Il panorama attuale in cui si trovano le nostre aziende è molto complesso. Da un lato, ci sono le sfide di business per un go to market sempre più veloce e innovativo, dall’altro lato, ci sono le sfide dell’IT che deve mantenere i sistemi operativi 7×24 in un contesto di cyber attack sempre più frequenti.
A questi elementi di criticità si affiancano questioni geopolitiche di incertezza, per esempio a causa delle guerre che impattano sulle economie nazionali. “Direi che siamo in un periodo dove l’incertezza regna sovrana”, sono le riflessioni con le quali Claudia Leati, innovation & technology advisor di Mauden, apre la nuova puntata di Discover IT, il podcast firmato da Mauden, in partnership con IBM.
Una cultura data-driven aziendale
Un contesto che richiede dati e insight giusti al momento e al tempo giusti, spingendo così verso una più efficace cultura data-driven aziendale. “La cultura data-driven a supporto di business e mercati sempre più esigenti e critici fa riferimento a un approccio aziendale e organizzativo in cui le decisioni vengono prese sulla base di dati empirici e analisi quantitative piuttosto che su intuizioni o opinioni personali”, spiega Leati durante il podcast.
“Questo approccio mette al centro l’uso sistematico dei dati per guidare le strategie, le operazioni e le decisioni in tutti i settori dell’organizzazione. Nella cultura data-driven, vengono raccolti e analizzati dati provenienti da varie fonti eterogenee, come ad esempio dati di mercato, dati dei clienti, dati operativi, dati finanziari, dati relativi alla posizione geografica degli utenti, dati relativi alle condizioni metereologiche o dati provenienti dai social e molti altri”.
L’importanza dei dati – e delle fonti eterogenee di dati – trova eco nelle parole di Fabio Salvalaggio, sales manager data, AI & Automation di Mauden, che evidenzia quanto la mera analisi dei dati storici possa presentare alcune criticità: “Può essere difficile prevedere la domanda di nuovi prodotti o in mercati emergenti, dove i dati storici sono limitati o inesistenti. Non solo, eventi imprevisti possono creare anomalie nei pattern storici”.
Come si superano le criticità?
Per far comprendere come si superano certe criticità, Salvalaggio condivide un utile e interessante esempio di una gelateria che può sfruttare i dati metereologici per superare i limiti dei dati storici che consiglierebbero, in generale, di produrre meno gelato a novembre e aumentare la produzione e gli acquisti di materie prime e personale ad agosto.
“Ma se poi a Ferragosto piove e fa freddo? E se a novembre c’è una bella giornata di sole e molte persone desiderano un bel gelato?”, stimola Salvalaggio. Con modelli di analisi che tengono conto solo dei dati storici aziendali, queste variabili non troverebbero alcuna risposta, causando potenziale perdita di ricavi o costi eccessivi per il personale e l’acquisto di materie prime in un momento di vendite ridotte.
Aggiungere altre fonti di dati, come per esempio quelle provenienti dalle previsioni meteo, è una scelta ottimale per sfruttare al meglio modelli predittivi e intelligenza artificiale. L’applicazione dell’AI, anche generativa, su un dataset più vasto e completo permette infatti di sviluppare nuove interpretazioni e contenuti, di simulare nuovi scenari e condizioni, di anticipare tendenze e migliorare l’analisi.
“Il caso della gelateria ci rende quasi lampante il fatto che tanto più aggrego dati – e tanto più i dati provengono da fonti eterogenee – tanto più le architetture data-driven potranno sfruttare al meglio l’intelligenza artificiale e proporre analisi predittive accurate ed affidabili su cui modellare il business in modo efficace e profittevole”, evidenzia in chiusura Leati. In altre parole… per produrre gli insights giusti al momento giusto.
Per altri contenuti iscriviti alla newsletter di Forbes.it CLICCANDO QUI .
Forbes.it è anche su WhatsApp: puoi iscriverti al canale CLICCANDO QUI .
