La trasformazione digitale inizia e finisce con i dati
Il nostro VP of Corporate Sales, Sam Hedberg, ritiene che una strategia dei dati ben eseguita sia necessaria per completare la trasformazione digitale di un’azienda:
I dati sono il sangue che scorre nella tua trasformazione digitale. Senza di essi, la tua trasformazione digitale morirebbe.
Nell’episodio 30 del nostro podcast, DataFramed, Taras Gorishnyy, allora Senior Analytics Manager in McKinsey, ha identificato gli elementi in movimento necessari per costruire una strategia dei dati:
- Crea una visione per gli analytics allineata alla strategia aziendale
- Stabilisci un forte supporto a livello C, ad esempio advocacy, finanziamenti ed entusiasmo
- Costruisci una solida base dati per fornire dati integrati, affidabili e tempestivi
- Estrai valore presto da diversi casi d’uso
- Implementa la revisione dei processi e il cambiamento culturale per garantire il giusto mix di competenze sui dati in tutta l’azienda
Vediamo come ciascuno di questi passaggi nella costruzione di una strategia dei dati può aiutarti a eseguire con successo la tua trasformazione digitale.
1. Crea una visione per gli analytics allineata alla strategia aziendale
McKinsey afferma che molte aziende iniziano il loro percorso negli analytics scoprendo quali dati hanno e determinando dove possano essere applicati. Ma questo approccio non è scalabile. Invece, le aziende dovrebbero partire identificando i processi decisionali che potrebbero migliorare per generare ulteriore valore nel contesto della loro strategia complessiva.
Queste sono aree strategiche critiche per un’azienda e in genere richiedono allineamento tra funzioni. Ma a volte, le grandi aziende iniziano con una strategia dei dati che prevede l’assunzione di molti data scientist e l’avvio di progetti pilota. Spesso questi sforzi alla fine non scalano, perché è come mettere il carro davanti ai buoi. I team di analytics che lavorano in silos produrranno risultati limitati.
Un nostro cliente, un istituto finanziario, ha capito che i linguaggi open source erano la strada del futuro e ha deciso che tutta l’azienda dovesse saper parlare la lingua dei dati. Così si sono rivolti a DataCamp per aiutarli a diffondere le competenze sui dati tra i reparti e a tutti i livelli. Con la loro iniziativa di upskilling a livello aziendale, hanno inserito a bordo centinaia di dipendenti, usando la funzionalità “team” per creare piani di apprendimento personalizzati per reparto, obiettivi formativi e livelli di competenza. Creano anche assegnazioni per vari team, mantenendo i dipendenti coinvolti e attivamente in apprendimento.
2. Stabilisci un forte supporto a livello C
Nelle grandi organizzazioni, i diversi reparti spesso non sono progettati per lavorare insieme. Per un’iniziativa di trasformazione di ampia portata, la sponsorizzazione da parte del top management è fondamentale per stabilire una missione unificante in tutta l’azienda.
Nel 2018, Salesforce ha condotto uno studio sulla trasformazione digitale rivelando che il 75% dei decisori ha dichiarato che i loro sforzi di trasformazione digitale erano supportati dalla sponsorizzazione esecutiva. Il supporto del management in ambito dati e analytics si traduce in una maggiore probabilità di successo grazie a più investimenti, a una più alta probabilità di esecuzione e a un maggiore allineamento organizzativo.
Un nostro cliente, un’agenzia governativa nazionale, ha avviato quest’anno un’iniziativa di trasformazione digitale con il supporto del loro Commissario. Con il supporto dei vertici, prevedono di completare la trasformazione digitale in tre anni, includendo il rinnovamento delle piattaforme digitali e il passaggio all’apprendimento online incentrato sull’upskilling in R tramite DataCamp.
