La grande quantità ed eterogeneità di dati disponibili, così come la pluralità di tecnologie sempre più complesse, possono supportare e accelerare lo sviluppo di progettualità di Analytics altamente innovative. Progettualità che permettono ad esempio di conoscere meglio i propri clienti, di anticiparne i comportamenti, di aumentare l’efficienza dei processi aziendali e, in alcuni casi, di creare nuovi prodotti e servizi. Per fare tutto questo, però, occorre saper comprendere, analizzare e interpretare correttamente i dati. Occorre, dunque, possedere competenze di Data Literacy.
Ma cos’è esattamente la Data Literacy perché è così importante per le organizzazioni? Come viene percepita all’interno delle aziende italiane? Scopriamolo in questo articolo, realizzato dall’Osservatorio Big Data & Business Analytics della POLIMI School of Management.
Con Data Literacy (ossia “alfabetizzazione dei dati” o “competenze nei dati”) si intende la capacità di identificare, individuare, organizzare, utilizzare e comunicare le informazioni. In altre parole, con questo termine si intende la capacità di interpretare correttamente i dati e di raccontare un fenomeno attraverso di essi, selezionando in maniera corretta le informazioni più rilevanti.
La Data Literacy è una competenza che non dovrebbe essere esclusiva di specialisti, ma dovrebbe coinvolgere, a vari livelli, le diverse figure aziendali. La sua diffusione passa infatti sicuramente attraverso l’inserimento di figure professionali legate ai dati, quali Data Scientist o Data Analyst, ma non solo. Altrettanto cruciale è la diffusione di una cultura del dato in tutta l’organizzazione, grazie, ad esempio, a corsi e attività formative incentrate su questo tema, anche per figure appartenenti alle linee di business. Un ulteriore aspetto, probabilmente il più rilevante, riguarda i meccanismi di trasmissione delle informazioni in azienda, ripensando al tempo stesso le modalità d’interazione con i dati, in direzione di una maggiore autonomia degli utenti di business: questo trend è noto agli analisti internazionali con il termine di Self-Service Data Analytics. Vediamolo più nel dettaglio.
Nell’ambito della Data Literacy, il rapporto con il Self-service Data Analytics è fondamentale per consentire agli utenti aziendali di sfruttare al meglio i dati per prendere decisioni informate.
Per Self-service Data Analytics si intende la diffusione di strumenti che permettono all’utente di business di gestire in autonomia il processo d’interrogazione dei dati, dall’esplorazione all’analisi, fino alla visualizzazione degli insight.
Il punto di partenza è la richiesta, da parte dei ruoli decisionali quali Top e Middle Management, di accedere alle informazioni in maniera più tempestiva e di andare oltre una reportistica statica, standardizzata e periodica. Questo a causa di contesti competitivi e consumatori sempre più esigenti e, in generale, alla necessità di rendere data-driven i processi decisionali. In risposta a questa domanda, l’offerta di soluzioni di Business Intelligence e di Data Visualization si è arricchita con nuove funzionalità, in direzione di una migliore esperienza d’uso di utenti non analisti dei dati, ma con esigenze di velocità e semplicità prettamente di business. Oggi, quindi, questa evoluzione tecnologica può supportare e nello stesso tempo essere una conseguenza della crescente diffusione della Data Literacy in azienda.
Se la Self-service Data Analytics permette agli utenti aziendali di accedere, esplorare e analizzare i dati in autonomia, la Data Visualization è il processo di rappresentazione dei dati in forma grafica, per esempio tramite grafici, mappe, tabelle interattive o, più in generale, dashboard. Più nello specifico, possiamo affermare che:
la Data Visualization (visualizzazione dei dati) racchiude tutte le tecniche necessarie a consegnare l’informazione all’utente finale, in maniera chiara e veritiera: infatti, sfruttando un approccio grafico risulta più efficace la comunicazione di concetti quantitativi e qualitativi, migliorando così anche le scelte e i risultati di chi i dati li deve utilizzare.
