di credito, di liquidità, di mercato, operativo. In questo settore, la gestione dei rischi è regolata da specifici requisiti regolamentari, e quindi, come mette in evidenza Mauro Tuvo, principal consultant information management di System Evolution, «è indispensabile gestire in modo ingegnerizzato il ciclo di vita dei modelli di rischio, dalla loro progettazione in laboratorio alla loro applicazione in esercizio». Indicazioni analoghe valgono anche per le assicurazioni. «In questi contesti, le tecnologie di analytics caratterizzate da una robusta dotazione statistica si prestano meglio a supportare la fase di sviluppo dei modelli di rischio in laboratorio, mentre quelle più adatte alla gestione dei motori in produzione e alle successive fasi di analisi e consuntivazione devono disporre di funzionalità in grado di supportare l’integrazione del modello nel contesto operativo di esercizio».

Gli strumenti adatti

Le aziende, in particolare quelle operanti nel settore bancario, assicurativo e finanziario, hanno l’esigenza di analizzare scenari di business sempre più complessi, con tempi di risposta sempre più ridotti e con la necessità di analisi affidabili e approfondite. I tradizionali sistemi verticali hanno difficoltà a ottenere un quadro complessivo di rischi e rendimenti, e degli impatti dovuti a possibili cambiamenti nelle strategie di allocazione del capitale. Per questo motivo gli istituti di grandi dimensioni si stanno orientando verso l’utilizzo di tecnologie, basate sugli analytics, che permettono di valutare e gestire in modo integrato e ottimale le diverse tipologie di rischio. Le migliori soluzioni forniscono un framework end-to-end per affrontare e produrre reportistica su questi regolamenti, così da poter soddisfare le imposizioni di compliance normativa, evitare le sanzioni e salvaguardare i profitti: questo perché i processi e i controlli necessari per incontrare i nuovi obblighi normativi, per esempio Basilea 2 e Basilea 3, BCBS 239, BCBS 248, Solvency II, possono anche aiutare a ottenere un vantaggio competitivo.

#risk Mauro Tuvo #SystemEvolution Ingegnerizzare il ciclo di vita dei modelli di rischio
Click To Tweet

Questi strumenti comprendono sofisticati motori di calcolo, che consentono di ottenere risposte rapide a scenari complessi, in modo che le valutazioni e le previsioni effettuate possano essere utilizzate efficacemente nei processi decisionali del top management. Grazie agli analytics, queste soluzioni sono in grado sia di valutare i singoli rischi (come il liquidity risk, il rischio di mercato e quello di controparte) secondo le nuove indicazioni normative e le best practice più evolute, sia di esplicitarne connessioni e correlazioni.

Inoltre, per facilitarne l’attivazione, sono di solito dotate di datamodel già pronti all’uso, e di componenti di data quality e di data governance, che costituiscono il presupposto per una corretta analisi dei parametri di rischio. I requisiti in termini di performance giornaliere sono soddisfatti grazie a logiche di high performance risk computing, che massimizzano le prestazioni così da facilitare le analisi di dettaglio in tempi coerenti con le necessità del business. La compliance alle normative impone di migliorare la sofisticazione dei modelli di rischio, per valutare in modo ottimale le interrelazioni tra le diverse tipologie, e di aumentare granularità e frequenza delle valutazioni, per esaminare nel dettaglio i rischi e analizzarne gli impatti effettivi. I processi e i sistemi per la gestione del rischio devono quindi avere la necessaria flessibilità per adeguarsi alle nuove norme ed essere tanto performanti da assicurare la granularità di valutazione richiesta. Una valutazione e una previsione inadeguata dei rischi legati per esempio alla liquidità, al rischio di mercato o di credito può comportare perdite consistenti e, in casi estremi, perfino il fallimento di istituti, anche di grandi dimensioni. Per questo, in ambiente bancario ma anche assicurativo, le strumentazioni impiegate necessitano di funzionalità di data visualization e di gestione in-memory di grandi volumi di dati, come fa notare Mauro Tuvo di System Evolution. «In questo scenario, il compito del system integrator è quello di sostenere l’intero ciclo di vita di gestione del rischio, curando per esempio una transizione efficace dei modelli dalla fase di sviluppo a quella di produzione. Inoltre, senza un adeguato presidio della qualità dei dati, i processi di risk management non funzionano. E questo vale sia per i dati impiegati in fase di progettazione dei modelli sia per quelli utilizzati in esercizio».

