MOTIVAZIONI ALLO SVILUPPO DI UN MODELLO DI DATAWAREHOUSE PER I DISTRETTI INDUSTRIALI
Come ho detto in precedenza, la categoria di prodotti informatici destinata al supporto delle attività direzionali è chiamata Decision Support System.
Nel 1989, tuttavia, H.Dresner, analista del "Gartner Group" (consulenza IT), coniò il termine Business Intelligence per indicare una classe di strumenti ed applicazioni informatiche in grado di venire incontro alle problematiche informative aziendali, quindi ai problemi di reporting.
Pertanto essa comprende tools di DSS ma, al tempo stesso, presenta un sottoinsieme di strumenti più semplici, rivolti direttamente ai managers aziendali che non hanno una conoscenza approfondita dell'elaboratore.
Il modello alla base è relativamente semplice, e permette di calcolare somme, medie o distribuzioni.
- Ad esempio, il responsabile delle vendite vuol sapere quanto sia stato venduto da ogni singolo venditore, in ogni regione. In base ai risultati ottenuti tramite delle semplici condensazioni di dati, egli potrà sapere se premiare o meno i venditori per ciascuna regione, o potrà sapere se rivedere il piano delle vendite.
Da questo punto di vista, si potrebbe dire che non c'è nulla di nuovo rispetto a semplici applicativi di uso comune, e potrebbe apparire vero se non facessi alcune semplici precisazioni.
Non c'è nulla di straordinario nel fare addizioni, sottrazioni, totali, medie, distribuzioni ed altro, ma il problema è che, allo stato attuale, il volume di dati è enorme, le fonti dei dati sono le più disparate, ed i calcoli eseguiti nella maniera classica porterebbero via troppo tempo.
Il valore aggiunto dal sistema di BI sta proprio nella capacità di sommare grandi e disparate quantità di dati, rendere l'analisi breve, semplice, flessibile ed il report non preconfezionato.
Non è solo una novità tecnologica ma deve essere vista principalmente come strategica, in quanto l'attività di analisi viene a spostarsi da personale specializzato a tutti i manager dell'azienda.
- Ad esempio, se un manager aveva bisogno di conoscere l'andamento degli scarti di produzione della macchina M1 e voleva individuarne la distribuzione ed i vari andamenti, aveva bisogno che un tecnico raccogliesse ed analizzasse i dati; dopo ovvi tempi tecnici ed eventuali tempi burocratici il manager entrava in possesso del report. Ora basta che il manager faccia la richiesta al calcolatore e questo risponde in maniera automatica, presentando il report in forma grafica, tabellare o quant'altro, magari confrontando le performance di M1 con tutte le distribuzioni delle altre macchine; il tutto avviene da qualche secondo a pochi minuti.
Il miglioramento dell'efficienza, nonché la diminuzione dei tempi e dei costi di analisi, non sono da sottovalutare per nessun tipo di azienda.
L'analisi risulta essere molto più personalizzata. Come ho detto poc'anzi tra il manager e le informazioni c'erano diversi ostacoli, il che portava estreme difficoltà a colui il quale voleva effettuare delle analisi più complesse ed approfondite.
Ora è l'utente che decide in tempo reale su quali dimensioni effettuare l'analisi, siano esse tempo, spazio, cliente, dipendente, o quanto altro possa apparire nella base di dati.
Spesso si parte da informazioni più aggregate per poi esploderle più nel dettaglio.
- Se, ad esempio, in un primo report con i dati dei profitti di tutte le filiali, la regione A ha un calo di vendite, in un secondo report il manager può decidere di visualizzare solo i punti vendita di quella regione; se si accorgesse che i negozi A1 ed A5 sono in perdita potrebbe formulare un terzo report dove sono mostrati le entrate di quei negozi per ogni prodotto del mix aziendale. Sono i risultati delle analisi precedenti a permettergli di impostare i parametri di quelle susseguenti, senza che abbia limitazioni di sorta, dovute a tempi tecnici di stesura del report od a complessità della richiesta.
