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.

Kirey Group è un gruppo di aziende che riunisce e integra le competenze di Kirey, IKS, Insirio e System Evolution.

Il progetto, nato dall’idea di Vittorio Lusvarghi – CEO del Gruppo – di creare “il nuovo polo dell’IT italiano”, con il supporto del fondo di private equity Synergo SGR, si pone come obiettivo creare un punto di riferimento privilegiato per le aziende che vogliono innovare e ottimizzare i propri processi in un’ottica di trasformazione digitale.

Forte dell’esperienza delle quattro realtà che lo compongono e sfruttandone competenze, sinergie, best practice e una base clienti ampia e solida, Kirey Group supporta aziende di medie e grandi dimensioni operanti principalmente nei settori Banking, Insurance, Oil&Gas, Government e, in misura minore, nel Manufacturing, contando anche su partnership significative a livello globale, e disponendo di certificazioni ed expertise relative alle principali piattaforme tecnologiche.

Kirey Group oggi si propone come un motore di innovazione capace di offrire nuovi modelli di efficienza e di sviluppare progetti ad alto valore tecnologico integrando, a seconda delle necessità, le soluzioni della propria IT factory con le migliori tecnologie.

In particolare, l’offerta del gruppo si articolata in sei aree principali:

• Business Intelligence, dedicata alla gestione avanzata delle informazioni aziendali con modelli matematici ed estrapolazioni analitiche dei dati sempre più performanti, efficienti ed efficaci;
• Data Management, Governance and Quality, rivolta allo sviluppo di strumenti per il governo dei dati, garantendo l’affidabilità e il presidio del patrimonio informativo, che oggi ricopre un ruolo chiave come fattore abilitante del valore di impresa;
• Enterprise Application Management, dedicata alla realizzazione di soluzioni gestionali capaci di adattarsi in modo agile alle necessità del business e alle peculiarità dei processi aziendali;
• IT Transformation, a supporto dell’evoluzione delle aziende verso il digital business;
• IT security, dedicata alla progettazione di architetture per la sicurezza delle informazioni sensibili delle aziende e l’offerta di soluzioni di antifrode;
• Digital Execution, per accompagnare i clienti nell’adozione delle tecnologie più innovative, quali AI, IoT, Cloud, Blockchain e biometria.

Oltre ad affermarsi come nuova realtà a livello italiano, il Gruppo si pone come obiettivo la crescita a livello internazionale, con particolare attenzione all’Europa e all’Africa e, a tal fine, può già contare su diverse subsidiary estere, già attive e presidiate da personale qualificato.

“Supportare le aziende nei propri progetti di crescita è la missione per eccellenza del nostro Fondo“ ha aggiunto Gianfilippo Cuneo, fondatore ed amministratore delegato di Synergo SGR. “Con Vittorio Lusvarghi si è creata fin da subito una forte sintonia di intenti e come Synergo stiamo dando e continueremo a dare tutto il nostro supporto al Gruppo per consentire il raggiungimento degli ambiziosi obiettivi di crescita“.

L'articolo Kirey Group: quattro eccellenze dell’IT unite per dare vita a un unico grande punto di riferimento per le aziende italiane proviene da Data Manager Online.

Tra i fattori che stanno determinando questo cambio di passo c’è sicuramente la spinta regolamentare, particolarmente nel mercato finance con le normative in materia di vigilanza prudenziale e di gestione dei rischi, ma più generalmente in tutti i settori, come nel caso, per esempio, della protezione dei dati personali. Un contributo viene anche da una maggiore maturità dell’offerta di soluzioni e servizi tecnologici, applicativi, metodologici. Si pensi all’evoluzione delle proposte nell’ambito dei big data, degli advanced analytics, del machine learning. Si pensi all’affermarsi di professionalità come quella del data officer, figura centrale di processi di governo finalizzati a garantire integrità, accuratezza, completezza, disponibilità puntuale dei dati. Oppure quella del data scientist, il cui obiettivo è di produrre informazioni a maggior valore aggiunto partendo dall’enorme mole di dati elementari disponibili. Ed è forse proprio in questa consapevolezza ormai diffusa della catena del valore dell’informazione che sta il punto di svolta. Acquisire un dato ha un costo per l’azienda. Governare un dato (garantendone la qualità, attribuendogli una ownership, definendone una semantica comune a tutta l’organizzazione) ha un costo, interpretare e trasformare il dato grezzo in informazioni utili alla gestione e allo sviluppo del business ha un costo.