#risk Donato Ceccomancini #Fujitsu_Italia Integrare le attività di risk management con la gestione d’impresa
Click To Tweet

Un mercato in crescita

Secondo IDC, i trend di adozione dei business analytics e dei big data analytics stanno facilitando la creazione di una nuova infrastruttura per l’analisi dei dati, necessaria per gestire efficacemente il rischio di credito, di mercato e operativo nei diversi settori finanziari. Il risk management, la customer profitability e il financial analysis e reporting sono i primi tre driver per l’implementazione di business analytics e di soluzioni big data nei settori finanziari. Il rischio di credito è il rischio più grande affrontato dalle istituzioni finanziarie. Nel corso dei prossimi mesi, l’80% delle grandi istituzioni finanziarie saranno coinvolte nelle iniziative per modernizzare piattaforme e sviluppare soluzioni analitiche del rischio di credito. Nel 2014, il settore finanziario in tutto il mondo ha investito 6,57 miliardi di dollari in software e servizi IT per la gestione del rischio di credito, che rappresentano il 17,9% del totale degli investimenti in software e servizi sul rischio. IDC prevede che questi importi cresceranno fino al 2018 a un tasso di crescita del 9% annuo. Conferma queste previsioni Donato Ceccomancini, direttore sales operations e sales consultant di Fujitsu Italia: «In uno scenario sempre più mutevole e competitivo, aziende manifatturiere, banche, assicurazioni e istituti finanziari non possono più prescindere da attività dedicate – all’interno del sistema decisionale e di controllo – che consentano di tenere sempre sotto stretta sorveglianza il profilo di rischio. Negli anni post crisi finanziaria, abbiamo notato nei nostri clienti una maggiore consapevolezza del fatto che l’integrazione delle attività di risk management con la gestione d’impresa è sempre più un’esigenza che necessita di idonei strumenti per la identificazione, valutazione e gestione dei rischi stessi. Interessante è il fatto che si sia passati da un approccio di taglio quasi esclusivamente “assicurativo”, che mirava a trasferire il rischio verso l’esterno, a un approccio di taglio più di “gestione” e di trattamento attivo del rischio con aree “calde” in ogni settore di mercato, dal rischio di credito, al rischio clinico, fino ad arrivare al rischio ambientale».

Le opinioni dei player

Abbiamo chiesto ai principali fornitori come si stanno evolvendo gli analytics per supportare al meglio le aziende nei vari settori. Donato Ceccomancini di Fujitsu Italia ci risponde che per rispondere alle richieste crescenti, gli analytics sono in continua evoluzione anche sotto l’aspetto tecnologico, con l’adozione sempre crescente di soluzioni “chiavi in mano” in grado di analizzare enormi quantità di dati, individuare quelli rilevanti e comprenderne il significato anche dal punto di vista semantico. «Per questo motivo in Fujitsu – continua Ceccomancini – ci presentiamo al mercato con una strategia basata su due approcci principali. La prima è incentrata sulla fornitura di appliance già configurate, pre-testate e costruite ad hoc sulle esigenze del cliente, che avrà Fujitsu come unico punto di contatto. Il punto fondamentale di questa proposizione è SAP HANA, la soluzione in-memory database di SAP che permette l’accesso real-time al patrimonio informativo aziendale al fine di ottenere decisioni più rapide e processi di business più efficienti. Fujitsu è un Global Service Partner di SAP ed è in grado di proporre a livello mondiale una configurazione di piattaforma certificata da SAP per la tecnologia SAP HANA, offrendo ai clienti un’infrastruttura ottimizzata e incentrata sui server PRIMERGY e sulle soluzioni storage e di rete ETERNUS di Fujitsu. Il secondo approccio invece è particolarmente adatto a tutte quelle aziende che non vogliono investire nell’hardware. Alle aziende che stanno esaminando l’opportunità di adottare tecniche di elaborazione in-memory, Fujitsu Cloud for SAP HANA mette a disposizione una nuova possibilità di sperimentare i vantaggi dell’informatica real-time basata su cloud senza richiedere investimenti iniziali per infrastrutture e gestione. Le aziende che già possiedono SAP HANA potranno approfittare dei maggiori livelli di scelta e flessibilità introdotti da Fujitsu per la scalabilità delle applicazioni in-memory».

#risk Andrea Maderna @BOARDItalia risk management come definizione, misurazione e valutazione del rischio
Click To Tweet

