Ottimizzare il business con gli analytics

“C’è nelle aziende la “sensazione” che vantaggi competitivi possano essere raggiunti grazie ad analytics evoluti (strumenti di analisi quali data mining, forecasting, reporting, text analytics, ecc.); tuttavia la consapevolezza a livello di top management deve ancora maturare. Spetta dunque ai Cio “spiegare” alla direzione aziendale secondo una prospettiva business quali possono essere i benefici in termini di performance e concorrenzialità (time to market ridotto, velocità di risposta alle esigenze del mercato con azioni concrete che possono andare dalla campagna marketing mirata alla capacità di gestire in modo più tempestivo e coerente gli acquisti, ecc.)”. Con questa premessa Cinzia Amandonico, Analytics Innovation Center Manager di Sas, evidenzia l’importanza che gli strumenti di analisi evoluti (che vanno oltre la Business Intelligence più tradizionale finalizzata, in generale, al reporting) potrebbero raggiungere a diretto supporto delle decisioni di business.
Le soluzioni di business analytics, infatti, sono capaci di fornire – a tutti i livelli aziendali – le informazioni giuste al momento giusto, per consentire agli utenti di prendere decisioni basate su dati concreti. Sas, al riguardo, propone un vero e proprio framework di riferimento (Business Analytics Framework) composto da:
– business solutions, specifiche per migliorare le performance all’interno di ogni organizzazione, ma anche di ricavare maggiore profitto dalle relazioni con i clienti, ottimizzare la supply chain, misurare e gestire il rischio e portare avanti efficaci strategie per lo sviluppo delle risorse umane;
– strumenti di reporting; nel framework Sas, il query e reporting sono parti di un approccio globale per la creazione e la condivisione delle informazioni;
– soluzioni e funzionalità di analytics per analisi predittive;
– data management con soluzioni che vanno dal data mining e text mining fino alla data integration, che aiutano a costruire i modelli su cui impostare (e automatizzare) le analisi e interpretare i dati.
“SAS, inoltre, fornisce una propria metodologia (Information Evolution Model), che aiuta a verificare lo stato dell’arte nell’utilizzo delle informazioni aziendali (per realizzare cioè un piano di assessment completo e dettagliato)”, dice Amandonico. “Questo permette di sapere il livello di innovazione della propria azienda e capire come impostare i piani di sviluppo affinché la business analytic entri a far parte dell’organizzazione aziendale e del suo modo di operare sul mercato”.
“Esistono dei sistemi finalizzati all’ottimizzazione dove, per esempio, i modelli matematici di riferimento (che in Sas chiamano “ottimizzazione matematica vincolata”, ndr) determinano addirittura la sopravvivenza delle aziende”, spiega Amandonico.
In molte realtà, soprattutto quelle più grandi, la potenza di business di sistemi di analisi di questo tipo è compresa a più livelli, ma sono ancora molteplici i passi affinché si possa parlare di cultura diffusa. “Forse perché – osserva Amandonico – c’è ancora una conoscenza limitata sulla maturità delle tecnologie che vanno in questa direzione, da un lato, e perché molto spesso si crede erroneamente che siano utili solo in certi contesti, come quello finanziario”.
E a dimostrazione che sono diversi gli ambiti di applicazione, la manager di Sas porta ad esempio un nome e una esigenza: “Enel e il modello di ottimizzazione dello shiping. Capire come devono essere movimentate le navi dalle sorgenti di carbone fino ai punti di smistamento e poi produzione, è un’operazione core. Se questa non è ottimizzata, il rischio non è solo di avere dei costi di gestione alti, ma addirittura di non riuscire a produrre e, quindi, erogare energia. I sistemi di analytics non solo consentono un’ottimizzazione migliore ma aiutano ad evidenziare le inefficienze e forniscono informazioni utili a nuove decisioni (per esempio sul cambio delle rotte, piuttosto che sulla revisione della logistica operativa, o sull’oscillazione dei prezzi delle materie prime, ecc.)”.
Il modello di ottimizzazione matematica vincolata, in sostanza, consente di raggiungere obiettivi di massima profittabilità (o costo minimo, o minor rischio, ecc.) sulla base di informazioni che provengono da modelli matematici che tengono conto di una serie di parametri e vincoli di business. “Questi motori di ottimizzazione fanno, cioè, la ricerca dell’ottimo (inteso in senso matematico) che sul business si traduce in informazioni di dettaglio molto utili per prendere decisioni – spiega ancora Amandonico -. Ci sono naturalmente anche modelli meno complessi che consentono di avere risultati diretti sulle performance di business (esistono modelli per ottenere indicatori utili al marketing o alla direzione vendite, così come modelli per ottimizzare la gestione del rischio negli istituti finanziari), ma, in ogni caso, parliamo di strumenti di analisi di dettaglio diversi dalla Business Intelligence tradizionale. Gli analytics, di fatto, hanno potenzialità superiori, oltre che impatti organizzativi da tenere presente come l’esigenza di disporre di figure con competenze matematico/statistiche e di figure intermedie tra It e Business”.
“Va però evidenziato che, in alcuni casi, il business non potrebbe essere condotto altrimenti e, data la complessità dei mercati e la dinamicità con cui cambiano, strumenti di questo tipo assumeranno sempre più importanza proprio perché necessari a definire la capacità concorrenziale o meno di un’azienda”, conclude Amandonico.