Da tempo BNova è un fautore della data culture (cultura del dato) a tutti i livelli aziendali e in tutti i reparti, la condivisione dei dati e informazioni è fondamentale per garantire il successo perché “non importa quanto dettagliata e solida sia la tua strategia, se le persone che la eseguono non nutrono la cultura appropriata, i tuoi progetti falliranno.”

La cultura si mangia a colazione la strategia!

Frase di Peter Drucker, forte, ma significativa. Anche con un piano strategico molto forte e ben pensato, la sua efficacia sarà influenzata dai membri del team, negativamente se non condividono la cultura corretta.

A fronte anche delle nuove normative a tutela del dato è necessario garantire quell’insieme di processi, ruoli, policy, standard e metriche finalizzato a garantire un uso ottimale delle informazioni, che permetta all’organizzazione di mantenere standard operativi di livello alto. Per fare questo è chiaro che la consapevolezza della gestione del dato e della sua eventuale “lavorazione” deve essere trasmessa a tutti i soggetti operanti in azienda. E’ fondamentale diffondere la cultura del dato in tutta l’azienda.

 

La cultura del dato deve essere incoraggiata, non imposta.

 

Ma fortunatamente si sta sempre più diffondendo la presa di coscienza dell’importanza della data culture, e questo è anche il chiaro segnale che le aziende iniziano a percepirne l’importanza e ad essere pronte davvero ad un cambiamento così radicale. Non stupisce infatti che sempre più soluzioni IT mostrino interesse verso questo tema, soprattutto nei casi in cui il dato è l’elemento centrale del prodotto offerto.

 

Ad esempio durante il Government Summit 2021 organizzato lo scorso 6 Aprile da Tableau, prodotto leader per la Data Visualization, la data culture è stata una degli temi centrali di riflessione.

 

Durante il summit sono stati affrontati diversi temi, a partire da quelli che riguardano le modalità di accesso ai dati, fino alla prevenzione delle frodi, per arrivare al tema della Data Culture. È stato detto che “la cultura è fondamentale: le analisi e le visualizzazioni dei dati sono efficaci solo quando le persone le utilizzano”. Costruire una solida cultura del dato interna è fondamentale per la trasformazione dei dati in informazioni, le informazioni in conoscenza, e la conoscenza in valore. Una piattaforma come Tableau, che offre a tutti la possibilità di utilizzare i dati nei loro ruoli, indipendentemente dal fatto che siano o meno un data scientist, aiuta a creare consenso per il cambiamento a tutti i livelli.

Qui sotto ecco un resoconto di alcuni dei vantaggi dell’adottare una buona e diffusa cultura del dato e che BNova di certo condivide.

 

I dati apportano valore anche se non ti occupi esclusivamente di data science

Attraverso i dati si possono ottenere informazioni rilevanti concernenti il proprio business. La data science è un modo per estrapolare valore in modo puntuale, efficiente ed avanzato. Il fatto che molte aziende non si occupino direttamente di data intelligence non significa che non immagazzinino continuamente dati e informazioni che vengono usati e “lavorati” quotidianamente,

 

I dati sono immobilizzazioni del tuo Stato Patrimoniale e come tali andrebbero trattati

Le immobilizzazioni sono componenti dell’attivo dello Stato Patrimoniale destinate a durare in azienda  (vita utile) e in quanto tali ad essere impiegate nel tempo per la produzione aziendale: macchinari, strumenti tecnologici ma anche componenti immateriali come spese di pubblicità, marchi e brevetti. I dati funzionano allo stesso modo. Se ci pensate molti di essi non vengono mai cancellati e rimangono in pancia all’azienda a lungo. A seconda del tipo di immobilizzazione, inoltre, ad essa viene fatta manutenzione o, in ogni caso, vengono destinate loro delle attività o presi provvedimenti come la dismissione di un macchinario. Con i dati bisognerebbe avere medesima cura, ad esempio controllarli e catalogarli e fare continuo audit sui processi che ne hanno visto un coinvolgimento, sapere dove si trovano e, dal momento che potrebbe essere richiesto, provvedere alla loro cancellazione (dismissione dell’immobilizzazione).