Nell'approccio classico dei DSS ci sono modelli di Ricerca Operativa, analisi con metodi euristici, ed altri e vari criteri provenienti dai più diversi filoni della Management Science, che si rivolgono a problematiche con caratteristiche statiche, di tipo semplice, e quasi sempre risolvibili per analogie; il decisore sceglie il modello e, nei casi più difficili, prende i dati di partenza, fa i suoi calcoli, ed automaticamente ha la soluzione ottima (DSS Model Driven).
Questi sistemi, da soli, non costituiscono più una scelta intelligente, proprio perché la maggior parte dei sistemi e dei problemi che devono risolvere sono diventati ben più contorti e singolari.
Il decisore, che sceglie di utilizzare i DSS Data Driven, quale appunto la BI, passa da un ruolo relativamente passivo ad una forte interazione che lo riporta ad essere veramente decisore nei sistemi complessi.
Egli ha la possibilità di muoversi nell'intorno più ampio delle soluzioni ottime, chiedendosi continuamente "cosa accadrebbe se cambiasse…(what if, detto anche analyze then query)", ed adattandosi al meglio alla realtà del problema. Una volta compiuto questo cammino, egli sceglie "soggettivamente ed oggettivamente" l'ottimo, soggettivamente perché il suo cammino è segnato ancora dal suo intuito e dalla sua preparazione, oggettivamente perché alla base del sistema ci sono sempre solide basi teoriche.
Si ha dunque un cambiamento sostanziale rispetto all'approccio tradizionale in cui venivano codificate varie, ma predefinite, prospettive sui dati.
LE POTENZIALITÀ DELLA BUSINESS INTELLIGENCE PER I DISTRETTI
La Business Intelligence, inizialmente tramite il Magazzino Virtuale, può aiutare a regolare e rendere efficiente e rigorosa l'analisi della conoscenza nei nuovi Distretti industriali, che hanno a disposizione un immenso patrimonio di nuovi dati che aspettano di essere trasformati in informazioni.
I meccanismi di tipo 1.a (trial & error) possono essere notevolmente formalizzati, nel senso che il datawarehousing può portare a raccogliere tutti questi dati in grandi basi, a diversi livelli di aggregazione. Attraverso meccanismi di feedback, che analizzano i processi e scovano le relazioni tra gli errori, i successi e le nuove tendenze (data mining), si può arrivare a modificare gli stessi processi aziendali ed extra-aziendali.
- Ad esempio, dopo una lunga esperienza e grazie ad un'idea fulminante ci si accorge che la maggior parte degli scarti si ha in certi orari della giornata ed a certe condizioni, mentre la produzione di più alta qualità si ha in altre. Un'applicazione del data mining ben progettata si accorgerebbe subito che all'avviamento le macchine hanno peggiori tolleranze (perché sono fredde e non a regime), e gli operai hanno peggiori rendimenti all'inizio ed alla fine della giornata, od in particolari giorni della settimana piuttosto che altri. Su queste considerazioni si prendono le adeguate contromisure e si modifica l'organizzazione del lavoro od altro.
I meccanismi di tipo 2c, ovvero quelli generati grazie alle interazioni tra aziende, diventano sempre meno gestibili con le regole tradizionali, per l'aumento della complessità dell'analisi e si dipanano su due strade, le relazioni tra le imprese all'interno del Distretto e quelle dell'entità Distretto con il nuovo scenario internazionale.
Si può ritenere che, come è stato per tutte le aziende che si sono messe in gioco sui mercati internazionali, anche in questo caso la BI possa essere sfruttata per diverse analisi
- Ad esempio le analisi di marketing; un ritorno d'informazioni sulle vendite negli Stati Uniti, puntuale ed ordinata, nonché tempestiva, può permettere a Natuzzi di cambiare repentinamente rotta nella produzione di alcuni tipi di divani, in alcune regioni piuttosto che in altre degli Stati Uniti.
Segue ora l'indicazione dei tre punti che potrebbero offrire convenienza economica ad effettuare investimenti in BI; essi coprono le nuove relazioni distrettuali: i rapporti con i fornitori (interni ed esterni) ed i rapporti con i distributori, principalmente sui mercati internazionali:
- Vendor Rating
- Procurement
- CRM