Posted On 8 Giugno 2020 By In Sostenibilità With 212 Views

Sei lezioni sull’importanza delle analisi per rispondere alle nuove sfide del futuro

Sei lezioni sullimportanza delle analisi

McKinsey in un recente report ha analizzato come le aziende stiano sempre più abbracciando l’analisi avanzata dei dati e l’intelligenza artificiale, identificando 6 lezioni emerse durante la pandemia e dando alcuni spunti su come mantenere lo slancio verso il progresso e la ripresa. 

Molti dirigenti in questo frangente hanno scoperto di dover superare ostacoli culturali e organizzativi e di fare tutto in fretta perché ormai il tempo è un lusso che i leader non hanno, ora che devono proteggere i propri dipendenti e clienti, gestendo al contempo le ripercussioni economiche sulla scia dei blocchi della comunità, della paura dei consumatori e della continua incertezza.

 Le decisioni di oggi possono modificare la traiettoria della loro azienda per gli anni a venire e in questa fase di incertezza non sorprende che l’analisi, ampiamente riconosciuta per la sua capacità di risolvere i problemi e predittiva, sia diventata uno strumento di navigazione essenziale. L’analisi supporta numerose attività urgenti per le aziende di oggi: previsione della domanda, identificazione di potenziali interruzioni della catena di approvvigionamento, indirizzazione dei servizi di supporto ai lavoratori a rischio e determinazione dell’efficacia delle strategie di intervento in crisi, per citarne alcuni. Ciò che sorprende è la rapidità con cui le organizzazioni, anche quelle con esperienza di analisi limitata, hanno sollevato soluzioni di analisi per questi scopi.  Le funzionalità di analisi che una volta avrebbero potuto richiedere a queste organizzazioni mesi o anni per realizzarsi sono nate nel giro di poche settimane.

Le 6 lezioni imparate durante la crisi grazie alle analisi

Lezione 1: Analytics deve essere allineato con le priorità aziendali

Secondo la ricerca McKinsey&Company solo il 30% delle organizzazioni allinea la propria strategia di analisi alla più ampia strategia aziendale. Le aziende che hanno scalato l’IA in modo efficace hanno quasi quattro volte più probabilità di altre di allineare queste strategie. Nella risposta COVID-19, il primo compito per le organizzazioni era, ovviamente, identificare le nuove sfide aziendali emerse dal giorno alla notte. A tal fine, molte organizzazioni hanno istituito centri nevralgici, mobilitando risorse aziendali e di analisi per informare e affrontare queste sfide costruendo nuovi flussi di dati, riferendo su questioni di importanza critica per guidare le decisioni a breve termine e sviluppando viste a lungo termine dei dati per capire cosa potrebbe riservare il futuro per la loro azienda, clienti e fornitori.

Con un’agenda completamente allineata e una chiara visione delle missioni cruciali, le organizzazioni sono state preparate a mettere in piedi soluzioni guidate dall’analisi che hanno consentito ai leader di adeguarsi alle sfide COVID-19 e di prepararsi in modo più efficace per il futuro. Molti leader aziendali e di analisi si radunano intorno a nuove soluzioni di analisi o ridisegnano quelle esistenti per supportare quattro priorità aziendali critiche derivanti dalla pandemia: proteggere e supportare i dipendenti; informare le decisioni strategiche e finanziarie; gestire la sicurezza, i rischi e i costi della catena di approvvigionamento; coinvolgere i clienti in modi nuovi e sempre più digitali.

Lezione 2: I silos funzionali non sono così rigidi come sembrano

Durante la crisi, molte organizzazioni, indipendentemente dalla maturità dell’analisi, hanno riunito team interfunzionali di risposta alle crisi con tutte le parti interessate per sviluppare soluzioni di analisi per una risposta più rapida. Prima di COVID-19, queste unità operative lavoravano in modo indipendente e avevano poca interazione l’una con l’altra.

