#15 Avvio della trasformazione organizzativa
Subscribe to get the latest
on Thu Aug 20 2020 17:00:00 GMT-0700 (Pacific Daylight Time)
with Darren W Pulsipher, Sarah Kalicin,
Creare risultati di successo basati sui dati inizia con una solida base organizzativa. Darren e la sua ospite Sarah Kalicin, Data Scientist Capo del Data Center Group di Intel, discutono gli aspetti chiave di questa fondamentale trasformazione.
Keywords
#data #management #people #datacentricorganization #organizationalchange
Costruire un’organizzazione basata sui dati.
Il successo basato sui dati inizia con una solida base organizzativa. Ciò significa che la direzione ha un ruolo chiave nel determinare un risultato prezioso. Invece di riconoscere semplicemente la necessità di dati, richiedere approfondimenti ed aspettarsi risultati, la direzione deve fornire una strada per il successo, partendo da una domanda fondamentale: quale valore aziendale vogliamo ottenere dai dati?
Una volta che la direzione determina le domande commerciali, è necessario mettere a disposizione le risorse per supportare il processo: mettere le persone giuste al posto giusto, formazione, raccolta dati, preparazione, creazione di insight e operazionalizzazione. Ciò richiede risorse e tempo sufficienti; l’organizzazione deve supportarlo a livello fondamentale e culturale, con un piano completo in atto.
Ottenere valore dall’Intelligenza Artificiale
In un articolo di ottobre 2019 sul MIT Sloan Management Review, “Vincere con l’IA”, gli autori hanno dimostrato che le organizzazioni definite con una personalità “pionieristica” ottenevano il massimo dai loro progetti di intelligenza artificiale. La ragione è perché erano altamente concentrati sulla loro strategia aziendale e si assicuravano che i dati che utilizzavano influenzassero l’intero modello di business. A un livello di base, utilizzavano i dati per capire come massimizzare i ricavi mentre minimizzavano le spese operative. Generavano valore dai ricavi dell’IA anziché solo dai risparmi di costo.
Gli autori hanno anche constatato che queste organizzazioni hanno maggior successo quando sono i dirigenti di alto livello, piuttosto che l’IT, a guidare le iniziative di intelligenza artificiale. I dirigenti di alto livello sono più vicini al modello di business e al contesto in cui vengono utilizzati i dati. Questa struttura aiuta a evitare il problema che l’analisi diventi semplicemente un esercizio accademico.
Identificare le domande per creare valore aziendale
Quali domande dovrebbero fare le organizzazioni per creare valore aziendale? Un buon punto di partenza è chiedere a coloro che fanno parte dell’unità aziendale di cosa si preoccupano e in cosa mancano di intuizione. Dopo aver fatto una sessione di brainstorming su queste problematiche, individuare i problemi di grande impatto e bassa complessità. Successivamente, capire quali dati possiedi, o puoi acquisire, che possono rispondere a queste domande. Ottenere i dati necessari non è facile e richiede disciplina. È qui che entra in gioco il supporto e l’impegno della direzione durante il processo.
Impegnarsi per una solida base organizzativa
Una solida base organizzativa non è un semplice consenso, ma un impegno da parte di tutta l’organizzazione ad un processo di risoluzione dei problemi. Una volta definiti i problemi o il valore aziendale desiderato, suddividerli in passaggi praticabili come ad esempio trovare i dati, avere le persone giuste al posto giusto e il sostegno della dirigenza. Un approccio di risoluzione dei problemi in cui tutti concordano sulla suddivisione e sul processo anziché cercare solo di trovare una risposta è essenziale. Deve anche esserci un impegno per le risorse e il tempo necessari.
Il feedback e la verifica lungo tutto il processo sono importanti. Il team e la direzione devono capire che questo non è un processo lineare, ma una pratica di miglioramento continuo. Potrebbe accadere, ad esempio, che i dati più convenienti non siano necessariamente i dati corretti. Potrebbe essere necessario trovare una fonte diversa o pulire i dati esistenti in modo che siano utilizzabili.
Un’altra parte della base organizzativa è avere l’infrastruttura giusta di software e hardware. Il big data richiede un sistema sofisticato. La direzione deve capire che stanno investendo denaro nella tecnologia per elaborare i dati in modo utile. Devono anche investire nelle persone e fornire loro una formazione utilizzando software di analisi reali in modo da poter fare di più con i loro dati.
Tutto ciò si riflette nella cultura di un’organizzazione che abbraccia le conoscenze digitali e ne riconosce il valore.
Definire ruoli e responsabilità
Anche se alcuni ruoli IT sono stati presenti da un po’ di tempo, è utile definire i ruoli e le responsabilità per i dirigenti chiave nella fase di analisi.
Il Chief Analytics Officer (CAO) consente all’analisi e all’IA di lavorare per creare valore per l’organizzazione. Questi sono i traduttori analitici che lavorano con i dirigenti C-suite per capire come possono sfruttare l’analisi e l’IA attraverso la consegna e l’esecuzione.
Il Chief Data Officer (CDO) è responsabile della cura dei dati dell’organizzazione in modo che il CAO e il suo team di data science possano utilizzarli. La strategia dei dati, oltre alla cura, comprende la sicurezza, la manutenzione e la qualità.
Il Chief Information Officer (CIO) assicura, costruisce e mantiene l’infrastruttura software e hardware per supportare il lavoro sui dati, l’analisi e l’IA. Il CIO e il suo team si assicurano che i dati possano fluire in base alle richieste provenienti dagli ingegneri e dagli scienziati dei dati.
Tutti questi ufficiali e i loro team devono lavorare insieme. Il CAO e gli scienziati dei dati definiscono come i dati saranno utilizzati, creando modelli e dashboard per fornire le informazioni. Il CDO e gli ingegneri dei dati curano i dati e si assicurano che siano pronti per il lavoro analitico, mentre il CIO, i team di infrastruttura e gli architetti di soluzioni si rivolgono agli ingegneri dei dati, agli analisti e agli scienziati dei dati per determinare quale hardware e software possono consentire il loro lavoro.
Modelli di allineamento organizzativo
Con queste nuove posizioni C-suite, ci sono diverse opzioni di allineamento organizzativo su una scala che va da completamente decentralizzato a completamente centralizzato.
In un rapporto McKinsey del 2018, “Dieci campanelli d’allarme che segnalano un programma di analisi fallimentare”, si mostrano i pro e i contro dei modelli di allineamento organizzativo. Una delle idee chiave dimostra che il vantaggio di avere una decentralizzazione completa è che si mette l’esperienza direttamente all’interno dell’azienda. I lavoratori dei dati saranno strettamente coinvolti e comprenderanno i dati, creando un alto valore. Tuttavia, a seconda dell’organizzazione, potrebbe non essere possibile sostenere così tanti professionisti dei dati in ciascuna delle unità aziendali. Inoltre, se ci sono solo pochi professionisti dei dati, potrebbero non essere in grado di sfruttare altre competenze presenti all’interno dell’azienda. In questo caso, qualcosa di più centralizzato potrebbe essere più benefico.
Conclusione
Le organizzazioni stanno affrontando molti nuovi cambiamenti per diventare centrate sui dati, non solo nella cultura, ma anche nella struttura organizzativa. Non è sufficiente desiderare semplicemente i benefici che la nuova intelligenza artificiale porta; richiede cambiamenti fondamentali nel modo in cui pensiamo all’organizzazione stessa.