All’inizio dell’anno Gartner pubblica il famoso quanto temuto “Magic Quadrant for Analytics and Business Intelligence Platforms”, che in pratica stila la classifica dei principali software di rappresentazione, interpretazione e interrogazione dei dati. I criteri utilizzati per la classificazione delle piattaforme di analytics comprendono molteplici aspetti (chiari o meno, semplicemente misurabili o meno): dalle funzionalità dell’interfaccia all’approccio commerciale, dalla roadmap evolutiva definita dal vendor alla diffusione del tool.
I criteri utilizzati da Gartner per le piattaforme di analytics visti dal lato utente
Quello che qui si vuole approfondire non è un’analisi dei singoli aspetti presi già in considerazione da Gartner, quanto piuttosto proporne una versione più “lato utente”. Un elenco cioè di caratteristiche “reali” e pratiche di cui oggi uno strumento di analytics e business intelligence non può fare a meno per stare sul mercato. E su cui, di fatto, viene valutato dalle aziende in fase di “software selection”
Semplicità
Sembra banale, ma non lo è. La business intelligence dovrebbe essere sempre a supporto delle decisioni strategiche aziendali, degli obiettivi di business, siano essi migliori vendite, aumento del margine, riduzione dei costi, ottimizzazione della supply chain, ecc. Questo significa che un software di business intelligence deve dare risposte ovviamente corrette e appropriate, ma in modo rapido. E la rapidità si misura anche in quanto velocemente chi ci lavora riesca ad arrivare al risultato e, ancor prima, in quanto ripida sia la “learning curve” per arrivare almeno a un livello base di utilizzo dello strumento. Ovvio, si può anche diventare guru arrivando a un livello avanzato, ma l’importante è capire quanto rapidamente si possa iniziare a produrre qualcosa di utile. E questo vale sia a livello utente che amministratore di sistema.
Basics
Uno degli errori più frequenti durante lo sviluppo di piattaforme di analytics è “piacersi”: realizzare output grafici talmente belli e analisi talmente complesse da rendere nella pratica lo strumento inaccessibile e inutile, perché “troppo avanti” rispetto alle esigenze analitiche reali dell’azienda. Piacersi, ma poi voltarsi e scoprire di non essere seguiti da nessuno non è una sensazione gratificante. Può essere noioso ma è molto più consigliabile e proficuo, anche in prospettiva, partire dalle esigenze di base ma concrete degli utenti, trasformando questi ultimi di fatto in alleati nella promozione dell’ambiente di analytics che, alla lunga, potrà evolversi in qualcosa di più “elevato”. Tradotto: se la richiesta è avere report operativi, serve uno strumento che come prima cosa, in mezzo a tutto il resto delle funzionalità, sappia fare quello. E lo sappia fare bene. Punto.
Self-Service Analytics
Spesso un mito, tuttavia il vero obiettivo che un software di business intelligence dovrebbe prefissarsi. Rendere l’utente finale capace di crearsi da solo, in modo semplice (vedi sopra), la propria analisi tabellare o grafica che sia. L’impressione, esplorando alcuni tra gli strumenti a oggi maggiormente diffusi, è che la gara sia in pieno svolgimento ma il traguardo ancora lontano per arrivare a soddisfare un utente che vive di pane e tabelle pivot di Excel.
Advanced Analytics
La realtà dominante, almeno in Italia, racconta un livello di analisi dei dati generalmente basso. Il ricorso a metodi di Advanced Analytics (machine learning, AI, ecc.) è di fatto ancora riservato a pochi e grandi soggetti, che possono investire in R&D e dedicare risorse esclusivamente a questo ambito. Proprio per questo è importante valutare se e come una piattaforma di analytics affronti il tema, con l’obiettivo appunto di rendere l’analisi predittiva/prescrittiva accessibile a tutti, sia dal punto di vista economico che da quello funzionale. Peraltro, il come un vendor sia oggi posizionato su questa tematica, che volente o nolente sarà un requisito fondamentale nel prossimo futuro, la dice lunga sulla sua “vision” nonché sulla “roadmap” evolutiva del software oggetto della valutazione.
