Blog

Share

Il valore dei dati, della loro accuratezza, e della consapevolezza

illustrazione-analisi-dati

Oggi sempre più le aziende lavorano con l’ausilio di dati, spesso una enorme mole di dati, di cui si ha disponibilità in modo più semplice e rapido rispetto al passato. Anche lo sviluppo tecnologico, supportato dalle politiche legate all’impresa 4.0, hanno portato notevoli passi verso questa direzione.

Ma di fronte a questa crescente disponibilità, oggi viene da chiedersi: quanto di tutto questo viene trasformato in reale profitto, o costituisce base solida a supporto di decisioni strategiche? Quanto di pari passo sono evolute le competenze e le capacità in termini di analisi, di gestione del dato?

Ma soprattutto, quanto si investe e si lavora sullo step preliminare per questi passaggi, ovvero rendere il dato fruibile, preciso, “pulito”? Quanto è sviluppata la consapevolezza sulla qualità e sulla accuratezza del dato che si utilizza, e come eventualmente la si sfrutta per interpretarlo nel modo più appropriato?

Dati… o Informazioni?

Un primo aspetto importante risiede nell’abilità dell’azienda nel tramutare i dati che possiede, pochi o tanti che siano, in informazioni e leve decisionali strategiche. A volte si assiste a paradossi simili a qualcuno che sottoscrive abbonamenti costosi alle piattaforme di contenuti più ricche, senza poi avere (o riservarsi, organizzarsi) le serate libere per fruirne.

Il tempo è certamente un fattore critico per un dato, perché un dato giusto utilizzato in un momento non sincrono perde di valore (si pensi a un’informazione di sistema inserita in ritardo, quando già si sono sviluppate azioni differenti); ma qui concentriamoci su un passaggio preliminare e cruciale: il momento in cui il dato diventa informazione, è quello in cui l’azienda e i suoi “Subject Matter Experts” si soffermano ad analizzarlo, ad interpretarlo, a leggerlo in correlazione con altri dati e indicatori. E quindi, di fatto, a conoscerne a fondo il livello di precisione, di affidabilità, di “pulizia”, così da utilizzarlo in modo consapevole, con le opportune certezze (o cautele).

Un dato non pulito porta realmente informazione, o sono più alti i rischi nell’utilizzarlo “come se lo fosse”?

Un vecchio motto: “bad data is better than no data” – Può essere vero, ma con cautela

Mi è capitato spesso di incontrare questa massima, in particolare (ma non solo) associata alla difficoltà di reperire dati di forecast affidabili, di trovarsi completamente al buio rispetto a ciò che accadrà in termini di vendita, per arrivare a dire che disporre di “un qualche” dato, anche se impreciso, fosse comunque un punto di partenza.

Certamente esso costituisce un’indicazione significativa, di cui tenere conto; ma se di fronte alla consapevolezza di un margine di errore anche rilevante, si utilizza questo “bad data” come – per esempio – una fonte di fabbisogno nell’ERP per approvvigionare i materiali, risulta evidente che i rischi che ci si sta assumendo siano notevoli. Un possibile utilizzo consapevole di questo dato, allora, potrebbe essere quello di coinvolgere i fornitori in un canale di informazione collaborativo, lavorando ad accordi impegnativi ma non vincolanti, che puntino alla condivisione del rischio e a metodi comuni per ridurlo.

Ma a livello puramente metodologico, nell’ottica di risolvere il problema alla sua causa radice, sarebbe opportuno (anche) tentare di direzionare sforzi e investimenti per “pulire” il dato del forecast, per migliorarne l’affidabilità reperendo informazioni dal campo e in tempo più reale possibile; meglio spendere in tecnologia o in sforzi di collaboration con il cliente, che in scorte che diventano obsolete a causa di un dato inaffidabile!

I dati e i software di monitoraggio produzione

Un altro esempio, più orientato alla produzione, è certamente quello di sistemi e software dedicati al controllo della produzione, come è ad esempio il caso del materialMES di Logikamente: spesso vi è la (falsa) speranza che siano i sistemi di per sé stessi a risolvere i problemi, e non si spende (in tutti i sensi) in modo adeguato per alimentarli con dati corretti, puliti, affidabili.

Ma quale il valore di un tempo di ciclo impreciso, quali gli enormi rischi di una distinta base sbagliata o inaccurata? Nel primo caso, mi muoverò su ritmi di produzione troppo blandi o insostenibili, causando inefficienze intrinseche o, al contrario, schedulazioni sovraccariche, accumulo di ritardi e di materiali, perdita di livello di servizio al cliente; nel secondo, i rischi sono sostanzialmente gli stessi, ma addirittura rinforzati dall’urgenza di trovarsi un componente mancante al momento di entrare in produzione (oltre a quello approvvigionato per errore a magazzino). Spesso si ovvia a questi problemi con le scorte, di tutti i tipi, dai materiali alla capacità produttiva; ma le scorte costano, e spesso non meno di investire tempo e risorse nel raffinamento dei dati e la loro precisione, attraverso la tecnologia, la formazione del personale, la creazione di standard e procedure per la creazione e la manutenzione dei dati tecnici di sistema.

Un dato non pulito è quindi certamente “meglio di niente”, ma solo se è accompagnato dalla consapevolezza di questo aspetto, e all’orientamento al migliorarne progressivamente la qualità, con sforzi tanto più ingenti quanto più il dato in questione è strategico (e fonte di rischi).

Ing. Carlo F. Binder