Cos'è la Business Intelligence (BI)?

Gli analisti di business intelligence trasformano i dati non elaborati in insight significativi che guidano il processo decisionale strategico all’interno di un’organizzazione.

Gli strumenti di BI consentono agli utenti business di accedere a diversi tipi di dati, storici e attuali, di terze parti e interni, nonché a dati semi-strutturati e dati non strutturati come i social. Gli utenti possono analizzare queste informazioni per ottenere insight dettagliati sulle prestazioni dell’azienda e su quali siano i prossimi passi da compiere.

Secondo la rivista CIO: “Sebbene la business intelligence non dica agli utenti business cosa fare o cosa accadrà se seguono un determinato corso, la BI non si limita a generare report, ma offre alle persone un modo per esaminare i dati al fine di comprendere le tendenze e ricavare insight¹.

Le organizzazioni possono utilizzare gli insight acquisiti dalla business intelligence e dall’analisi dei dati per migliorare le decisioni aziendali, individuare problemi, cogliere le tendenze del mercato e trovare nuove entrate oppure opportunità di business.

La business intelligence (BI) è descrittiva e consente di prendere decisioni aziendali migliori, basate su una base di dati aziendali attuali. L’analitica di business (BA) è quindi un sottoinsieme della BI, che fornisce un’analisi prescrittiva e lungimirante. È l’ombrello dell’infrastruttura di BI che include gli strumenti per l’identificazione e lo storage dei dati per il processo decisionale.

La BI potrebbe dire a un’organizzazione quanti nuovi clienti sono stati acquisiti il mese scorso e se le dimensioni degli ordini sono aumentate o diminuite per il mese.

Al contrario, l’analytics aziendale potrebbe prevedere quali strategie, basate su quei dati, trarrebbero maggiori benefici per l’organizzazione. Ad esempio: cosa succede se aumentiamo la spesa pubblicitaria per offrire ai nuovi clienti un’offerta speciale?

Le piattaforme di BI si affidano tradizionalmente ai data warehouse per le informazioni di base. La loro forza è quella di aggregare i dati provenienti da più fonti di dati in un unico sistema centrale per supportare l’analytics dei dati aziendali e la reportistica. La business intelligence presenta i risultati all’utente sotto forma di report, grafici e mappe, che possono essere visualizzati attraverso una dashboard.

I data warehouse possono includere un motore di elaborazione analitica online (OLAP) per supportare query multidimensionali. “Quali sono le vendite della nostra regione orientale rispetto a quella occidentale di quest’anno, rispetto all’anno scorso?”

OLAP fornisce una potente tecnologia per il data discovery, l’agevolazione della business intelligence, i calcoli analitici complessi e l’analytics predittiva. Uno dei principali vantaggi dell’OLAP è la coerenza dei suoi calcoli, che può contribuire a migliorare la qualità del prodotto, le interazioni con i clienti e il processo aziendale.

I data lakehouse vengono ora utilizzati anche per la business intelligence. Il vantaggio di un data lakehouse è che tenta di risolvere le sfide principali sia nei data warehouse, sia nei data lake per offrire una soluzione di gestione dei dati più ideale per le organizzazioni. Un lakehouse rappresenta l’ultima evoluzione delle soluzioni di gestione dei dati.

I passaggi eseguiti in BI di solito scorrono in questo ordine:

• Fonti di dati: individua i dati da esaminare e analizzare, ad esempio da un data warehouse o data lake, cloud, Hadoop, statistiche di settore, supply chain, CRM, inventario, prezzi, vendite, marketing o social.
  
  
• Raccolta dei dati: raccogli e pulisci i dati da varie fonti. Questa preparazione dei dati potrebbe consistere nella raccolta manuale delle informazioni in un foglio di calcolo o in un programma automatico di estrazione, trasformazione e caricamento (ETL).
  
  
• Analisi: cerca tendenze o risultati inaspettati nei dati. Questo potrebbe richiedere l’utilizzo di strumenti di data mining, data discovery o data modeling .
  
  
• Visualizzazione: crea visualizzazioni dei dati, grafici e dashboard che utilizzano strumenti di business intelligence come Tableau, Cognos Analytics, Microsoft Excel o SAP. Idealmente, questa visualizzazione include funzionalità di drill-down, drill-through e drill-up per consentire agli utenti di analizzare vari livelli di dati.
  