Ma al crescere del costo deve aumentare anche il suo valore. Un valore concreto, in molti casi trasformabile in denaro o in oggetto di scambio, che pone anche una serie di implicazioni etiche: la capitalizzazione del valore di una informazione non può andare a discapito dei diritti del soggetto del quale, attraverso questa informazione, viene definita l’identità, vengono descritti il profilo anagrafico, gli attributi sanitari, la posizione finanziaria, i comportamenti e lo stile di vita. La recente normativa europea GDPR per la protezione dei dati personali introduce principi e disposizioni finalizzati a regolare le modalità di gestione di queste informazioni, aggiungendo così un ulteriore onere per le imprese. Cosa è quindi necessario fare per garantire un adeguato trade-off tra opportunità, rischi e conformità alle regole? Per chiudere in positivo il bilancio tra costi da sostenere e valore da sfruttare? Questo è l’obiettivo che la nostra azienda, come certamente altre, si pone da anni.

La risposta sta per noi in una visione olistica, in un approccio basato sui principi fondanti di concretezza e sostenibilità. Ogni intervento progettato ed eseguito lungo la catena del valore dell’informazione, sia esso di data classification, di data quality, di data masking, di revisione dei processi e dei ruoli di governo, viene valutato in termini di costi e di benefici rispetto alle prospettive regolamentari, di mitigazione dei rischi, di valore per il business. Risultati concreti in termini di efficienza possono essere raggiunti in progetti data-focused, definendo correttamente le priorità, finalizzando gli interventi a più di una prospettiva, riducendo complessivamente i costi e, soprattutto, allocandoli tenendo conto del massimo livello di ritorno possibile.

Vittorio Lusvarghi, amministratore delegato di System Evolution

L'articolo Opportunità, rischi e regole 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.

L’Internet of Things (abbreviato in IoT) è un network di oggetti fisici dotati della tecnologia che serve per comunicare e interagire tra loro stessi, e con l’ambiente esterno. Il numero di oggetti connessi, secondo Gartner, lo scorso anno ammontava a 4,9 miliardi, ma secondo le previsioni il loro numero è destinato a crescere fino a raggiungere, nel 2020, i 20 miliardi. L’IoT è una fonte di dati enorme: raccoglie infatti i dati dagli oggetti, dovunque e qualunque essi siano. Si tratta di dispositivi molto diversi tra loro, che spesso utilizzano linguaggi e sistemi operativi diversi, ma che comunque sono in grado di interagire non solo tra loro, ma anche con sistemi come gli ERP o i CRM, e con le applicazioni che usiamo nella vita di tutti i giorni, non solo per le attività lavorative. Il loro potenziale informativo è, a oggi, ancora in buona parte inesplorato. Avere le capacità di analizzare questi dati, ricavandone informazioni, trend di business e modelli predittivi sarà una discriminante tra le aziende che potranno essere protagoniste e competere sul mercato e chi invece farà fatica a sopravvivere. Gli strumenti di business analytics negli ultimi anni si sono ritagliati un ruolo sempre più centrale: questo, grazie alle numerose funzionalità di cui dispongono, e alla precisione di analisi e simulazione che permettono sia sui dati aziendali sia sui big data. Gli analytics sono gli strumenti ideali per scoprire il valore dei dati raccolti dall’IoT: i dati prodotti dai vari dispositivi (dai computer agli smartphone, dai tablet alle automobili e a tutti i dispositivi dotati di sensori) possono essere correlati con i dati archiviati nei sistemi gestionali, nei CRM, ma anche con dati provenienti da altre fonti esterne alle aziende (social network, piattaforme di e-commerce, dati di analisti di mercato o di fornitori di servizi). La combinazione di tutte queste fonti dati crea informazioni di notevole valore, utilizzabili per poter prendere delle decisioni informate e accurate.

