Le soluzioni basate sull'IA avranno un successo crescente, riducendo i disaccordi e contribuendo alla risoluzione dei problemi aziendali.

Vidya Setlur

Tableau Research Director di Tableau

Vidya Setlur riveste il ruolo di Director del team Tableau Research, composto da ricercatori in aree come la visualizzazione dei dati, l'interazione multimodale, la statistica, l'apprendimento automatico applicato e l'elaborazione del linguaggio naturale. Nel 2005 ha conseguito un dottorato in Computer Graphics presso la Northwestern University. Vidya ha lavorato come ricercatrice principale presso il Nokia Research Center. Nella sua attività di ricerca combina concetti di recupero delle informazioni, della percezione umana e della scienza cognitiva per aiutare gli utenti a interagire in modo efficace con i sistemi nel loro ambiente.

Come siamo arrivati fin qui

Stiamo vivendo un'età d'oro per quanto riguarda dati e tecnologia e non ci sono segni di rallentamento in vista. La tecnologia dell'intelligenza artificiale (IA) continua a migliorare: i modelli di apprendimento automatico (ML) elaborano migliaia di miliardi di linee di dati, i progressi compiuti nell'elaborazione del linguaggio naturale (NLP) ci stanno avvicinando alla comprensione delle intenzioni umane e gli algoritmi sono sempre più veloci. Stiamo assistendo all'automazione delle attività più banali e ripetitive, creando nuove opportunità per consentire alle persone di fare ciò che sanno fare meglio: ragionare in modo critico e comprendere i dati nel contesto.

Con un'innovazione sempre più veloce accelerano anche gli investimenti e l'adozione dell'intelligenza artificiale: il 99% delle aziende Fortune 1000 prevede di investire nei dati e nell'intelligenza artificiale entro i prossimi 5 anni. I dirigenti aziendali e i responsabili dell'IT lo considerano fondamentale per la sopravvivenza della loro azienda. Sono molti però gli aspetti rilevanti per il successo a lungo termine e per la sostenibilità delle soluzioni di intelligenza artificiale: volumi crescenti di dati, costi per il mantenimento di questa tecnologia, difficoltà nell'assumere personale altamente specializzato e scalabilità dei progetti pilota di IA per un'adozione diffusa.

Le aziende riconoscono che devono fare di più per innovare e per servire meglio i clienti. È vero che l'IA apre delle opportunità, ma la maggior parte degli investimenti compiuti finora deve ancora manifestare il proprio valore potenziale. Nel 2022 le tecnologie dell'intelligenza artificiale raggiungeranno nuovi successi grazie al potenziamento delle capacità umane, aiutando le persone e migliorandone la capacità di pensare in modo critico e di prendere decisioni basate sui dati. Possiamo pensare all'analisi e all'IA come se fossero membri di un team che aiutano gli altri.

La cultura dei dati e l'alfabetizzazione dei dati (la capacità di esplorare, comprendere e comunicare con i dati) aiutano anche le organizzazioni a comprendere la propria strategia e la propria prospettiva per quanto riguarda l'IA e l'apprendimento automatico. Dall'impegno nella gestione del cambiamento e nello sviluppo del personale dipende la capacità di continuare a essere competitivi e di gestire l'estensione del potenziamento delle capacità umane, iniziando da domande come:

  • Quali attività sarà possibile automatizzare completamente con la tecnologia dell'IA?
    • Come esempi di operazioni automatizzate che consentiranno alle persone di dedicarsi ad attività più sofisticate possiamo citare la traduzione linguistica e l'editing delle immagini a un livello base. Anziché dedicare ore e ore a modificare manualmente una foto per cambiare uno sfondo si può lasciar fare la modifica alla tecnologia di editing delle immagini predefinita basata sull'IA che applica tecniche di illuminazione e fusione. Questi strumenti automatizzati rendono possibili nuovi livelli di creatività.
  • Quali attività saranno semi-automatizzate e continueranno a richiedere coinvolgimento e interpretazione da parte delle persone?
    • Ecco alcuni esempi di IA che permettono di individuare modelli e informazioni utili per aiutare le persone a prendere decisioni basate sui dati nel contesto:
      • Per ponderare con più precisione i modelli climatici e pandemici si applicano tecniche di apprendimento automatico che aiutano i ricercatori a comprendere tendenze, effetti e modelli, per contribuire alle decisioni politiche.
      • Le macchine possono ispezionare i dati vocali generici (ad esempio le chiamate dei clienti) utilizzando algoritmi di NLP e apprendimento automatico per comprendere meglio le intenzioni dell'utente, aggiungendo categorie ed etichette appropriate. Questi indicatori di significato ed elementi semantici aiutano le persone a stabilire come procedere.

Adottare comportamenti, convinzioni e abilità condivise nel campo dei dati aiuta anche a espandere le soluzioni di IA, favorendo la sostenibilità delle implementazioni e dell'innovazione. In un recente report, Gartner spiega che la "mancanza di competenze è considerata come la principale difficoltà per l'adozione dell'intelligenza artificiale e dell'apprendimento automatico". Perché investire nello sviluppo del personale e delle tecniche di IA è un processo continuo, che evolve costantemente insieme alla tecnologia. Poter contare su collaboratori concordi e adeguatamente qualificati può fare la differenza tra rendere scalabili le proof of concept dell'IA, realizzare applicazioni pratiche o fallire completamente.

Dove stiamo andando

In collaborazione con i manager IT, i dirigenti hanno l'opportunità di sviluppare strategie basate sui dati e sull'intelligenza artificiale in riferimento al contesto aziendale. Una tecnologia di IA pertinente, gestibile e spiegabile deve portare vantaggi agli utenti ed essere ancorata alla strategia e agli obiettivi aziendali. Vedremo come le soluzioni di IA passeranno dal modello di proof of concept all'implementazione diffusa per diversi casi d'uso specifici in aziende e settori differenti.