Connessioni
Pur non considerandolo “il” criterio, è chiaro che il tema dell’apertura o meno verso fonti dati tra loro diverse è un tema da considerare nella valutazione. Qui è importante distinguere tra le connessioni dichiarate e pronte per l’uso e quelle per cui viene genericamente nonché universalmente dichiarata la possibilità di personalizzare l’API standard (REST). In questo secondo caso, armatevi di buona volontà e soprattutto di qualcuno che sviluppi codice.
Multi-Device
Anche questo dovrebbe ormai essere un prerequisito, ma di fatto non lo è ancora. Spesso si è costretti a sviluppare versioni diverse di report o dashboard di contenuto uguale ma ognuna per uno specifico device: computer, smartphone, tablet. È vero che ogni device suggerisce livelli di dettaglio e tipologie di rappresentazioni differenti, ma questo non dovrebbe costringere a sviluppare da zero ogni volta. In questo senso, la differenza tra le varie soluzioni sul mercato è palese.
Export
Per quanto la dichiarazione di intenti sia la sua sostituzione da ogni analisi aziendale, è consigliabile valutare sempre la facilità nell’esportare in Excel i dati sottostanti l’output di un ambiente di analytics. Perché non c’è niente da fare, ve lo chiederanno. E sarà un elemento fortissimo nel giudizio degli utenti.
Specializzazione
Diffidare dei software “tuttologi”, che dichiarano ad esempio di saper gestire perfettamente una dashboard così come un report “pixel perfect”. Attenzione, è ovvio come al giorno d’oggi le piattaforme di analytics e business intelligence debbano prevedere uno spettro ampio di funzionalità e output. Ma qui si parla di specializzazione: ogni software dovrebbe dichiarare un “ruolo” in cui preferisce giocare. È quindi importante che nella fase di assessment, preliminare quanto fondamentale nel processo di scelta, si identifichino bene i requisiti di business per scegliere il tool più adatto a giocare “quel” ruolo che serve all’azienda.
Condivisione
Cloud oppure on premise, il sistema deve poter prevedere un ambiente (portale) di condivisione, in cui facilmente pubblicare quanto realizzato. Un ambiente ovviamente personalizzabile per gruppi di utenti, se non per singolo utente. Il risultato è raggiunto nel momento in cui aprire il portale di Analytics la mattina diventa un’abitudine, così come un sito di notizie. E con la medesima “user experience”.
Impatti architetturali
Le piattaforme di analytics, per quanto importanti per le aziende, non dovrebbero stravolgere l’architettura esistente, fatta di ERP che garantiscono l’operatività dell’azienda stessa e di altri sistemi dipartimentali collegati. Se, in uno scenario on premise, richiede server dedicati con caratteristiche così particolari da non poter rientrare nei piani standard di backup, allora questo è un vincolo da considerare attentamente prima della scelta. Così come se la piattaforma stessa richiede competenze sistemistiche che magari non sono disponibili internamente all’azienda. Sono tutti costi indiretti (es. per la formazione del personale, nel secondo caso).
Conclusioni
Semplice, rapido, sicuro, utile. Queste, in buona sostanza, dovrebbero essere alcune tra le principali e caratteristiche delle piattaforme di analytics e business intelligence. Al di là delle classifiche standard, una valutazione pratica deve tener conto attentamente del contesto specifico in cui si andrà ad agire. Sia in termini attuali che prospettici. Considerando altresì gli impatti sui sistemi e, ovviamente, l’effort economico diretto e indiretto (o nascosto: es. formazione admin, sviluppatori, utenti). Ma, ancor prima, considerando le esigenze degli stakeholder aziendali, sia in termini di output che di “user experience”.
Il ROI di una piattaforma di analytics e business intelligence è sempre difficilmente identificabile. Spesso però lo si può percepire dal grado di utilizzo “intelligente” della stessa da parte degli utenti. Su questo bisogna lavorare, a partire da una altrettanto intelligente “software selection” che sia basata su criteri pratici e che tenga conto del contesto specifico.
