Analytics, Machine Learning e Intelligenza Artificiale, i pilastri delle organizzazioni “insight driven”
Tempo di lettura: 5 min
Per potersi affermare oggi e superare le difficoltà di un mercato caratterizzato da incertezza, ambiguità, complessità, dinamicità e velocità di cambiamento, le aziende sono chiamate a compiere un percorso di evoluzione che le faccia evolvere a “insight driven organization”, con Analytics, Machine Learning e Intelligenza Artificiale quali pilastri per decisioni più efficaci. Perché un processo decisionale accurato, basato in modo oggettivo ed efficace su dati, informazioni e insights, è l’elemento chiave per la crescita, lo sviluppo e l’innovazione delle imprese
Ne è convinto Gavin Day, Senior Vice President, Corporate Programs - Office of the CEO, di SAS, di cui abbiamo raccolto alcune considerazioni, unitamente a quelle di altri professionisti e top manager esperti.
Il momento storico che stiamo vivendo è unico, abbiamo imparato a “fare i conti” con “cigni neri” (eventi estremamente imprevedibili che hanno impatti sulla società, sull’economia, sulle aziende e sulle nostre vite personali) e “cigni grigi” (eventi improbabili che potrebbero però essere previsti in anticipo), eventi che hanno impatti molto più sistemici con conseguenze a lungo termine.
Nella visione di Day, ci sono diversi “cigni grigi” che rappresentano sfide significative per le aziende: l’interruzione della catena di approvvigionamento, la volatilità finanziaria, la crisi climatica e i suoi impatti, la giustizia sociale, l’evoluzione della forza lavoro e del modo di lavorare delle persone, la digitalizzazione “spinta” che interessa ormai tutte le aziende, di qualsiasi settore e dimensione. È in questo scenario che le aziende devono trovare la strada per prosperare, migliorare il proprio fatturato, aumentare il margine, soddisfare le aspettative dei clienti, creare valore per gli azionisti, costruire solidi ecosistemi... e diventare data-driven..
GAVIN DAY
Senior Vice President, Corporate Programs - Office of the CEO SAS
«Ci sono due cambiamenti tecnologici che consentono alle aziende di gestire la disruption e di prosperare in questa nuova normalità. Questi cambiamenti sono il Cloud e l'intelligenza artificiale», rassicura Day. «Gli early adopter che hanno investito nella trasformazione in Cloud beneficiano di una maggiore resilienza e agilità per la loro azienda. Secondo IDC, lo scorso anno, circa il 40% del mercato del software è passato al cloud. Questo significa che quasi il 60% delle aziende ha appena iniziato o è in procinto di effettuare questa transizione. Una transizione che ha molto a che fare con Analytics e Intelligenza Artificiale. Con il passaggio delle aziende al Cloud, stiamo assistendo a una crescita esponenziale della velocità, del volume e della complessità dei dati. Per dare un senso a questa esplosione di dati, le organizzazioni devono diventare esperte di analisi, Machine Learning e Intelligenza Artificiale».
Modelli organizzativi “legacy”, freno all’innovazione e allo sviluppo di ecosistemi di dati
Un obiettivo, quello proposta da Day, che deve però “fare i conti” con le difficoltà di cambiamento. Secondo Alfredo Maria Garibaldi, Country Leader of Artificial Intelligence and Data di Deloitte, «parecchie aziende hanno ancora modelli organizzativi legacy dove di fatto c’è ancora un modello decisionale top-down che non consente di sbloccare il vero potenziale dei dati, degli analytics e dell’Intelligenza Artificiale».
Sulla base di alcune evidenze emerse da una recente ricerca condotta da Deloitte stessa, emerge che nel mercato italiano il 40% delle aziende sono ferme al cosiddetto “livello I”, cosiddetto Analytically Impaired, usano cioè gli analytics in modo molto limitato e opportunistico, solo per problemi o esigenze specifiche.
ALFREDO MARIA GARIBALDI,
Country Leader of Artificial Intelligence and Data di Deloitte
I livelli di maturità definiti da Deloitte sono cinque e definiscono in che modo le aziende “sfruttano” efficacemente gli analytics:
Analytically Impaired
Aziende consapevoli del valore delle analisi dei dati ma poca o nessuna infrastruttura e strategia di analisi poco definita.
Localised Analytics
Aziende che adottano gli analytics ma con un approccio “a silos”.