In diversi settori si sta sviluppando e utilizzando l'IA in modi innovativi. Un recente studio di KPMG ha preso in esame l'implementazione dell'IA in cinque settori (commercio al dettaglio, trasporti, assistenza sanitaria, finanza e tecnologia), riscontrando che "per il 91% degli intervistati del settore sanitario l'IA sta migliorando l'accesso alle cure per i pazienti". E anche se la maggior parte delle aziende gestisce la supply chain manualmente, "quelle che adotteranno l'IA nei prossimi mesi e anni si distingueranno nettamente dalla concorrenza", secondo l'Harvard Business Review.

Grazie al cloud computing, l'intelligenza artificiale è diventata più conveniente e più accessibile, potenziando l'innovazione in esperienze e settori differenti. E orientandoci in particolare al successo aziendale vedremo soluzioni che combinano diverse tecniche di IA per ottenere risultati migliori (la cosiddetta IA composita) e aiutare le persone a "sintonizzare" questa intelligenza con specifici flussi di lavoro.

I flussi di lavoro saranno concretizzati e resi più efficienti con competenze, mentalità e valori condivisi (la cultura dei dati e l'alfabetizzazione dei dati) che aiuteranno le persone a eseguire nuove attività di data science e di analisi, più raffinate, necessarie per il successo dell'IA.

Suggerimenti

1. Considera l'IA come un gioco di squadra. Individua le attività e le funzioni che meglio favoriscono il potenziamento delle capacità delle persone consentendo loro di risparmiare tempo o aumentandone abilità e competenze. Inizia valutando le esigenze e i punti deboli dei clienti per capire come la tua soluzione di IA può fornire valore aggiunto. Poniti queste domande per capire se vale la pena sviluppare una proof of concept o un progetto pilota:

  • Quanti clienti hanno esigenze simili o affrontano gli stessi problemi?
  • Con che frequenza si verificano questi problemi?
  • Sono problemi risolvibili con la tecnologia dell'IA?

2. Concentrati sui casi d'uso aziendali e sui fattori di successo per superare la proof of concept e adeguare la portata della soluzione.

  • Sviluppa l'IA intenzionale e contestuale collegando le soluzioni a problemi aziendali reali con obiettivi definiti, per concretizzarne il valore.
  • Individua le aree in cui l'IA può aiutare le persone a dare il massimo e ridurre gli attriti. Non cercare di applicare l'IA a tutti gli aspetti della tua gamma di prodotti: se disperdi le risorse, l'espansione sarà difficile.
  • Diffida degli scintillanti progetti irrealistici. Anche se sono intriganti, è raro che vadano oltre la fase della proof of concept. E non dimenticare di escludere gli elementi di disturbo definendo aspettative realistiche in termini di tempo e di estensione per i progetti di intelligenza artificiale, bilanciando tutte le risorse come il budget, il tempo, il personale tecnico e le infrastrutture.

3. Investi nell'alfabetizzazione dei dati per migliorare e sviluppare il personale.

  • Dati di scarsa qualità portano a soluzioni di IA imprecise e inefficaci. L'alfabetizzazione dei dati consente al personale di risolvere i problemi legati alla qualità dei dati, alla realizzazione (e/o alla formazione pertinente) di algoritmi e modelli di IA, apprendimento automatico, NLP e così via, con dati accurati, aggiornati e pertinenti.
  • Anche una formazione di base, per principianti assoluti dei dati, sviluppata internamente oppure fornita da soggetti esterni, può dare ai business user quello di cui hanno bisogno per rispondere alle loro domande. Si ridurranno così le richieste di analisi semplici, di basso livello, rivolte ai team di analisi avanzata e di data science, lasciando loro la libertà di occuparsi di progetti con valore aggiunto superiore e su larga scala.

Le organizzazioni responsabili creeranno in modo proattivo politiche di utilizzo etico, team di revisione e altre risorse per migliorare le esperienze e i risultati aziendali.

Mark Nelson

Presidente e CEO di Tableau

Come Presidente e CEO di Tableau, Mark Nelson definisce la visione e l'orientamento di Tableau, supervisionando la strategia, lo sviluppo dei prodotti, le attività e le operazioni aziendali. Prima di diventare Presidente e CEO, Mark è stato Executive Vice President of Product Development per Tableau, contribuendo ad ampliare e approfondire la piattaforma di analisi leader del settore per i clienti di tutto il mondo.

Come siamo arrivati fin qui

La rapida accelerazione dell'adozione dell'intelligenza artificiale (IA) e il convergere di temi globali impediscono di seguire un approccio universale all'utilizzo etico di dati e IA. Le organizzazioni hanno l'opportunità di definire in modo proattivo le procedure per sviluppare e usare in modo responsabile i dati e l'intelligenza artificiale in un mondo digitale in rapida evoluzione. Elaborare soluzioni di intelligenza artificiale eque e precise rientra nel dovere civico di ogni azienda, che oggi è oggetto di attenzione dei legislatori in tutto il mondo.

Oggi più che mai la fiducia e la trasparenza devono rappresentare le basi per l'innovazione, la crescita e le relazioni con i clienti. Le recenti crisi legate ai dati ci hanno fatto capire come la tecnologia possa potenzialmente danneggiare le persone (pensiamo alle distorsioni del riconoscimento facciale e alla discriminazione nei mutui). Queste crisi possono indurre il pubblico ad aspettarsi che le aziende sviluppino e utilizzino i dati in modo sicuro e responsabile. Un sondaggio svolto da Cisco nel 2021 ha rilevato che "secondo il 72% degli intervistati le organizzazioni hanno la responsabilità di utilizzare l'intelligenza artificiale esclusivamente in modi responsabili ed etici".