#IoT #Analytics Mauro Tuvo #System Evolution La forza dell’integrazione
Click To Tweet

La forza dell’integrazione

In concreto, cosa è possibile fare con gli strumenti di business analytics sulla mole di dati proveniente dagli IoT? è possibile, per esempio, monitorare ogni singolo dispositivo connesso, confrontandone lo stato attuale con i dati storici per controllare le tendenze sui consumi, per ottimizzare i processi di approvvigionamento di utilizzo, ma anche per migliorare il design o la qualità del prodotto stesso (integrando i feedback di utilizzo nel processo di ricerca e sviluppo, e di produzione), per ottimizzare gli interventi di manutenzione programmata riducendo i costi di operazioni superflue se non addirittura inutili. E ancora, l’utilizzo degli analytics sui dati dell’IoT permette di ridurre gli sprechi di energia e attuare politiche di risparmio energetico, o creare campagne di marketing per il materiale di consumo, o per altri prodotti correlati grazie all’integrazione di dati provenienti dalla fidelity card, dagli scontrini e dai social media. Grazie ai continui progressi tecnologici si stanno sempre più riducendo i limiti di performance e di scalabilità nel processare dati così eterogenei, e questo permette di scoprire sempre nuove possibilità di sfruttamento dei dati disponibili. Quindi, siamo davvero di fronte a delle miniere di dati, con informazioni spesso nascoste, ma utilissime per il business.

#IoT #Analytics Bruno Sirletti @Fujitsu_Italia Cambiare radicalmente il modo di lavorare
Click To Tweet

Aggiunge Mauro Tuvo, principal consultant information management di System Evolution: «La nostra visione su questa tematica nasce da collaborazioni in progetti per la PA, relativi alla raccolta da dispositivi distribuiti sul territorio e alla organizzazione su piattaforma Big Data di dati eterogenei, integrati con informazioni provenienti da fonti open. Questo impianto informativo è in grado di supportare applicazioni analitiche, disponibili a vari soggetti, che monitorano fenomeni relativi al territorio come per esempio la mobilità, la qualità dell’aria, la raccolta dei rifiuti. Alla luce di queste esperienze, gli elementi chiave di una integrazione tra dati provenienti da dispositivi eterogenei e soluzioni di business analytics sono a nostro avviso un disegno architetturale scalabile e una base informativa flessibile, in grado di acquisire in modo dinamico nuovi contenuti informativi. Scalabilità e flessibilità sono in questo senso fattori abilitanti per la creazione di un valore che nasce dalla integrazione di informazioni. Ma queste opportunità per essere colte richiedono competenze specifiche sia di metodo che di merito (data scientist e analisti di dominio) e di un sistema di governo dei dati in grado di sostenere il lavoro di questi specialisti garantendo una mappa chiara e aggiornata delle informazioni disponibili ed una carta di identità delle loro caratteristiche più significative: fonte, ownership, semantica, grado di affidabilità eccetera».

#IoT #Analytics Agrifood, sanità e smart city, mercato sempre più #open
Click To Tweet

Per Bruno Sirletti, presidente e AD di Fujitsu Italia è necessario affrontare il tema dell’integrazione tra IoT e analytics, partendo sempre dal discorso sulla trasformazione digitale. Infatti, «qualsiasi azienda che decida di rimanere fuori da questa svolta epocale, rischia di essere tagliata fuori dal mercato e di non partecipare allo sviluppo, che nei prossimi anni troverà appoggio stabile su questo nuovo contesto. Qui non si sta parlando di semplice digitalizzazione dei processi analogici. Questa trasformazione ha bisogno che le imprese si adoperino per ripensare le proprie operazioni e i propri processi nel nuovo scenario globale. Uno scenario in cui persone, cose (IoT), dati dell’azienda sono connessi e dialogano tra loro: è la chiave non solo per essere più veloci e incrementare l’efficienza, ma anche per cambiare radicalmente il proprio modo di lavorare e l’interazione con i propri clienti».