  
• Piano d’azione: sviluppa insight utili basati sull’analisi dei dati storici rispetto agli indicatori chiave di prestazione (KPI). Le azioni potrebbero includere processi più efficienti, cambiamenti nel marketing, la risoluzione di problemi della supply chain o l’adattamento di problemi nell’ambito dell’esperienza del cliente.
  

Alcuni nuovi prodotti di business intelligence possono estrarre e caricare direttamente i dati non elaborati utilizzando tecnologie come Hadoop, ma i data warehouse rimangono spesso la fonte dati preferita.

Il termine “business intelligence” è stato utilizzato per la prima volta nel 1865 dall’autore Richard Millar Devens, quando ha citato un banchiere che ha raccolto informazioni di mercato prima dei suoi concorrenti.

Nel 1958, uno scienziato informatico di IBM® di nome Hans Peter Luhn ha scoperto il potenziale dell’utilizzo della tecnologia per la business intelligence. La sua ricerca ha contribuito a stabilire i metodi per la creazione di alcune delle prime piattaforme di analisi di IBM.

Negli anni 60’ e ‘70, i primi sistemi di gestione dei dati e sistemi di supporto decisionale (DSS) hanno iniziato ad memorizzare e organizzare i volumi crescenti di dati. “Numerosi storici suggeriscono che la versione moderna della business intelligence si sia evoluta dal database DSS”, afferma Dataversity, un sito di formazione IT.”

In questo periodo sono stati creati una serie di strumenti per accedere e organizzare i dati in maniera più semplice. L’OLAP, i sistemi informativi esecutivi e i data warehouse erano alcuni degli strumenti sviluppati per lavorare con il DSS”.²

Negli anni ‘90 la BI stava diventando sempre più popolare, ma la tecnologia era ancora complessa. Di solito richiedeva il supporto IT, che spesso portava a lavoro arretrato e ritardi nella generazione dei report. Anche senza l’IT, gli analisti e gli utenti di business intelligence avevano bisogno di una formazione approfondita per essere in grado di interrogare e analizzare i dati con successo.³

La business intelligence è tanto un modo di pensare quanto un insieme di hardware e software. Adottando una cultura basata sui dati, basata su un set completo di approcci, processi, tecnologia digitale e analisi dei dati, un’organizzazione può trovare nuovi insight per prendere decisioni aziendali migliori e ottenere nuovi vantaggi.

L’installazione di un nuovo pacchetto software di business intelligence da solo non comporta questo cambiamento culturale.

• Reportistica più chiara: la BI offre alle organizzazioni la possibilità di porre domande in un linguaggio semplice e ottenere risposte comprensibili. Le dashboard consentono di dare priorità alle informazioni più importanti, facendo risparmiare tempo sia agli esperti di dati sia ai membri non tecnici del team.
  
  Invece di utilizzare le migliori ipotesi, il personale può basare le decisioni sulle informazioni derivate dai dati aziendali, che si tratti di produzione, supply chain, clienti o tendenze di mercato. I dati possono aiutare a rispondere alle domande urgenti di un’organizzazione: perché le vendite stanno calando in questa regione? Dove abbiamo l’inventario in eccesso? Cosa dicono i clienti sui social media?
  
  
• Dati consolidati: la business intelligence fornisce insight aziendali estraendo e consolidando i dati da più fonti, interne ed esterne, per un’analisi completa. Fornendo un quadro accurato dell’attività e del mercato, la business intelligence offre all’organizzazione i mezzi per progettare una strategia aziendale.
  
  
• Crea nuove efficienze: le organizzazioni possono monitorare le operazioni aziendali rispetto ai benchmark e correggere o apportare miglioramenti in modo continuativo, tutto questo grazie agli insight sui dati. L’analitica può scoprire ed eliminare i colli di bottiglia della produzione o della supply chain.
  
  I manager possono monitorare le prestazioni del personale per individuare dove possono essere apportate modifiche organizzative. La gestione della supply chain può essere migliorata monitorando le attività lungo tutta la filiera e comunicando i risultati a partner e fornitori.
  
  
• Approfondimento degli insight: la business intelligence aiuta le organizzazioni a essere più orientate ai dati, per migliorare costantemente le prestazioni aziendali, ottenere un vantaggio competitivo e individuare nuovi clienti e nuove opportunità. Le organizzazioni possono migliorare il ROI conoscendo la loro attività e il loro mercato e allocando in modo intelligente le risorse per raggiungere gli obiettivi strategici.
  
  I nuovi insight sui dati possono rivelare il comportamento dei clienti, le preferenze e le tendenze del mercato. In più, consentono agli operatori di marketing di rivolgersi meglio ai potenziali clienti o di adattare i prodotti alle mutevoli esigenze del mercato.
  