Mettendo etica e integrità al primo posto, vedremo più impegno e più responsabilità a livello delle aziende e del settore pubblico nei confronti di un utilizzo trasparente e responsabile dei dati e dell'intelligenza artificiale.

Dove stiamo andando

Le organizzazioni responsabili progetteranno in modo proattivo dei metodi innovativi per verificare e convalidare l'utilizzo responsabile, con politiche formali di uso etico, valutazione a cura di esperti esterni, creazione di team di revisione interni e altro. Queste innovazioni etiche miglioreranno le esperienze e i risultati della gestione del rischio e della fornitura di valore.

Via via che le organizzazioni affrontano le proprie responsabilità di utilizzo etico ci aspettiamo di vedere soluzioni ed esperienze di intelligenza artificiale e apprendimento automatico (ML) più trasparenti, che migliorino la capacità di valutazione e l'esperienza delle persone. Vedremo anche collegamenti diretti con gli obiettivi e i flussi di lavoro, oltre all'attenuazione dei rischi correlati (comprese le distorsioni) grazie alla maggiore spiegabilità. Le organizzazioni inizieranno a risolvere i problemi derivanti da algoritmi e insiemi di dati distorti che possono danneggiare le persone e causare errori con rischi che si ripercuotono a valle, come il "debito etico" e il debito tecnico.

Per realizzare i progressi dell'innovazione senza causare danni, le organizzazioni pubbliche e private collaboreranno al rinnovamento delle politiche etiche. I partner tecnologici suggeriranno ai governi, sotto crescente pressione, di utilizzare i dati per prendere decisioni. Le aziende tecnologiche, a loro volta, si impegneranno affinché la loro tecnologia venga utilizzata in modo responsabile da tutti, anche dagli enti pubblici. Ad esempio, noi di Salesforce non consentiamo il riconoscimento facciale, nell'ambito del nostro impegno per l'uguaglianza.

Indipendentemente dai casi d'uso, che si tratti di automatizzare un'attività con l'IA o di collaborare utilizzando l'IA per prendere decisioni migliori, dobbiamo capire cosa fanno le macchine per evitare gli errori, prendere decisioni etiche e comprendere i dati. Nel 2022 sarà fondamentale, per le organizzazioni.

La comprensione dei dati e il loro utilizzo responsabile richiedono però un'alfabetizzazione dei dati di base o competenze in materia, e stiamo arrivando al punto in cui la mancanza di alfabetizzazione dei dati crea rischi inutili. Anche se c'è ancora molto da fare per integrare i dati e la tecnologia etica nella nostra vita quotidiana e nelle nostre decisioni, vale la pena investire in questo senso: il risultato finale sarà un futuro più etico ed equo per tutti, dappertutto.

Suggerimenti

1. Progetta politiche dei dati e di gestione del rischio con linee guida sull'utilizzo etico dei dati e dell'intelligenza artificiale. Le normative e le strategie dei dati esistenti negli Stati Uniti, nel Regno Unito, nell'UE e altrove tutelano le persone dall'utilizzo distorto e illegittimo dei loro dati. Agisci in modo etico, definisci dei codici di condotta etici, gestisci le norme proattivamente, rispetta le regole e attenua i rischi.

2. Crea comitati etici interni o affidati a specialisti esterni per migliorare le attività di revisione e valutazione. I team responsabili dell'etica dell'IA aiuteranno le organizzazioni a rispettare le normative in continua evoluzione e a creare e valutare soluzioni innovative per affrontare meglio le distorsioni e migliorare l'accuratezza dei dati.

3. Costruisci una tecnologia intenzionalmente trasparente o una IA spiegabile, inserendo punti di contatto umani e revisioni lungo l'intero il processo. Allinea i dati e la tecnologia ai valori umani e all'etica, per operazioni trasparenti o spiegabili e per garantire esperienze affidabili. Considera l'etica in modo proattivo nel corso dei cicli di sviluppo, per evitare di ritrovarti sempre a "inseguire" le tecnologie più recenti.

4. Costruisci una cultura dei dati solida che comprenda percorsi di formazione per migliorare le competenze nel campo dei dati. Il miglioramento dell'alfabetizzazione dei dati aiuta a gestire la scarsa qualità dei dati e i rischi associati sia all'acquisizione dei dati sbagliati sia alla formulazione delle domande sbagliate, che ostacolano lo sviluppo dell'IA e la scalabilità. L'alfabetizzazione dei dati del personale è fondamentale per costruire una cultura dei dati che renda possibile e supporti l'utilizzo etico dei dati e dell'intelligenza artificiale.

Per il successo nel lungo periodo le organizzazioni devono considerare l'alfabetizzazione dei dati in modo più esteso, investire nel personale e impegnarsi con decisione nel costruire una cultura dei dati.

Wendy Turner-Williams

Chief Data Officer di Tableau

In Tableau, Wendy Turner-Williams è responsabile di Enterprise Data Strategy, Data Platforms and Services, Data Governance and Management Maturity, Data Risk e Data Literacy. Insieme al suo team sta stimolando l'innovazione aziendale, la trasformazione e l'eccellenza operativa basata sui dati in Tableau. Wendy vanta più di 20 anni di esperienza di management in tutti i settori; ultimamente si è occupata della direzione del programma Information Management & Strategy Enterprise di Salesforce.