Mercato sempre più open

Secondo IDC, il mercato degli analytics e dell’information management legata all’IoT si sta facendo strada tra le grandi organizzazioni di tutti i settori, che vedono il beneficio nell’adottare subito soluzioni per ottimizzare i processi. In questo modo, possono migliorare la produttività e l’efficienza operativa, eliminare i costi, e creare nuove opportunità di revenue. Ci sono molteplici scenari che potrebbero avverarsi, e molte variabili che potrebbero influenzare domanda e offerta, ma IDC prevede che il mercato mostrerà una forte crescita nel prossimo quinquennio, a un ritmo del 19,9% all’anno. IDC prevede anche che il numero di analytics per IoT e di piattaforme di information management – base per lo sviluppo di applicazioni IoT – cresceranno nel prossimo futuro. Una gamma di tecnologie che sono state sviluppate negli ultimi anni per l’analisi dei Big Data si presteranno a generare previsioni e insight a partire dai dati dell’IoT. In parallelo, emergeranno diverse applicazioni pacchettizzate per l’IoT, per indirizzare processi specifici nei diversi settori industriali. La richiesta di analytics e di tecnologie di information management per l’IoT rappresentano un’opportunità per i software vendor, e attireranno anche nuovi concorrenti, storicamente focalizzati sulle soluzioni per l’industria o su altri settori IT non-software.

#proximitymarketing @RobertoCorraro @GruppoSintesi #IoT e #Analytics per digitalizzare “tutto”
Click To Tweet

Agrifood, sanità e smart city

Non sono ancora molte le aziende che possono vantare una lunga esperienza su queste tematiche, perché non è da molto che la tecnologia ha reso disponibili questo tipo di applicazioni. Vediamo in quali settori, e in quali aree, i vendor italiani hanno sviluppato dei progetti, utilizzando l’integrazione tra IoT e business analytics. Diversi sono i campi di applicazione, come spiega Bruno Sirletti, presidente e AD di Fujitsu Italia. «Tra i mercati più importanti, sicuramente oggi c’è l’agrifood, ma anche i servizi per la Sanità e la smart city. In Giappone – per esempio – Fujitsu ha sviluppato un telefono sperimentale, dotato di 41 sensori, che permette di misurare quasi ogni cosa, in base all’applicazione che viene caricata. È possibile analizzare il sonno anche senza sensori specifici: semplicemente poggiandolo sul materasso il telefono rileva i movimenti notturni, monitora il respiro e attraverso una serie di calibrazioni è possibile raccogliere informazioni importanti sula qualità del proprio riposo. Puntando la videocamera verso il volto, è possibile sapere la propria frequenza cardiaca, grazie a un’analisi del colore della pelle e dei movimenti dei capillari intorno agli occhi. In Spagna, Fujitsu è uno dei quattro partner del consorzio al quale è stato affidato un contratto per implementare, installare e gestire una nuova soluzione di trasporto pubblico basata su card NFC per la mobilità in Catalogna per conto dell’Authority catalana dei Trasporti Metropolitani. Presto cambierà il modo in cui le persone utilizzeranno i mezzi pubblici e il nuovo sistema T-Mobilitat funzionerà in base alla mobilità effettiva di ogni singolo cittadino, permettendo di calcolare in modo personalizzato il costo del viaggio, consentendo di applicare anche promozioni e sconti personalizzati. In ambito medico, invece, è possibile monitorare lo stato di salute di chi indossa “wearable devices”, raccogliere informazioni preziose e creare database estremamente ricchi, da cui attingere informazioni per fare diagnosi e giocare d’anticipo sull’insorgere di determinate malattie».

