Cos’è un temporary manager? Come il temporary management si rivela utile nelle fase di cambiamento aziendale?

Spesso all’interno delle aziende può capitare che emergano in periodi particolari delle esigenze specifiche che non possono essere coperte con le professionalità presenti nell’organico. Ad esempio nel caso della fase di digitalizzazione aziendale, o di cambi architetturali o strategici radicali.

In casi come questi le soluzioni sono, o affidarsi ad un servizio esterno di consulenza, oppure assumere a tempo pieno la figura specifica. In entrambi i casi ci sono però aspetti da tenere di conto: un’assunzione, per di più di una figura skillata, di sicuro risolve il problema attuale, ma potrebbe rivelarsi nel lungo termine una spesa ben superiore a quella necessaria. D’altra parte il ruolo del consulente sicuramente limita la spesa nel lungo termine, ma è vincolato anche nei tempi perché è circoscritto al progetto per cui il consulente è coinvolto.

Il temporary manager è la soluzione ideale in casi come questi: il suo ruolo, proprio come quello di un manager ad organico, è quello di “aggiustare” la struttura organizzativa, avviare là dove serve una rivoluzione culturale che inizia con il suo input, ma che rimane nel tempo perché si porta dietro un lascito metodologico che l’azienda può continuare a sfruttare anche oltre il termine del suo mandato.

Per BNova la figura del temporary manager è sicuramente un valore aggiunto per un’azienda che sta attraversando un periodo di profondo cambiamento che sia di carattere metodologico o strutturale. Per questo abbiamo deciso di avviare la partnership con CDIManager a partire dallo scorso Maggio.
A sancire la collaborazione è l’obiettivo di base che ci accomuna: offrire una consulenza a 360 gradi forte dell’esperienza di entrambi i soggetti nei settori di competenza; da una parte skills tecniche ed esperienza consulenziale per le tecnologie digitali e l’analisi dati, dall’altra una forte competenza ed esperienza in ambito manageriale (Comunicato stampa)

In questo articolo di CDiGITAL vengono intervistate due realtà aziendali ben consolidate che hanno avuto bisogno dei temporary manager per portare in azienda nuove competenze e rivoluzionare il proprio approccio strategico e metodologico rispetto a quei settori aziendali che avevano bisogno di una “rinfrescata”.

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.