Come siamo arrivati fin qui

In un mercato in cui i dati costituiscono il fattore di differenziazione definitivo, l'alfabetizzazione dei dati è la chiave per liberare il valore dei dati e degli investimenti tecnologici. E la chiave per l'alfabetizzazione dei dati è la cultura dei dati. Quest'anno le organizzazioni competitive riconosceranno la necessità di promuovere una cultura e una mentalità condivise per valorizzare e incrementare l'utilizzo dei dati. Estenderanno l'alfabetizzazione dei dati oltre la formazione delle competenze, per introdurre la comprensione fondamentale del funzionamento dei dati e della loro applicazione all'attività delle aziende. Via via che investono nello sviluppo del personale per prepararlo ad affrontare il futuro, le organizzazioni collaboreranno con soggetti esterni per la formazione e il miglioramento delle competenze.

Prima di guardare alla direzione che stiamo seguendo, esploriamo i motivi per cui dati e le competenze che li riguardano sono così importanti.

Gli investimenti nella tecnologia e nell'intelligenza artificiale sono in aumento e lo sviluppo del personale è essenziale per ricavare il massimo da questi investimenti ad alta intensità di dati. PwC prevede che l'IA determinerà una crescita dell'economia mondiale pari a 15,7 miliardi di dollari entro il 2030. E i lavoratori stanno adottando l'automazione più rapidamente del previsto, secondo il report del Forum economico mondiale sul futuro del lavoro. Entro il 2025 l'automazione coinvolgerà 85 milioni di posti di lavoro, creando 97 milioni di nuovi ruoli. La metà dei lavoratori che rimarranno nei ruoli attuali dovrà riqualificarsi entro i prossimi cinque anni.

Si osserva una crescente richiesta di competenze nel campo dei dati, sul lavoro e nella società in generale. I responsabili delle risorse umane segnalano che le competenze relative ai dati (capacità di analisi e data science) sono state tra le più richieste nel 2021. Con conversazioni pubbliche sempre più orientate ai dati, tutti dovranno acquisire dimestichezza con i dati e competenze nel campo dell'analisi, anche senza essere necessariamente dei data scientist.

Per comprendere a fondo il valore dell'alfabetizzazione dei dati per il personale rimane però parecchio lavoro da fare: non solo si osservano lacune nelle competenze, ma mancano anche i programmi di alfabetizzazione dei dati, sia accademici che nei luoghi di lavoro. Nonostante l'83% dei CEO desideri che la propria organizzazione sia maggiormente basata sui dati, solo il 43% dei nativi digitali si considera alfabetizzato per quanto riguarda i dati.2 Secondo Forrester meno della metà degli istituti accademici ha intrapreso iniziative relative alle competenze nel campo dei dati.3 Molte aziende poi adottano un approccio a breve termine, assumendo persone per soddisfare esigenze immediate anziché investire nell'alfabetizzazione dei dati e nella cultura dei dati.

I programmi esistenti sono troppo orientati agli strumenti e alla tecnologia; non offrono una comprensione di base dei modi in cui i dati vengono prodotti, utilizzati e gestiti in azienda.

Dove stiamo andando

Le organizzazioni competitive capiscono il valore delle competenze in materia di dati e riconoscono che per preparare il personale ad affrontare le sfide del futuro non ci si può limitare a corsi di formazione sulle competenze e sugli strumenti per usare i dati. Si impegneranno per dare ai loro collaboratori un'alfabetizzazione dei dati essenziale.

Nel mondo accademico l'alfabetizzazione dei dati entrerà nei piani di studio di tutte le discipline. I vantaggi sono evidenti: gli studenti che hanno frequentato istituti con iniziative relative alle competenze nei dati e che trovano lavoro entro 6 mesi dalla laurea sono l'11,5% in più rispetto a quelli delle università che non hanno adottato tali iniziative.3 In una presentazione del 2021 presso il Dipartimento dell'istruzione degli Stati Uniti, il National Council of Teachers of Mathematics ha definito le competenze in materia di dati come "indispensabili per il nostro futuro", sostenendo la necessità di ideare un nuovo approccio significativo, inclusivo e interdisciplinare all'alfabetizzazione dei dati, dalla scuola dell'infanzia fino al termine della scuola secondaria.

I datori di lavoro intensificheranno gli investimenti nell'alfabetizzazione dei dati. Sempre più datori di lavoro comprenderanno che insegnare alle persone come utilizzare gli strumenti e capire i vantaggi che la tecnologia offre all'azienda è un elemento fondamentale degli investimenti tecnologici. Come ha osservato il Dipartimento di Stato degli Stati Uniti nella sua strategia sui dati aziendali "non è solo un'opportunità ma un requisito per gli Stati Uniti, se vogliono conservare il proprio vantaggio diplomatico sulla scena globale".

Le organizzazioni estenderanno la propria definizione delle competenze in materia di dati introducendo procedure, input e output a livello aziendale e tecnologico, oltre a impegnarsi nella cultura dei dati. Guarderanno al di là delle competenze relative a strumenti e piattaforme per concentrarsi sul pensiero critico e sull'applicazione delle competenze specifiche di settore finalizzate alla risoluzione dei problemi aziendali. La cultura è essenziale in questo cambiamento di mentalità. L'alfabetizzazione dei dati, ovvero la capacità di esplorare, comprendere e comunicare con i dati, è fondamentale in una cultura dei dati. Promuovere l'alfabetizzazione in parallelo alla cultura dà risultati concreti. Un report di TDWI rileva che nelle organizzazioni con una buona alfabetizzazione dei dati, rispetto a quelle in qui è parziale o assente, "la cultura è collaborativa e orientata ai risultati (nel 92% dei casi contro il 46%) e gli obiettivi [dell'analisi] sono legati a quelli del management (nel 73% dei casi contro il 40%)". Le organizzazioni che hanno una cultura dei dati solida godono di più collaborazione, maggiori vantaggi competitivi e non solo.