#IoT #Analytics Angelo Cian L’HR @ZucchettiSpa analytics nei trasporti
Click To Tweet

Imprese energivore e multisede

In pratica l’IoT è un trend assoluto. Secondo Roberto Corraro, direttore generale di Gruppo Sintesi porterà alla digitalizzazione del «tutto». La vera motivazione che spinge all’implementazione di tecnologie IoT «è l’esigenza di controllare o monitorare un evento o un dispositivo sia per garantirne il funzionamento nel tempo (business continuity) sia per concentrare tutte le informazioni (big data) che una volta elaborate permettono di prendere decisioni operative e strategiche migliori». Tutti i mercati e quasi tutti i sistemi ne sono coinvolti, sebbene l’adozione proceda a ritmi molto diversi. «Per esempio – spiega Corraro – Gruppo Sintesi sta aiutando i clienti multisede e quelli definiti energivori, cioè le aziende soggette alla legge 102 entrata in vigore lo scorso dicembre, a fare efficientamento energetico, mettendo a loro disposizione le proprie competenze in ambito IoT. In forte espansione, è anche l’introduzione della tecnologia wireless all’interno degli stabilimenti produttivi, in modo da poter facilmente convogliare le informazioni sui KPI di produzione e quelle di assorbimento energetico verso il data center aziendale. Sempre più informazioni dunque, e sempre più rilevanti, per consentire all’azienda di reagire velocemente e rimanere competitiva. I più lungimiranti si dotano di infrastrutture unificate per la raccolta e la concentrazione dei dati e per implementare un monitoring attivo e predittivo che abiliti la continuità dei processi e acceleri la capacità decisionale».

L’HR analytics nei trasporti

«Quando un’azienda decide di avviare un progetto che riguarda big data e analytics è fondamentale avere ben presente l’obiettivo finale e capire quali sono le informazioni rilevanti da estrapolare dal sistema in base ai processi da analizzare» – mette in evidenza Angelo Cian, responsabile soluzioni gestionali di Zucchetti. «Per questo motivo, Zucchetti ha integrato funzionalità di analytics direttamente nei propri applicativi aziendali ERP e HR, con il vantaggio di fornire ai clienti delle soluzioni di business intelligence già pronte da utilizzare per l’analisi dei dati contabili, amministrativi, di gestione del personale e così via». Un ulteriore livello di completezza dell’offerta Zucchetti è rappresentato proprio dall’Internet of Things. Una soluzione Zucchetti di IoT e Analytics è già pronta per il settore dei trasporti. L’applicazione per la gestione delle note spese e trasferte, ZTravel, è integrata con la soluzione di localizzazione satellitare mezzi di Macnil, società del Gruppo Zucchetti specializzata nell’IoT, «con funzionalità di analytics che consentono di incrociare i dati delle spese sostenute dall’autista con i tragitti e le soste effettuate, per verificarne la corrispondenza in tempo reale e processare direttamente le informazioni in contabilità, con notevoli vantaggi in termini di velocità, efficienza e di controllo del rispetto della policy aziendale».

#IoT #Analytics Francesco Stolfo @ToolsGroupItalyexperience multicanale
Click To Tweet

Experience multicanale

Per Francesco Stolfo, partner di ToolsGroup, aiutare i consumatori a essere felici è sempre più difficile, perché il complesso percorso di acquisto multicanale si pone come ostacolo verso la garanzia di una customer experience migliore. «Una soluzione è quella di usare il potenziale dei dati che le aziende conservano nei loro ERP, nel cloud, nel web. Occorre identificare i big data, estrarli, integrarli, e capire che significato hanno e a che cosa possono servire. Questo tipo di analisi permette di definire un modello di marketing predittivo, in grado di rendere più felici i clienti ma anche l’azienda. Occorre stabilire un modello previsionale basato su regole, che sia in grado di prevedere in maniera accurata i passi successivi dei clienti, ma anche di spiegare il perché di quel comportamento. Questo significa definire un modello per le azioni future del mercato (predictive analytics), e poter anche sfruttare tutti i dati relativi al loro comportamento, in modo da prendere decisioni migliori per il futuro (prescriptive analytics). Un distributore di beni di largo consumo, con l’obiettivo di migliorare il ritorno delle promozioni, con questo approccio ha potuto aumentare il ROI, ridurre i costi migliorando le performance, e offrire una customer experience più soddisfacente: +20% di efficacia delle azioni marketing; incentivazione del cross-selling e riduzione dello shadow effect e dei fenomeni di cannibalizzazione; miglioramento della comunicazione e della strategia di approvvigionamento per venire incontro alla domanda dei consumatori».

