L’integrazione dei modelli analitici e previsionali con i sistemi di Performance Management migliorano le performance in modo proattivo, invece di limitarsi al solo monitoraggio. I dati del business sono confrontati in tempo reale con i key performance indicator aziendali, e possono influire in tempo reale sulle strategie del business, in tutti i settori di mercato
Oggi qualsiasi organizzazione è costretta a confrontarsi con la rilevazione e il miglioramento delle performance, ottimizzando processi e strutture per mantenersi sul mercato. Performance management è un’espressione utilizzata da molti per descrivere la rilevazione delle performance aziendali. In realtà, è un processo più articolato: non si occupa solo di monitorare alcuni indicatori fondamentali, ma ha come obiettivo promuovere un costante miglioramento delle performance. Per far questo, si utilizza sia il reporting delle performance registrate in passato, sia il controllo e la gestione delle performance, grazie a metodologie quali Balanced Scorecard o Six Sigma. Le performance messe a segno nel passato, però, sono spesso uno strumento che da solo è poco utile per costruire il futuro. Le dashboard sono strumenti di facile comprensione, ricche anche di funzionalità, ma possono fornire una visione distorta o parziale della realtà, invece che indicare i driver del successo. Le decisioni informate richiedono una conoscenza del business nelle sue molteplici dimensioni e sfaccettature, accompagnata da una valutazione predittiva dei possibili impatti. «Il salto di qualità – dice Francesco Consolati, business development manager performance management di SAS (www.sas.com/italy) – consiste nell’integrare la metodologia di Performance Management con i modelli analitici e previsionali allo scopo di migliorare le performance in modo proattivo, invece di limitarsi al solo monitoraggio. I modelli analitici e predittivi svelano ciò che succederà in futuro come conseguenza delle azioni e delle decisioni attuate nel passato e nel presente: in questo modo, è facile stabilire il percorso giusto per conseguire il massimo vantaggio competitivo».
Integrando nella metodologia di performance management le moderne tecnologie analitiche e predittive, le aziende dispongono di una potente leva di governo e di pianificazione strategica. Possono verificare se gli indicatori “chiave” sono realmente tali, da quali variabili sono dipendenti, quali sono le loro interrelazioni e in che modo contribuiscono al raggiungimento degli obiettivi strategici. Possono migliorare la pianificazione, l’allocazione delle risorse e il processo decisionale; allineare le politiche di incentivazione del personale con gli obiettivi strategici; anticipare le opportunità future e tracciare la rotta per raggiungerle.
Il Predictive Performance Management
L’integrazione dei modelli analitici e predittivi nel performance management è chiamato Predictive Performance Management (Ppm): i sistemi di Performance Management vengono potenziati con la capacità di valutare le singole performance in una prospettiva più generale, di verificare la strategia e definire gli indicatori rilevanti, di allineare alla strategia la struttura organizzativa, di prevedere i risultati con la massima precisione, di monitorare e correggere l’esecuzione della strategia. Con la diffusione del Ppm, si possono raggiungere nuovi e più approfonditi livelli di intelligence, e distribuire questa conoscenza in tutte le aree aziendali. Non solo: i dati del business vengono recepiti in maniera puntuale e giornaliera, e sono subito confrontati con i key performance indicator aziendali, così che possono influire in tempo reale sulle strategie del business. È, questa, una tematica molto sentita e attuale: IDC (www.idc.com/italy) conferma che la diffusione degli Advanced Analytics sta aumentando molto, e che aumenterà anche il numero di applicazioni analitiche che incorporeranno modelli predittivi. Uno degli inibitori di crescita per gli strumenti di Advanced Analytics sarà, secondo IDC, il numero insufficiente di analisti con competenze adeguate. Il cambio, già in atto, nel sistema scolastico avrà bisogno di anni per svilupparsi, nel frattempo i fornitori stanno cominciando ad affrontate la sfida e l’opportunità di focalizzare i loro sforzi di R&D su applicazioni analitiche predefinite, che incorporano degli Advanced Analytics.