Comprendono anche che non è possibile riuscirci da soli. Senza le risorse, le competenze interne e le capacità necessarie per gestire i propri programmi di formazione (o per rimanere al passo con il rapido cambiamento) l'alfabetizzazione dei dati sarà considerata dalle organizzazioni come uno sforzo collettivo. Adotteranno approcci agili, non tradizionali, e si affideranno a programmi di formazione forniti da specialisti esterni.

Suggerimenti

1. Sviluppa la cultura dei dati e l'alfabetizzazione dei dati in parallelo. Il loro buon esito è interdipendente: non trascurare i vantaggi dell'investire in una combinazione di alfabetizzazione e cambiamento culturale. Tieni anche presente che il cambiamento non si manifesta da un giorno all'altro: sii paziente, persevera e accetta il fatto che serve un impegno costante.

  • Progetta un approccio generale per fissare obiettivi comuni e strutturare delle iniziative finalizzate a un successo sostenibile.
  • Standardizza in tutta l'azienda le condizioni, i livelli di competenza, le metriche per valutare il successo e le procedure.
  • Incentiva le persone: fai in modo che si entusiasmino per quello che possono fare con i dati.
  • Definisci e incoraggia il processo decisionale basato sui dati e dimostra il valore dei dati.
  • Lascia spazio al dibattito, all'apprendimento e allo sviluppo.

 

2. Assumi persone e preparale per il futuro. Prendi esempio dal Dipartimento di Stato degli Stati Uniti: "Svilupperà le pratiche di assunzione in modo da integrare le competenze necessarie in materia di dati. Le competenze relative ai dati devono diventare parte integrante di una gamma più estesa di ruoli fondamentali. Se non colmiamo le lacune nelle competenze dei dati, le assunzioni del Dipartimento non rimarranno al passo con l'evoluzione delle esigenze nel campo dei dati". Per raggiungere questo obiettivo, il Dipartimento "assumerà, formerà e incentiverà personale specifico, e metterà a disposizione un ambiente di lavoro in cui i dati vengano cercati, valutati e utilizzati correntemente nei processi decisionali a tutti i livelli, in tutte le aree geografiche". Ecco come potresti applicarlo alla tua organizzazione:

  • Aggiorna le pratiche di assunzione e le aspettative riguardanti i ruoli in modo da richiedere competenze di base sui dati.
  • Collabora con istituti didattici che adottano iniziative per sviluppare le competenze relative ai dati e assumi studenti con una buona alfabetizzazione dei dati.
  • Incoraggia e agevola l'aggiornamento in materia di dati per il personale esistente.
  • Crea delle community dei dati per favorire la crescita, lo sviluppo e la collaborazione.
  • Individua e assumi esperti, o campioni dei dati, per creare programmi aziendali di formazione. Crea una cultura del processo decisionale basato sui dati, per trattenere quegli esperti.

 

3. Agisci in anticipo: investi in piani di studio orientati alle competenze relative ai dati e contribuisci alla loro realizzazione, in varie discipline accademiche e a diversi livelli di competenze. Nel mondo accademico non è mai troppo presto (né troppo tardi!) per iniziare a insegnare i dati e il pensiero critico. Inserisci le competenze fondamentali sui dati in tutte le fasi della formazione e prepara sempre più studenti a lavorare e comprendere i dati nei loro ruoli professionali.

  • Sviluppa competenze di analisi e capacità di pensiero critico in tutti i corsi. Sottolinea il fatto che un giorno in ogni ruolo si potranno usare (e si useranno) i dati.
  • Incoraggia gli studenti a introdurre i dati nelle loro ricerche e nel loro lavoro.
  • Rendi divertenti i dati! Esplora come i dati si presentano nel mondo reale e fai esempi concreti per gli studenti.
  • Spiega il valore delle competenze in materia di dati, dal miglioramento delle prospettive di carriera fino al loro utilizzo per cambiare il mondo.
  • Ottieni software gratuito, corsi di formazione e risorse per docenti e studenti grazie ai Programmi accademici di Tableau.

 

4. Investi in programmi per sviluppare l'alfabetizzazione dei dati e le competenze relative a strumenti e piattaforme di analisi tra il tuo personale. Ragiona sul lungo periodo: non considerare solo le esigenze a breve termine, limitandoti alla formazione riguardante gli strumenti e la tecnologia di cui disponi attualmente. Forma il personale insegnando concetti trasversali indipendenti dalla tecnologia, ad esempio a proposito dei modi in cui i dati aggiungono valore all'azienda. E non reinventare la ruota! Insegna le nozioni di base (per i principianti) internamente, se puoi. Ed esternalizza il resto.

Aiuta i dipendenti a sviluppare competenze più avanzate collaborando con organizzazioni esterne per adottare le risorse già disponibili. Dai un'occhiata a programmi come il corso professionale Applied Data Science del MIT, il DataCamp for Business, la Data Academy di Avado, la Reskilling Revolution del World Economic Forum, la Data & Analytics Academy di Coursera, i corsi gratuiti della Test Automation University e i corsi sui dati della Khan Academy.

1 Gartner®, Maximize the Value of Your Data Science Efforts by Empowering Citizen Data Scientists, Pidsley, David and Idoine, Carlie, 7 dicembre 2021

2 Whitepaper di IDC commissionato da Tableau, How Data Culture Fuels Business Value In Data-Driven Organizations, doc. #US47605621, maggio 2021.

