Il successo di qualsiasi organizzazione si costruisce su una serie interminabile di decisioni di tipo strategico, tattico e operativo, spesso indirizzate dalle competenze, dall’esperienza, dall’opinione condivisa a livello di team o dall’istinto dei professionisti. La business intelligence, soprattutto nella sua forma moderna, aiuta le organizzazioni ad aggiungere un pilastro: le informazioni (insight) che derivano dall’analisi dei dati.
Cosa si intende per Business Intelligence
Dietro uno dei trend più comuni dell’era della trasformazione digitale si cela un panorama estremamente ampio. Citando Gartner, Business Intelligence (BI) è un’espressione generica che comprende strumenti, infrastruttura, metodi e best practice per l’accesso e l’analisi delle informazioni, al fine di migliorare le decisioni e le performance di business.
Dunque, cosa si intende per Business Intelligence? BI ha significati diversi a seconda del contesto, pur mantenendo in ogni caso la finalità di indirizzare le decisioni aziendali.
- È la strategia adottata per creare o incrementare il vantaggio competitivo;
- È un processo, o un insieme di processi, con cui raccogliere i dati e renderli fruibili per decisioni strategiche o operative, anche in tempo reale;
- È l’insieme degli strumenti che abilitano decisioni data-driven;
Osservando il fenomeno dall’alto, si può dire che l’azienda stia adottando una BI moderna quando ha una consapevolezza “sistemica” dei propri dati e li acquisisce, gestisce e valorizza per prendere decisioni determinanti a tutti i livelli, cercando inoltre di diffondere orizzontalmente l’accesso ai tool di BI.
Come nasce la business intelligence
Dietro un’espressione moderna si cela più di un secolo di storia, a partire cioè dalla prima citazione di Business Intelligence nella Cyclopaedia of Commercial and Business Anecdotes di Richard Miller Devens del 1865.
L’avvento del concetto moderno di BI si deve però a un ricercatore IBM, Hans Peter Luhn, che ne illustrò il significato nello studio A business Intelligence System, ancora disponibile negli archivi dell’azienda. Successivamente, furono fondamentali la nascita dei database basati su modello relazionale, dei primi Data Warehouse (anni ’80) come sistemi di analisi e reporting e dei tool di BI all-in-one sempre più evoluti e semplici da implementare e utilizzare. Parallelamente, l’evoluzione delle tecniche sottostanti permise di passare dall’analisi descrittiva a quella predittiva, grazie anche alla potenza e le tecnologie del cloud.
Oggi, BI è uno strumento standard per la media e la grande impresa. L’attuale obiettivo è la democratizzazione della Business Intelligence, che trova espressione nei tool di self-BI, semplici da usare, disponibili per diversi device e dotati di elevate capacità analitiche.
Le fasi della business intelligence
BI è un processo che prevede alcuni passaggi e, a seconda della complessità tecnica dell’architettura sottostante, può coinvolgere diversi tool e professionalità distinte. Il processo, che venga gestito da un solo tool di self-BI o da diversi sistemi e professionalità, si articola in diverse fasi, tra cui:
- Acquisizione dei dati. Nell’enterprise moderna, ciò presenta notevoli sfide legate all’incremento esponenziale di complessità delle architetture IT, sempre più distribuite e basate su modelli ibridi e multicloud. I data warehouse, repository centralizzati per eccellenza, coesistono con i data lake e con molteplici altre sorgenti di big data. All’aumento esponenziale di volume si affianca anche una marcata eterogeneità dei dati.
- I dati grezzi vengono caricati in un data warehouse o in altri repository e contestualmente sono sottoposti ad attività di integrazione, consolidamento e data cleansing. Ciò è fondamentale per garantire che gli strumenti di Business Intelligence possano analizzare dati già preparati e coerenti.
- Interrogazione (querying) dei dati sulla base di svariate tecniche e metodologie di analisi (predittive, prescrittive, descrittive…) al fine di ottenere informazioni circa i KPI definiti dal business.
- I risultati delle query alimentano report strutturati, visualizzazioni moderne, dashboard e portali online (Data Visualization).
- Le informazioni estratte dai dati e comunicate al business vengono impiegate in sede decisionale.
Gli strumenti della business intelligence utili all’azienda
Per quanto concerne gli strumenti della business intelligence utili all’azienda, il tema è molto vasto e la dotazione può essere estremamente diversa da un’azienda all’altra. Le differenze dipendono dal tipo di analisi da effettuare, della quantità e qualità dei dati e della complessità dell’architettura IT sottostante.
