Processo decisionale data-driven, basato sui dati: avere successo nell'era digitale
Cos'è il processo decisionale data-driven, basato sui dati?
Il processo decisionale basato sui dati (data-driven decision making - DDDM) è definito come l'utilizzo di elementi concreti, metriche e dati per orientare il processo decisionale aziendale in linea con obiettivi, scopi e iniziative. Quando le organizzazioni realizzano il pieno valore dei propri dati significa che tutti (dal business analyst o sales manager allo human resource specialist) sono in grado di prendere decisioni migliori con i dati, quotidianamente. Tuttavia, questo non è possibile solo scegliendo la tecnologia di analisi adeguata per individuare una nuova opportunità strategica.
Per l'organizzazione è necessario rendere il processo decisionale data-driven (basato sui dati) una prassi, creando una cultura che promuove il pensiero critico e la curiosità. A tutti i livelli, i dialoghi tra le persone cominciano dai dati e le competenze sui dati sono sviluppate attraverso la pratica e l'applicazione. Essenzialmente, è necessario un modello self-service, in cui le persone possano accedere ai dati di cui hanno bisogno, bilanciato da sicurezza e governance. Inoltre, è necessaria la competenza, che si ottiene creando opportunità di formazione e sviluppo per i dipendenti, affinché aumentino le loro competenze relative ai dati. Infine, la direzione e una community che sia di supporto e prenda decisioni data-driven basate sui dati incoraggerà gli altri a fare lo stesso.
L'istituzione di queste capacità principali contribuirà a promuovere il processo decisionale data-driven basato sui dati a tutti i livelli di lavoro. Di conseguenza, i gruppi aziendali porranno domande regolarmente e analizzeranno le informazioni per scoprire elementi efficaci che orientino le iniziative.
L'importanza del processo decisionale data-driven, basato sui dati
Il quantitativo di informazioni raccolte non è mai stato maggiore, seppur risulti più complesso. Questo rende difficile per le organizzazioni gestire e analizzare i propri dati. Infatti, NewVantage Partners ha recentemente riportato che il 98,6% degli executive segnala che la propria organizzazione ambisce a una cultura data-driven, guidata dai dati, mentre solo il 32,4% afferma di riuscirci. Anche uno studio IDC del 2018 ha osservato che le organizzazioni hanno investito migliaia di miliardi di dollari per modernizzare la propria azienda, ma il 70% di tali iniziative fallisce poiché viene data priorità agli investimenti in tecnologia, senza costruire una cultura dei dati che la supporti.
Con l'obiettivo di essere data-driven, cioè guidate dai dati, molte aziende stanno sviluppando tre capacità principali: competenza relativa ai dati, flessibilità di analisi e community. Trasformare il modo in cui la tua azienda prende decisioni non è facile, ma incorporare dati e analisi nei cicli decisionali è il modo più efficace per generare il massimo impatto sulla trasformazione dell'organizzazione. Questo livello di trasformazione richiede uno specifico approccio per sviluppare e rifinire il programma di analisi.
Organizzazioni che traggono vantaggio dal processo decisionale data-driven basato sui dati
Grazie alla business intelligence moderna, le organizzazioni si avvicinano sempre più alla comprensione del valore del processo decisionale data-driven basato sui dati in tutti i dipartimenti e ruoli. Ecco alcuni esempi di organizzazioni che stanno sfruttando efficacemente il valore di persone e dati.
Lufthansa Group è un gruppo mondiale del settore dell'aviazione che a un certo punto non aveva uniformità tra i report di analisi delle oltre 550 sussidiarie. Utilizzando una piattaforma di analisi unica, hanno aumentato l'efficienza del 30%, ottenuto maggiore flessibilità nel processo decisionale e migliorato l'autonomia dei reparti. "Ci troviamo in una posizione più solida per creare e progettare le analisi autonomamente. Inoltre, molte persone ora comprendono l'importanza centrale dei dati per il successo di Lufthansa", ha raccontato Heiko Merten, Head of BI Applications in Sales.