3 Articolo di Forrester Consulting, programma Thought Leadership, commissionato da Tableau, The Great Data Literacy Gap: Demand For Data Skills Exceeds Supply, giugno 2021

Il crescente riconoscimento del valore strategico dei dati favorisce lo sviluppo di tecniche di governance flessibili e federate che aiutano tutti a dare il massimo nelle organizzazioni.

Kate Wright

SVP of Product Development di Tableau

Kate Wright è una leader nel campo dell'analisi con oltre 17 anni di esperienza nello sviluppo, nella gestione dei prodotti e nella leadership. È responsabile dei team Analytics Engineering, Product Management e in generale della attività User Experience di Tableau e CRM Analytics.

Come siamo arrivati fin qui

Il valore (e l'enorme volume) raggiunto dai dati è ai massimi storici. I dati non sono solo una posta in gioco per il successo nell'attività delle aziende nel 2022: i dati sono l'attività delle aziende.6 Via via che le organizzazioni investono in soluzioni di IA innovative e in tutto ciò che si basa sul cloud, la domanda di funzionalità self-service e di condivisione dei dati aumenta di pari passo con l'evolversi delle normative sulla privacy e sull'utilizzo dei dati. Le organizzazioni che si affidano alle tecnologie digitali vivono questo paradosso: è essenziale avere un riferimento centralizzato, che però non sarà ubicato in un unico luogo, né potrà essere gestito e protetto da poche persone.

Le organizzazioni devono adottare un nuovo approccio alla governance e alla gestione dei dati, che unisca flessibilità e responsabilizzazione con un controllo coordinato. Per innovare, essere competitive e rimanere al passo con i requisiti di governance e di sicurezza, le organizzazioni di successo adotteranno tecniche di governance dei dati federate. Questo approccio, che combina standard di governance definiti a livello centrale e autorità locali, consentirà di avvalersi di diverse aree di competenza coinvolgendo nella propria attività utenti più diversificati.

In fin dei conti, nel mondo digitale odierno la capacità di essere rilevanti dipende dal saper ricavare valore dai dati. Ma in che modo? L'ultimo sondaggio di Gartner rivolto ai CDO rivela che "il 72% dei responsabili di dati e analisi fortemente coinvolti in iniziative di business digitale o che le dirigono" non sanno con esattezza come costruire la "base di dati affidabili" necessaria per accelerare il loro impegno e raggiungere gli obiettivi aziendali.7

Senza processi ripetibili e scalabili con i quali garantire dati rilevabili, sicuri, comprensibili e affidabili, la flessibilità e l'innovazione sono a rischio. Se le organizzazioni non rinnovano radicalmente la governance dei dati, il sogno di un'analisi self-service affidabile e in tempo reale rimarrà tale: un sogno.

Dove stiamo andando

Da sempre le strategie di governance dei dati di successo affondano le loro radici nella fiducia. Nel 2022 vedremo che le organizzazioni cambieranno mentalità per adottare un approccio alla governance e alla gestione dei dati più inclusivo.

Con il termine "inclusivo" ci riferiamo a sistemi e processi pensati per molti, non per pochi. Ci riferiamo al riconoscere che l'IT e l'azienda non sono in contrasto tra loro, nella governance e nella gestione dei dati. Quando i tradizionali custodi dei dati (sì, voi responsabili dell'IT!) invitano l'azienda a partecipare alla soluzione, tutti possono impegnarsi per raggiungere obiettivi condivisi e aprire la strada all'innovazione.

In che modo? Sviluppando e diffondendo. Bisogna dare alle persone gli strumenti per agire in autonomia, ma al tempo stesso occorre gestire il rischio con soluzioni controllate a livello centrale. Ad esempio, l'IT definisce le basi della governance per gli elementi che influiscono sull'intera organizzazione (come derivazione, cataloghi dei dati, norme, regole di convalida, gestione dei metadati e architettura) estendendo al tempo stesso il controllo in azienda nei modi adeguati alle esigenze di quest'ultima. Questo approccio adeguatamente dimensionato consente agli esperti dei diversi settori di risolvere i problemi aziendali nel contesto, consolidando fiducia, scoperta e innovazione.

Per integrare in tutta l'azienda la governance dei dati è essenziale l'alfabetizzazione dei dati. Tutti devono parlare una lingua comune e partecipare a una governance condivisa ma soprattutto devono comprendere i concetti fondamentali relativi ai dati. Concentrandosi sulla trasparenza e sulla rilevabilità sarà più facile individuare e scoprire i dati, mentre le organizzazioni utilizzano un luogo unificato per trovare le informazioni affinché tutti possano concordare su ciò che viene misurato, su come lo si definisce, su dove si trova e su chi sono i proprietari. In questo modo si potrà capire a grandi linee come i dati arrivano in ogni angolo dell'azienda e come garantire la fiducia e la sicurezza.

Suggerimenti

1. Valuta a che punto sei e fissa degli obiettivi. Per capire la tua situazione devi capire quali dati stai utilizzando. Poni domande e interagisci con le persone dell'organizzazione per capire che dati hai, come vengono utilizzati e quanto sono rilevanti. Non ci stancheremo mai di ripeterlo: la fiducia è fondamentale. Chiedi agli stakeholder di cosa hanno bisogno per ottenere i risultati che desiderano. Affidati a dei framework di fornitori esterni, come il programma Data Management Maturity (DMM), per valutare le tue capacità e per individuare punti di forza e lacune.

