Aziende sommerse da molte fonti di dati

Troppo grande da usare: molte aziende sono sopraffatte dall'abbondanza di fonti di dati. Nella regione DACH, solo l'otto per cento usa un'ampia varietà di fonti di dati, compresi i dati di altre organizzazioni, per il processo decisionale. Nel 44%, questo obiettivo è stato parzialmente raggiunto. Molte aziende si impantanano nella gestione e nell'integrazione sistematica dei dati provenienti da diverse fonti. Quattro su dieci lamentano deficit tecnici nell'utilizzo dei dati per ulteriori analisi. Il risultato: una mancanza di valore aggiunto dagli investimenti in analitica. Questo è il risultato del BI & Analytics Study biMA® 2017/18 di Sopra Steria Consulting in collaborazione con il Business Application Research Center (BARC). Gli studi si basano sul modello di maturità biMM® (Business Intelligence Maturity Model) e sul metodo di analisi biMA® (Business Intelligence Maturity Audit) sviluppato da Sopra Steria Consulting insieme alle università di Duisburg-Essen e San Gallo e all'università di Düsseldorf.

Manca un utilizzo professionale delle fonti di dati

Con le nuove possibilità tecniche (advanced analytics), la previsione del futuro con l'inclusione di fonti di dati differenziati si sta spostando nel focus delle aziende. Molti servizi digitali sono basati sull'intelligenza artificiale e l'apprendimento automatico. Queste includono, per esempio, le previsioni di come si comporteranno i clienti e i mercati per controllare la produzione. Inoltre, non sono più solo i rivenditori online che vogliono raccomandare prodotti ai loro clienti o mostrare loro alternative se il prodotto desiderato non è disponibile al momento. Gli algoritmi valutano molti milioni di record di dati per questo scopo. Questi provengono da un numero crescente di fonti di dati, per esempio geo, social media e dati di sensori.

Il punto critico nello sviluppo di nuovi modelli di business e servizi non è tanto il potere analitico tecnico, ma la mancanza di utilizzo professionale. Il 43% delle aziende intervistate ha difficoltà a ricavare conoscenza e intuizioni dai dati e a creare valore aggiunto attraverso le informazioni. Più di un'azienda su quattro (27%) vede la necessità di recuperare il ritardo nell'integrazione e nel collegamento dei dati nel lavoro aziendale. Di conseguenza, le informazioni si spengono o le aziende traggono conclusioni sbagliate.

I modelli di business guidati dai dati richiedono un nuovo approccio

Alcune aziende si stanno allontanando dalla strategia di utilizzare il maggior numero possibile di fonti e set di dati. Aziende come la banca Goldmann Sachs e il gruppo tedesco di e-commerce Otto stanno esprimendo che l'uso dell'intelligenza artificiale e dell'apprendimento automatico è più una questione di avere la giusta selezione di dati, ma che sia pienamente compresa. Altre aziende si stanno concentrando su nuovi concetti come il data thinking - un metodo che combina il design thinking con l'analisi dei dati e il data mining. Gli esempi mostrano che un ripensamento è appena iniziato in molte industrie, lontano dai Big Data e verso strategie di Smart Data.

"Non si tratta di diventare il campione del mondo nell'attingere al maggior numero possibile di fonti di dati", dice Lars Schlömer, Head of BI & Analytics di Sopra Steria Consulting. "Non sono la quantità e la qualità dei dati a determinare la qualità dei modelli di business data-driven, ma il know-how tecnico e analitico per creare valore con i dati. È importante riunire team qualificati di data scientist e specialisti che identificano e sviluppano sistematicamente i casi d'uso in un ambiente di lavoro agile e che rispondono anche alla domanda dei dati che sono effettivamente necessari", dice Schlömer.

Fonte e ulteriori informazioni: Sopra Steria