“La sola attenzione al dato non è sufficiente come chiave di sviluppo per le aziende.”
Così esordisce Luigi Geppert, docente di Sistemi Dinamici e Strategie d’Impresa all’Università Cattolica del Sacro Cuore di Milano e senior partner di Fair Dynamics Consulting, Gruppo Engineering. “Sicuramente i dati giocano un ruolo fondamentale ma il solo raccoglierli e analizzarli, senza impiegarli in un processo più allargato di visione strategica, non dà grande valore.“
Il rischio più grande per le imprese di ogni dimensione è quello, infatti, di focalizzarsi sui dati e su strumenti di analytics, secondo Geppert, spesso anche “per necessità imposte dal trend”, senza seguire un percorso di trasformazione che tenga in considerazione più i percorsi strategici che non le tecnologie.
“I dati sono indispensabili a predisporre un ambiente ideale per comprendere i problemi complessi che solitamente hanno le aziende. Attraverso le informazioni che raccolgo e analizzo posso infatti capire se l’organizzazione è corretta e coerente, verificare i processi di business, e soprattutto se c’è allineamento con la strategia aziendale. Le aziende presentano contesti non banali, con vincoli socio-economici e finanziari dove la mera lettura di un dato, pur rappresentando un’infrastruttura portante, contribuisce poco in termini di individuazione di azioni necessarie a migliorare.“
Come utilizzare i dati nel miglior modo possibile allora?
“Oggi abbiamo a disposizione tecniche di analisi dei dati davvero sofisticate, che rappresentano una condizione necessaria ma non sufficiente per l’analisi strategica. Ciò che serve è sicuramente partire dalla raccolta dei dati, dalla loro pulizia e analisi per arrivare a elaborare, attraverso tecniche di simulation modelling, simulazioni del futuro da un punto di vista strategico. Il no data, no party quindi è vero solo in parte perché avere il dato per avere il dato non aiuta.“
Se parliamo di ERP?
“Negli anni Novanta molte aziende si sono messe nelle mani di ERP, pensandoli erroneamente come strumenti di simulazione strategica. Oggi basarsi su questi è un errore in quanto gli strumenti non sono flessibili e molto spesso sono basati su regole di business inserite tanti (troppi) anni fa, mai più riviste e quindi non più valide e che di frequente l’azienda nemmeno ricorda più. In questo modo si rischia di farsi dominare da un software piuttosto che trarne dei benefici. Simulazione a medio-lungo termine è ciò che serve se si tiene conto del rischio industriale, economico e finanziario. Cosa che facciamo solitamente andando a usare indicatori particolari e soprattutto a mettere in campo team con competenze differenti, visto che, come dicevamo prima, i contesti aziendali sono sempre molto complessi, non certo lineari.“
Qualche buon esempio di uso strategico dei dati?
“Di esempi ne abbiamo davvero tanti. Tra questi possiamo citare una case history nel settore dei trasporti ferroviari al quale abbiamo lavorato coinvolgendo l’ente di ingegneria di un’azienda di gestione del trasporto ferroviario al fine di verificare la possibilità di estendere ad alcuni treni l’installazione di sistemi di diagnostica real-time in grado di migliorare il processo di manutenzione. Per dimostrare la convenienza o meno di questa operazione, grazie ad una specifica tecnica di simulazione da noi implementata, si mettono a raffronto due diversi scenari: il primo che simula la raccolta dei dati diagnostici e quindi una politica di manutenzione sotto condizione; il secondo che riproduce la situazione attuale di una classica politica di manutenzione preventiva periodica. Attraverso questo strumento sarà possibile prendere la decisione migliore e dimostrare in concreto come i costi da sostenere per l’installazione di sistemi di diagnostica avanzata possano ricoprire ampiamente quelli di indisponibilità dei treni.
Altro ambito di applicazione, sempre legato al settore trasporti, quello che ci ha visti elaborare un modello strategico utile a individuare come razionalizzare le attività di handling degli aeroporti (ovvero i servizi di supporto alle compagnie aeree e ai passeggeri che spesso portano le strutture ad andare in perdita) e come sviluppare e rafforzare quelle non aviation, ovvero legate a servizi commerciali e retail, nuova linfa vitale per le strutture aeroportuali. Il modello di business degli aeroporti, in particolare a seguito della deregulation, è infatti cambiato e se le strutture vogliono non solo sopravvivere ma anche guadagnare devono puntare su attività collaterali come, appunto, le commerciali. Per fare questo però, e quindi decidere eventuali investimenti nell’infrastruttura o acquisizione di risorse finanziarie, è necessario avere uno strumento in grado di simulare scenari futuri e far comprendere come, modificando alcune variabili, si modifichi l’intero ecosistema aziendale.
Ultimo esempio, molto particolare, riguarda le case farmaceutiche per le quali abbiamo messo a punto un modello in grado di simulare test clinici su pazienti virtuali attraverso tecniche di simulation modeling basate sui dati. Uno strumento che ha valenza scientifica non solo nella fase di studio clinico del farmaco ma anche nella fase di supporto del prodotto post market.“
Quali le competenze per sfruttare al meglio i dati?
“Per realizzare strumenti di simulazione come quelli descritti c’è bisogno di avere team con competenze di diversa natura. Non bastano certo gli informatici come si potrebbe credere. Servono biologi, matematici, fisici, psicologi, economisti…“
Sonia Montegiove