2. Adotta un approccio basato sulla partnership. (Un suggerimento: tutto inizia con la fiducia). Sì, l'IT deve tenere sotto stretto controllo alcuni fattori, ma non è possibile controllare tutto, né è opportuno farlo. Diventa partner della tua stessa azienda. Inizia a rafforzare la fiducia nelle persone e nei processi, migliorando le competenze dei business user per aiutarli a utilizzare i dati in modo responsabile. Anche adottare processi trasparenti e avere dati aggiornati e sicuri è molto importante. Approfitta dei successi rapidi per dimostrare il valore della partnership per l'organizzazione a livello generale.

3. Pensa in modo federato. Riconosci che la tua strategia dei dati non può essere co-localizzata e che non potrai mai avere un controllo completo e centralizzato. Adotta un approccio più federato. Impegnati per raggiungere un equilibrio in cui tu stabilisci quanto e cosa controllare, costruendo nel frattempo una partnership con l'azienda. Non reinventare la ruota. Utilizza dei framework consolidati del settore (pensa ad esempio al programma DMM o al framework Cloud Data Management Capabilities di EDM Council) per ridurre gli attriti e capire quali sono i risultati positivi.

6 Forrester Consulting, Break Through Data Governance Fatigue: A Framework For Effectiveness And Sustainability, Goetz, Michelle, febbraio 2021

7 Gartner®, Predicts 2022: Data and Analytics Strategies Build Trust and Accelerate Decision Making, Jorgen Heizenberg, et.al, 2 dicembre 2021

8 Gartner®, Modern Data and Analytics Requirements Demand a Convergence of Data Management Capabilities, Guido de Simoni, et.al, 20 gennaio 2021

I dati diventano la lingua con cui le persone e le organizzazioni si fanno notare, espongono i propri problemi e interagiscono con le istituzioni al loro servizio.

Neal Myrick

Global Head della Tableau Foundation, Tableau

Neal Myrick è VP della divisione Social Impact di Tableau e Global Head della Tableau Foundation. Gestisce gli investimenti filantropici dell'azienda per far avanzare l'utilizzo dei dati e per realizzare un mondo più giusto e più equo. Neal è un angel investor attivo e fa parte di diversi comitati consultivi globali per la salute e lo sviluppo.

Come siamo arrivati fin qui

I dati sono una valida risorsa per il cambiamento. Dopo anni di lavoro con i nostri partner non profit presso la Tableau Foundation abbiamo osservato che non tutti, nella società in cui viviamo, ne traggono gli stessi benefici. Pochissimi dati sono considerati perfettamente rappresentativi, spesso senza contesto e senza le sfumature che derivano dalle esperienze vissute. Questo influisce sul potenziale dei dati: può creare sfiducia, soprattutto da parte di coloro, singoli e gruppi, che non si sentono rappresentati. La mancanza di fiducia può impedire ai gruppi non rappresentati di utilizzare i dati per ottenere potere e influenza.

Ciò non significa che abbiamo già tutte le risposte, ma parlando con i partner notiamo una remota tendenza basata sulle esperienze del mondo reale, con la potenzialità di plasmare il sostegno e il coinvolgimento della comunità.

Affinché le soluzioni per i dati siano pertinenti, efficaci e sostenibili, occorre svilupparle collaborando con le comunità che andranno a rappresentare e supportare. Modificando le dinamiche, i dati aiutano ad affrontare i problemi complessi e articolati che le persone e le organizzazioni considerano più importanti. Un approccio operativo basato sulla data equity (cioè la capacità di raccogliere, analizzare, interpretare e utilizzare i dati secondo principi di uguaglianza ed equità) può rendere i dati più inclusivi, più rappresentativi e più efficaci come strumento di supporto, grazie al senso di proprietà condiviso che sorge tra tutti i soggetti interessati.

Nella migliore delle ipotesi questo approccio dovrebbe poter rispondere a tutte le domande che genera, in un processo di costante miglioramento; sono dati coerenti con le esperienze che dovrebbero rappresentare? C'è qualcos'altro che possiamo fare nell'acquisizione e nell'analisi dei dati, per assicurarci che siano rappresentativi? Il modo in cui raccontiamo la storia attraverso i dati è soddisfacente per coloro che la ascoltano e li accompagna nel percorso verso il cambiamento come partner anziché come avversari?

Le organizzazioni che considerano i dati una risorsa strategica e si impegnano per la cultura e l'alfabetizzazione dei dati individuano nuovi utilizzi efficaci, come il loro uso per avviare nuovi dibattiti (e riformulare quelli esistenti) sulle politiche e sui finanziamenti. L'accesso ai dati si sta diffondendo alle organizzazioni locali legate alle comunità che tradizionalmente non avevano la tecnologia e le risorse per controllare attraverso i dati l'operato degli enti locali e della pubblica amministrazione. Sono sempre più numerose le organizzazioni non profit, gli organizzatori e le persone attive nelle comunità locali che visualizzano e utilizzano i dati come risorsa strategica, costruendo culture dei dati e rafforzando l'alfabetizzazione.

Dove stiamo andando

Considerare i dati come una risorsa strategica e impegnarsi per una cultura dei dati a livello delle organizzazioni può avviare nuovi efficaci dibattiti sulle politiche e sui modi in cui gli enti pubblici investono nelle comunità. Rendendo i dati democratici (non solo disponibili ma concretamente accessibili, eliminando la barriera della necessità di competenze in materia di data science) le organizzazioni un tempo riluttanti potrebbero decidere di aggiungere dati e analisi alle loro attività di supporto. E mentre le organizzazioni non profit e gli organizzatori attivi nelle comunità iniziano a vedere che il loro lavoro a sostegno dei dati mostra risultati positivi nella vita delle persone per cui si impegnano, iniziamo a sentire altre persone che chiedono: "Cosa possiamo fare qui, nella nostra comunità e con i nostri dati, per fare la differenza?"