Microsoft Excel, per esempio, è un tool che rientra nel macrocosmo della business intelligence, ma all’estremo opposto vi fanno parte piattaforme analitiche di livello enterprise come MicroStrategy (uno dei grandi nomi della BI), oppure tool di analisi e di visualizzazione all-in-one come i notissimi Power BI di Microsoft, Tableau e Qlik Sense, che rappresentano in modo evidente la tendenza verso la self-BI. I tool in questione, infatti, forniscono:
Capacità analitiche avanzate, che permettono agli utenti di rilevare connessioni e relazioni nascoste tra i dati;
Adozione di tecniche di AI e Machine Learning;
Capacità di connessione con dataset diversi, dai fogli excel a svariate tipologie di database on-premise e in cloud;
Dashboard e funzionalità di reporting di livello enterprise;
La differenza tra Business Intelligence e Data Science
È molto complesso distinguere nettamente due discipline che puntano a massimizzare la competitività dell’impresa attraverso la valorizzazione del dato.
La stragrande maggioranza dei commentatori ritiene che la discriminante sia il tipo di analisi: descrittiva, per quanto concerne la business intelligence; predittiva e prescrittiva nella Data Science, che di fatto si concentra sul forecasting di fenomeni e risultati. Da questo discenderebbero differenze importanti circa le tipologie di dati impiegate, il processo di estrazione di conoscenza, il tipo di prospettiva ecc.
In realtà, col tempo i confini sono diventati meno netti. Sebbene entrambe siano legate al mondo del business, Data Science e BI paiono differire a livello di scopo. La Data Science adotta tecniche avanzate di analisi dei dati, come AI e Machine Learning, per scoprire modelli nascosti e, in questo modo, favorire il business a 360 gradi. Il suo scopo non è direttamente il reporting, ma lo sviluppo di modelli avanzati per l’analisi dei dati. BI, pur facendo perno su tecniche della Data Science, punta a supportare le decisioni aziendali attraverso indicatori, report e visualizzazioni ad hoc.
Come la Business Intelligence può migliorare la competitività
In che modo, quindi, la business intelligence può migliorare la competitività aziendale? Di seguito, alcune ipotesi:
Miglioramento della customer experience. La business intelligence consente alle imprese di conoscere meglio i propri clienti attraverso un’approfondita analisi dei comportamenti, sia in termini di relazione che di acquisto.
Massimizzazione della produttività. Gli insight delle piattaforme di collaboration, dei sistemi gestionali o dipartimentali possono facilmente identificare inefficienze e colli di bottiglia, permettendone la risoluzione.
Miglioramento del ROI. La conoscenza delle logiche nascoste del business consente di raggiungere gli obiettivi strategici attraverso una corretta allocazione degli investimenti.
Ottimizzazione flussi logistici. Fornendo insight in tempo reale, la BI consente alle aziende di perfezionare i flussi logistici interni (magazzini, centri logistici) e le relazioni con i partner.
Esempi di Business Intelligence in azienda
La produzione di insight utili per le decisioni strategiche e operative non conosce confini di divisione aziendale, di dimensione o di settore.
Il percorso verso la data-driven company comporta non soltanto l’adozione della Business Intelligence, ma la sua diffusione orizzontale all’interno di tutta l’azienda, a prescindere dalla complessità organizzativa. L’obiettivo è fornire al maggior numero di dipendenti l’accesso a dati e insight, su ogni dispositivo aziendale e attraverso tool no-code o low-code.
Consapevoli della vastità del tema, riportiamo di seguito alcuni degli use case principali, comuni a tutte le imprese o specifici di determinati settori:
Supporto per la pianificazione strategica;
Market Intelligence;
Monitoraggio delle performance generali di business;
Analisi del rischio e credit scoring in ambito bancario;
Analisi e ottimizzazione della produttività delle risorse;
Ottimizzazione delle scorte in ogni ambiente produttivo e logistico;
Pianificazione e scheduling della produzione in ambito MES;
Valutazione delle performance delle campagne di marketing e delle vendite;
Ottimizzazione delle performance dei call/contact center;
Gestione ottimizzata dei ticket nel Service Desk IT;
Valutazione dell’occupancy degli uffici nell’era del lavoro ibrido e dell’utilizzo delle risorse condivise (desk, sale riunioni…).