All’interno della Data Literacy, i software di Data Visualization più avanzati presenti sul mercato permettono non solo di costruire in maniera estremamente user friendly i grafici standard (come grafici a torta, istogrammi, grafici a linee ecc…), ma permettono anche di costruire modelli predittivi, effettuare modifiche sui dati, integrare nuove fonti di dati, costruire delle query complesse e analizzare dati non strutturati in logica totalmente code-free, solamente grazie al supporto di “Menu” pre-configurati e della visualizzazione.
A questi aspetti, si legano poi la sempre maggiore dinamicità e interattività delle dashboard che Top e Middle management hanno a disposizione. Ciò significa poter offrire, ad esempio, un aggiornamento in tempo reale della situazione produttiva o delle vendite di uno store direttamente su applicazioni mobile.
Come si può evincere da quanto detto finora, la Data Literacy offre numerosi benefici alle organizzazioni. Proviamo ora a riepilogare ed elencare alcuni dei principali vantaggi:
Data Literacy e utilizzo degli Analytics nelle aziende
Come purtroppo rileva di anno in anno l’Osservatorio Big Data & Business Analytics, per molte aziende il principale elemento di freno a un approccio “Data-Driven” deriva da uno scarso utilizzo delle soluzioni aziendali disponibili e da una carente Data Literacy, che alimenta una visione scettica sull’utilizzo dei dati.
Seppur siano ormai moltissime le aziende con strumenti di Data Visualization installati, le competenze in termini di Data Literacy restano ancora poco diffuse, ed è ancora poco pervasivo l’utilizzo di queste soluzioni anche da parte di dipendenti non tecnici. Nel 2023 solo un’azienda su tre ha affermato che più del 50% della propria forza lavoro utilizza tali risorse, mentre per metà del campione intervistato questi strumenti sono ad uso esclusivo di una piccola parte di dipendenti (meno del 20% della propria forza lavoro).
Sul fronte dell’analisi dei dati le imprese, in particolare quelle più grandi, si stanno muovendo con delle sperimentazioni in corso. Tuttavia, sono molte le situazioni di attività di Proof of Concept (sviluppo di prototipi) che, pur ottenendo buoni risultati, risultano complesse da portare in produzione, a causa di freni non tanto tecnologici quanto organizzativi e di processo. Va inoltre sottolineato che competenze “hard” di Data Science sono molto difficili da reperire sul mercato. Permane la confusione sui ruoli dedicati e attrarre queste figure può risultare molto costoso.
Nonostante ci siano avanzamenti a livello tecnologico, è importante sottolineare che ci sono ancora molte disparità nel livello di adozione tra PMI e grandi imprese:
Mentre nelle piccole e medie imprese la Data Literacy continua a essere vista, per lo più con logiche tradizionali, come “un problema dell’IT”, le grandi aziende registrano dalle varie funzioni aziendali la necessità di accedere a dati e insight in maniera più rapida e autonoma. Ciò porta a investire in software di Data Visualization & Reporting che, secondo i dati della Ricerca 2023, risultano essere adottati dal 93% delle grandi organizzazioni
Le soluzioni tecnologiche per la Data Literacy e la Data Visualization stanno ampliando le loro potenzialità con feature aggiuntive e maggiore interattività con i dipendenti non tecnici grazie anche all’utilizzo dell’Intelligenza Artificiale e del Natural Language Processing. Il Machine Learning svolge un ruolo significativo nella Business Intelligence, offrendo strumenti e tecniche avanzate per analizzare dati complessi, identificare pattern, fare previsioni e prendere decisioni informate, anche da parte di personale senza una preparazione tecnico-statistica.
In altre parole, offre alle aziende la capacità di analizzare dati complessi in modo più avanzato: migliorare la presa tecnologica permette infatti di affiancare a un processo di adozione di competenze di Data Science un approccio sempre più Self-Service per i business user. Riuscire in questo duplice obiettivo significa poter valorizzare al meglio le specifiche skills, impiegando le figure specialistiche in attività a maggior valore aggiunto, e rendere invece più efficienti le attività di reporting più tradizionali.
Contenuti suggeriti dell’Osservatorio Big Data & Business Analytics