Analytical Aspirations
Aziende che iniziano ad estendere capacità di analisi ad hoc in alcune funzioni startegiche di business.
Organisation Insight Driven
Aziende che hanno trasformato tutti i processi decisionali in tutte le funzioni di business sfruttando tutto il potere degli analytics.
Analytical Companies
Aziende che hanno “industrializzato” ed esteso gli analytics a più livelli aziendali e che li usano per migliorare i propri processi decisionali.
Solamente il 10% delle imprese italiane analizzate da Deloitte può essere definito davvero data-driven, ossia possono essere riconosciute come “Organisation Insight Driven”.
DARIO BELTRAME,
Managing Director, Chief Technology Officer e Public Sector di Accenture
Secondo Dario Beltrame, Managing Director, Chief Technology Officer e Public Sector di Accenture, ci sono ostacoli ben definiti che ancora frenano quel cambiamento che, invece, servirebbe per modellare processi decisionali accurati, efficaci e di valore. «Il 61% delle organizzazioni private è ancora basato su ecosistemi di dati semplici, cioè con scarse condivisioni dei dati tra pubblico e privato (ma anche tra sole aziende private) che solitamente si “attivano” solo sulla base di specifiche necessità.
Eppure, il 54% delle aziende dichiara di vedere un vantaggio monetizzabile nel creare un ecosistema-dati pubblico o privato. Chi ha già attivato questi ecosistemi di condivisione dei dati, sostiene di ottenere vantaggi tangibili sulla customer satisfaction, sulla produttività e l’efficienza operativa, nonché sulla riduzione e il controllo dei costi. Ci sono esempi virtuosi, italiani, in molti ambiti settoriali, come Sanità (pensiamo la Fascicolo Sanitario Elettronico Nazionale) e Turismo (con progetti del Ministero per l’interoperabilità dei dati), solo per citarne un paio. Il PNRR rappresenta una buona occasione per ampliare questi casi d’eccellenza».
I passi da compiere per superare le sfide
Se la risposta a un contesto complesso come quello descritto da Day sono Cloud e Intelligenza Artificiale, ci sono dei passi da compiere per superare le barriere e le sfide che possono essere riassunti in tre fasi, come spiega lo stesso Gavin Day:
Ingaggiare un partner tecnologico per passare al Cloud.
Accelerando al contempo l'adozione di Analytics, Machine Learning e Intelligenza Artificiale. Obiettivo primario, prendere decisioni più intelligenti e informate.
Dare forma ad una strategia persistente basata su dati e analisi.
«So che non si tratta di una novità assoluta, ma la parola chiave è "perseverare". È necessario migliorare ed espandere costantemente la portata dei dati e delle analisi nella propria organizzazione», suggerisce Day.
Scalare il processo decisionale.
Ciò significa che, in presenza di un qualsiasi evento di tipo “cigno grigio” o in contesti incerti e volatili, è possibile simulare e ottimizzare i risultati aziendali su vasta scala facendo previsioni accurate.
È in queste tre fasi che si esprime, cresce e matura il valore del binomio Cloud-Analytics che può accelerare i percorsi di trasformazione delle imprese.
Dare un senso ai dati diventando organizzazioni data-driven
Una strada, quella della trasformazione, già avviata da moltissime aziende, seppur con livelli di “data-driven maturity” differenti.
La digitalizzazione e la centralizzazione dei dati in ambito sanitario avvenuta in modo accelerato negli ultimi due anni, causa pandemia Covid, per esempio, rappresentano un importante cambio di passo che ora va capitalizzato e meglio strutturato. «La tecnologia ha dimostrato di poter arrivare dove non riusciva l’uomo e una volta che se ne comprendono i vantaggi, difficilmente si torna indietro», invita a riflettere Pietro Pacini, direttore generale di CSI Piemonte..
PIETRO PACINI
direttore generale di CSI Piemonte
RAFFAELE PANICO
Responsabile Fraud Management e Security Intelligence di Poste Italiane
«Per vincere le sfide odierne non si può non essere organizzazioni data-driven, il che significa, innanzitutto, creare nuove professionalità e dotarsi di adeguate competenze; in secondo luogo, sfruttare in modo efficace tecnologie che consentano di ottenere il massimo dai dati e, soprattutto, abilitare processi decisionali più efficaci e di valore per le strategie di business», è il punto di vista di Raffaele Panico, Responsabile Fraud Management e Security Intelligence di Poste Italiane, una delle grandi aziende italiane che ha scommesso con decisione sul digitale e sui dati.
