Data knowledge, analytics, accelerator, metodologia agile

Data knowledge e analytics fanno ormai parte della comune cultura aziendale, fornendo solide basi allo sviluppo di progetti con metodologie avanzate come quella agile o la più classica e sequenziale waterfall. In un’epoca in cui il “dato” e le sue “sorgenti”, con ovvie ricadute sulla data quality, sono in continua evoluzione, la fase preliminare di scelta di un metodo di progettazione è quindi quanto mai delicata. Al fine di facilitare la decisione di quale metodologia sia meglio adottare per i tuoi progetti partiamo da qualche semplice considerazione.

Prendiamo, per esempio, alcuni parametri di valutazione che in fase di definizione del progetto possono essere facilmente applicati, indipendentemente dalla dimensione dell’azienda. Come risponderesti a queste 3 domande?

  1. Qual è la grandezza del progetto che vuoi realizzare? Piccolo -> waterfall. Grande -> agile.
  2. Possibile evoluzione del progetto nel tempo? No -> waterfall. Sì -> agile.
  3. Stakeholder (anche esterni) presenti e collaborativi sul progetto? No -> waterfall. Sì -> agile

Ne deriva che per progetti anche complessi, che vedono una massiccia presenza di tutti gli stakeholder fin dalle fasi iniziali, il percorso agile è quello più indicato, considerando anche il fatto che garantisce la massima flessibilità nel tempo. Ma ricordati che anche l’introduzione di una metodologia come agile rimane fine a sé stessa se non viene supportata da un cambio di mentalità di tutto il management.

Come ti sarai sicuramente accorto, la continua evoluzione delle tecnologie e dei bisogni del consumatore richiede un’elevata tempestività nel rilascio del prodotto, anche in versione non definitiva. Ne sono un valido esempio tutte le piattaforme e sistemi operativi dei grandi player IT, perennemente in versione beta e al cui debug partecipano volontariamente milioni di utenti. Per un progetto raggiungere il proprio mercato di appartenenza e farlo nel minor tempo possibile è quindi vitale. Il rischio di ritrovarsi per le mani un prodotto già “vecchio”, superato o per nulla conforme alle nuove esigenze del cliente è sempre presente tra i rischi aziendali. Rischi che non puoi più permetterti di sottovalutare.

Data Knowledge e i vantaggi del metodo agile

Secondo la metodologia agile occorre investire quindi in reattività. Il rilascio del prodotto avviene più volte a poca distanza di tempo, verificando in modo incessante non solo il suo funzionamento ma, soprattutto, l’interesse del cliente. Operativamente si limita al massimo il tempo dedicato alla stesura di documentazione e analisi dei requisiti (caratteristiche del metodo waterfall). Se da un lato si assume il rischio di una minore precisione (cosa che richiede un cambio di mentalità aziendale), dall’altro ci si avvantaggia con un costante aggiornamento del progetto, Minimum Viable Product (MVP).

Occorre però dotarsi di strumenti di analytics avanzati e, conseguentemente di figure professionali in grado di interpretarli, che portino a veloci monitoraggi sui dati quotidianamente raccolti. È possibile estrarre e trasformare i dati di gestione in analisi predittive di supporto decisionale: il dato diventa quindi valore di conoscenza per innovare e guidare i nuovi modelli di business.

La creazione di team cross-funzionali al cui interno convivono figure che utilizzano linguaggi diversi, provenienti da settori differenti dell’azienda e a cui possono venire affiancati stakeholder esterni, rivoluziona di fatto il management e la cultura dell’azienda. I team non solo hanno autonomia organizzativa, integrando in caso di escalation altre professionalità, ma altresì godono di potere decisionale sul rilascio del progetto. Le iterazioni di sviluppo e test sono quindi continue, con tempistiche (timeboxed) molto ravvicinate tra loro.

Possiamo quindi definire in sintesi i vantaggi nell’approccio agile:

  1. Prodotto finale più solido e aggiornato.
  2. Maggiore trasparenza e condivisione degli obiettivi tra tutti gli stakeholder.
  3. Applicazione anche a livello di consuntivo, consolidato budget e pianificazione
  4. Approccio fortemente rivolto al miglioramento della UX che consegna al cliente/utente un prodotto più coinvolgente e vicino ai suoi bisogni.
  5. Predittivo su processi di assistenza/manutenzione, sia quelli di servizi/materiali/storage

Il metodo agile applicato alla data knowledge ha quindi un forte impatto sulla mappatura dei processi aziendali. Oltre a un reale vantaggio competitivo sul mercato, opera un cambiamento più profondo nello stile di gestione dei processi e delle dinamiche manageriali.

Analytics e accelerazione agile

La gestione del dato può e deve avvenire in tempo reale, con strumenti di Business Intelligence che ne favoriscono la visualizzazione. Solo così è possibile applicare una forte accelerazione allo sviluppo del progetto. Data scientist, nella loro eccezione più generica, utilizzano gli analytics in modo proattivo, piuttosto che reattivo, aprendo costantemente nuove osservazioni sul prodotto e nuovi scenari di mercato. Non ultimo, grazie all’uso così efficace dei dati in combinazione del metodo agile, l’azienda può verificare per tempo la competitività del suo prodotto, riducendo in caso, perdite e investimenti.

In sintesi

L’unione degli strumenti di Business Intelligence e della metodologia agile permette alle aziende, di qualsiasi dimensione, di rilasciare sul mercato prodotti molto più flessibili e in linea con le aspettative del mercato. È necessario però un radicale cambio di paradigma interno, soprattutto dal punto di vista di Process Management. Occorre accettarlo. Ma, come si dice, “Il gioco, vale la candela”.

Condividi l'articolo su

Categorie

Articoli correlati

Vuoi ricevere
gli aggiornamenti
sui nostri servizi?

Iscriviti alla nostra Newsletter!