All’inizio del 2022 abbiamo tirato un profondo sospiro di sollievo pensando che tutti gli eventi senza precedenti che ci siamo ritrovati ad affrontare fossero ormai alle spalle. Invece, con il passare dei mesi abbiamo appreso che i grandi cambiamenti segnano la nostra società e sono destinati a rimanere. E ora? Che succede? Ci troviamo bloccati in quella che sembra essere una tempesta perfetta. In questa difficile situazione sarà utile delineare cinque tendenze chiave su cui ogni azienda data driven dovrebbe agire oggi.
Il contesto
Con una recessione economica all’orizzonte e con i conflitti che continuano ad avere un impatto sui mercati globali, le aziende di tutto il mondo guardano ai propri profitti, cercando di capire quali siano gli investimenti più intelligenti e perché farli. Stiamo già vedendo i primi effetti nel mondo tech, con il calo dei finanziamenti da parte dei fondi Venture Capital, il decoupling tecnologico, la continua mancanza di accesso alle competenze in materia di dati e l’introduzione di normative più complesse.
Inoltre, con una spinta continua così importante sull’innovazione, può essere difficile capire su cosa sia meglio concentrarsi. In mezzo a tanto caos, ciò che risulta chiaro è che accuratezza delle decisioni e set di dati affidabili e pronti all’uso sono requisiti vitali per assicurarsi non solo che il business sopravviva, ma che sia anche profittevole. Accedendo infatti a dati e insight in tempo reale, sarà possibile ottenere un quadro chiaro del contesto attuale, agendo di conseguenza nel miglior modo possibile.
5 tendenze chiave per le aziende data driven
Ecco, dunque, cinque tendenze chiave su cui ogni azienda data driven dovrebbe agire oggi.
- L’intelligenza artificiale si sposterà sempre di più nella pipeline dei dati: con il perdurare dell’incertezza economica, molti vedranno una riduzione degli investimenti e delle assunzioni. Tuttavia, con la carenza di competenze che continua a colpire le aziende a livello globale e di tutte le dimensioni, tecnologie come l’intelligenza artificiale (AI) e l’apprendimento automatico (ML) dovranno essere in grado di automatizzare alcune delle attività più semplici di preparazione dei dati. Introducendo l’AI più sempre più a fondo nella pipeline dei dati, prima ancora che venga creata un’applicazione o una dashboard, sarà possibile risparmiare il solitamente utilizzato per la preparazione dei dati, e dedicarlo finalmente all’analisi dei dati. Infatti, attualmente, meno del 20% del tempo viene dedicato all’analisi dei dati, mentre poco più dell’80% del tempo viene impiegato collettivamente per individuare, preparare e gestire i dati appropriati. Con l’utilizzo dell’AI, invece, i data talent potrebbero concentrarsi sul valore aggiunto dell’analisi dei dati, incrociando e generando nuove conoscenze che prima non erano possibili. Un uso molto più produttivo del loro tempo.
- Sarà necessario investire maggiormente in dati derivati e sintetici per prepararsi a eventi senza precedenti: se gli ultimi anni ci hanno insegnato qualcosa, è il valore di investire tempo e risorse nella previsione e nella gestione del rischio. Sfortunatamente, prima del COVID-19 non c’erano abbastanza dati reali a disposizione sulle pandemie per prepararsi a una crisi del genere, ma è proprio qui che i dati sintetici colmano il divario. Le ricerche suggeriscono che i modelli preparati su dati sintetici possono essere più accurati di altri; inoltre, eliminano alcuni dei problemi di privacy, di copyright ed etica associati ai dati reali. I dati derivati ci permettono di riutilizzare i dati per molteplici esigenze e consentono di pianificare scenari cruciali per prepararsi a problemi e crisi future.
- Mostratevi pronti quando il linguaggio digitale primeggerà sul linguaggio dell’uomo: molte organizzazioni utilizzano l’intelligenza artificiale applicata al linguaggio nella sua forma di base già da qualche tempo. Pensate a quante volte avete interagito con un chat bot dell’assistenza clienti per risolvere i vostri problemi con la banca o l’assicurazione. La popolarità di questa tecnologia è destinata a crescere di circa il 18% nei prossimi anni, ma anche a evolversi drasticamente. Ci sono diversi nuovi modelli in fase di sviluppo che sono significativamente più potenti di quelli che usiamo oggi. Possiamo solo immaginare dove ci porteranno, ma sappiamo che le capacità di questo tipo di linguaggio avranno enormi implicazioni sul modo in cui recepiamo le informazioni e su come queste vengono interpretate e riportate. Troveremo non solo i dati che stiamo cercando, ma anche quelli che non avevamo pensato di chiedere. Ecco perché le aziende devono investire su questo aspetto.
- Attenuare eventuali disservizi nella supply-chain grazie dati in tempo reale: le scosse di assestamento del COVID-19 e i continui conflitti globali stanno ancora compromettendo le catene di approvvigionamento. Chiunque abbia tentato di acquistare un’auto nuova (un computer o persino qualcosa di basilare come la carta igienica) negli ultimi anni sa quanto le catene di approvvigionamento siano state seriamente compromesse. La situazione non accenna a diminuire nei prossimi anni e così anche la necessità di reagire rapidamente, o idealmente di ”pre-agire”, in modo da prevedere i problemi prima ancora che inizino. Avere la possibilità di analizzare i dati in tempo reale e nel loro contesto è fondamentale. Non c’è da stupirsi che IDC preveda che entro il 2027 il 60% della spesa tecnologica per l’acquisizione e la movimentazione dei dati riguarderà l’abilitazione di funzionalità di simulazione, ottimizzazione e raccomandazione in tempo reale.
- Con una governance dei dati che diventa sempre più complessa, è necessaria una struttura a X: gli investimenti in dati e analytics hanno subito una forte accelerazione grazie alla pandemia e continueranno a farlo: infatti, il 93% delle aziende ha dichiarato di voler continuare ad aumentare i budget in queste aree. Ma la rapida evoluzione delle norme e dei regolamenti in materia di privacy, nonché la distribuzione, la diversità e la dinamica dei dati ostacolano la capacità delle aziende di trarne il massimo vantaggio competitivo. Ciò diventa particolarmente impegnativo in un mondo frammentato, in quanto la governance dei dati diventa ancora più complessa. Migliorare l’accesso, il movimento in tempo reale e la trasformazione avanzata dei dati tra le fonti e i sistemi dell’azienda è fondamentale per consentire alle organizzazioni di sfruttare appieno la potenza dei dati. Per questo motivo un numero crescente di aziende si sta rivolgendo all’architettura del piano di controllo dei dati, una ”X-fabric” non solo per i dati, ma anche per le applicazioni, i cruscotti di BI e gli algoritmi, abilitata da cataloghi e soluzioni di integrazione dei dati nel cloud. Si tratta di una componente critica nel moderno ambiente distribuito per qualsiasi organizzazione che voglia agire con certezza.
Conclusioni: adattarci a una maggiore frammentazione
La buona notizia è che, dopo gli ultimi anni, siamo tutti più preparati che mai a far fronte alle difficoltà. In qualità di professionisti di dati e di analytics, dobbiamo adattarci a una maggiore frammentazione, con centri dati disparati, catene di fornitura interrotte, necessità costante di innovazione e accesso ostacolato a manodopera qualificata. E in un mondo in cui le crisi sono diventate una costante, essere preparati per affrontarle è oggi una competenza fondamentale, in modo da poter essere reattivi e anticipare ciò che sta per accadere.
