Dati, AI e performance: le basi della Business Intelligence
Prima degli algoritmi e dei modelli, esistono fondamenta che determinano tutto. Ecco quali sono davvero.
Bentornati al nostro appuntamento settimanale sul mondo della Business Intelligence per tutti. Siamo all’edizione numero 126 e questa settimana facciamo una cosa un po’ controcorrente.
Torniamo alle basi.
Non perché sia un argomento semplice o scontato. Anzi. Ma in un momento in cui si parla di AI ovunque, di performance in ogni riunione e di dati come se fossero la soluzione a tutto, fermarsi a chiedersi cosa tiene in piedi tutto questo è probabilmente la cosa più utile che possiamo fare.
Prima però, come sempre, facciamo un giro sulla nostra playlist Data Grooves e vi proponiamo questa come canzone della settimana:
🎵 “The Scientist” — Coldplay (2002)
“I’m going back to the start” — Torno all’inizio. Perché ritornare alle basi non è un passo indietro. Non è un fallimento o una battuta d’arresto, ma molto più banalmente è il momento in cui decidi cosa vuoi costruire per davvoeo. E su cosa vale la pena farlo.
Performance: una parola che ognuno sente a modo suo.
Partiamo da una scena che probabilmente è capitata a ognuno di noi: in azienda si decide di lavorare sui dati per migliorare le performance. Si convoca una riunione. Tutti annuiscono. Tutti sembrano d’accordo. Ma in realtà ognuno sta pensando a qualcosa di diverso.
Il CFO pensa al margine. Il commerciale al fatturato. L’operations ai costi e ai tempi. Il marketing ai lead. Nessuno ha torto, sia chiaro. Il problema è che stanno usando la stessa parola per descrivere cose diverse.
E quando poi si costruisce il sistema di Business Intelligence, quella confusione entra dritta dentro i dati. Ogni funzione porta la sua definizione di “cliente”, di “vendita”, di “efficienza”. Il risultato è un cruscotto che tecnicamente funziona, ma che non dice la stessa cosa a persone diverse.
La semantica: questo è il primo problema quasi sempre alla base di tutto.
Il dato prima del dato.
C’è un livello che viene quasi sempre saltato e che difficilmente lo si ritrova in una riunione o in una slide di presentazione.
È il livello in cui si decide cosa raccogliere (dato? informazione?), qual è il suo nome, chi ne è il responsabile e cosa succederebbe se fosse sbagliato.
Gartner, nel suo Data Quality Market Survey, stima che la scarsa qualità dei dati costi alle aziende in media 12,9 milioni di dollari l’anno. Non stiamo parlando di mancanza di strumenti, ma di governance del dato.
Un dato di qualità non è solo un dato “pulito”. È un dato che ha una storia. Sappiamo da dove viene, chi lo produce, con quale frequenza si aggiorna, cosa rappresenta davvero.
Senza questo, qualsiasi strumento — per quanto sofisticato — lavora sulla sabbia durante una mareggiata invernale (wow che metafora!).
E non è un lavoro che si fa una volta sola. Va mantenuto, aggiornato, verificato nel tempo. È una pratica continua che ha bisogno di costanza e cura.
L’AI amplifica tutto. Nel bene e nel male.
Qui arriviamo ai giorni nostri e ad uno dei paradosso più insidiosi di questo momento storico: l’AI, in superficie, sembra risolvere tutti i nostri problemi. Puoi fare analisi complesse senza scrivere codice. Puoi interrogare i dati in linguaggio naturale. Hai risposte in pochi secondi.
Sembra quasi che le fondamenta non servano più.
È esattamente il contrario.
Se un analista esperto interroga un database mal strutturato, se ne accorge. Riconosce quando qualcosa non torna. Sa fare le domande giuste. Se un sistema di AI generativa interroga lo stesso database, produce una risposta fluida, ben scritta, e potenzialmente completamente sbagliata. Senza nessun segnale di allerta.
L’AI non crea ordine dove c’è caos. Lo accelera in entrambe le direzioni.
Le aziende che stanno ottenendo i risultati migliori non sono necessariamente quelle con le tecnologie più avanzate. Sono quelle che avevano già lavorato sulla qualità del dato, sulla coerenza semantica, sulla governance. L’AI ha trovato terreno fertile. E ha moltiplicato il valore di un lavoro già fatto bene.
Performance non significa velocità.
Circola molto, in questo periodo, un’equazione sbagliata: più velocità nell’accesso ai dati uguale decisioni migliori.
Non funziona così. O meglio, non funziona automaticamente così.
La velocità è uno strumento. Avere una risposta in tre secondi invece che in tre giorni è un vantaggio reale, ma solo se quella risposta viene letta, contestualizzata, interpretata da qualcuno che sa cosa farsene.
La performance nella Business Intelligence si misura molto semplicemente rispondendo a questa domanda:
quante decisioni di valore sono state prese grazie alla BI, rispetto a quante sarebbero state prese comunque per abitudine, intuito o esperienza?
È una domanda davvero insidiosa. E proprio per questo, nella maggior parte delle aziende, non viene mai posta.
Le basi sono una pratica continua.
Insistere sulle fondamenta forse non ci fa procedere sempre spediti, ma con il senno di poi non è un rallentamento, perché ci permette di non doverci - definitivamente - fermare dopo.
Perché le basi/fondamenta non sono un prerequisito da spuntare una volta per tutte. Sono una domanda da riportare all’attenzione di tutti periodicamente: stiamo misurando le cose giuste, nel modo giusto, con le persone giuste coinvolte?
Un’azienda che se lo chiede ogni sei mesi è un’azienda che cresce. Diciamocelo!
Non perché ha tutte le risposte, ma perché ha imparato a fare le domande giuste.
Un esercizio per questa settimana: scriviamo da dove arrivano i dati principali della nostra azienda. ERP, CRM, Excel, gestionale, ecommerce. Tutto. Poi chiediamoci: le persone di funzioni diverse usano le stesse parole per descrivere le stesse cose?
Se la risposta è “non ne sono sicuro”, sappiamo già cosa fare. Proviamo a partire da lì.
Qui entriamo noi, con Elly.
Quando lavoriamo con un’azienda, una- se non la prima - delle cose che facciamo è ascoltare come le persone parlano dei dati che hanno a loro disposizione.
Chiediamo a funzioni diverse come definiscono le stesse parole: ricavo, cliente, performance, margine. Se arrivano tre risposte diverse, beh: Houston abbiamo un problema.
Per questo Elly non parte mai dal software, ma dalle esigenze di Business e dal significato della conoscenza condivisa. In altre parole dalle fondamenta.
Solo dopo ha senso parlare di analisi, visualizzazioni, intelligenza artificiale. Perché a quel punto gli strumenti trovano qualcosa di solido su cui lavorare.
Vuoi capire su cosa poggiano i dati della tua azienda? Scopri Elly oppure scrivici: si parte sempre dalle fondamenta.