Il Ppm per il miglioramento delle performance
Il Ppm facilita il miglioramento delle performance. Questo può avvenire grazie all’applicazione di modelli e funzionalità analitiche, un insieme di metodologie matematico-statistiche che passano sistematicamente in rassegna la massa dei dati disponibili per scoprire correlazioni significative, configurazioni ricorrenti e tendenze nascoste e per dare risposte a domande che sono critiche per il business: perché si stanno verificando proprio questi problemi? Che iniziative di miglioramento dobbiamo attuare? Quali effetti produce il cambiamento di un indicatore, considerando le diverse variabili in gioco? Il Ppm consente di valutare le conseguenze indotte sull’intera organizzazione dai cambiamenti attuati in una specifica area aziendale, simulare gli effetti sui costi e sulla redditività causati da interventi anche minimi sui singoli processi, scegliere proattivamente la strategia più adeguata alle condizioni di contorno. Un’organizzazione, così, è in grado di ottimizzare attività e strategie grazie alla conoscenza dei fattori che portano al successo, oltre che migliorare e accelerare costantemente il processo di creazione dell’intelligence e la capacità di reazione. Nei periodi di crisi, come l’attuale, questo è un controllo fondamentale, perché risponde all’esigenza d’indicare le direzioni da prendere: dove acquistare, quali margini applicare, che politiche di sconto, quali segmenti di mercato indirizzare con le campagne di marketing e così via.
«L’analisi predittiva – spiega Consolati – è simile a un robot intelligente, che passa in rassegna tutti i dati finché non trova qualcosa di interessante da mostrare. I modelli predittivi sono in grado di offrire alle aziende livelli di conoscenza impensabili con i modelli tradizionali. Permettono di identificare i clienti che con maggiore probabilità risponderanno positivamente alle campagne di direct mail in corso di definizione, o predicono il tasso di fuori servizio di un impianto produttivo o, ancora, i clienti con il maggior rischio di default per la restituzione di un prestito bancario. Il marketing ha svolto un ruolo anticipatore nell’adottare le analisi predittive per acquisire una migliore comprensione sui comportamenti e sulle propensioni dei clienti. In questo settore, le tecniche predittive sono ormai comunemente utilizzate per guidare programmi di cross-selling, la gestione delle campagne, l’acquisizione di nuovi clienti, il budgeting, le previsioni della domanda e i piani di fidelizzazione. Le altre aree aziendali vanno gradualmente scoprendo il valore dei modelli predittivi per individuare opportunità inaspettate e anticipare possibili rischi».
«In System Evolution – aggiunge Teresa Roma, responsabile della business line information management di System Evolution (www.systemevolution.it) – interpretiamo il termine “Predictive”, che alcuni grandi vendor stanno già superando parlando di “Proactive”, come un orientamento di tecnologie e metodi già esistenti, consolidatisi negli ultimi anni, a una crescente esigenza di anticipare la lettura dei fenomeni rilevanti per il business. In questo senso la maggior parte degli interventi nell’area dell’Information Management in cui sono impegnati i nostri specialisti ha come obiettivo l’identificazione di trend, pattern comportamentali, relazioni cause-effetto in grado di intercettare rischi, opportunità, eventi che possano supportare concretamente decisioni e interventi, anche nel breve termine: soluzioni basate sui principi delle Balanced Scorecard, in particolare nel settore assicurativo, oppure applicazioni per il monitoraggio dell’evoluzione dei crediti nelle banche; lo stesso può valere per l’analisi dell’efficacia della rete commerciale con la clientela per orientare in “tempo quasi reale” le caratteristiche delle campagne in corso. Tutte queste soluzioni sono state declinate, con differenti gradi di intensità, secondo un approccio predittivo. L’esperienza ci ha insegnato che la differenza tra applicazioni analitiche più o meno orientate all’individuazione precoce dei fenomeni la fanno due fattori: la disponibilità del cliente a ragionare su modelli di riconoscimento dei pattern, eventualmente suggeriti dal consulente, e il modello di collaborazione che si instaura nel progetto, basato su una forte interazione anche qui “in tempo reale” tra il team e il committente. Spesso un progetto di questo tipo ha come deliverable finale una soluzione anche molto differente dal modello iniziale, ma sicuramente più efficace in termini di proattività».
