La trasformazione dei dati è alla base della trasformazione digitale
Negli ultimi due decenni, startup digital-first come Uber, Amazon, Airbnb e Stripe hanno rivoluzionato settori vitali come trasporti, commercio, viaggi e banking. Le organizzazioni di tutti i settori hanno riconosciuto la necessità di una trasformazione digitale per competere nella nuova economia dell’informazione. Questo è particolarmente vero nell’economia del COVID-19, che ha accelerato la digitalizzazione di processi e servizi (PwC). Nonostante gli ingenti investimenti in digitalizzazione, la dura verità è che circa il 70% delle iniziative di trasformazione digitale non raggiunge l’obiettivo dichiarato (McKinsey).
Sebbene i motivi del fallimento di molti programmi di trasformazione digitale possano essere diversi, una ragione chiave è non riconoscere che una trasformazione dei dati sostenibile è un prerequisito per una trasformazione digitale di successo. Gartner rileva che meno del 50% delle strategie aziendali documentate menziona l’analisi dei dati come leva critica per generare valore a livello aziendale.
I leader devono partire dai dati per avere successo nelle iniziative digitali, invece di considerarli un ripensamento per aiutare con progetti ad hoc. —Mike Rollings, Research Vice President di Gartner
Esistono molte leve per una trasformazione dei dati di successo—dagli investimenti nell’infrastruttura dati, agli strumenti, fino al miglioramento dei processi e a strutture organizzative agili. Tuttavia, nessuna di queste leve è efficace nel favorire la trasformazione dei dati senza investire nelle competenze di data fluency a livello organizzativo.
Molte organizzazioni hanno cercato di coltivare le competenze di data fluency creando team di data science e analytics. Ma limitarsi ad assumere data scientist isola la data science come centro servizi e non porterà a una data fluency diffusa nell’organizzazione. Inoltre, poiché la domanda di data scientist cresce, risolvere il gap di competenze sulla data fluency puntando solo sulle assunzioni non è sostenibile.
In un’organizzazione data-driven, la data science—e più in generale la data fluency—è una metodologia inclusiva per rispondere alle domande dell’organizzazione, in cui tutti sono messi nelle condizioni di usare i dati per trovare risposte. I veri elementi distintivi tra disruptor e incumbent non sono tecnologici, ma risiedono nella cultura data-driven, nelle intuizioni che sanno trarre dai dati mentre analizzano e iterano sui propri servizi, e nelle competenze di data fluency che alimentano.
In breve, il successo della tua trasformazione digitale dipende dall’avere le giuste competenze di data fluency in tutta l’organizzazione.
Affrontare il gap di competenze nella data fluency
Molte organizzazioni hanno infatti riconosciuto la necessità di colmare i gap di competenze in ambito data fluency. Un’indagine McKinsey su oltre mille aziende di vari settori ha rilevato che il gap di competenze più urgente da colmare è nell’analisi dei dati—con il 43% degli intervistati che lo considera la priorità numero uno in tema di upskilling. Allo stesso modo, la survey annuale 2019 di PwC tra i CEO ha rilevato che il 34% dei CEO ritiene i gap di competenze nell’analisi dei dati la minaccia più cruciale per la propria organizzazione.
Le organizzazioni più lungimiranti stanno già investendo per far crescere le competenze delle proprie persone e competere nell’era digitale. Per esempio, Marks & Spencer ha creato una retail data academy per riqualificare oltre 1.000 dipendenti. Amazon ha lanciato una Machine Learning University per fornire ai propri ingegneri le competenze necessarie a distribuire il machine learning su larga scala nei prodotti e servizi. Airbnb ha sviluppato la sua Data University per fornire a ogni livello dell’organizzazione le competenze per prendere decisioni basate sui dati. AT&T ha intrapreso un progetto da 1 miliardo di dollari, della durata di 10 anni, per riqualificare più della metà della sua forza lavoro di 250.000 persone.
Nel complesso, gli sforzi di upskilling sulla data fluency stanno dando frutti. Un altro studio McKinsey ha rilevato che il 70% delle organizzazioni che hanno investito in iniziative di upskilling sta registrando impatti positivi sul business che superano l’investimento iniziale. Ad esempio, il 48% delle organizzazioni ha riportato effetti positivi da moderati a significativi sulla crescita del margine operativo grazie all’upskilling—e il 73% ha registrato miglioramenti da moderati a sostanziali nella soddisfazione dei dipendenti. Un’indagine DataCamp su oltre 300 leader L&D di vari settori ha rilevato che le aziende che hanno investito in competenze di data fluency mature superano le controparti meno preparate in crescita dei ricavi, quota di mercato, redditività e altro ancora.
Le sfide della L&D nella costruzione della data fluency
A differenza delle iniziative tradizionali di learning & development, che spesso assumono la forma di corsi una tantum per competenze specifiche, la data fluency è una metodologia per rispondere a domande di business che le organizzazioni dovrebbero affinare nel tempo. I percorsi di apprendimento variano a seconda del livello di interazione che ciascuno ha con i dati. Per esempio, un analista marketing che lavora regolarmente con Excel potrebbe aver bisogno di imparare R o Python per avere successo nel proprio ruolo, mentre un manager o un leader potrebbe dover solo saper prendere decisioni informate usando i dati. In breve, nella data fluency non esistono soluzioni uguali per tutti.
Per questo un percorso di apprendimento basato sui ruoli e guidato dalle personas è più efficace per scalare i programmi di formazione sulla data fluency. Ogni persona ha un rapporto diverso con i dati e dovrà acquisire competenze in strumenti differenti e sviluppare abilità diverse per prosperare nell’era digitale.
In DataCamp, abbiamo identificato i diversi tipi di strumenti necessari per avere successo lavorando con i dati. Ancora più importante, abbiamo individuato 8 personas chiave dei dati presenti in ogni organizzazione data-driven, insieme alle diverse competenze che devono possedere e agli strumenti che utilizzano più comunemente.
Se vuoi saperne di più su queste personas dei dati e su come potrebbero inserirsi nella tua organizzazione, scarica il nostro white paper.
