La preparazione dei dati è il tallone d’Achille di molte aziende

La strada per diventare un’azienda data-driven è lunga e complessa. La preparazione dei dati, in particolare, pone le aziende di fronte a nuove sfide. Medico. In un’intervista con Sage, Kerstin Schäfer, Digital Strategist di Adobe, ha formulato raccomandazioni su come progettare un processo di preparazione dei dati efficace e perché è così importante portare il mondo dei data scientist in sintonia con il mondo degli affari.

Di fronte a mercati sempre più complessi e, soprattutto, più volatili, diventa sempre più difficile per le aziende prendere decisioni aziendali affidabili. In sostanza, si trattava della sfida di trovare una base solida per determinare il percorso strategico, piuttosto che affidarsi esclusivamente al proverbiale sentimento istintivo. Al più tardi dall’inizio della Quarta Rivoluzione Industriale, potrebbero essere utilizzati i propri dati, ovvero le aziende che già li possiedono e che stanno generando una quantità esponenziale di nuovi dati. Parola chiave: processo decisionale basato sui dati. Ecco perché è importante preparare di conseguenza le informazioni disponibili in modo che diventino una solida base per il lavoro imprenditoriale. E questa particolare regione è il tallone d’Achille di molte aziende.

La maggior parte delle aziende non ha le competenze per preparare i dati

Questo è il risultato di uno studio condotto dal Business Applications Research Center (BARC), che ha intervistato più di 695 esperti di business intelligence di vari settori in tutto il mondo. Il 53 percento ha dichiarato che il decisore imprenditoriale non aveva una conoscenza sufficiente dei dati già necessari per le decisioni imminenti e che doveva essere elaborato di conseguenza. Tra gli intervistati nella regione DACH, questo numero era del 58 percento. Questa è di gran lunga la sfida più grande che esiste in questo campo.

Con questo in mente, se le aziende decidono di prendere decisioni basate sui dati, è fondamentale che gli stakeholder aziendali identifichino chiaramente esattamente di quali dati hanno bisogno. Questo dovrebbe essere sicuramente impostato come flusso di lavoro separato quando viene selezionato un processo appropriato. Perché in questo modo l’analista di dati e l’ingegnere dei dati ricevono una solida base di lavoro e sanno quali dati devono raccogliere ed elaborare. Se le registrazioni dei dati da elaborare sono molto estese, è consigliabile coinvolgere preventivamente un data strategist e un data engineer, che pianificano e preparano in anticipo l’effettivo processo di assemblaggio e configurazione in coordinamento con gli stakeholder aziendali.

Combina i dati classici con le informazioni sul comportamento dei clienti

La difficoltà nella scelta dei dati richiesti consiste nel combinare le informazioni classiche – nel marketing, ad esempio, CRM e dati transazionali – con informazioni sul comportamento, gli atteggiamenti e le preferenze del cliente, come: come si sente il cliente riguardo al marchio? Combinare questi due mondi è complicato, soprattutto quando si tratta non solo di clienti esistenti, ma anche di potenziali nuovi clienti. Quindi ha senso costruire una sorta di data house per rispondere alle domande di base: qual è lo status quo? Quali sono gli obiettivi? W: Quali dati sono necessari per poter misurare il successo?

Il primo passo per impostare una misura del successo basata sui dati è creare un framework KPI. Questo scompone numeri chiave importanti come “aumento delle entrate” e “riduzione dei costi” per i singoli reparti. È quindi possibile misurare il successo delle campagne, ad esempio inviando un’e-mail a tutti i clienti che hanno dimenticato un prodotto nel carrello. Sulla base del feedback dei clienti, il risultato tangibile della campagna può quindi essere identificato e messo in relazione ai costi.

Non perdere di vista il rapporto di lavoro, sbarazzati del pensiero silenzioso

In tutte le fasi della preparazione dei dati, gli amministratori non devono perdere di vista lo slogan “Il business conduce la tecnologia dell’informazione”. Quindi i dati dovrebbero essere sempre preparati con l’obiettivo di porre domande specifiche, ad esempio: perché si sviluppa un’attività particolare? È particolarmente importante non pensare ai silos quando si analizzano i dati, ma prestare attenzione alla relazione tra i dati. Utilizzando un semplice modello statistico, chiamato analisi di correlazione, queste relazioni possono essere derivate da grandi quantità di dati dei clienti. Nel marketing, ad esempio, potrebbero trattarsi di informazioni sulle pagine visitate di frequente e sui prodotti visualizzati. L’analisi della correlazione richiede non solo competenze ingegneristiche, ma anche una solida comprensione del contesto aziendale. Quindi gli scienziati dei dati e le parti interessate del business non dovrebbero agire in isolamento.

Quanto prima è coinvolto il lavoro, tanto più efficace sarà il processo di preparazione dei dati. Idealmente, il reparto IT e gli stakeholder aziendali lavorano insieme in team tandem. Revisioni regolari e il rispetto del principio dei quattro occhi sono importanti. Perché anche una virgola posizionata in modo errato nei dati può avere gravi conseguenze, ad esempio previsioni errate. Inoltre, il team tandem dovrebbe lavorare frequentemente secondo il principio di “testare e imparare”. Significa anche vedere gli errori non come una cosa negativa, ma come una base per imparare da essi.

Capire il cliente

È anche particolarmente importante che i responsabili dei dati abbiano una buona comprensione dei clienti e del percorso del cliente. Un approccio incentrato sul cliente aiuta in questo caso, ad esempio testando in anticipo per ogni metrica di marketing tramite la mappatura delle fonti di dati corrispondenti se il cliente desidera davvero la campagna. Solo allora ha senso trattare con dati rilevanti.

Oliver Rosic, Vice President of Product Engineering di Sage, ha commentato: “La preparazione efficiente dei dati richiede molto impegno. Ma ne vale la pena. Non solo le grandi aziende possono sfruttare con profitto il potenziale dei loro dati. L’analisi dei dati offre anche alle piccole e medie dimensioni alle aziende la flessibilità di cui hanno bisogno per interagire più velocemente con le tendenze e portare i prodotti giusti sul mercato. In questo modo, puoi ottenere vantaggi competitivi anche senza un grande budget”.

www.sage.com