Il DNA di un'organizzazione di trasformazione di successo (Parte 5)

Il DNA di un'organizzazione di trasformazione di successo (Parte 5)

Timestamp: 8 agosto 2023 11:24
Il DNA di un'organizzazione in trasformazione di successo (Parte 5) PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

Sostituire Anecdata con Real Insights

Il matematico, fisico e ingegnere irlandese Lord Kelvin ci ha lasciato numerose invenzioni scientifiche e queste sorprendenti parole di saggezza: “Ciò che non è definito non può essere misurato. Ciò che non viene misurato non può essere migliorato. Ciò che non è migliorato, è sempre degradato”.

Nelle quattro puntate precedenti, abbiamo sostenuto che la trasformazione di successo deve essere vista non come un cambiamento lineare e una tantum, ma come sforzi ciclici che forniscono un valore incrementale e misurabile e sono abbastanza agili da correggere la rotta per le mutevoli condizioni. Nella puntata finale, esaminiamo come un approccio strutturato e intenzionale ai dati, al reporting e al processo decisionale empirico può essere utilizzato per allineare le realtà organizzative con gli imperativi strategici e guidare l'agenda della trasformazione.

Molte istituzioni finanziarie hanno formalizzato la pianificazione strategica e l'infrastruttura per la definizione degli obiettivi, il budget, i processi di pianificazione degli investimenti e i quadri di consegna agili. Ma possono ancora soffrire di inadeguatezze in questi processi e mancare di un pilastro comune che li unisca.

Questo pilastro misura la salute dell'organizzazione utilizzando dati concreti con il minor tempo possibile. Nonostante la diffusa comprensione dell'importanza dei dati per la strategia di un'organizzazione, ci sono due modi in cui le informazioni per il processo decisionale vengono generalmente raccolte:

  • Aneddati. Le organizzazioni sono spesso guidate dalle pressioni generate dai clienti o dagli stakeholder interni. Sebbene il servizio clienti sia un obiettivo ammirevole, un approccio disorganizzato o frammentato su chi servire per primo può spesso portare a interruzioni. Queste organizzazioni finiscono per dare la priorità alle voci più rumorose nella stanza invece che ai più bisognosi. Le iniziative vengono intraprese con obiettivi mal definiti e ROI poco conosciuti. Una volta completata, la vittoria viene rivendicata sulla base dell'esecuzione riuscita di pietre miliari o caselli di gestione del progetto, in contrasto con una valutazione obiettiva dei risultati aziendali e dei dati sulle prestazioni.
  • Dati ad hoc. È comune nei servizi finanziari che ai manager venga chiesto di organizzare rapidamente presentazioni che discutono l'ultimo numero o l'argomento del giorno. Ma ci sono potenziali problemi in vista. Facendo affidamento su dati "point-in-time" raccolti frettolosamente, queste presentazioni non riescono a riconoscere gli impatti negativi che i dati incompleti o fuori contesto possono avere sul processo decisionale e sulla pianificazione strategica. Questo tipo di dati si presenta in genere in una delle due forme seguenti:
  1. Estrazioni dei dati di produzione fornite dai team dell'applicazione per mostrare lo stato corrente di un sistema, prodotto o percorso dell'utente specifico. Questo tipo di dati comporta una propria serie di rischi e lacune, tra cui la mancanza di un contesto aziendale in cui i dati dovrebbero essere considerati, le dimensioni e le caratteristiche di campionamento del set di dati in questione, l'offuscamento dei dati di origine e la latenza. Questi portano a confusione e distrazione significative mentre il set di dati corretto viene identificato e raccolto.
  2. Dati su incidenti o problemi provenienti dai team di supporto alla produzione che rappresentano un'istantanea storica di eventi che soddisfano determinati criteri operativi. Queste informazioni sono spesso afflitte da una mancanza di completezza, nonché dal rischio di abbellimento attraverso pregiudizi di sopravvivenza e conferma. I record indicano dove sono stati investiti tempo e risorse per risolvere le sfide di produzione, ma spesso oscurano la causa principale.