 

Diffondere una growth mindset “data first”

Organizzando in modo analitico le procedure interne all’azienda, così da creare una filiera del dato, si deve coinvolgere, poi, il personale aziendale nell’agire in modo consapevole (quali dati, come li uso, dove sono, chi altro li usa e come li sta usando). Investire nella formazione del personale stesso permette di gestire tutto in modo più efficiente. Ecco perché la Data Governance è una “affare di tutti”, di coloro che custodiscono e gestiscono i dati (i reparti IT), ma anche di coloro che li utilizzano (tutte le persone in azienda).

 

Non solo efficienza ma anche efficacia

Gestire in maniera ottimale processi relativi ai dati e persone che ruotano intorno ad essi va da sé che porta una maggior efficacia dei processi decisionali con un notevole risparmio di tempo.

 

I dati (e la loro gestione ottimale) portano valore aggiunto anche economico

Estrarre informazioni rilevanti dai dati corrisponde a creare conoscenza consentendo decisioni e strategie che arrecano vantaggi anche in termini economici. Se conosco il contesto in maniera approfondita posso anche fare analisi che confrontino i risultati ottenibili dall’implementare differenti scelte strategiche, massimizzando, così, i risultati di business.

 

Altre info relative alla cultura del dati emersi durante il Summit di Tableau potete trovarli qui: Adopting a Data Culture: Four takeaways from public sector leaders

 

 

Approfondimenti da BNext:

Deep learning: cos’è e quali le applicazioni 

Nell’ampio vocabolario dell’intelligenza artificiale c’è una tecnica sempre più diffusa che promette di affrontare i problemi più complessi: il deep learning. Grazie all’impiego delle reti neurali profonde, il deep learning consente di correlare i dati con una...

Machine learning e deep learning: quali le differenze

Machine learning (ML) e deep learning (DL) sono termini sempre più ricorrenti nel vocabolario tecnologico, oltre ad essere sempre più utilizzate nelle applicazioni enterprise e mainstream. Prima di entrare nel merito, per comprendere in cosa consistono e cosa le...

Dataiku: cosa c’è da sapere sulla nuova release

Le novità più importanti della release 11.0 e 11.1.0 spiegate dal nostro data scientist Emiliano Fuccio

ETL, il significato di Extract, Transform, Load: cos’è e a cosa serve

I dati vengono ormai generati con un flusso incessante, in ogni singolo istante, da miliardi di dispositivi interconnessi in tutto il mondo. Ma come è possibile estrarre valore da questa straordinaria risorsa digitale? Il paradigma Big Data, gli Advanced Analytics e...

Data ingestion: significato, esempi e vantaggi 

La data ingestion è una tecnologia molto importante nell’aiutare le organizzazioni a gestire un volume di dati sempre più ingente e complesso, anche per via della sua straordinaria eterogeneità. Se ben implementata, la data ingestion può infatti generare un...

Le differenze tra intelligenza artificiale debole e forte

L’intelligenza artificiale è una tecnologia ormai entrata stabilmente a far parte della nostra quotidianità, dai semplici assistenti domestici ai più complessi sistemi di robotica industriale. Nella sua definizione più ampia, l’intelligenza artificiale è un termine...

Cos’è la Data Quality e le metriche di riferimento

La Data Quality è una misura della condizione dei dati basata su fattori quali accuratezza, completezza, coerenza, affidabilità e se sono aggiornati. La misurazione dei livelli di qualità dei dati può aiutare le organizzazioni a identificare gli errori nei dati che...

OLAP e OLTP: cosa sono e quali le differenze 

La trasformazione digitale ha portato le aziende ad essere sempre più data-driven, orientando i loro processi e le loro decisioni nella prospettiva delle operazioni e delle analisi di quantità e varietà di dati sempre più importanti. È infatti ormai decisamente...

Data as a Service: cos’è a cosa serve

I modelli a servizi disponibili in cloud consentono di avere nuove opzioni di utilizzo dei dati, molto più flessibili e scalabili rispetto ai sistemi di gestione tradizionali. È il caso del Data as a Service (Daas), una soluzione strategica in grado di semplificare...

Data Science Lifecycle, le 6 (+1) fasi del processo

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.