Nonostante si parli di Data Analytics (DA) da diversi anni, solo poche imprese italiane sono ad oggi effettivamente data-driven, ossia in grado di sfruttare appieno il potenziale dei dati disponibili in azienda per il proprio business. Una delle principali barriere riguarda la difficoltà nel quantificare gli investimenti necessari per l’implementazione dei progetti e il potenziale ritorno economico, creando incertezza e rendendo poco efficace la comunicazione verso il top management.
Si avverte il bisogno di una metodologia di valutazione prospettica dei costi e dei benefici ottenibili dall’implementazione di un progetto di Data Analytics. Tale metodologia aiuterebbe i decision makers a identificare le priorità strategiche in merito ai progetti da inserire nel portafoglio di investimenti.
I dati non hanno valore sono solo un costo per le aziende che non sanno trarre valore da quei dati.
Riconoscere questo valore, misurarlo, permette di non sprecare risorse e prioritizzare i bisogni.
Un modello di “Predictive Maintenance” ha più valore per la mia azienda di un modello di “Cross Selling”? Quanto vale la “Data Visualization” nell’AI? Su che modelli predittivi potrebbe investire la mia azienda e che valore porterebbero?
Alcuni mesi fa, alcuni #DataHeroes del gruppo Credem Banca, Deloitte e Università degli Studi di Modena e Reggio Emilia hanno cercato di dare una risposta a queste domande e tante altre, lavorando su un studio liberamente scaricabile a questo link.
