Nella seconda metà degli anni ’90 sono emersi nuovi aspetti legati alla natura delle informazioni gestite e trattate dai sistemi di Business Intelligence (Bi): seppur fortemente orientate ad esigenze gestionali e decisionali, le informazioni economico-finanziarie puramente quantitative non risultavano pienamente esaustive per la conduzione del business e per il supporto dei processi decisionali ad esso connessi. La necessità di informazioni anche di tipo “non financial” (per esempio customer satisfaction, lead time di servizio, clima organizzativo, concorrenza, ecc.) è divenuta basilare in ogni settore economico per rispondere alla complessità ambientale in cui le imprese si sono trovate ad operare. Ovviamente la lunga “storia” delle misurazioni quantitative economico-finanziarie ha generato forti inerzie al cambiamento delle logiche di produzione delle informazioni in azienda, comportando la realizzazione di sistemi di Bi a volte poco reattivi all’interpretazione delle dinamiche sempre più veloci del mercato. Le aziende hanno iniziato così a fare i primi passi sulla strada dell’arricchimento ed affinamento del patrimonio informativo presente nei sistemi di Bi.
Il passaggio verso l’analisi non-financial
Primo e fondamentale passo è il passaggio dalle logiche financial alle logiche non financial nella rilevazione e nell’analisi dei dati: così come in passato, i sistemi di Bi hanno costituito la dorsale su cui è stato realizzato il passaggio da logiche contabili a logiche gestionali, oggi tali sistemi devono essere in grado di rappresentare l’andamento del business aziendale attraverso logiche maggiormente aperte all’analisi dell’intero ambiente operativo (clienti, fornitori, partner commerciali, outsourcer, sistema finanziario, sistema pubblico e normativo, ecc.) e competitivo dell’azienda. Al perseguimento di tale obiettivo sono rivolte soluzioni applicative che impiegano, ad esempio, le logiche delle Balanced Scorecards o del Customer Value-Based Management.
Secondo passo, già in corso, anche se con modalità differenti, consiste nell’abituarsi ad impiegare informazioni qualitative, che seguono logiche non strettamente numeriche (flussi testuali, grafici, video e audio) “sfruttando” fonti di dati non strutturati. I sistemi di Bi, in tal senso, devono poter supportare il trattamento e la fruizione anche di tali dati, in modo complementare ai flussi quantitativi, al fine di creare un ampio patrimonio informativo da sfruttare in modo “intelligente” nei processi decisionali aziendali. La possibilità di integrare dati strutturati e destrutturati cambia profondamente il paradigma di produzione delle informazioni in tutte le aree e i processi aziendali: lo stadio di maturità odierno della Bi consente il passaggio da sistemi realizzati con un forte focus sulla “organizzazione intelligente di dati” ex-ante a sistemi che impiegano anche strumenti di ricerca ex-post della “intelligenza” nascosta nei dati strutturati e non.
Intelligence per tutte le funzioni
Per la funzione Marketing&Sales, ad esempio, il nuovo sistema di Bi può rappresentare un valido supporto alle decisioni e alle azioni customer centric e una piattaforma per attività di customer collaboration nella personalizzazione dei servizi o dei prodotti; la funzione R&d potrebbe avere la possibilità di realizzare processi di open innovation valorizzando anche informazioni destrutturate provenienti da community Web o da banche dati internazionali, così come la funzione Business Development potrebbe impiegare sistemi di questo tipo per supportare analisi di international country opportunities; la funzione Acquisti, invece, potrebbe avere a disposizione strumenti decisionali più efficaci per il sourcing strategico, per eseguire rating dei fornitori valutando anche informazioni documentali; la funzione Risorse Umane, infine, potrebbe avere la disponibilità di soluzioni più complete per l’identificazione dei potenziali e per lo sviluppo delle risorse umane.
Figura 1 – Le nuove architetture di informazione sono alla base della convergenza tra la capacità di trattare dati strutturati e non strutturati per scopi di analisi e di decisione manageriale (per visualizzarla correttamente cliccare sull’immagine)
Nuove architetture di informazione
La convergenza tra la capacità di trattare dati strutturati e non strutturati per scopi di analisi e di decisione manageriale presuppone la progettazione di nuove architetture di informazione (vedi figura 1) costituite da:
– uno strato di sistemi transazionali e operativi più ampio che include anche tutti i possibili sistemi di gestione e misurazione extra-contabile (es. di Hr management, di service level management ecc.), di gestione documentale dei contenuti (su web e non), di front-office e di interazione con il mercato, di collaborazione con i clienti e di social network, oggi sotto osservazione perché per il Product Development o il marketing aziendale possono essere interessanti fonti di dati destrutturati prodotti in modalità “bottom-up”;
– uno strato di sistemi di produzione di informazioni provenienti dai dati strutturati aziendali (sistemi di Bi e di Datawarehouse) e dai dati non strutturati (sistemi di searching, di classification, di text mining, ecc., all’interno di repository di varia natura e contenuto), uniti, ove possibile, logicamente da strumenti di gestione dei metadati per la gestione dei problemi di semantica aziendale dei dati;
– uno strato di sistemi dedicati alla condivisione della conoscenza insita nei sistemi sottostanti e alla collaborazione tra i vari gruppi di utenti profilati nei vari sistemi di informazione.
Questo approccio deve essere seguito con l’obiettivo di non cadere nella trappola dell’information overload, cioè la crescita incontrollata della quantità di informazioni elaborate e mantenute all’interno dei sistemi e pertanto non proporzionale alla crescita del valore informativo in essi contenuto.
Oggi si può in generale parlare di una maturazione delle tecnologie software e hardware sottostanti alle attività di Information Management: in azienda, alle informazioni di tipo hard vanno ad affiancarsi informazioni di tipo soft (vedi figura 2), contraddistinte da diversi livelli di oggettività, di certificabilità, di condivisione del significato e della semantica e di strutturazione del contenuto.
Figura 2 – Misurazione delle tecnologie software e hardware sottostanti alle attività di Information Management (per visualizzarla correttamente cliccare sull’immagine)
Proprio attraverso l’accesso e la fruizione contemporanei di informazioni di tipo hard e soft, eseguite con opportuni strumenti di analisi, di ricerca e di condivisione, è possibile supportare in modo nuovo i processi decisionali aziendali, con un contributo informativo superiore alla somma delle singole componenti.
Le criticità maggiore di questi nuovi paradigmi di produzione delle informazioni e di queste nuove architetture informative saranno di nuovo:
– l’integrazione tecnologica dei vari componenti;
– l’integrazione organizzativa (ad esempio la definizione dei ruoli, delle responsabilità, dell’ownership di questi progetti di innovazione It e dei dati impiegati, le soluzioni organizzative miste necessarie, quali il Competence Center, ecc.);
– l’integrazione cognitiva (ad esempio competenze, capacità e abitudine a trattare dati strutturati e non, informazioni hard e soft, ecc., nell’analisi e nella soluzione dei problemi aziendali).
Tutti elementi che sono indispensabili per generare reale utilità percepita e valore dell’informazione.
* Angela Perego è assistente Area Sistemi Informativi di Sda Bocconi (angela.perego@sdabocconi.it). Massimo Erba è ricercatore dell’Osservatorio BI di Sda Bocconi
