3 (+1) elementi per un buon sistema di business intelligence

Condividi questo articolo con chiunque pensi possa trovarlo utile
Tempo stimato per la lettura: 4 minuti
In questo articolo analizzeremo i  tre elementi fondamentali per un sistema di business intelligence più uno ( quello più importante ):
    1. i dati
    2. un sistema che sia in grado di estrarre  e manipolare questi dati
    3. un sistema o un tool che possa mostrare tale  dati che abbiamo e permetta di analizzarli

Questa è ovviamente  una visione semplicistica della BI e ci sarebbe molto altro  da aggiungere come ad esempio l’analisi predittiva  e gli algoritmi di Machine Learning, tuttavia  si tratta di strumenti e tecniche  già molto sofisticate e che quindi possono essere introdotte successivamente e non sono indispensabili in un primo instante
Ok partiamo quindi con l’analisi di questi tre elementi e partiamo dal primo elemento basilare per poter creare un sistema di business intelligence.

Elemento 1 : i Dati

Per prima cosa servono i dati. Per poter avere a disposizione tali dati  per prima cosa ci serve un sistema transazionale, cioè un sistema che “crei” i dati.

Sistema ERP

Il sistema transazionale (solitamente chiamato ERP, cioè Enterprise Resource Planning) è un software di gestione dei processi aziendali che gestisce e integra i processi finanziari, le catene di approvvigionamento, le operation, gli scambi commerciali, la produzione e le risorse umane di un’azienda. Si tratta cioè di uno strumento utilizzato non tanto per creare i dati ma proprio per semplificare la vita dell’azienda.
Potrebbe occuparsi  di gestire la fatturazione , il CRM,  un sistema che si occupa di portafoglio dei clienti, un sistema di un Collection ecc ma in ogni caso si occupa di eseguire una una parte dell’attività operativa del business,  e nel farlo vengono creati dei dati.
In che senso?  Ognuno di questi sistemi, ovviamente al suo interno un database, quindi nel momento in cui viene eseguita una transazione, si movimenta qualcosa a livello operativo aziendale e questo fa si che si lasci una traccia di questa operazione all’interno di alcune tabelle del database.

ERP – focus sul processo e non sui dati

Quindi nel caso in cui andassimo ad esempio ad emettere una fattura stiamo andando a movimentare alcune tabelle del nostro database.
In questo contesto, ovviamente il focus non è  relativo alle tabelle del database che vengono movimentate, ma semplicemente di creare la fattura (l’obiettivo del sistema transazionale è quello di fare un’operazione transazionale, ossia di eseguire un’operazione operativa ). Per tale ragione il sistema ERP, nonostante sia in grado di fornire dei semplici report, non è strutturato nè ottimizzato per la gestione e l’analisi dei dati. Per questa ragione non può essere il sistema con cui si fa un business intelligence, motivo per cui abbiamo necessità di un sistema (un database) che risponda a tale necessità.
A questo punto abbiamo il primo elemento per strutturare un sistema di business intelligence (i dati).

Elemento 2 : DWH

Ora abbiamo i dati (all’interno di un sistema che li genera quasi come effetto collaterale del proprio lavoro), ma non siamo ancora in grado di estrarli ed analizzarli.
Il secondo elemento necessario è pertanto uno strumento che ci permette di estrarre questi dati e di utilizzarli.

Perchè è necessario un DWH

Abbiamo detto che nel sistema transazionale abbiamo una serie di tabelle del database che tengono traccia delle movimentazioni abbiamo la necessità di estrarre tutte queste.
Dobbiamo “trasportarli”  in un altro tipologia di database questa volta con lo scopo unicamente di analizzare i dati.
In questo caso quindi il database non avrà finalità operativa, ma esclusivamente finalità di estrazione dei dati , di normalizzazione e di analisi. Questi database prendono il nome di Data Warehouse(DWH) .
Il  DWH è ottimizzato per poter estrarre velocemente anche grandi moli di dati, anche in delta (estraendo quindi solamente i nuovi dati o i dati modificati),  poterli memorizzare molto velocemente e poter eseguire delle operazioni di modifica e normalizzazione del dato .
Per modifica del dato si possono intendere sia semplici operazioni di uniformazione e normalizzazione dei dati estratti (ad esempio perché hanno strutture diverse o perché c’è necessità di fare delle pulizie sul un formato di dati ), ma soprattutto di arricchimento di tali dati andandoli a collegare tra loro tramite appositi algoritmi (banalizzando il concetto potremmo immaginare una serie di Join con con altre tabelle) o utilizzando contemporaneamente dati provenienti da fonti dati differenti (diversi sistemi ERP ad esempio) e riuscendo ad estrarre informazioni più complete mediante questa operazione.

