Rendere l’analytics accessibile in self-service a tutta l’organizzazione è un obiettivo tanto tecnologico quanto culturale. Da un panel organizzato da Fivetran con tre aziende fintech (AJ Bell, piattaforma di investimento; OrderPay, pagamenti per hospitality e leisure; e Tide, conti bancari mobile-first per 450.000 piccole imprese) emergono tre osservazioni ricorrenti. Il resoconto è di parte, ma i temi sono comuni a molte realtà.
L’accesso ai dati è una priorità crescente
Linee di business e dirigenti chiedono dati tempestivi, completi e accurati per riportare su processi operativi, marketing, finanza o rischio. Non vogliono attendere giorni o settimane che un analista estragga un report: hanno bisogno delle informazioni in pochi minuti. Oltre al reporting, tutte le aziende del panel stavano avviando analytics predittiva e avanzata, indicandola come un focus dei prossimi anni. Il punto ricorrente è la volontà di costruire una cultura del dato in cui le informazioni siano disponibili a tutti, senza il «heavy lifting» di data scientist ed engineer spesso chiamati a costruire connettori tra silos.
La tecnologia legacy crea attrito
Pur partendo da soluzioni legacy diverse, le tre aziende raccontavano problemi comuni. Dataset in crescita e un numero crescente di applicazioni rendevano difficile, per team spesso piccoli, stare dietro alle richieste di dashboard e report. La pressione ricadeva anche sugli engineer, impegnati a costruire pipeline manuali. Il risultato: professionisti altamente qualificati rallentati da attività di routine, un fattore che la ricerca cita tra i principali freni alla maturità sull’AI. Ricorrente anche il tema dell’affidabilità, con team costretti a riparare pipeline rotte nei weekend e report a volte indisponibili.
L’automazione porta risultati
Le tre aziende usano soluzioni diverse, ma in tutti i casi l’automazione ha dato benefici concreti. AJ Bell riesce ora a individuare i momenti della settimana in cui i clienti convertono di più o di meno e ad agire di conseguenza; il suo team di dati, raccontano, ha recuperato i weekend per la prima volta in cinque anni. Gli analisti di OrderPay non dipendono più dal tempo degli engineer per accedere ai dati, e l’automazione ha liberato il 20 percento del tempo del team per iniziative più strategiche. Tide, infine, ha democratizzato l’accesso ai dati mantenendo controlli di governance stringenti sulle informazioni sensibili dei clienti.
- Il self-service analytics richiede un cambiamento culturale oltre che tecnologico.
- I sistemi legacy generano pipeline manuali e problemi di affidabilità che assorbono tempo qualificato.
- L’automazione dell’ingestion libera tempo per attività strategiche e abilita la democratizzazione del dato con governance adeguata.
Fonte: Driving self-service analytics on the modern data stack — https://www.fivetran.com/blog/driving-self-service-analytics-on-the-modern-data-stack
Hai qualcosa da aggiungere? Unisciti alla discussione.