L'articolo Analytics e IoT, la grande sfida per il business proviene da Data Manager Online.

System Evolution è un system integrator presente sul mercato da una trentina d’anni, nato a Torino e attivo soprattutto nel nord Italia, dal Piemonte alla Lombardia al Veneto, fortemente focalizzato nell’area finance e che annovera tra i propri clienti i principali gruppi bancari e assicurativi a livello nazionale. Le linee di business comprendono information management, enterprise collaboration & integration, projects & solutions, spesso con l’interazione di varie tecnologie, da quelle tradizionali, come il mainframe, al web e al mobile. «Negli ultimi anni, System Evolution ha consolidato l’attività di information management nel settore finance, partecipando anche a importanti progetti Big Data» – spiega Mauro Tuvo, principal consultant information management. I contributi di System Evolution per la gestione del dato riguardano sia l’aspetto tecnologico sia quello applicativo e metodologico, all’interno di progetti che comunque non sono destinati unicamente a clienti finance ma anche ad altri settori, tra cui la PAL. Tecnologie no-sql e Big Data sono impiegate per mettere in relazione open data e dati rilevati da vari dispositivi dislocati sul territorio in una piattaforma in grado di supportare una serie di servizi di interesse locale: storicizzazione e analisi dei dati sulla qualità dell’acqua e dell’aria, controllo della mobilità urbana. «In questo caso abbiamo messo a disposizione le nostre competenze tecnologiche nei processi di raccolta e valorizzazione dei dati da varie fonti, strutturate e non strutturate» – spiega il manager.

#SystemEvolution Mauro Tuvo: Cultura e qualità dei dati per un governance data driven
Click To Tweet

La carta d’identità dei dati

Contributi di merito sono invece quelli che System Evolution offre al mondo bancario, tramite soluzioni che basate su piattaforme Big Data supportano campagne di marketing, sistemi di reporting regolamentare, di analisi dei rischi o applicazioni ad alto valore per i clienti. «Andiamo particolarmente fieri delle nostre competenze e delle metodologie di governo dei dati, nate inizialmente in ambito data mining e data warehouse e applicate ora al mondo Big Data. Ci vuole una “bussola” per orientarsi velocemente nel mare di dati e per intercettare le informazioni rilevanti per raggiungere un determinato obiettivo. Ogni dato deve disporre di una carta d’identità che ne indica la proprietà, la semantica, il grado di affidabilità e aggiornamento, e così via» – sottolinea Tuvo. Dotarsi di un approccio strutturato per la gestione di queste opzioni architetturali è vitale nella vision dell’azienda per trarre il massimo valore dalle informazioni e orientare il business.

#Big Data #datagovernance #SystemEvolution La carta d’identità dei dati
Click To Tweet

Visione e strategia

«è stata una scelta strategica quella che l’azienda ha compiuto alcuni anni fa, focalizzandosi sul mercato finance e sull’information management» – sottolinea Mauro Tuvo. Per un’azienda come System Evolution, con trent’anni di esperienza e che ha saputo adeguare i propri servizi alle evoluzioni del business e delle tecnologie, una chiara visione del mercato è fondamentale. «Abbiamo sempre cercato di concentrarci sulle novità del sistema finanziario e su quelle tecnologiche per soddisfare, e anzi se possibile anticipare, le esigenze dei clienti». Anche le collaborazioni con ABI Lab (il laboratorio di innovazione dell’Associazione Bancaria Italiana) e altri istituti specializzati di settore sono importanti per mantenere uno sguardo aggiornato. «Crediamo molto nelle tecnologie abilitanti e nell’attenzione costante alle dinamiche di sviluppo del mercato. Per mantenere e consolidare una posizione di leadership sulle nostre aree di eccellenza, punteremo anche in futuro sulle competenze di merito e sulla proattività nello sviluppo di soluzioni metodologiche e tecniche» – conclude Mauro Tuvo.