3. Costruisci una solida base dati per fornire dati integrati, affidabili e tempestivi
Il filo conduttore di tutte le iniziative di trasformazione digitale sono i dati. Tutti i sistemi di un’organizzazione—dai flussi di processo alle applicazioni fino ai data center—si basano su dati di alta qualità. Ogni organizzazione deve disporre dei processi e delle capacità per poter usare i propri dati. Questo include la gestione della qualità dei dati, come l’acquisizione da varie fonti e la loro pulizia per garantirne l’accuratezza, oltre alla governance per assicurare la conformità a normative sulla privacy come GDPR e CCPA.
Per questo motivo, il nostro co-fondatore e CEO Martijn Theuwissen ha dichiarato in un’intervista a AiThority: “Le aziende hanno bisogno di solide basi dati e di strumenti per l’estrazione, il caricamento e la trasformazione dei dati (ETL), così come di strumenti per pulire e aggregare dati provenienti da fonti eterogenee.”
Ed è per questo che il dott. Hugo Bowne-Anderson, data scientist e docente in DataCamp, ritiene che la preparazione dei dati sia importante quanto il machine learning, il deep learning e l’AI nel flusso di lavoro dei dati. Dopotutto, “i tuoi modelli sono tanto buoni quanto i tuoi dati”. I bulloni e gli ingranaggi non possono essere trascurati: devono essere accuratamente reperiti, installati e testati perché il tuo motore dei dati funzioni correttamente.
4. Estrai valore presto da diversi casi d’uso
Per poter eseguire una strategia dei dati ambiziosa che offra risultati di business reali, le aziende devono poter indicare casi d’uso di successo. Dimostrare casi d’uso riusciti è fondamentale per comunicare valore e urgenza in tutta l’organizzazione. McKinsey afferma che i progetti devono dimostrare valore presto e spesso attraverso quick win, quindi diverse iniziative sui dati possono svolgersi in parallelo:
[Un] dirigente dei dati ha spiegato come, invece di provare subito a collegare sistemi disparati o creare un unico sistema master, cosa che potrebbe richiedere anni, abbia posto un “layer” sopra i sistemi esistenti che presentava una vista completa di un processo, come il processo di concessione di un prestito in una banca, che avviene tramite più sistemi. Ha creato avvisi per segnalare quando si verificano le fasi del processo (come l’approvazione del prestito, quando viene inviata un’email al richiedente per notificargli l’approvazione, e così via), in modo che, anche se ogni fase era completata da un sistema diverso, i team potessero vedere l’intero processo come se i sistemi lavorassero insieme.
Questo esempio dimostra che estrarre valore e collaborare con i dati è strettamente legato al passaggio precedente di costruzione di un solido ecosistema dei dati.
5. Implementa la revisione dei processi e il cambiamento culturale
Il CEO di ShopRunner, Sam Yagan, ritiene che la sua azienda abbia integrato la cultura della data fluency:
Poiché i dati sono così radicati nella nostra cultura, non ci vuole molto perché qualcuno si accorga che la persona seduta accanto o di fronte a lui o lei sta eseguendo i propri report e accedendo ai propri dati.
DataCamp può aiutare ogni azienda a raggiungere questo gold standard di data fluency a livello aziendale. Il nostro ambiente di apprendimento online supporta l’esecuzione della strategia dei dati e aiuta le aziende a democratizzare le competenze sui dati—a ogni livello e in ogni reparto.
Abbiamo condotto un sondaggio su oltre 300 leader L&D (Learning and Development) e abbiamo scoperto che sviluppare la data fluency è una priorità per l’89% delle aziende. La chiave per raggiungerlo su larga scala non è solo assumere i migliori talenti—ma creare una cultura di upskilling e reskilling della tua forza lavoro.
Entro il 2017, il 77% delle aziende statunitensi utilizzava già l’apprendimento online. Con così tante persone nel mondo che oggi lavorano da casa, l’apprendimento online non è mai stato così rilevante.
L’apprendimento online è una componente chiave della trasformazione digitale e DataCamp offre un approccio learning-by-doing per democratizzare le competenze sui dati in tutta la tua azienda. Visita datacamp.com/discover/enterprise per scoprire come possiamo aiutarti a eseguire una strategia dei dati scalabile per completare la trasformazione digitale della tua azienda.