  
• Processo decisionale più rapido: man mano che i progressi vengono monitorati e analizzati digitalmente, è possibile prendere decisioni più informate più rapidamente per aggiustamenti più rapidi sul marketplace.
  
  
• Aumenta la soddisfazione del cliente: quando il personale del servizio clienti ha accesso ai dati e agli insight dei clienti, può fornire le informazioni richieste e risolvere i problemi più rapidamente.
  
  
• Aumenta la soddisfazione dei dipendenti: l’accesso autonomo a dati aziendali importanti può ottimizzare i workflow in modo che il personale possa svolgere il proprio lavoro più rapidamente, con meno passaggi aggiunti o ripetitivi.

• Conclusioni contraddittorie: la business intelligence self-service consente a più team di cercare gli insight di cui hanno bisogno, ma può anche portare a conclusioni divergenti, il che può creare più attriti invece di un piano d'azione unificato. Questo può essere particolarmente vero se nell'analisi si insinuano pregiudizi tipici dell'uomo.
  
  
• Carenza di competenze: la necessità di integrazione dei dati potrebbe essere difficile, data un'ampia varietà di fonti, e l'integrazione potrebbe superare le funzionalità attuali. È necessaria esperienza nella data science, nell'ingegneria e nell'architettura per contribuire a garantire che l'analisi fornisca insight che riflettano la realtà.
  
  
• Costi iniziali: i costi iniziali per sviluppare un sistema di BI potente e moderno possono sembrare elevati, ma i risparmi generati dall'analisi compenseranno l'investimento.

I dati sono la linfa vitale delle organizzazioni di successo. Oltre ai ruoli tradizionali in materia di dati (data engineer, data scientist, analisti e architetti), i responsabili delle decisioni di un’organizzazione hanno bisogno di un accesso flessibile e self-service agli insight basati sui dati accelerati dall’intelligenza artificiale (AI).

Dal marketing alle risorse umane, dalla finanza alla supply chain e altro ancora, i responsabili delle decisioni possono utilizzare questi insight per migliorare il processo decisionale e la produttività a livello aziendale.

Le organizzazioni traggono beneficio dalla possibilità di valutare completamente le operazioni e i processi, comprendere i propri clienti, sondare il mercato e promuovere il miglioramento. Hanno bisogno degli strumenti giusti per aggregare le informazioni aziendali da qualsiasi luogo, analizzarle, portare alla luce i pattern e trovare soluzioni.

Per realizzare un sistema di BI in grado di rendere tutto questo possibile, le organizzazioni dovrebbero:

• Stabilisci obiettivi aziendali chiari: determinare le informazioni più preziose e fruibili consente a un’organizzazione di identificare i dati che devono essere raccolti o reperiti e di selezionare le funzioni del sistema di BI necessarie per fornire tali informazioni.
  
  
• Addestramento completo degli utenti: il cambiamento culturale per diventare un’organizzazione basata sui dati è più realizzabile quando a tutti gli utenti vengono fornite indicazioni chiare e convincenti sui nuovi strumenti. Un addestramento non approfondito o un hacking autoguidato potrebbero scoraggiare l’adesione del team o produrre risultati imprecisi.
  
  
• Monitora la qualità e la pertinenza dei dati: per garantire che i risultati siano coerenti e affidabili è necessario un monitoraggio costante dei dati. Con l’evolversi delle condizioni di mercato, potrebbe essere necessario aggiungere nuove misure o sviluppare diversi formati di rendicontazione per una maggiore chiarezza. I set di dati di input devono essere solidi e imparziali e gestiti secondo chiari standard di governance che garantiscano che siano sicuri, privati, accurati e utilizzabili.
  
  Tutti i modelli AI che caratterizzano il processo decisionale e le previsioni devono essere spiegabili e trasparenti. Inoltre, il sistema di BI deve collegarsi a un’ampia varietà di sistemi di dati tra le funzioni aziendali ed essere utilizzabile anche da chi non è un analista di dati professionista.
  
  
• Garantisci l’accesso ai dati ai responsabili delle decisioni: molte aziende sono rimaste indietro. I dati essenziali non vengono acquisiti o analizzati a sufficienza, secondo un rapporto IDC⁴ che stima che fino al 68% dei dati aziendali non vengano sfruttati. Le aziende con un’architettura di dati moderna e una solida adozione della BI godono di un vantaggio competitivo: sono posizionate per progredire ulteriormente adottando pratiche decisionali in tempo reale e analitica predittiva.