L'articolo System Evolution, Big Data e data governance 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.

System Evolution è una realtà nata nel 1985, con una forte focalizzazione sul settore finance. I principali ambiti di competenza sono i sistemi gestionali ERP e la realizzazione e l’integrazione di applicazioni informatiche in ambiente mainframe, dipartimentale, su web, su dispositivi mobili. Ma l’area di maggiore crescita riguarda lo sviluppo di soluzioni di information management. «Il nostro business si concentra sul mercato finance che rappresenta l’80% del fatturato aziendale, che vale circa 15 milioni di euro» – spiega Matteo Cucco, amministratore unico dell’azienda. Fare information management per banche e assicurazioni significa gestire il proprio patrimonio informativo lungo l’intero ciclo di vita dei dati, con una forte attenzione ai processi decisionali, di controllo e rendicontazione. Lo scopo è fornire informazioni complete, accurate e tempestive a tutti i soggetti coinvolti nell’attività degli istituti e delle compagnie (manager, analisti, mercato, istituzioni e organismi di vigilanza, stakeholder). «Le tecnologie da sole non bastano» – commenta Cucco. «Alle competenze di business intelligence e data warehousing occorre abbinare una profonda conoscenza di merito sui processi bancari e assicurativi, ma anche sulle normative che li regolano in modo sempre più pervasivo». Utilizzando metodi, tecniche e acceleratori pensati specificamente per questo settore, i clienti di System Evolution possono – per esempio – monitorare le performance della rete commerciale; verificare costantemente l’efficacia della relazione con la clientela; impostare e gestire in tempo reale le campagne di marketing e di acquisizione di nuovi clienti, identificare opportunità di cross-selling e up-selling; valutare la redditività dei prodotti e dei servizi offerti.

#finance #SystemEvolution, Matteo Cucco «Come valorizzare il patrimonio informativo»?
Click To Tweet

Multicanalità e mobility

L‘evoluzione della tecnologia e delle modalità di offerta hanno avuto in questi anni un impatto importante sull’IT, in primo luogo per quanto riguarda la multicanalità e la mobility. System Evolution si è quindi specializzata nella realizzazione di applicazioni mobile di information management. «In questo campo, la user experience rappresenta ancora più che per altri canali un fattore critico» – spiega Matteo Cucco. «Nell’interazione con smartphone o tablet, la componente emozionale è importante. L’esperienza di utilizzo può determinare realmente il successo anche per una business application». Per esempio, System Evolution ha realizzato soluzioni mobile di “scheda cliente” a uso dei gestori della banca, che supportano una visione integrata del cliente stesso, lungo tutte le differenti prospettive di relazione (rapporti, visite, canali, redditività…).

Gestione del rischio

Un’altra area in costante crescita è quella del risk management, che richiede supporti informatici per un’analisi e una misurazione attraverso opportuni indicatori delle varie tipologie di rischio con cui un istituto finanziario deve confrontarsi. «Negli ultimi anni, istituzioni e organismi di vigilanza hanno emanato norme e regolamenti che impongono una valutazione formale e una conseguente gestione dei rischi informatici, di credito, di mercato, e così via. La gestione dei rischi ha conseguenze rilevanti sul business delle banche e delle assicurazioni, anche in termini di requisiti di capitale. Il nostro compito è fornire soluzioni software in grado di alimentare i modelli di calcolo del rischio e di sostenere i processi connessi» – afferma Cucco.

#finance #SystemEvolution, Mauro Tuvo «Le competenze tecnologiche, da sole, non bastano»
Click To Tweet

Governare i dati e l’IT

Altri temi in forte crescita sono quelli dell’IT governance e della data governance. «Le banche sono chiamate a tutelare la qualità dei dati gestiti, anche monitorandola con opportuni indicatori» – prosegue il manager. La sfida per gli “ingegneri dei dati” di System Evolution è ora quella dei big data. «Anche in questo caso non si tratta solo di conoscere le nuove tecnologie: cambiano i paradigmi, i modelli, e si aprono enormi spazi di applicazione ancora da esplorare, in particolare per il mondo finance. Il governo dei dati sarà ancora più fondamentale, vero pilastro di un approccio industriale alla gestione del patrimonio informativo» – conclude Cucco.