Lezione 3: La tua organizzazione è più agile di quanto pensi

Durante la risposta COVID-19, anche le organizzazioni che non avevano adottato o addestrato dipendenti su pratiche agili ad applicare concetti agili per ottenere le risposte rapide di cui avevano bisogno. Sprint di sviluppo iterativo, ad esempio, team liberi per testare rapidamente le idee, ottenere feedback degli utenti nelle prime fasi del processo ecc.

Lezione 4: I team della frontline hanno bisogno dei pieni diritti decisionali

Il passaggio dal processo decisionale top-down al processo decisionale basato sui dati da parte di coloro che sono in prima linea. Per molte organizzazioni, tale cambiamento può apparire formidabile, in quanto contrasta con processi e convinzioni aziendali profondamente radicati. Durante gli sforzi di risposta alle crisi, le organizzazioni hanno prontamente autorizzato i dipendenti in prima linea con l’autorità decisionale.

Con tutti i ruoli rilevanti riuniti, autorizzati ad agire e dotati di analisi incentrate sul cliente, il team ha potuto testare nuove idee e offerte nel giro di due settimane, migliorando il loro impegno con i clienti in un ambiente turbolento.

Lezione 5: Familiarizzare con le imperfezioni dei dati e anticipare la tendenza del modello

La crisi ha anche costretto i leader ad affrontare nuove sfide relative ai dati derivanti dai mutamenti radicali dell’economia e dei comportamenti dei consumatori che si manifestano nei dati che alimentano i modelli analitici.  Quando la crisi è scoppiata, una grande azienda industriale ha scoperto che il suo modello per la previsione della domanda globale forniva dichiarazioni di errore perché l’output non rientrava più nei confini del modello esistente.

Per ripristinare il funzionamento del motore di previsione, l’organizzazione ha dovuto ripristinare i limiti del modello, applicare nuove tecniche di modellazione e incorporare nuove dati. I leader devono anche riconoscere che, sebbene i dati esistenti non siano idealmente “robusti”, potrebbero comunque generare utili spunti, se usati con una buona dose di giudizio.

Lezione 6: Gli strumenti e la tecnologia standard migliorano i tempi di reazione

In un recente sondaggio sull’IA, le organizzazioni che hanno segnalato un uso diffuso dell’IA avevano una probabilità 4,2 volte maggiore rispetto ad altre di avere set di strumenti standard.

Durante la crisi, abbiamo visto le organizzazioni mettere in atto questo principio per accelerare l’immissione dei dati, standardizzare i dati e garantire coerenza durante lo sviluppo del modello. La società mineraria precedentemente descritta, ad esempio, sta utilizzando strumenti standard per consentire a diversi team della catena di fornitura, della finanza e delle risorse umane di integrare i propri dati e sfruttare set di dati comuni per più casi d’uso.

Senza strumenti e sforzi centralizzati, tale standardizzazione potrebbe protrarsi per mesi.

 Come mantenere il progresso

  • Individuare e articolare chiaramente le ragioni per sostenere nuovi modi di lavorare

In tutti i settori, man mano che le aziende iniziano a ricostruire, i leader dovranno ripensare i loro modelli di business, I leader dovrebbero anche esprimere la propria visione per espandere o migliorare i canali digitali della propria azienda, nonché i modi in cui i crescenti volumi di dati provenienti da questi canali possono aiutare i dipendenti a comprendere meglio e interagire con i clienti.

  • Assumere quando gli altri non lo fanno

Nell’attuale contesto, molte start-up tecnologiche sono in difficoltà. Per le aziende affermate, ciò rappresenta un’opportunità per acquisire competenze tecniche difficili da ottenere, contribuendo nel contempo al bene superiore di mantenere occupati i cittadini. 

  • Fare reskilling degli impiegati

I leader hanno l’opportunità di accelerare l’upskilling dei dipendenti e di basarsi sui cambiamenti culturali, come il passaggio a metodi di lavoro più agili, attualmente in corso. Tale formazione dovrebbe includere opportunità di apprendimento virtuale (che consentono ai dipendenti di apprendere al proprio ritmo da casa), nonché corsi in loco e formazione sul posto di lavoro una volta che i dipendenti tornano in ufficio. 

 

 

Lascia un commento