La business intelligence aggiunge valore a molteplici funzioni in quasi tutti i settori. Ad esempio:

Servizio clienti: con le informazioni sui clienti e i dettagli del prodotto disponibili attraverso un’origine dati unificata, gli agenti del servizio clienti sono in grado di rispondere rapidamente alle domande dei clienti o iniziare a risolvere i problemi dei clienti.

Finanza e banche: le società finanziarie possono determinare l’attuale stato di salute e i rischi dell’organizzazione e prevedere il successo futuro visualizzando le cronologie combinate dei clienti e le condizioni di mercato. I dati possono essere esaminati filiale per filiale con un’unica interfaccia per individuare opportunità di miglioramento o ulteriori investimenti.

Assistenza sanitaria: i pazienti possono ottenere rapidamente risposte a molte domande urgenti sull’assistenza sanitaria senza porre domande dispendiose in termini di tempo al personale o ai medici. Le operazioni interne, compresi gli inventari, sono più facili da tracciare, costantemente.

Retail: i rivenditori possono aumentare i risparmi sui costi confrontando le prestazioni e i benchmark tra negozi, canali e regioni. Inoltre, grazie alla visibilità del processo di gestione dei sinistri, gli assicuratori possono vedere dove mancano gli obiettivi di servizio e utilizzare queste informazioni per migliorare i risultati.

Vendite e marketing: unificando i dati su promozioni, prezzi, vendite, azioni dei clienti e condizioni di mercato, gli operatori di marketing e i team di vendita sono in grado di pianificare meglio promozioni e campagne future. Il targeting o la segmentazione dettagliati possono aiutare a incrementare le vendite.

Sicurezza e conformità: dati centralizzati e una dashboard unificata possono migliorare la precisione e aiutare a determinare le cause profonde dei problemi di sicurezza. La conformità alle normative può essere semplificata con un unico sistema per la raccolta dei dati di reporting.

Analisi statistica: utilizzando l’analytics descrittiva, le organizzazioni possono rivedere le statistiche per individuare nuove tendenze e scoprire perché tali tendenze si stanno sviluppando.

Supply chain: i dati mondiali su un unico pannello di controllo (SPOG) possono accelerare la circolazione delle merci e l’identificazione delle inefficienze e dei colli di bottiglia della supply chain.

I recenti sviluppi nella business intelligence si concentrano sulle applicazioni di BI self-service, che consentono agli utenti non esperti nella tecnologia di utilizzare analisi e report automatici. Il team IT rimane responsabile della gestione dei dati aziendali, inclusi l’accuratezza e la sicurezza, ma ora più team possono avere accesso diretto ai dati ed essere responsabili delle proprie analisi, piuttosto che avere il lavoro in coda per l’esecuzione dell’IT.

Si prevede che i continui progressi nei moderni sistemi di business intelligence e analisi integreranno algoritmi di apprendimento automatico e AI per semplificare le attività complicate. Con la nuova enfasi sul self-service, queste funzionalità possono anche accelerare la capacità dell’azienda di analizzare i dati e ottenere insight a un livello più profondo.

I sistemi basati sull’AI sono in grado di leggere da più fonti in modo automatico e di cogliere le informazioni più pertinenti per guidare il processo decisionale.

Ad esempio, considera come IBM Cognos Analytics unisca l’analisi dei dati e gli strumenti visivi per supportare la creazione di mappe per i report. Il sistema utilizza l’AI per individuare automaticamente le informazioni geografiche. Può quindi perfezionare le visualizzazioni aggiungendo la mappatura geospaziale di tutto il pianeta, di un singolo quartiere o di qualsiasi altra vista intermedia.

Le moderne soluzioni di business intelligence funzionano su piattaforme basate su cloud per estendere la portata della BI in tutto il mondo. Gli insight sui consumatori possono essere tratti dai big data, producendo così informazioni che vanno da descrittive a predittive. Molte soluzioni di business intelligence ora includono l’elaborazione in tempo reale, consentendo in questo modo un processo decisionale immediato.

Ulteriori progressi nei sistemi di BI di livello aziendale includono le query in linguaggio naturale, che sono più facili per gli utenti non esperti di SQL. In alcuni sistemi di BI sono disponibili funzionalità di sviluppo a uso limitato di codice o no-code in modo che gli utenti possano creare i propri strumenti, app e interfacce di reportistica per accelerare ulteriormente le risposte e il time-to-market.