Un aspetto altamente critico per l’efficacia e la credibilità della Bi, continua a essere la qualità del dato, il cui valore risulta intaccato dagli eterni problemi di frammentazione delle fonti così come da un data entry poco accurato, soprattutto da …
Un aspetto altamente critico per l’efficacia e la credibilità della Bi, continua a essere la qualità del dato, il cui valore risulta intaccato dagli eterni problemi di frammentazione delle fonti così come da un data entry poco accurato, soprattutto da parte di quelle unità di front office non supportate da processi di automazione dedicati e da una cultura specifica. Alla disomogeneità dei dati concorrono concause ormai note: continue acquisizioni, spinta all’internazionalizzazione, outsourcing di processi e attività aziendali core o di servizio per cui i fornitori difficilmente restituiscono dati da analizzare validi come, ad esempio, semantica, unità di misura, frequenza di aggiornamento o uno storico che consenta una tracciabilità delle informazioni. I player possono ritagliarsi vari ruoli, al di là dell’offerta in termini di prodotto, svolgendo attività di assessment sulla qualità del dato, con azioni di data profiling e data audit ma anche di controllo semantico, propedeutiche alla fase di sviluppo e rilascio in esercizio del data warehouse aziendale. «L’approccio ideale è quello di puntare alla realizzazione di una Bi pervasiva – puntualizza Devrim Di Finizio, Business Intelligence Practice Principal Consulting & Integration di Hp Italia -, che ha la sua strategia vincente nella coniugazione della migliore Business information organization, mixata con una business technology optimization. Nei processi strategici, il contributo della Bi e delle analisi predittive è quello di introdurre, in ogni contesto, l’intelligenza e l’informazione espressa dai dati per attuare strategie efficaci marketing oriented su tutto il customer lifecycle, il che comporta un focus sulla gestione personalizzata della relazione».
La pervasive Bi nei processi operativi include tecnologie di data mining, utili in tutti gli stadi della relazione con il cliente, e costituisce un valore aggiunto nel relationship management. Nella gestione dell’operatività della relazione (Operational e Collaborative Crm), le predictive analytics sono utili per dotare i sistemi operazionali di elementi di diversificazione delle attività e ottimizzare le procedure di controllo nonché per sfruttare i canali di contatto al fine di gestire in maniera efficace le comunicazioni commerciali.
