5 errori comuni negli Analytics e come evitarli

5 errori comuni negli Analytics e come evitarli

Stiamo entrando in un’era senza precedenti per conoscenza e tecnologia.

Oggi ci sono più di 1 miliardo di cosiddetti knowledge-workers – letteralmente “lavoratori della conoscenza” – ognuno con le informazioni e le competenze per prendere decisioni critiche di Business.

Allo stesso tempo, la Business Intelligence di nuova generazione si sta allontanando da dashboard standalone ed analisti dedicati, consentendo agli Insights provenienti dai dati di raggiungere tutti i lavoratori all’interno di tutte le app che utilizzano.

Unendo questi due fattori, ci accorgiamo di essere in un’epoca nella quale intere Aziende possono liberare i decision makers e generare un valore inaudito in tutti i settori e a tutti i livelli.

Questo potenziale rimarrà tuttavia inutilizzato, se non correggiamo gli errori comuni che si commettono quando si utilizzano i Dati.

Non possiamo semplicemente incoraggiare la proliferazione di più dashboard, portando grafici alle riunioni e concentrandoci su metriche brillanti ma non attuabili.

Per assicurare un abbinamento perfetto tra knowledge-workers e BI di nuova generazione dobbiamo rivisitare i fondamenti di come sfruttare gli Insights provenienti dai Dati, in modo da non incappare nei seguenti errori molto comuni.

Potrebbe anche interessarti: Analisi Dati: cos’è e come si applica in Azienda

Errore #1: usare i Dati solo per confermare le nostre idee

Uno dei più grandi errori che possiamo fare è quello di cercare i Dati soltanto dopo aver reperito tutte le nostre idee.

Un esempio è nel settore Marketing, dove le menti creative fanno brainstorming su campagne e strategie attraverso un numero sempre più crescente di canali, ma spesso prima di consultare i Dati e talvolta ignorandoli del tutto.

Non dovremmo mai utilizzare i Dati in questo modo, anche se è una tendenza comune in ogni reparto aziendale.

Quello che va fatto è instillare una nuova mentalità aziendale che permetta agli Insights provenienti dai Dati di aiutarci a definire le nostre idee, strategie e linee di condotta.

Ciò non significa seguire ciecamente ciò che ci dicono i Dati, ma piuttosto far lavorare in perfetta armonia Analytics e la nostra creatività e competenze naturali, rendendo impossibile capire dove iniziano gli uni e finiscono le altre.

La BI di nuova generazione può svolgere un ruolo fondamentale nell’aiutarci a superare questo errore.

Invece di fare affidamento su dashboard tradizionali e indipendenti che ci richiedono di deviare dai nostri flussi di lavoro esistenti, dobbiamo mettere gli Insights provenienti dai Dati in primo piano ed al centro delle app che utilizziamo oggi per prendere decisioni.

I progressi nell’Intelligenza Artificiale possono anche avvisarci dei cambiamenti nei Dati, aiutandoci in modo proattivo a prendere decisioni e riducendo al minimo le possibilità di guardare i Dati solo dopo che un evento si è già verificato.

Potrebbe anche interessarti: Data Management: cos’è e quali vantaggi può portare in Azienda

Errore #2: scegliere le visualizzazioni sbagliate per presentare gli Insights dei Dati

Un traguardo positivo della generazione di BI self-service è stato quello di migliorare notevolmente la Data Visualization, dato che siamo in grado di comprendere più rapidamente le rappresentazioni visive dei numeri rispetto a lunghi elenchi di tabelle.

Questa tendenza va assolutamente portata avanti e fatta sviluppare ulteriormente all’interno della nuova generazione di BI.

Vanno progettati Insights che siano utilizzabili, ma anche comprensibili.

Difficilmente faremo progressi inserendo Analytics ovunque, ma continuando a presentarle come semplici tabelle di Dati grezzi.

Ciò diventa ancora più critico se pensiamo al miliardo di knowledge-workers che ora possiamo potenziare con gli Insights dei Dati.

Questi lavoratori hanno esperienza sfruttabile, ma potrebbero non essere abituati al linguaggio degli Analysts tradizionali ed alle rappresentazioni dei Dati.

È importante continuare a scegliere le visualizzazioni giuste in base ai Dati e non viceversa.

Più persone “potenziamo” attraverso gli Insights, più attenzione dobbiamo prestare per non travisare i Dati.

Evitiamo quindi di utilizzare visualizzazioni appariscenti in nome del nuovo: a volte i semplici grafici a barre o le serie temporali sono esattamente ciò di cui abbiamo bisogno.

Potrebbe anche interessarti: Advanced Analytics: la nuova frontiera della Business Intelligence

Errore #3: affidarsi troppo ai Dati

Sembra contro-intuitivo suggerire che fornendo un maggiore accesso ai Dati, possiamo insegnare alle persone a contare troppo su di essi.

Tuttavia, ciò diventa sempre più preoccupante vista la tendenza delle persone a prendere decisioni informate in tempo reale ed in scenari sempre più estremi.