Providence St. Joseph Health, un sistema di 51 ospedali con oltre 100.000 operatori, ogni anno fornisce assistenza sanitaria efficace in termini di costi e di alta qualità a milioni di pazienti. I dati dei pazienti si trovano in molti sistemi, ma gestire e integrare crescenti quantitativi di dati è un'attività complessa. Providence ha sviluppato dashboard accessibili al sistema ospedaliero che rendono più trasparenti i dati su qualità e costi. In questo modo, gli operatori possono migliorare sensibilmente le misure qualitative e ridurre i costi dell'assistenza. "In tutto il sistema, abbiamo perfezionato i risultati qualitativi generalmente difficili da migliorare. Ritengo che sia parzialmente dovuto al fatto che parliamo una lingua comune", ha spiegato il Dr. Ari Robicsek, Chief Medical Analytics Officer.
Charles Schwab Corporation è una delle principali società di servizi finanziari, per valore degli asset dei clienti, quotate in borsa. I dati sono indispensabili al fine di migliorare l'esperienza dei clienti, favorire la leva operativa e limitare i rischi. Con il crescente interesse del personale verso i dati e l'analisi, hanno rivisto la pianificazione delle capacità e il modello di supporto dei dati, scegliendo una piattaforma di BI aziendale che supporta gli analisti e i business user meno esperti. "Senza la soluzione di analisi visiva, avremmo continuato ad analizzare enormi quantità di dati nei fogli di calcolo. Le dashboard, invece, forniscono informazioni chiare e concretizzabili che danno impulso all'azienda", ha dichiarato Donald Lay, Senior Business Intelligence Manager.
Senza la soluzione di analisi visiva, avremmo continuato ad analizzare enormi quantità di dati nei fogli di calcolo. Le dashboard, invece, forniscono informazioni chiare e concretizzabili, che danno impulso all'azienda.
6 passaggi per prendere decisioni data-driven, basate sui dati, in modo efficace
Questi passaggi sono utili per individuare "chi, cosa, dove, quando e perché" affinché tu, i tuoi colleghi e l'azienda otteniate il massimo dai dati. Tieni comunque presente che il ciclo dell'analisi visiva non è lineare. Spesso, una domanda conduce a un'altra, che può indicare la necessità di tornare a un passaggio precedente o passare a un altro, che alla fine porterà a informazioni utili.
Passaggio 1 - Individuazione degli obiettivi aziendali: questo passaggio richiederà una conoscenza degli obiettivi dell'organizzazione, sia a livello di direzione che dei singoli reparti. Può essere un obiettivo chiaro, come l'incremento delle vendite e del traffico del sito web, o enigmatico, come il miglioramento della brand awareness. Sarà successivamente utile nel processo per la scelta degli indicatori chiave di prestazione (KPI) e delle metriche che incidono sulle decisioni prese tramite i dati. Inoltre, favorirà la selezione dei dati da analizzare e delle domande da porre affinché l'analisi supporti gli obiettivi aziendali chiave. Per esempio, nel caso di una campagna di marketing incentrata sull'aumento del traffico del sito web, i KPI potrebbero essere connessi al quantitativo di contatti acquisiti, affinché le vendite possano intercettare i lead.
Passaggio 2 - Sondaggio tra i team aziendali per scoprire le principali origini di dati: per garantire efficacia, è fondamentale ottenere input dall'intera organizzazione, al fine di comprendere gli obiettivi a breve e lungo termine. Tali input contribuiscono a informare le domande poste nelle analisi e a definire come dare priorità alle origini dati certificate.
Gli input preziosi raccolti all'interno dell'organizzazione ti aiuteranno a impostare la distribuzione e lo stato futuro dell'analisi, dai ruoli alle responsabilità, all'architettura, i processi, nonché i sistemi di misurazione del successo per comprendere i progressi fatti.
Passaggio 3 - Raccolta e preparazione dei dati necessari: accedere a dati di qualità e affidabili può rappresentare un notevole ostacolo se le informazioni aziendali sono collocate in origini non connesse. Una volta compresa l'estensione delle origini dati di tutta l'organizzazione, è possibile iniziare a preparare i dati.