L'articolo System Evolution, ingegneria dell’informazione proviene da Data Manager Online.

L’evento è stato un’opportunità di confronto su una tematica sempre più presente nelle agende di banche e assicurazioni in Italia. Rappresentanti di Gruppi e Istituti bancari, di compagnie assicurative e del mondo accademico hanno illustrato le proprie esperienze e prospettive sull’argomento. Anche System Evolution ha condiviso la propria vision, maturata su più di cento progetti di data governance all’attivo realizzati negli ultimi anni. Gli atti del convegno sono consultabili direttamente sul sito CeTIF o attraverso il sito www.systemevolution.it. Colgo l’occasione di questo evento per condividere alcune riflessioni sulle direttrici di evoluzione di questa tematica.

#DataGovernance , non solo #quality, ma un utilizzo più consapevole dei dati @CeTIF1
Click To Tweet

Prima riflessione. La Data Governance è in questo momento percepita da molte organizzazioni come una revisione, un rilancio più strutturato di quel concetto di Data Quality previsto da norme e regolamenti del settore finanziario. Questa visione è solo parzialmente condivisibile: governare il patrimonio informativo significa infatti impiegare una serie di discipline (tra cui anche la Data Quality) e di tecniche per garantire non solo la qualità, ma un utilizzo dei dati più consapevole, efficace ed efficiente. Nonostante si tratti in realtà di discipline e tecniche non nuove, già ampiamente applicate e sperimentate (business metadata, master data, information lifecycle management, data lineage, per citarne alcune), il principale elemento di innovazione consiste soprattutto nel loro impiego sinergico all’interno di una visione organica e sulla base di una roadmap che ne consenta una adozione progressiva.

Seconda riflessione. La Data Governance rappresenta un valore a prescindere dall’esistenza delle normative che la prescrivono: come è ormai ampiamente dimostrato dalle esperienze (tra cui quelle illustrate nel convegno CeTIF) e documentato dalla letteratura in materia, la gestione organizzata del patrimonio informativo ha ricadute positive sui risultati d’impresa.

Terza riflessione. La Data Governance porta vantaggi tanto più evidenti quanto più è considerata e applicata in sinergia con l’IT Governance. Il buon funzionamento delle risorse IT è una condizione necessaria per un governo efficace e sostenibile del patrimonio informativo.

Quarta riflessione. Governare i dati e le risorse IT significa innanzitutto averne un monitoraggio preciso e aggiornato; il governo di un fenomeno non può prescindere da una misurazione dei principali fattori che ne descrivono il funzionamento e da una rappresentazione di questi fattori attraverso opportuni indicatori. Tecniche, metodi, strumenti di business intelligence sono componenti imprescindibili di un sistema di governance.

#DataGovernance , un valore a prescindere dalle regole @CeTIF1
Click To Tweet

È sulla base di questi principi che System Evolution ha costituito la propria linea di offerta di Information Management. I servizi e le soluzioni proposte coinvolgono consulenti di processo e di metodo, analisti e tecnici ciascuno con proprie specifiche competenze, ma tutti guidati da una visione unica e organica. Questa visione, ispirata a principi di derivazione anglosassone, si è consolidata in una metodologia adattata alla nostra realtà e ormai ampliamente consolidata come standard nel nostro mercato. Visione, metodo e servizi sono inoltre supportati da una suite di strumenti specifici (DG Suite) in grado di agevolare la gestione dei processi di governance e dei relativi metadati. Tutto questo ha per System Evolution l’obiettivo di sostenere i propri clienti nella gestione dei risultati di impresa anche attraverso un efficace governo delle risorse informative.

Matteo Cucco, amministratore di System Evolution

L'articolo Come governare i dati proviene da Data Manager Online.