Entrambi questi approcci portano a un uso inefficiente delle risorse per cortocircuitare un approccio di monitoraggio e misurazione più solido. Più preoccupante, il livello di intervento umano richiesto si presta alla distorsione dei dati, a causa di una differenza nella definizione dei punti dati chiave o del disagio con il messaggio centrale che i dati forniscono.

In entrambi i casi, la quantità di lavoro necessaria per ricavare informazioni significative dai dati e i rischi associati a un'errata interpretazione ne fanno una proposta priva di molto valore per le istituzioni finanziarie che cercano di essere leader dell'innovazione. Intrinsecamente rivolto alla ricompensa, questo approccio costringe l'organizzazione a guidare l'auto guardando solo nello specchietto retrovisore.

Un malinteso comune sulla risoluzione di questo problema di mancanza di dati strutturati è fare troppo affidamento su strumenti specifici come Tableau o Microsoft Power BI. In realtà, i problemi sono molto più profondi della semplice mancanza di analisi o strumenti di visualizzazione; si estendono dalle primissime fasi del processo di pianificazione strategica, attraverso la consegna e l'attività ordinaria.

Nella nostra esperienza, le organizzazioni di successo sviluppano alti livelli di competenza nelle seguenti aree per creare capacità di monitoraggio e misurazione affidabili:

1. Misurare ciò che conta. Le condizioni di mercato prevalenti, le aspettative dei clienti, le tecnologie emergenti, l'interruzione della concorrenza e il cambiamento normativo creano un panorama operativo in continua evoluzione per le istituzioni finanziarie. È fondamentale comprendere gli obiettivi lungimiranti e gli indicatori chiave di prestazione per aiutare a convalidare il processo decisionale e consentire una pianificazione aziendale più adattiva.

Ciò significa richiedere più di una semplice previsione di fatturato quinquennale o di riduzione dei costi prima di approvare una nuova iniziativa. Significa creare una connettività dall'alto verso il basso tra gli obiettivi strategici dell'organizzazione e il lavoro dei team di consegna e operativi. Questo quadro stabilisce il nucleo stesso della capacità di monitoraggio e misurazione di un istituto finanziario e non può essere aggirato.   

 2. Ingegneria e analisi dei dati. Prima di creare dashboard, è necessario gettare le basi per garantire che tutte le fonti di dati siano identificate e che i punti dati per derivare le metriche aziendali pertinenti siano catalogati. È inoltre estremamente importante che tutte le parti interessate comprendano per cosa verranno utilizzati i dati e in che modo aiutano a determinare le metriche di cui hanno bisogno. Ad esempio: il tempo di conferma è la quantità di tempo necessaria per confermare un'operazione dal momento della prenotazione o dal momento in cui entra nello stack di conferma? Questa identificazione aiuta a prevenire confusione e ridurre la rilavorazione. Questo processo si basa in modo incrementale dal quadro stabilito sopra e rappresenta i modelli di dati fisici e l'infrastruttura necessari per monitorare e convalidare l'obiettivo strategico dell'organizzazione.

3. Governance dei dati. Tutti i set di dati devono essere conformi alle politiche sui dati dell'organizzazione. Mentre questi variano ampiamente a seconda del modello di business, della clientela e dei set di prodotti, i principi chiave di un'efficace governance dei dati sono coerenti e iniziano sempre con le esigenze aziendali in prima linea. Le domande da considerare includono:

  • Disponibilità dei dati. Con quale granularità e frequenza sono necessari i dati per supportare gli obiettivi di misurazione e monitoraggio dell'azienda? Mentre i dashboard funzionano meglio su dati di alto livello a causa dei requisiti di prestazioni, i dati aggregati non si prestano all'analisi della causa principale perché non è possibile identificare le singole transazioni. Ciò significa che un'architettura che meglio si adatta alle esigenze di ciascuna organizzazione deve essere selezionata e progettata intenzionalmente. È necessario prestare attenzione quando si definisce la frequenza con cui i dati devono essere aggiornati. I KRI sono in genere in tempo reale o aggiornati quotidianamente, mentre i KPI possono essere aggiornati a una cadenza più lenta. Una frequenza più veloce spesso non è necessariamente migliore se bilanciata rispetto ai costi dell'infrastruttura e alle considerazioni sulle prestazioni.
  • L'integrità dei dati. Chi possiede un'origine dati specifica e dove risiederanno tali dati all'interno dell'infrastruttura dati dell'organizzazione?  Il processo decisionale strategico viene eroso quando un'organizzazione non può garantire ai consumatori che stanno accedendo ai dati giusti provenienti dalle fonti giuste. Gli anti-pattern possono formarsi quando un'organizzazione crea in modo organico capacità di analisi e dati uniche in tutte le linee di business, ciascuna con metodi unici per l'approvvigionamento e l'archiviazione dei dati. Una chiara proprietà e responsabilità per i dati combinati con ruoli e responsabilità definiti a livello centrale sono fattori critici di successo. 
  • La sicurezza dei dati. Cosa può fare un'organizzazione per garantire che le regole sulla privacy e sulla sicurezza dei dati siano in atto e ampiamente rispettate? La creazione di un modello di governance dei dati che garantisca che le informazioni aziendali sensibili siano accessibili solo a persone con la necessità operativa di conoscerle a volte può essere controproducente, in quanto erige barriere non necessarie. Le organizzazioni di trasformazione di successo riconoscono questa sfida e centralizzano molte funzioni di raccolta, offuscamento e visualizzazione dei dati. Questo è fondamentale, soprattutto quando si tratta di dati a livello di transazione che forniscono approfondimenti sull'attività finanziaria del cliente e informazioni di identificazione personale.

 4. Cultura della business intelligence. Questo è l'elemento rivolto all'utente della scienza dei dati e in genere attira la massima attenzione. Promuovere una cultura in cui gli utenti utilizzano attivamente informazioni precedentemente inaccessibili apre un mondo di possibilità per analizzare e migliorare le prestazioni organizzative. Sfortunatamente, la maggior parte di questi strumenti non viene utilizzata come previsto, ma piuttosto dopo il fatto, per analizzare i problemi. È imperativo per le organizzazioni spingere l'utilizzo degli strumenti di analisi come strumenti di gestione proattiva delle prestazioni che possono essere utilizzati per anticipare le tendenze in anticipo.

La chiave è identificare diversi casi d'uso e creare più livelli di analisi per diverse basi di utenti. In genere, i manager di livello medio hanno bisogno di maggiori dettagli su una gamma più piccola di funzioni, mentre i dirigenti senior hanno bisogno di metriche di livello superiore in tutta l'azienda. Allineare i dati, i KPI, la visualizzazione e il design organizzativo è ciò che crea una cultura del processo decisionale basato sui dati e dell'agilità.

In conclusione, una volta che queste funzionalità sono disponibili in tutta l'organizzazione, si ripagano in diversi modi. I team di leadership possono individuare le aree della loro attività più adatte o maggiormente bisognose di trasformazione. I team di trasformazione possono monitorare i risultati dei loro sforzi quasi in tempo reale. E le due estremità dello spettro possono essere collegate senza soluzione di continuità da un framework OKR ben congegnato. 

In definitiva, un approccio progressivo al monitoraggio e alla misurazione, che consente un modello di business agile e basato sui dati, è ciò che distingue molte delle organizzazioni di trasformazione di maggior successo. Usano i loro dati e una cultura dell'agilità per prendere le decisioni migliori per ciò che li attende nell'odierno ambiente aziendale ultra competitivo e in rapida evoluzione.

Timestamp:

Di più da Fintextra