I modelli di Dati attuali non possono sempre tenere conto di grandi interruzioni, in particolare su larga scala, e rimuovere le persone dall’equazione decisionale può ridurre del tutto l’impatto dei Dati.

Un esempio in corso è la pandemia di COVID-19, che ha stravolto molte abitudini di utilizzo dei Dati, indipendentemente dal settore.

Le aspettative dei clienti continuano a cambiare ogni giorno, a volte anche nel giro di poche ore.

Questo ci offre spesso poco tempo per esaminare dashboard standalone o per attendere i report degli Analysts.

Soffermarsi sull’attesa dei Dati significa perdere finestre decisionali critiche.

E’ dunque necessario utilizzare gli Insights provenienti dai Dati per potenziare le competenze umane, e non viceversa.

Le persone sono, in definitiva, i veri decision-makers, e con la nuova generazione di knowledge-workers sempre più crescente vanno addestrate a raccogliere il loro sapere – ora arricchito dagli Insights analitici – per prendere importanti decisioni in tempo reale.

Le Aziende che lavorano in maniera opposta finiranno per perdersi, trasformando i propri knowledge-workers in automi senza cervello che faranno solo ciò che i Dati gli diranno di fare.

Potrebbe anche interessarti: 5 principali benefici degli Augmented Analytics

Errore #4: focalizzarsi sugli Insights sbagliati

Gli Insights provenienti dai Dati possono essere una distrazione ed anche fuorvianti, anche se i Dati in sé sono accurati.

Oggi le Aziende generano così tanti Dati che spesso si tende a codificare certi Insights in metriche ed a monitorarli come se fossero il nostro unico obiettivo.

Quante volte un Responsabile Vendite ha risposto al telefono, quante parti ha cambiato un meccanico di una compagnia aerea, persino quante volte le persone hanno caricato una dashboard o condiviso un Insight.

Ognuna di queste metriche è utile, ma non sono i numeri che ci aiutano a prendere decisioni fondamentali che incidono sul business.

Un motivo in più per concentrarsi primariamente su come le persone prendono le decisioni.

Quando puntiamo i riflettori sulle metriche, ci impegniamo a migliorare solo quelle, perdendo di vista l’impatto che esse avrebbero dovuto apportare.

Le Aziende dovrebbero, invece, dare la priorità ai flussi di lavoro esistenti delle persone e progettare Analytics adatti ad essi.

Se ci concentriamo primariamente sui flussi di lavoro, scopriremo quali sono le metriche delle quali le persone hanno bisogno per prendere decisioni informate e non soltanto ottenere dei semplici vanity numbers che ci fanno sentire bene.

Potrebbe anche interessarti: 5 modi per aumentare l’impatto dei Big Data sul Business

Errore 5#: non riuscire a creare una Cultura Data-Driven

Per liberare veramente il potenziale dei knowledge worker e della BI di nuova generazione per guidare la crescita strategica, non è sufficiente chiedere semplicemente agli utenti di evitare errori analitici individuali.

Se vogliamo avere una cultura che utilizzi costantemente gli Insights provenienti dai Dati, dobbiamo costruirne una che si aspetti Insights dai Dati provenienti da ogni decisione e da ogni lavoratore.

Un primo passo può essere quello di investire in soluzioni tecnologiche che semplifichino l’introduzione di Analytics in tutta l’Azienda.

L’acquisizione di Insights pertinenti dai Dati già utilizzati dai lavoratori è l’unico modo più semplice per garantire che questi ultimi prendano decisioni analiticamente valide.

Chiedere agli utenti di rivolgersi ad un’altra applicazione per ottenere informazioni è un modo per garantire che venga ignorata.

In secondo luogo, dobbiamo imporre l’aspettativa che tutti in Azienda, dai ruoli più alti a quelli minori, utilizzino gli Insights provenienti dai Dati per prendere ogni decisione.

I Dirigenti devono sfruttare in prima persona gli Analytics senza esternalizzare il lavoro a specialisti dei Dati, mentre i lavoratori più qualificati devono ricevere Insights personalizzati per essere aiutati nelle loro operazioni quotidiane.

Questo processo può essere difficile e non avviene dall’oggi al domani.

Come un muscolo, costruire una cultura richiede pratica, tempo e ripetizione.

Non si diventa Data-Driven riducendo l’apporto di una nuova cultura aziendale ad iniziative di Data Literacy una volta l’anno o chiedendo che le persone portino più grafici alle riunioni.

Le Aziende più innovative faranno degli Insights provenienti dai Dati una pietra angolare del loro processo decisionale.

Esse forniranno e si aspetteranno prove analitiche in ogni momento, e saranno quelle Aziende che guideranno davvero il cambiamento.

Vuoi portare la tua Azienda su di un altro livello grazie ai Dati? Contattaci!

Leave a Reply

Il tuo indirizzo email non sarà pubblicato.

You may use these HTML tags and attributes:

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>