Soluzione… d’acciaio
Le informazioni che gli strumenti di Ppm forniscono permettono al management di prevedere le performance dell’azienda e prendere decisioni. I progetti Ppm sono quindi strategici e rappresentano un importante passo in avanti per il governo dell’impresa. «Per valorizzarli ancora di più – sottolinea Nicola Basso, business line manager di Horsa (www.horsa.it) e Ceo di Nevis (www.nevis.it) – possono inoltre essere considerati come importante nucleo di informazioni dal quale tutta l’azienda può trarre beneficio. Questo è possibile con l’integrazione dei sistemi di Ppm con gli strumenti di Business Intelligence che permettono lo sviluppo di analisi e Kpi per la direzione».
In quest’ottica Nevis ha sviluppato presso una delle più importanti società in Italia per la produzione di acciaio un progetto per la gestione integrata degli scenari di simulazione. Il modello sviluppato garantisce alla acciaieria, da un lato, la creazione di un conto economico riclassificato sulla base di parametri di simulazione, dall’altro, l’analisi degli impatti finanziari a medio e lungo termine derivanti dalle simulazioni sui processi produttivi. Il modulo di Ppm sviluppato è infatti in grado di simulare in real-time i risultati a quantità e valore che derivano da diversi scenari ipotizzati, metterli a confronto tra di loro e con i risultati a consuntivo. La piattaforma utilizzata per la realizzazione del progetto è stata Qlikview che, attraverso la tecnologia associativa, ha permesso di ottenere in breve tempo ottimi risultati.
Restando nel settore manifatturiero, è interessante anche il progetto sviluppato da Fiat (www.fiat.it). L’azienda intendeva aggiornare la soluzione utilizzata per l’area Controllo di Gestione, ampliando al contempo gli aspetti funzionali dell’applicazione per soddisfare le nuove esigenze di business nate negli ultimi anni (viste di controllo e reporting, integrazione, fruibilità del dato). Dopo un’attenta software selection, Fiat ha deciso di puntare su Oracle Business Intelligence Suite e su Oracle Hyperion Financial Management, Oracle Hyperion Financial Data Quality Management, Oracle Hyperion Planning e Oracle Essbase (www.oracle.com/it). «Il mondo applicativo di Oracle che abbiamo implementato ci consente di aiutare il top management aziendale a prendere delle decisioni di business in termini di scelte prodotto, politiche commerciali e perimetro geografico di interesse», ha spiegato Pierpaolo Veglio, information & communication technology finance – commercial control, Fiat Group Automobiles. La soluzione adottata consente infatti l’analisi incrociata dei dati non più solamente per dimensioni di canale-mercato-prodotto, ma anche con le caratteristiche di prodotto commerciali (per esempio motorizzazione, alimentazione, potenza, allestimento). Con la nuova piattaforma è stata consentita altresì l’analisi di profittabilità consuntiva e previsiva di tutti i prodotti, su tutti i mercati, per tutti i canali di vendita. Ancora, oggi viene messo a disposizione del dipartimento finance, ma anche di sales e marketing, un unico strumento di simulazione di pricing-incentivi-margine, mentre appositamente per il dipartimento sales è stata sviluppata un’applicazione in grado di supportare la definizione delle politiche di incentivazione mensili della rete di vendita.
Finance e distribuzione
Esperienze interessanti sono state fatte anche nel settore finance. È il caso di un progetto sviluppato da UniCredit, dove monitoraggio e distribuzione interna dei dati Swift estratti dall’applicativo Value Analyser necessitavano di una modalità agevole sia dal punto di vista dell’accessibilità che da quello della successiva capacità di analisi. Inoltre i dati, che rappresentano la situazione competitiva del settore bancario Paese per Paese, arrivavano in tempi troppo lunghi per le esigenze di un mercato sempre più dinamico. «Avevamo bisogno di un sistema che offrisse tempi di risposta e capacità di analisi adeguati alle mutate condizioni del mercato – racconta Enrica Daolio, special project manager Global Transaction Banking di UniCredit (www.unicredit.it) -, così abbiamo coinvolto MicroStrategy nello studio di una nuova soluzione». In poche settimane, gli esperti UniCredit, coadiuvati dai consulenti MicroStrategy (www.microstrategy.it), mettono a punto un primo set di dashboard, utilizzando le potenti funzioni di MicroStrategy 9. La BI ha consentito, quindi, la realizzazione di un tool potente e flessibile di analisi dei dati di mercato, utile sia per le vendite sia per il marketing, immediatamente messo a disposizione di tutti i ventidue networks in cui è presente il Gruppo e del top management della sede centrale. Le capacità di consultazione e analisi vengono espanse sia a livello di mercati che di funzioni. BI4Sales permette di sintetizzare le informazioni più importanti in modo che siano immediatamente comprensibili, ma anche di scavare in profondità per personalizzare le analisi e comprendere le dinamiche del mercato. I dati relativi al mercato e ai clienti vengono oggi utilizzati per analisi a diversi livelli e su diverse variabili; BI4Sales restituisce anche un quadro preciso dei valori/volumi e delle quote di mercato di ogni prodotto e region/country. L’armonizzazione dei dati ha anche portato a una maggiore comprensione delle dinamiche e delle performance rispetto ai target stabiliti tra differenti prodotti e mercati.
