11/05/2023 di Redazione

Psicologia e valori umani ancora importanti negli analytics

Gartner delinea le dieci tendenze che guideranno (o dovrebbero guidare) chi, in azienda, si occupa di analisi dei dati. Dall’intelligenza artificiale alla sostenibilità.

immagine.jpg

Gli analytics sono entrati ormai da parecchi anni nelle attività quotidiane e nelle strategie delle aziende, in modo più o meno sofisticato a seconda dei contesti e del livello di preparazione tecnologica. Il loro uso, tuttavia, è in continua evoluzione: diversi “temi caldi” di questo periodo si collegano agli analytics, e in particolare l’intelligenza artificiale e la sostenibilità.

Come si evolveranno le tecnologie di analisi dei dati e i loro utilizzi in azienda? Risponde Gartner con una lista di dieci tendenze che contraddistinguono l’anno in corso, ma anche si svilupperanno nei prossimi anni. Ma più che di tendenze si tratta soprattutto di suggerimenti che possono guidare chi in azienda si occupa di dati e analytics per creare valore, anticipando il cambiamento e trasformando le incertezze del presente in nuove opportunità. 


“La necessità di portare valore dimostrato all’azienda su larga scala sta alimentando queste tendenze relative a dati e analytics”, ha detto Gareth Herschel, vice president analyst di Gartner. “I chief data and analytics officer (Cdao) e i leader di D&A devono coinvolgere gli stakeholder aziendali per definire il migliore approccio per stimolare l’adozione di dati e analytics. Questo significa avere analisi e insight più numerosi e migliori, tenendo in considerazione la psicologia e i valori umani”.

Vediamo e commentiamo insieme le dieci tendenze di Data&Analytics di Gartner.

1. L’ottimizzazione del valore
La maggior parte dei leader di D&A fatica a spiegare in termini di business quale sia, per l’azienda, il valore apportato dalle attività di analitycs, Business Intelligence e intelligenza artificiale. A tal fine servono anche capacità di storytelling, di analisi del flusso del valore, di definizione delle priorità di investimento e di misurazione dei risultati. I leader di D&A, in sostanza, dovrebbero riuscire a “raccontare” il valore degli analytics, evidenziando il legame tra le iniziative realizzate e le priorità del business.

2. La gestione del rischio legato all’AI
L’utilizzo crescente dell’intelligenza artificiale espone le aziende a rischi inediti, riguardanti sia l’etica sia il potenziale bias degli algoritmi. Gestire questi rischi significa soltanto aderire ai regolamenti ma anche sviluppare pratiche di intelligenza artificiale responsabile. Così facendo si può ottenere la fiducia delle parti coinvolte (dagli azionisti di un’azienda ai suoi clienti) e favorire l’adozione dell’AI stessa.

3. Osservabilità
L'osservabilità è quella caratteristica che permette di comprendere il comportamento di un sistema di D&A e di ottenere risposte a eventuali domande in merito. Grazie all'osservabilità è più facile, per un’azienda, guardare attraverso i dati per risalire alla causa di un problema, di una inefficienza, e prendere decisioni tempestive.

4. La condivisione dei dati
Gartner sottolinea che oggi condividere i dati è essenziale, e questo vale sia all’interno di un’azienda (per esempio, tra dipartimenti o tra filiali o tra società di uno stesso gruppo) sia tra l’azienda e l’esterno. Le collaborazioni basate sulla condivisione dei dati, anche quelle esterne alle aziende, incrementano il valore dei dati stessi. Gartner suggerisce di creare delle metodologie e architetture unificate per la condivisione di diversi tipi di dati tra diversi soggetti.


5. La sostenibilità
Il leader di D&A non dovrebbero limitarsi a fornire analisi e insight per i progetti Esg (Environmental, Social, and Governance) dell’azienda. Dovrebbero anche cercare di ottimizzare le proprie attività in modo da renderle più sostenibili. COme? Per esempio utilizzando fonti rinnovabili per alimentare il data center aziendale o scegliendo un fornitore cloud che le usi, oppure sostituendo l’hardware obsoleto con macchine a basso consumo o, ancora, limitando la quantità di dati da analizzare.

6. I data fabric
Un data fabric è il design, il modello che definisce il percorso dei dati e la loro organizzazione tramite metadati. Eseguendo analytics continui sui metadati e arricchendo le semantiche sottostanti ai dati, il data fabric genera delle allerte e delle raccomandazioni da cui scaturiscono azioni (umane o automatizzate). Tutto questo permette agli utenti aziendali (non tecnici) di fruire i dati senza difficoltà.

7. L’AI generativa
Le applicazioni di intelligenza artificiale generativa, come ChatGPT, sono l’avanguardia di una tecnologia (l’AI generativa, appunto) destinata secondo Gartner a cambiare il modo in cui la maggior parte delle azienda opera in termini di scalabilità, versatilità e capacità di adattamento. In futuro, con la prossima ondata tecnologica, l’AI sarà applicabile ad ambiti nuovi, diventando sempre più pervasiva e preziosa per le aziende. 


(Immagine di macrovector su Freepik)

8. Gli ecosistemi convergenti e componibili
Un ecosistema convergente di D&A è ciò che permette di progettare e distribuire piattaforme di analytics, Business intelligence e AI interoperabili, integrate o integrabili tra loro. Gartner parla non solo di convergenza ma anche di “componibilità”, che deriva dal fatto di avere architetture modulari e flessibili, su cui poggiano applicazioni e servizi configurabili. Solo con questo approccio le aziende possono garantirsi la giusta flessibilità di fronte a imprevedibili necessità future.

9. I consumatori diventano creatori
Anche nelle soluzioni di analytics, come sta accadendo altrove, le dashboard preconfezionate saranno sostituite in parte da “esperienze utenti conversazionali, dinamiche e integrate”, ovvero da chatbot e altri strumenti che rispondono alle necessità dell’utente fornendo le informazioni e i contenuti che servono in quel momento. Il passo ulteriore, una possibilità da esplorare per le aziende, è consentire agli utenti di diventare anche dei creatori di contenuti sfruttando le interfacce conversazionali.

10. Le decisioni cruciali restano “umane”
Non tutte le decisioni possono o dovrebbero essere automatizzate. Il processo decisionale, a seconda del caso specifico, può essere automatizzato oppure “aumentato”, cioè potenziato dalla tecnologia ma ancora fondamentalmente umano. Le aziende che spingono sull’automazione del processo decisionale senza tener conto del fattore umano diventeranno “organizzazioni data-driven senza coscienza o senza obiettivi solidi”, scrive Gartner. 

scopri altri contenuti su

ARTICOLI CORRELATI