Inizia preparando le origini dati rilevanti e poco complesse. Per avere un effetto immediato, dai priorità alle origini dati con più destinatari. Utilizza queste origini per iniziare a sviluppare una dashboard efficace e interessante.
L'agenzia di marketing Tinuiti ha centralizzato oltre 100 origini dati con una piattaforma di analisi che supporta una preparazione dei dati più rapida per creare dashboard personalizzate per oltre 500 clienti e presentare così nell'insieme tutte le attività del marchio.
Passaggio 4 - Visualizzazione ed esplorazione dei dati: la visualizzazione dei dati è fondamentale per il processo decisionale basato sui dati. Rappresentare le informazioni in modo visivamente incisivo porterà ad avere migliori possibilità di orientare le decisioni dei manager senior e del resto del personale.
Grazie a elementi visivi come diagrammi, grafici e mappe, la visualizzazione dei dati rappresenta una soluzione accessibile per osservare e comprendere tendenze, outlier e modelli presenti nei dati. Vi sono numerosi tipi popolari di visualizzazioni per mostrare le informazioni in modo efficace: un grafico a barre per il confronto, una mappa per i dati spaziali, un grafico a linee per i dati temporali, un grafico a dispersione per confrontare due misure, e molti altri.
Passaggio 5 - Sviluppo delle informazioni: applicare il pensiero critico ai dati significa individuare le informazioni e comunicarle in maniera utile e coinvolgente. L'analisi visiva rappresenta un approccio intuitivo per porre domande e fornire risposte sui tuoi dati. Scopri le opportunità o i rischi legati al successo o al problem-solving.
JPMorgan Chase ha adottato una soluzione di analisi moderna per prendere decisioni di rilievo per lo stato della banca. JPMC ha la possibilità di avere una visione completa del percorso dei clienti, analizzando le relazioni dei settori di attività (ossia prodotti, marketing e i touch point dei servizi) con i dati dei clienti. Per esempio, il team per le operazioni di marketing esegue analisi che orientano le decisioni relative alla progettazione del sito web, i materiali promozionali e i prodotti come l'applicazione Chase Mobile.
Passaggio 6 - Iniziative e condivisione delle informazioni: una volta scoperta un'informazione, è necessario intraprendere delle iniziative o condividerla con gli altri in un'ottica di collaborazione. Uno dei modi per farlo è rappresentato dalla condivisione delle dashboard. Mettere in luce le informazioni chiave utilizzando testi informativi e visualizzazioni interattive può influire sulle decisioni dei destinatari e contribuire a far intraprendere loro azioni informate nel lavoro quotidiano.
Dashboard con la panoramica del mercato di Boeing
Questa dashboard di Boeing utilizza 10 diagrammi per offrire a chi visualizza diverse prospettive e la possibilità di scoprire nuove informazioni sulla domanda di aerei nei prossimi 15 anni e oltre.
Esplora la visualizzazione pubblica
Con una piattaforma di analisi come Tableau, è possibile creare e condividere dashboard in un ambiente protetto e controllato in cui gli altri possono cercare, visualizzare e consultare i dati nei propri flussi di lavoro. Per garantire il perseguimento delle esigenze dell'organizzazione, affinché le persone possano trovare i dati necessari, i modelli di governance e le origini dati dovrebbero essere regolarmente valutati.
Il processo decisionale data-driven, basato sui dati, conduce alla trasformazione. Quando tutti all'interno di un'organizzazione adottano l'analisi visiva, i dati diventano una risorsa aziendale fondamentale. Con una soluzione di business intelligence moderna, il processo decisionale data-driven basato sui dati diventa una mission aziendale, non più un problema. Questo determina decisioni più rapide e informate. Inoltre, le decisioni daranno origine a risultati più solidi, maggiore creatività e successo commerciale, nonché a un maggiore coinvolgimento e collaborazione dei dipendenti.
Scopri quali sono gli elementi alla base di una solida cultura dei dati e come svilupparne una con la guida dettagliata Tableau Blueprint.