Un’altra interessante esperienza è quella di Gruppo Cisalfa (www.cisalfasport.it), leader della distribuzione sportiva in Italia, che ha scelto la soluzione software di Tagetik (www.tagetik.com/it) per implementare i processi di “fast closing” (per la gestione delle chiusure mensili) e budget economico (per la raccolta-dati e la previsione delle movimentazioni di magazzino), la pianificazione finanziaria e patrimoniale, il piano strategico a cinque anni, l’analisi del costo del personale e della redditività per punto vendita/famiglia prodotto, automatizzando tutte le alimentazioni-dati dai sistemi gestionali (personale, Erp, vendite). «Siamo rimasti colpiti dall’abilità del team di consulenti di Tagetik nel trasferire le specifiche problematiche di business all’interno dell’applicazione – commenta Claudia Perico, responsabile pianificazione e controllo del Gruppo Cisalfa –. Le attività di import-dati così come i processi “fast closing” e budget si sono snelliti di circa il 30%, con conseguente riduzione della tempistica di produzione e del lavoro manuale associato, permettendo così di diminuire l’impegno per le attività operative e focalizzare l’attenzione su aspetti più qualitativi e di analisi. Gli utenti sono autonomi sia nella gestione delle 30 regole di allocazione e “closing” che nella produzione della reportistica. Siamo anche in grado di realizzare un controllo analitico e approfondito sugli scostamenti del costo di 3mila matricole personale e, grazie alle potenti funzionalità di analisi della profittabilità, possiamo effettuare simulazioni spinte su aperture/chiusure di punti vendita, oltre che analisi sulla rete distributiva per area geografica (400 centri di costo tra punti vendita e struttura). Tracciabilità costante del dato, simulazioni rapide e reportistica standard aggiornata con facilità sono i principali benefici riscontrati con il software di Tagetik».
Location e crime
Si trovano anche implementazioni in settori particolari. È il caso di un progetto sviluppato da Iconsulting (www.iconsulting.biz). Nell’ambito di una collaborazione con un importante Ente pubblico italiano focalizzato sulla lotta alla criminalità, Iconsulting ha avviato uno studio con approccio prototipale, con l’obiettivo di realizzare un modello predittivo in grado di identificare eventuali zone a elevato rischio di criminalità, sfruttando sia dati analitici che informazioni geospaziali. Il dato spaziale, infatti, consente di correlare tra loro diversi fenomeni che non hanno in comune alcun attributo se non la vicinanza geografica. Nello specifico, era stata precedentemente realizzata una soluzione di Location Intelligence e Geo-DataWarehouse, che deve essere considerata come primo step fondamentale per qualsiasi tipo di analisi, sia a consuntivo sia predittiva, che coinvolga dati di tipo spaziale. Il sistema implementato pre-processa le informazioni geospaziali, ottenendo così indicatori (per esempio la vicinanza di un reato a una determinata tipologia di punti di interesse) che vengono utilizzati come input aggiuntivi per algoritmi di Data Mining. I risultati di tali algoritmi predittivi sono stati presentati all’interno della suite di Business Intelligence, sia in formato descrittivo che in formato cartografico. In conclusione, l’utilizzo combinato di tecnologie spaziali e di Data Mining ha consentito di ottenere una modalità di Crime Forecasting, ovvero la possibilità di prevedere quali sono le zone con elevata probabilità che in un prossimo futuro avvenga un crimine: non ci si basa soltanto sull’informazione storica (dove sono avvenuti i crimini nel passato), ma anche sulle caratteristiche del territorio (per esempio, l’apertura di un nuovo cantiere edile potrebbe innalzare il rischio previsto per le aree circostanti).
