L’Advanced Analytics CoE è un team che “sviluppa il piano strategico generale e le priorità della BI. Definisce anche i requisiti, come la qualità dei dati e la governance e svolge il ruolo di promuovere l’uso della BI”.
L’Advanced Analytics CoE è un team che “sviluppa il piano strategico generale e le priorità della BI. Definisce anche i requisiti, come la qualità dei dati e la governance e svolge il ruolo di promuovere l’uso della BI”. In sostanza, è un gruppo di persone che, nella sua forma più completa, è responsabile della gestione di tutti gli aspetti della strategia, dei progetti e dei sistemi di BI di un’organizzazione. Questo comprende lo sviluppo di una strategia di BI, l’implementazione di strumenti e applicazioni di BI e la supervisione delle attività di gestione dei dati di back-end.
Ma come effettivamente può potenziare il business? E che cosa serve per costruire un Center of Excellence della BI?
Spesso con un’analisi centralizzata delle informazioni aziendali e, grazie al supporto di architetture adeguate che consentono di mettere insieme tutte le sorgenti dati in modo agevole, si riesce a ottenere una sintesi che esplica i processi in modo diverso dall’usuale. Questo sovente permette al CoE di fornire indicazioni sulle ottimizzazioni che si possono attuare per migliorare le operatività aziendali.
Per ottenere questo risultato, si devono far comunicare in modo agevole gli ERP aziendali, i dati esterni che si possono integrare nel processo (per esempio trend di mercato o di settore oppure informazioni sociodemografiche) e le informazioni, che si portano poi su un sistema di Corporate Performance Management (CPM) o su un sistema di BI per la reportistica.
Ovviamente, questi sistemi devono essere in grado di dialogare tra loro correttamente, per questo le business analytics assumono anche un ruolo anche da collettore. Infatti, sono di supporto a elaborazioni come quelle necessarie quando un’informazione deve essere portata su una dashboard direzionale a partire da un processo di CPM. I progetti che ruotano intorno alle analitiche, ad esempio progetti di CPM arricchiti dalla practice di data science, possono portare alla creazione di nuovi set informativi che vanno ad alimentare i sistemi gestionali. In questo modo, processi standard di pianificazione o logistica vengono arricchiti da nuovi dati che permettono di ottimizzare i processi in questione. Il CoE ha il compito di amministrare le analytics per estrarre informazioni di valore dai dati aziendali. Le analytics diventano così modelli di data science a supporto delle decisioni che permettono di portare nuovi punti di vista, di clusterizzazione e di KPI alternativi, i quali, integrati in una dashboard di monitoraggio, consentono di avere una visione più ampia rispetto a quella della classica analisi dei dati aziendali.
Le architetture devono essere degli abilitatori nel raggiungimento degli obiettivi e consentire l’attuazione della strategia. Oggi se ne parla tantissimo e a ragione, perché il contesto è diventato sempre più complesso e, quindi, è necessario che le aziende inizino a ragionare in maniera integrata, cercando, attraverso il CoE, di conciliare gli obiettivi di business con tutta quella serie di strumenti e di architetture che possono supportare il raggiungimento di tali obiettivi.
Non ha però molto senso parlare di singoli strumenti o tecnologie, quanto piuttosto delle caratteristiche che devono avere strumenti e tecnologie affinché siano funzionali per gli obiettivi.
Le architetture e le tecnologie devono infatti consentire di operare alle velocità stratosferiche con cui si muove il business e i dati e le soluzioni devono essere disponibili rapidamente. Ormai, il business non può più aspettare mesi perché venga integrato un nuovo dato e venga reso disponibile per le analisi. Se arriva una richiesta dalle persone del business, il CoE deve potere fornire le risposte in tempi brevissimi. Per questo deve poter disporre di strumenti versatili e flessibili. Domani non sappiamo che cosa può succedere, il contesto aziendale può cambiare. Assistiamo in continuazione a fusioni, integrazioni e, quindi, è necessario avere sistemi che gestiscano velocemente le richieste e riescano a parlare facilmente tra loro e con l’esterno.
Gli strumenti devono poi essere scalabili. I dati a disposizione sono tantissimi, ma aumenteranno sempre di più nel corso del tempo e cambieranno anche forma. Fino a qualche tempo, fa gli unici dati disponibili erano strutturati. Invece oggi sempre di più è necessario integrare informazioni di natura destrutturata, provenienti dalle fonti più disparate. L’architettura deve poter scalare per essere sempre all’altezza delle necessità.
L’infrastruttura deve infine essere personalizzabile. Per ottenere l’architettura che meglio si adatta alle esigenze dell’azienda in termini di sicurezza, scalabilità e flessibilità, deve poter essere “vestita” con tecnologie specifiche in modo da adattarsi sia a un’azienda più indirizzata verso piattaforme cloud sia a una che punta principalmente sull’on premises. Senza trascurare che può anche essere necessario adottare una struttura ibrida, perché in alcuni casi una migrazione al cloud non è tecnicamente possibile o comunque non è vantaggiosa.
Da ultimo, rimane il discorso delle competenze. È chiaro che, se ci si muove su ambiti con una forte componente tecnica, può accadere che l’azienda non abbia a disposizione risorse tali per dar vita a un COE in grado di gestire tale piattaforma. Nasce quindi la necessità che delle persone dell’IT evolvano acquisendo questo tipo di competenza, almeno per poter governare un processo e capire che cosa sta succedendo. In tal senso, può risultare molto efficace chiedere l’intervento di un partner che affianchi l’IT per consentire di acquisire gli skill necessari.
Va anche da sé che il team debba essere composto da business analyst “evoluti”, ovvero che siano in grado di utilizzare gli strumenti di analisi statistica predittiva che ormai sono disponibili embedded sulle piattaforme cloud. Non devono per forza essere esperti dello sviluppo di algoritmi, ma devono poterli utilizzare efficacemente per estrarre conoscenza evoluta dai dati che hanno a disposizione.