Certo è che in contesti di incertezza, dinamicità e complessità (oggi quasi tutti i tipi di mercato, di fatto, lo sono), bisogna anche destreggiarsi nell’abbondanza dei dati e delle tecnologie. I dati hanno un costo, di gestione, di memorizzazione, di utilizzo... è fondamentale capire quali sono quelli “pertinenti” rispetto alle esigenze e agli obiettivi strategici aziendali e come analizzarli in modo che diano informazioni e insights che risultino davvero efficaci. Per “dare un senso ai dati” e renderli fonte primaria di processi decisionali accurati, sfruttando le tecnologie più avanzate, comprese quelle basate su Intelligenza Artificiale, è necessario che la cultura analitica sia parte integrante dell’azienda.
Day suggerisce di pensare a questa sfida/obiettivo come a uno sport di squadra, in cui ogni persona svolge un ruolo importante nel raggiungimento di un risultato aziendale. Un obiettivo che può essere raggiunto attraverso una strategia basata su tre funzionalità fondamentali:
approccio “portatile” che consenta di eseguire analisi in qualsiasi ambiente, da quello ibrido o multi-cloud fino ai sistemi embedded (droni, dispositivi di fabbrica, automobili ecc.);
collegare gli analytics all'intera catena del valore e dei processi decisionali;
automatizzare il più possibile (quando si hanno diverse migliaia di modelli in funzione è impossibile gestirli senza una significativa automazione).
Trasparenza e fiducia
Oggi si sente parlare molto di Intelligenza Artificiale responsabile o di etica dell'AI nel mercato. «Non dobbiamo però dimenticare che le decisioni prese dall'IA sono il risultato di algoritmi, dati e processi aziendali. Ciò significa che le considerazioni etiche devono essere applicate in ogni area per garantire un'innovazione responsabile sostenuta da risultati che devono essere spiegabili, trasparenti ed equi», invita a riflettere Gavin Day. E queste sono le direttrici su cui ci stiamo muovendo:
- le soluzioni SAS supportano già diverse funzionalità per l'innovazione responsabile, tra cui la segnalazione di dati protetti e sensibili, l'interpretazione di modelli surrogati e la gestione del ciclo di vita dei dati e dei modelli di analisi;
- l’azienda ha istituito una Data Ethics Practice per garantire che le considerazioni etiche siano integrate nella propria roadmap tecnologica e nelle best practice di analisi per i clienti;
- SAS fa parte del National AI Advisory Committee, che consiglia i leader governativi sull'IA etica, e del consiglio di amministrazione di Equal AI, un'organizzazione no-profit che si occupa di ridurre i pregiudizi insiti nell'IA. In entrambi questi gruppi, SAS è al tavolo di lavoro con alcune delle aziende di analisi più avanzate al mondo.
Solo puntando fin da ora su innovazione responsabile, trasparenza ed etica nell’utilizzo delle tecnologie più avanzate, sarà possibile fare di analytics, Machine Learning e Intelligenza Artificiale i pilastri su cui fondare organizzazioni insight driven in grado di gestire con successo “cigni grigi”, complessità e incertezze.
5 settembre 2022
ARTICOLI CONSIGLIATI
-
Innovation sparksInnovazione e Trasformazione nell’Area Credito: l’esperienza di TIMTIM ha intrapreso un progetto ambizioso volto a innovare processi, sistemi e organizzazione, con l’obiettivo di migliorare l’efficienza e garantire una gestione sempre più data-driven. -
Data for GoodAI_PREMie: innovazione e collaborazione per prevenire le complicazioni della preeclampsiaLa ricerca condotta dall'University College di Dublino potrebbe salvare decine di migliaia di vite utilizzando il machine learning per diagnosticare la preeclampsia. -
Innovation SparksLe Model Card di SAS: una bussola per la trasparenza e l’eccellenza nei modelli di Intelligenza ArtificialeIntegrate nella piattaforma SAS Viya, le Model Card di SAS sono concepite per documentare e chiarire ogni aspetto dei modelli di intelligenza artificiale e machine learning.
Ispirazioni sul mondo di oggi e sulle tendenze di domani