Nel mondo finance, banche e assicurazioni devono affrontare e gestire diverse tipologie di rischio che possono avere un effetto potenzialmente anche molto negativo sullo svolgimento delle attività. Per Andrea Maderna, South Europe general manager di BOARD, la gestione del rischio nel settore bancario include l’identificazione dei rischi intesa come definizione, misurazione e valutazione, con l’obiettivo di minimizzare gli effetti negativi legati a tali rischi che possono incidere negativamente sul risultato finanziario e patrimoniale complessivo. «Di conseguenza – spiega Maderna – un’efficace gestione del rischio è condizione necessaria per garantire una generazione di valore affidabile e sostenibile, in un contesto di rischio controllato, proteggendo così la solidità finanziaria e la reputazione d’impresa. L’utilizzo degli analytics in ambito bancario permette da un lato di migliorare il processo decisionale, fornendo analisi raffinate dei rischi, dall’altro di incrementare i profitti sul capitale, prendendo decisioni basate su rischi e procedure di ottimizzazione e di allocazione del capitale. In questo modo, le banche possono evolversi dinamicamente con un’architettura di gestione dei rischi che consente di adattarsi in modo efficiente ai cambiamenti di normative, domande dei clienti e procedure di gestione dei rischi. Un cliente BOARD nel settore bancario, con l’applicazione di tali strumenti, ha implementato un sistema di analisi/controllo con l’obiettivo di indirizzare con maggiore efficacia e consapevolezza le attività di internal auditing, in particolare sul processo di antiriciclaggio allo scopo di prevedere e individuare comportamenti inattesi della filiale e dei clienti. Ma non solo. Ha potuto disporre di un sistema di analisi dell’operatività delle singole filiali, razionalizzando il lavoro delle unità di controllo dei singoli istituti bancari, e ha potuto reperire in maniera più efficace il set informativo (Pre-Audit) necessario alle attività di verifica in loco presso le dipendenze».

#risk Roberto De Flumeri #Formula Per il 60% delle aziende, errato l’attuale approccio del rischio
Click To Tweet

Secondo Roberto De Flumeri, presales manager di Gruppo Formula, oltre il 60% delle aziende ritiene errato l’attuale approccio del rischio, troppo orientato su politiche hedging, forse per timori di ritorni e di altri impatti finanziari. «Molti clienti sono già consapevoli che l’analisi dei rischi ha dei lati positivi per il business e chiedono soluzioni di liquidity intelligence per avere informazioni e processi accessibili, sempre, ovunque e per chiunque, sui rischi potenziali e presenti» – spiega De Flumeri. «Tuttavia in molti casi, dobbiamo accompagnarli nella riflessione sugli indici chiave specifici, con cui Treasury può essere implementato: la loro riflessione è spesso limitata al monitoraggio di problematiche presenti, senza considerare che la gestione del rischio, per poter supportare le aziende nelle decisioni, deve essere evolutiva e migliorativa (come per esempio l’utilizzo della metodologia SIX Sigma o della filosofia Lean). Proprio per questo, le nostre soluzioni per la gestione dalla liquidità (tesoreria: Sage XRT Treasury – credito: Formula Credit Management) evolvono, nell’ottica della liquidy intelligence per le attività di analisi e del mobile per le attività di controllo».

Ma come trasformare il costo degli investimenti necessari per adeguarsi agli obblighi normativi in vantaggio di business? Per Francesco Consolati di SAS bisogna puntare su una piattaforma aperta, flessibile e scalabile che include sempre gli analytics. In questo modo è possibile «trasformare progetti di compliance per il rischio IT in un incremento di efficienza per il cliente attraverso l’analisi dei costi e benefici di un progetto informatico, riducendo allo stesso tempo anche l’esposizione al rischio».

L'articolo Gestire il rischio con gli analytics proviene da Data Manager Online.

Cisco Systems cambia. Al vertice della piramide aziendale ci sarà dal 26 luglio Chuck Robbins che prende il posto di John Chambers, per quasi ventiquattro anni nell’azienda e per venti amministratore delegato. La multinazionale apre ora le porte a Robbins che è a Cisco dal 1998 dove fino all’ingresso del nuovo ruolo continuerà a ricoprire il posto di responsabile delle attività globali. “Quando sono entrato in Cisco sapevo di voler far parte di un’azienda fondamentale dal mio punto di vista. Qui le possibilità di crescita sono illimitate e sono ancora convinto che possiamo giocare un ruolo chiave nei futuri cambiamenti nel campo dell’innovazione” – ha detto Robbins in una nota inviata dopo la comunicazione ufficiale.

Prosieguo ideologico

Il passaggio del testimone di John Chambers non era nell’aria ma nonostante questo i programmi dell’azienda non cambiano proprio perché il lavoro di Chuck Robbins prosegue idealmente quello avviato dall’ancora attuale CEO ben venti anni fa. Lo dimostrano gli altri membri del board come Carol Bartz che dopo la notizia ha detto: “Ho assistito alla crescita umana e professionale di Robbins che per 17 anni è stato uno dei migliori leader in Cisco. Credo che nessuno meglio di lui possa proseguire quanto fatto da Chambers visto che la sua figura è emersa tra quella degli altri candidati proprio per le capacità di vedere lontano e connettere la visione della compagnia con i valori e le persone che ogni giorno contribuiscono a rendere reali tante idee lungimiranti”.

L'articolo Cisco cambia la piramide, in cima arriva Chuck Robbins proviene da Data Manager Online.