Vediamo che le organizzazioni agiscono intenzionalmente sulle proprie culture dei dati e investono nelle competenze in materia di dati sia internamente che nella comunità in generale. Da questo impegno emergono alcune buone pratiche e chi ottiene risultati lo fa grazie a una combinazione dei seguenti elementi:

  • Democratizzazione dei dati e delle risorse rilevanti, che diventano pubblicamente accessibili
  • Separazione dei dati aggregati per renderli più rappresentativi
  • Utilizzo di un linguaggio che mette le persone al primo posto, accanto ai dati
  • Ottimizzazione del modo in cui i dati vengono tradizionalmente presentati
  • Adozione di modelli incentrati sulle esperienze delle persone

Channing Nesbitt, Social Impact Program Manager di Tableau, ha parlato di quanto sia importante separare i dati aggregati, suddividendoli e considerando diversi ambiti, diverse unità e misure, anziché utilizzare esclusivamente valori medi o riepiloghi: "In questo modo si dà voce ai membri della comunità le cui esperienze sono spesso trascurate e rimangono nascoste negli insiemi di dati generalizzati e aggregati, così le difficoltà che affrontano tendono a perpetuarsi, o addirittura ad aggravarsi". Si ottiene anche maggiore chiarezza rispetto a quanto avviene con le sole variabili di genere, etnia e reddito, facendo emergere più dettagli sull'esperienza individuale di ciascuno, ad esempio quella di una donna di colore, laureata, in cerca di un prestito per comprare casa. I dati disaggregati consentono di distinguere più chiaramente le persone in mezzo ai dati, per soddisfare meglio le loro esigenze e perfezionare le soluzioni proposte da governi, istituzioni e organizzazioni vicine alla comunità locale.

Tutti questi cambiamenti rendono i dati più accurati e più inclusivi, tracciando una panoramica contestualizzata delle persone che stanno dietro i singoli dati per rappresentare e supportare meglio tutti i membri della comunità.

Dati più accurati e più rappresentativi possono convalidare le esperienze vissute e aiutare persone e gruppi, nelle comunità, a rafforzare il potere e l'influenza per raggiungere i loro obiettivi.

Migliorare i dati e adottare la data equity come approccio operativo aiuta le persone ad avviare o riformulare le conversazioni, con effetti positivi a valle sulle richieste di finanziamenti e sui cambiamenti politici. Questo approccio aiuta governi e istituzioni a misurare e monitorare i progressi compiuti rispetto ai loro obiettivi: si va dagli obiettivi di sviluppo sostenibile delle Nazioni Unite agli uffici dei procuratori locali che condividono dati su procedure giudiziarie e processi penali. Consente inoltre agli stakeholder della comunità di interagire direttamente con gli enti pubblici e con altre istituzioni in modo più paritario.

Suggerimenti

Abbiamo notato che alcuni dei nostri partner di maggior successo nel settore non profit stanno adottando uno o più metodi per migliorare la data equity. Anche se l'elenco è ancora da perfezionare, ecco alcune delle pratiche di data equity che abbiamo visto applicare con successo dai nostri partner.

1. Consulta le comunità più vicine ai problemi da risolvere. Chiedi loro degli input sulle domande da porre per ottenere i dati necessari e per individuare il contesto in cui i dati devono essere compresi e analizzati. La collaborazione con le comunità aiuta a:

  • Migliorare l'accuratezza, l'affidabilità e l'attendibilità dei dati, aumentando la probabilità che vengano utilizzati e usati come riferimento.
  • Verificare che i dati siano utili per la community e pertinenti per i temi da affrontare.
  • Generare dati orientati ad azioni concrete, che abbiano un impatto reale e che possano indicare cosa funziona e cosa occorre migliorare, contribuendo inoltre a definire le priorità collettive.

 

2. Rendi i dati pertinenti e rappresentativi delle persone e delle comunità di riferimento. Dobbiamo vedere più chiaramente le persone dietro i dati, per capire meglio le loro esigenze e per soddisfarle.

  • Disaggrega i dati il più possibile, tutelando però la privacy.
  • Cerca dei punti dati pertinenti, che rappresentino un'esperienza più personale, più particolareggiata. I dati relativi all'appartenenza etnica, al genere o alla fascia di reddito da soli non forniranno lo stesso contesto e le stesse opportunità di comprensione che si ottengono quando si ha la possibilità di vedere gli aspetti essenziali dell'identità tutti insieme.

 

3. Condividi i dati con la comunità locale e scala i risultati attraverso ripetuti cicli di feedback.

  • La comunità deve poter accedere ai dati per poterne trarre i massimi benefici. La condivisione dei dati rafforza il ciclo virtuoso del loro uso: quanto più li si utilizza e quante più comunità rispondono ai dati, tanto più sarà probabile che continuino a essere acquisiti e analizzati.
  • Condividi i dati e dimensiona il tuo impegno in modo responsabile. Tutela la privacy dei dati per creare e conservare la fiducia.

 

4. Metti a disposizione delle persone e delle comunità gli strumenti e le conoscenze per utilizzare i dati con efficacia.

  • All'aumentare delle dimensioni e della complessità degli insiemi di dati, le iniziative di alfabetizzazione e di creazione delle competenze in materia diventano più importanti, affinché le persone sappiano dare un senso alle informazioni a cui hanno accesso.
  • Le soluzioni tecnologiche devono essere più accessibili per le organizzazioni che supportano la comunità locale.
  • Le organizzazioni devono anche poter accedere a finanziamenti con meno limitazioni, utilizzabili per coprire i costi e le spese generali della tecnologia.