Sostenibilità. Episodio 2 | Linee di Business: i nuovi Supereroi e le soluzioni a supporto
Negli episodi precedenti
Nel primo episodio abbiamo introdotto il tema della strategicità del dato e della necessità delle aziende di misurarsi nello svolgimento di tutte le attività produttive, in ottica di sostenibilità e miglioramento. Abbiamo visto come sia complesso far fronte ad eterogeneità di natura architetturale, tecnologica e funzionale; e abbiamo anche compreso come questa complessità si propaghi inevitabilmente a livello analitico, stimolando scenari di analisi via via più avanzati e sofisticati.
In questo secondo episodio introduciamo l’importanza di poter far leva su di una “zona franca”, in grado di mediare tra la collezione, la modellazione del dato e il suo consumo.
È in questa zona franca che entrano in scena i nostri supereroi
Un’area sicura dove utenti di LoB dispongono di uno spazio di lavoro virtuale a loro dedicato nel quale confrontarsi esclusivamente con i fatti, gli eventi e le metriche da gestire, disaccoppiando la complessità tecnologica e di integrazione (prese in carico dall’applicazione e governata dall’IT) dai requisiti di Business. Uno spazio di lavoro dove avviene l’armonizzazione, manipolazione e modellazione di fatti/eventi/metriche in maniera adattiva alle necessità di consumo del dato. All’interno di questo spazio gli utenti si muovono e lavorano in maniera agile ed intelligente in un’ottica che può finalmente prescindere e superare il concetto di silos, massimizzando la capacità olistica di utilizzo a valore del dato, che viene fruito a questo punto in maniera piena e trasversale su sorgenti, applicazioni e sistemi.
Esploriamo lo spazio!
L’utente ha dunque a disposizione uno spazio virtuale dove lavorare autonomamente alla composizione della propria vista semantica e analitica, sempre all’interno di un processo strutturato di governance del dato garantito dall’IT.
Ma quali dati posso portare all’interno del mio spazio? Non c’è un’unica risposta o una sorgente predestinata; “portiamo” all’interno del nostro spazio i dati istituzionali, i dati di mercato, i files personali, i dati che avremo già parzialmente lavorato.
Ovvero, tutti i dati di volta in volta rilevanti. Abbiamo quindi uno spazio di lavoro autonomo disponibile per rispondere anche e soprattutto ad una esigenza di mobilità del dato ed estemporaneità di analisi. Si parla molto di “aziende data-driven” e “data-driven analytics”, bene, il dato è “il luogo” dove cercare le risposte, dove si nascondono i razionali che spiegano gli eventi e quindi in grado di suggerire strategie e azioni, guidandone le evoluzioni attraverso un processo innovativo. Ma per far sì che il dato sia abilitatore di tutto questo, occorre far leva su soluzioni che si facciano carico della complessità architetturale e dei tecnicismi relativi a connessione ed integrazione, lasciando finalmente all’utente esclusivamente la capacità di “consumo flessibile” di un dato, inizialmente anche grezzo, e poi trasformato, arricchito e armonizzato.
Una “semplice” domanda
Immaginiamo di dover calcolare i gas serra prodotti direttamente e indirettamente dalla nostra organizzazione nello svolgimento di ogni attività.
Bene, forse è troppo tutto in una volta. Facciamo un passo indietro.
Diciamo che vogliamo calcolare il numero delle emissioni Co2 dei veicoli in uso, aziendali e non associate alla mobilità sistematica (casa-lavoro) e lavorativa (trasferte) dei dipendenti/collaboratori.
Cominciamo con l’identificare chi in azienda è coinvolto in questo calcolo, da intendersi con chi “possiede” i dati necessari al calcolo.
- Senz’altro il dipartimento HR – owner dei dati relativi ai dipendenti (organico, ruoli e mansioni, tipologia di contratto, modalità di espletamento delle attività lavorative, fringe benefit erogati).
- Poi il Fleet Manager – owner dei dati relativi ai veicoli (modello, tipologia di alimentazione e km percorsi complessivamente da ciascuna auto aziendale, e nello specifico per il tragitto casa-lavoro). A questa figura sempre più spesso si affianca il Mobility Manager che ha come obiettivo quello di consentire la riduzione strutturale e permanente dell’impatto ambientale derivante dal traffico veicolare nelle aree urbane e metropolitane, attraverso l’attuazione di interventi di mobilità sostenibile. Anch’egli avrà delle informazioni aggiuntive da fornire, o comunque avrà necessità di capacità di interscambio di informazioni.
- Il Travel Manager – responsabile per i dati della mobilità lavorativa, ovvero le trasferte (km totali percorsi nell’anno da ciascun dipendente in auto, in treno e in aereo).
Fin qui, il perimetro dei dati necessari è all’interno della nostra azienda, dobbiamo però includere nel calcolo anche i dati delle emissioni indirette, derivanti dall’utilizzo di combustibili per veicoli non aziendali, o più in generale, tutto ciò che coinvolge veicoli e combustibili in uso presso i nostri fornitori o fornitori dei nostri fornitori.
A questo patrimonio informativo, vanno a sommarsi altre tipologie di dato, ad esempio i benchmark, che utilizzeremo per confrontarci e misurarci nell’execution.
Emissioni dei veicoli aziendali: Integrazione e Modellazione.
Abbiamo il dato. Anzi, abbiamo molti dati. E ora?
Comincia a prendere forma la necessità di una coinvolgimento di diversi settori in azienda per poter innescare un flusso (spesso disomogeneo) di informazioni a valore che abiliti, sia una vista per competenza verticale sul singolo dipartimento con piene capacità di interrogare in maniera libera il dato, prepararlo, valutarlo, confrontarlo, sia una vista orizzontale su più dipartimenti che grazie ad una modalità collaborativa, faciliti l’interscambio informativo, muovendosi di volta in volta su più spazi di lavoro, sulla base dei requisiti.
Ciascun utente di LoB può essere indipendente nell’integrare, armonizzare, modellare dati di origini differenti, costruendo in maniera “fluida” un repository virtuale di semantica di business, partendo da origini dati certificate, file personali, sorgenti esterne.
Un “unico, molteplice” obiettivo. L’aspetto “fusion” del dato.
Utilizzando gli spazi di lavoro per operare direttamente sui dati con un approccio no-code low-code, acceleriamo il processo di composizione di un’informazione organizzata su più livelli e pronta per essere distribuita e consumata in contesti differenti.
Il dato lavorato a livello di singola LoB, sarà fruito dal dipartimento interessato per finalizzare le metriche utili alla propria misurazione quantitativa ma, anche e soprattutto qualitativa, in ottica di continuous improvement; ma quello stesso dato, armonizzato e fuso con i dati di altri dipartimenti, contribuirà alla definizione dei kpi per una visione di steering globale dell’azienda.
Ed esattamente sull’aspetto “fusion” del dato, che torneremo nel prossimo episodio (Episodio 3 – Integrazione in un click: Dati di mercato e Time to Market) dove parleremo di come estendere il repository virtuale di dati all’interno degli spazi di lavoro, con dati esterni e di mercato.
Episodio 1
Episodio 3
Episodio 4
Episodio 5
