35.000. Questo il numero di decisioni che mediamente una persona prende ogni giorno. Nonostante molte riguardino scelte semplici e ordinarie, molte volte, specie nell’ambito professionale, la complessità informativa è più impattante, e i processi decisionali risultano più complessi e articolati. Il successo, allora, sta nella capacità di prendere la decisione giusta al momento giusto, e molto velocemente.
L’innovazione tecnologica consente di sfruttare i dati a disposizione per supportare il processo decisionale, riducendo la complessità tramite strumenti e metodologie di analisi dei dati, che consente di estrarre informazioni rilevanti dai dati per poi comunicarle efficacemente tramite strumenti di data visualization. In generale, l’intero processo che consente di prendere decisioni partendo dai dati è definito Data Driven Decision Making.
Prendiamo un esempio dalla vita quotidiana: il cruscotto dell’auto fornisce numerose informazioni che noi interpretiamo per guidare in sicurezza. Oggi non abbiamo solo questo, ci vengono anche forniti strumenti di supporto alla guida come i meccanismi di frenata automatica per evitare tamponamenti e ostacoli, cioè una serie di meccanismi attraverso cui la macchina integra e aumenta le nostre capacità di controllo rendendo di fatto più sicura la nostra guida. Molti di questi meccanismi si basano su decisioni prese in “autonomia” dall’auto basandosi su dati che vengono raccolti dall’auto stessa.
Come utilizzare efficacemente i dati nel prendere decisioni
I dati possono supportare il processo decisionale a patto che esistano condizioni preliminari indispensabili per arrivare a scelte efficaci. Occorre infatti scegliere i dati in modo corretto per poter comprendere adeguatamente fenomeni, correlazioni e causalità, avere chiaro l’obiettivo da comunicare, nonché considerare l’esperienza, la cultura e la preparazione di chi dovrà leggere e interpretare l’informazione ricevuta.
È necessario quindi adottare un approccio di analisi rigoroso per riuscire a estrarre l’informazione rilevante ed essere in grado di comunicarla correttamente. È di fatto l’intera catena del valore a richiedere questo approccio: dalle sorgenti dei dati, spesso lontane tra loro, si passa attraverso la fase di analisi e trasformazione del dato in informazione, fino ad arrivare alla fase di comunicazione al target prescelto.
La fase di Analisi dei Dati
La prima fase del processo di “confezionamento” di dati utili a prendere decisioni è la Data Analysis, il cui obiettivo è quello di estrarre informazioni rilevanti a partire dai dati.
In questa fase possiamo includere gli strumenti e le metodologie specifiche della Data Science, Machine Learning e Artificial Intelligence, discipline diverse che presentano tuttavia confini molto sottili. Con il termine Data Science definiamo i processi e le metodologie basati su principi statistici di analisi dei dati che ci permettono di comprendere e prevedere fenomeni. Machine Learning non è che la capacità di creare algoritmi in grado di apprendere dai dati o, meglio, da un modello predefinito di dati sulla base del quale l’algoritmo impara come comportarsi anche in presenza di dati differenti. Con Artificial Intelligence facciamo riferimento all’insieme di teorie e tecniche il cui obiettivo è quello di riprodurre le capacità cognitive umane mediante delle macchine.
La fase di Data Visualization
La seconda fase del processo di “confezionamento” delle informazioni utili a prendere decisioni è la Data Visualization. L’obiettivo è presentare in maniera chiara fenomeni anche complessi, derivanti dalla molteplicità di dati al fine di rendere più immediato il processo decisionale. È fondamentale costruire con l’utente un’esperienza di fruizione agile ed integrata. Oggi infatti siamo circondati da dispositivi, telefoni, tablet, PC, che ci consentono di accedere all’informazione in ogni momento e in ogni luogo abilitando differenti modalità di fruizione del dato; occorre, pertanto, considerare come ognuno di essi abbia delle regole precise da seguire per la costruzione dell’esperienza d’uso più adeguata.
Di fatto, siamo abituati a fare esperienza di data visualization ogni giorno, anche inconsciamente. I grafici sono diventati uno strumento di lettura e narrazione così come lo sono la scrittura e i film. Proprio come avviene per questi ultimi, anche un grafico o, più in generale, la rappresentazione dell’informazione deve seguire regole precise, ossia deve essere veritiera, utile e corretta.
I dati come chiave di interpretazione dei fenomeni del passato, presente e futuro
Tramite il processo di analisi e visualizzazione dei dati possiamo comprendere il passato, cioè capire cosa sia successo in un determinato arco temporale ed estrarre insight utili a migliorare la metodologia di lavoro. A esempio, così come sul cruscotto dell’auto possiamo vedere quanti km abbiamo fatto, così tramite i sistemi di controllo della produzione possiamo monitorare il livello quantitativo e qualitativo della produzione nei giorni precedenti.
Allo stesso tempo, sulla base degli input forniti dai dati, possiamo osservare il presente per prendere decisioni in tempo reale avendo compreso dove intervenire e cosa cambiare. A esempio, sul cruscotto dell’auto le spie segnalano eventuali anomalie, o quanta benzina abbiamo ancora a disposizione nel serbatoio. Allo stesso modo, in ambito produttivo, gli impianti sono dotati di strumenti di segnalazione delle anomalie e di controllo della produzione attuale, per consentire interventi tempestivi e la salvaguardia dell’efficacia delle operazioni.
Attraverso l’analisi dei dati possiamo inoltre prevedere meglio il futuro, anticipando potenziali rischi e aumentando l’efficienza. Così come il cruscotto dell’auto segnala quanta strada possiamo ancora fare con il carburante che abbiamo nel serbatoio o quanto manca per effettuare il tagliando, guardando i dati di produzione e i relativi trend possiamo prevedere come andrà la produzione a fine mese e se verranno raggiunti gli obiettivi previsti.
I benefici del processo di Data-Driven Decision Making
Le decisioni basate sui dati possono sicuramente portare molteplici benefici all’azienda sia in termini di maggior valore dei dati che in termini di potenzialità di business inespresse che la conoscenza del dato abilita.
In primis, si può ottenere un incremento interno di efficienza, migliorando i processi, le attività e la velocità decisionale. Non solo. Si può migliorare la relazione con i propri clienti, o stabilirne di nuove laddove, per esempio, vengano abilitati servizi aggiuntivi che prima non erano disponibili. Inoltre, si può avvisare per tempo il cliente di un potenziale problema e, intervenendo tempestivamente, generare una maggiore soddisfazione e rafforzare la relazione di fiducia.
Facebook Comments