DWH – aumento delle potenzialità di analisi

Ad esempio, nel momento in cui vado ad estrarre le informazioni relative alla fattura che il sistema ERP ha emesso posso andare a collegarle con l’anagrafica del cliente per sapere,  non solo il nome e il cognome di quel cliente, ma anche uno storico delle movimentazioni che abbiamo avuto in passato o di collegarlo con dati provenienti da altre funzioni aziendali per sapere ad esempio se si tratti di un buon o un cattivo pagatore.
Andando ad eseguire operazioni di questo tipo possiamo arricchire il dato con informazioni di tipo anagrafico,  sia eventualmente provenienti da altri processi aziendali che hanno visto coinvolto lo stesso cliente.
Ad esempio sfruttando le potenzialità del DWH si potrebbe andare ad analizzare le fatture emesse al cliente andando dinamicamente ad aggiornare la frequenza di acquisto o l’importo speso (per monitorare il Life time value), monitorare i prodotti che acquista più spesso (per strutturare delle campagne di upselling) ecc. Ovviamente si tratta di un semplice esempio per mostrare le potenzialità dello strumento e delle analisi che possono scaturirne.
Il concetto fondamentale da tenere a mente è che mediante il corretto utilizzo del DWH si può aumentare il corredo informativo del singolo dato trasformandolo in preziose informazioni per i decision maker.
Ovviamente per riuscire in tale intendo bisogna andare a definire un modello dati (ossia decidere come sarà strutturato il nostro DWH e quali informazioni voler tracciare). Questo step servirà a costruire “una tabella” riportando le informazioni che si intende analizzare( solitamente non si tratta di un unico tabellone con tutte le informazioni, ma ci sono dei modelli dati più o meno complessi da implementare).

Elemento 3 : Strumento di front end

Il terzo elemento è un sistema di front-end che ci dia la possibilità di analizzare i dati che abbiamo fino ad ora elaborato e di riportarli in forma tabellare o in forma grafica tramite un cruscotto una Dashboard.

Dai dati alle informazioni

L’obiettivo è quello di poter analizzare le principali informazioni estraibili dai dati “a colpo d’occhio” e questo faciliterà l’analisi perché permette di andare focalizzare l’attenzione sugli elementi più importanti.
Questo processo porta ad avere un’informazione coerente, strutturata e di grande valore.
Per poter visualizzare al meglio tali informazioni,c’è bisogno di strumenti ad hoc, studiati e creati proprio per ottimizzare la forma grafica con cui l’informazione viene veicolata.
Per ricapitolare, il  datawarehouse si occupa di estrarre i dati, di strutturarli, collegarli con dati provenienti da altri sistemi transazionali, da file esterni o comunque da altri processi funzionali.
Ma poi una volta che il dato è appunto strutturato è coerente è necessario mostrarlo e per farlo è necessario uno strumento di front-end che ha come (quasi) unico obiettivo quello di mostrare il dato nel modo più chiaro possibile per eliminare tutto il rumore e focalizzare l’attenzione sulle informazioni davvero importanti

Data visualization

In questa fase dobbiamo essere certi che un decision maker riesca a capire il messaggio complessivo che gli si vuole passare con questa unica slide. Non si tratta quindi di un di un report pensato per essere molto dettagliato e nè deve includere infiniti dettagli e infinite informazioni di poco rilievo ma anzi dobbiamo riuscire a fare lo sforzo di riconoscere le informazioni di grande rilievo, essere concisi e soprattutto essere chiari nell’esposizione. Per farlo ci aiuteremo sicuramente il più possibile con dei grafici ei forme visuali grafiche.
Possiamo immaginare la Dashboard come una slide di Powerpoint questo ci aiuta perché sicuramente possiamo immaginare tutta la storia dobbiamo raccontare un’unica pagina
Uno degli strumenti più conosciuti e utili in tal senso è Power BI (leader assoluto di settore secondo Gartner). Personalmente è il mio preferito per questo scopo soprattutto per i seguenti motivi:
    • facilità di utilizzo da parte anche di utenti non “tecnici”
    • enorme quantità di grafici a disposizione
    • elevatissima flessibilità (il che lo rende uno strumento estremamente versatile)
    • Continui aggiornamenti
    • Nutritissima community di supporto

L’elemento più importante: mentalità data-driven

Ma quindi una volta che abbiamo a disposizione il sistema ERP, il DWH e uno strumento di front-end abbiamo finito?
No, in realtà no, perché questi sono i tre elementi minimi ma non bastano, manca l’elemento più importante
Provo a dimostrarlo con un banale esempio. Questo blog è collegato a Google Analytics il quale traccia le visite al blog, le pagine più viste ecc e fornisce anche una serie di report preimpostati,.
Quindi di fatto ho a disposizione uno strumento che “crea” il dato, un sistema che lo estrae ed un sistema che espone, ho finito?
No, manca la cosa più importante, la mentalità di business intelligence che consiste nella voglia di analizzare il dato, di capire quali sono le informazioni più importanti, di modificare le analisi man mano che aumenta la consapevolezza.
Tutti gli elementi precedenti sono INUTILI senza una mentalità data-driven che porta ad analizzare i dati con lo scopo di prendere decisioni migliori
Condividi questo articolo con chiunque pensi possa trovarlo utile

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *