Come comprendere, analizzare e comunicare informazioni complesse.
Nell’era digitale odierna, ci troviamo immersi in contesti sempre più complessi, in cui le interrelazioni e le connessioni tra parti rendono difficile la gestione di sistemi, processi e organizzazioni. Le aziende, indipendentemente dal settore, si trovano a dover fronteggiare una vasta quantità di informazioni provenienti da diverse fonti. Il successo nell’elaborazione e nell’utilizzo di tali dati può fare la differenza tra il successo e l’insuccesso in un mercato sempre più competitivo. È in questo contesto che la trasformazione data-driven assume un ruolo centrale.
Il Valore dei Dati nell’Economia Digitale
Le informazioni nell’economia digitale possono essere considerate come beni economici e asset immateriali. Le aziende con dati affidabili e di alta qualità sui propri servizi e processi possono prendere decisioni più rapide e migliori, aumentando l’efficienza operativa. Tuttavia, è essenziale comprendere che i dati non hanno valore intrinseco. Questi diventano preziosi solo quando vengono abilitati per prendere decisioni o trarre informazioni significative.
Ma come si governa la complessità di questi dati e come si diventa davvero data driven?
Abbiamo dato una risposta a queste domande attraverso un ciclo di appuntamenti dedicati alla comprensione, analisi e comunicazione di informazioni complesse. Tre tavole rotonde online organizzate da LARUS con lo scopo di integrare competenze, punti di vista ed esperienze di esperti sul tema, per approfondire nel dettaglio le diverse fasi di approccio alla trasformazione data-driven, partendo dai concetti e dal mindset, fino agli aspetti più pratici e concreti.
I temi affrontati:
La partecipazione al mondo dei dati
Per governare la complessità all’interno di aziende e istituzioni il tema della democratizzazione dei dati è fondamentale, in quanto consente a tutti i membri dell’organizzazione l’accesso a informazioni e intuizioni cruciali. Il primo concetto di introduzione, allora, riguarda proprio l’impatto della cultura aziendale e della democratizzazione dei dati sulla trasformazione in una data driven company, individuando nella data storytelling lo strumento per comunicare in modo efficace le informazioni.
Ci hanno accompagnati in questo appuntamento:
– Grazia Giancotti, Chief operations officer di LARUS
– Francesco Sinatora, Psicoterapeuta, consulente e formatore di Train de Vie
– Stefano Cedrone, Social innovation Designer di Train de Vie
– Irene Capatti, Founder & Service Designer di Giallocobalto
– Alberto Fassio, Operations manager presso Rai Way
Come la rappresentazione influisce sulla comprensione
La rappresentazione grafica dei dati influisce sulla comprensione delle informazioni complesse. Il tema non solleva solo una questione di stile. Si rivela, infatti, cruciale per rendere le informazioni complesse accessibili e facilmente fruibili. Alcuni principi e tecniche di data visualization, sono determinanti nel trasformare montagne di dati in panorami chiari e comprensibili.
Hanno guidato l’incontro:
– Simone Ceccarelli, Head of Data Visualization di LARUS
– Marco Liberati, Software Engineer presso Elastic
La forza delle connessioni
Davanti a sistemi complessi il modo più naturale per gestire le informazioni è metterle in relazioni tra loro ripensandole in termini di interconnessioni. Questi sono i concetti che stanno alla base del Graph Thinking, l’approccio naturale e più intuitivo per rappresentare e comprendere la complessità. In quest’ottica, la Graph Visualization dà il suo meglio nell’esplorare e analizzare i dati con il fine di scoprire nuovi modelli e relazioni nascoste.
L’appuntamento è stato arricchito dai contributi di:
– Alberto De Lazzari, Chief Scientist di LARUS
– Carla Vollaro, General Manager di Eurocredit Business Information e e CEO di Servizi Sicuri
– Riccardo Ciarlo: Country Manager Italy di Neo4j
– Giulia Rotondo: Head of Partnerships and Alliances presso Linkurious
Un tema di partecipazione al mondo dei dati
In un mondo in cui le informazioni rappresentano un’inesauribile fonte di conoscenza e vantaggio competitivo, la democratizzazione dei dati si configura come un potente strumento per spingere l’azienda verso un cambiamento autentico. Spesso, le organizzazioni che adottano una cultura aziendale orientata ai dati sono in grado di ottenere un notevole vantaggio rispetto ai concorrenti. Questo è dovuto al fatto che ogni dipendente diventa un attore informato e responsabile nella presa di decisioni.
Al fine di promuovere una cultura data-driven all’interno dell’organizzazione, è cruciale coinvolgere tutti i dipendenti, indipendentemente dal loro ruolo o livello gerarchico. In questo modo, le risorse informative prima riservate ad una cerchia ristretta di esperti, diventano accessibili ad un pubblico più ampio. Ogni individuo diventa in grado di prendere decisioni informate e basate su fatti concreti, abbandonando l’approccio decisionale basato sull’intuizione o l’esperienza personale.
Tuttavia, la democratizzazione dei dati non è una semplice azione di distribuzione indiscriminata delle informazioni. Essa richiede un equilibrio tra accessibilità e sicurezza, in modo da garantire che i dati siano condivisi in modo responsabile e che la privacy sia rispettata. Una corretta governance dei dati è essenziale per garantire che le informazioni sensibili siano accessibili a coloro che ne hanno effettivamente bisogno. L’insieme di politiche, procedure e controlli che guidano alla gestione del dato impediscono, infatti, una democratizzazione confusionaria che comporterebbe interpretazioni errate dei dati e rischi di violazioni. Queste includono la definizione di specifiche responsabilità, regole di accesso e protocolli di sicurezza.
Affrontare un cambiamento culturale
Questo cambiamento culturale richiede comunque una predisposizione al dialogo aperto e all’apprendimento continuo. Gli esperti dei dati dovrebbero essere incoraggiati a condividere le loro conoscenze con i colleghi e ad aiutare nella comprensione e nell’interpretazione dei dati. Dall’altra parte, i dipendenti devono essere disposti ad apprendere le competenze necessarie per lavorare con i dati in modo efficace, sfruttando al massimo il loro potenziale.
La trasparenza nell’utilizzo dei dati e il coinvolgimento di tutti i membri dell’azienda nella definizione di obiettivi e metriche chiave si rivelano avere un grande impatto sulla percezione che si ha del proprio luogo di lavoro. Quando ogni dipendente è consapevole del ruolo che i dati giocano nell’orientare le decisioni aziendali, il senso di appartenenza e il coinvolgimento aumentano notevolmente. La cultura data-driven si basa sulla prova e sulla misurabilità, spingendo i dipendenti a prendere decisioni basate sui dati. Ciò crea un ambiente in cui l’innovazione e la collaborazione sono favorite. Ciascun individuo, coerentemente con il proprio ruolo, ha infatti accesso alle migliori informazioni utili a svolgere il suo lavoro. Allo stesso tempo, può inoltre contribuire ad arricchire il bacino di conoscenza a disposizione dei colleghi, partecipando attivamente alla crescita e al successo dell’azienda.
L’implementazione di una cultura data-driven non è priva di sfide.
È possibile che alcuni dipendenti si sentano intimoriti riguardo all’utilizzo dei dati, frenati dai cambiamenti organizzativi che l’innovazione comporterà, scettici all’idea di dover abbandonare prassi e strumenti consolidati in favore di nuovi approcci e tecnologie. Quando ciò si verifica, è compito dei leader fornire il sostegno e le risorse necessarie per superare queste barriere. Una precisa ed esaustiva comunicazione dei vantaggi, un’adeguata formazione rispetto a procedure e tecnologie, e in generale la creazione di un ambiente inclusivo, possono aiutare a superare le resistenze iniziali al cambiamento e a raggiungere una cultura in cui il valore dei dati sia ampiamente riconosciuto e adottato.
Come la rappresentazione influisce sulla comprensione
Parlare di data visualization non solleva solo una questione di stile e non definisce solamente i parametri per l’ottenimento di un aspetto visivo attraente: la giusta rappresentazione dei dati costituisce a tutti gli effetti un’arma potente per rendere le informazioni complesse accessibili e facilmente comprensibili. Essa si presenta come una disciplina fondamentale per gestire il flusso incessante di dati generati dalle aziende. Allo stesso tempo, costituisce un prezioso strumento per evitare che questo labirinto di informazioni diventi confuso o fuorviante.
Perché la visualizzazione è così importante?
Con una velocità di trasferimento dati di 100 MB/s, negli esseri umani la visione è veloce e parallela. Opera in modo automatico senza che ne siamo consapevoli, prevedendo lo svolgimento di operazioni mentali in simultanea. Prima dell’entrata in gioco dell’attenzione, siamo già in grado di estrarre le caratteristiche principali attraverso una forma di elaborazione preattentiva. In una rappresentazione, i processi preattentivi estraggono caratteristiche come forma, colore e movimento, rilevando pattern e caratteristiche di rilievo senza dover analizzare ogni singolo dato.
Diventa chiaro, allora, come la scelta del giusto tipo di visualizzazione sia fondamentale per una data visualization efficace. La semplicità, l’uso efficace dei colori, la leggibilità e l’aggiunta di elementi interattivi sono tutte pratiche essenziali per garantire che le visualizzazioni dei dati siano comprensibili e coinvolgenti per il pubblico.
L’obiettivo di una visualizzazione in ambito organizzativo chiaramente non è la realizzazione di un’opera d’arte, ma è l’evidenziazione di un insight, di una scoperta in grado di supportare e indirizzare il processo di decision making. Una buona visualizzazione, secondo Simone Ceccarelli, Head of Data Visualization in LARUS deve quindi amplificare le performance cognitive. Deve trovare un compromesso tra forma (colori, effetti tridimensionali, giochi di luci e ombre, abbellimenti vari) e funzione (forme, colori, lunghezze, aree e volumi significativi per la comprensione del dato) puntando al giusto ed equilibrato mix delle due.
Da dove iniziare?
È bene tenere a mente che lo scheletro della visualizzazione dovrebbe essere sempre dettato dalla sua funzione. A questo segue, poi, un perfezionamento del design fino all’ottenimento di una buona forma. Svolgere il lavoro al contrario, partendo dalla forma, renderebbe invece difficile aggiungere al design la funzione.
Come espresso a più riprese da Marco Liberati nel corso del secondo appuntamento di “Governare la complessità”, però, una buona rappresentazione non è di valore se non mette al centro i concetti di trasparenza e integrità, pilastri fondamentali della data visualization. Solo attraverso un approccio trasparente e integro alla presentazione dei dati è possibile costruire fiducia tra i vari stakeholder e garantire che le informazioni siano utilizzate in modo corretto e responsabile.
Trasparenza
Quando i dati vengono rappresentati graficamente in modo chiaro e accurato, si promuove una maggiore trasparenza all’interno dell’organizzazione. I dipendenti di tutti i livelli, coerentemente con i loro diritti di accesso, sono in grado di vedere e comprendere gli stessi dati. In questo modo si elimina il rischio di manipolazione o interpretazioni errate. Ciò favorisce un ambiente di lavoro in cui ogni individuo può contribuire attivamente con decisioni basate su informazioni affidabili e condivise.
Integrità
Il concetto di integrità, invece, sottolinea la necessità di presentare i dati in modo onesto e preciso. Questo implica il non distorcere la realtà o nascondere, parzialmente o totalmente, informazioni rilevanti. Usi ingannevoli dell’area, del volume e della prospettiva introducono alterazioni e finzioni nella rappresentazione contrarie ad una corretta visualizzazione dei dati. Una visualizzazione dei dati onesta fornisce una rappresentazione fedele delle informazioni. Non cade in esagerazioni o semplificazioni eccessive che potrebbero portare a conclusioni errate e a conseguenti decisioni sbagliate. La trasparenza e l’integrità della visualizzazione dei dati si inseriscono, quindi, come principi guida essenziali per costruire una cultura aziendale basata su informazioni affidabili e decisioni informate.
Attraverso una data visualization ben progettata, i dati complessi possono essere trasformati in rappresentazioni chiare, rendendo possibile individuare trend, identificare opportunità e affrontare sfide. Anche sul lungo termine, rappresentazioni chiare, accurate e al contempo esteticamente gradevoli risultano essere più facilmente ricordate, avendo lasciato nell’osservatore un forte impatto e un senso di maggiore significatività.
Approfondire le tecniche di data visualization aiuta a ribadire l’importanza che questo strumento ha all’interno di una più generale azione di democratizzazione dei dati affinché questi diventino accessibili e comprensibili a tutti i livelli dell’organizzazione. Sfruttare correttamente la data visualization rende più semplice la condivisione delle informazioni. Conseguentemente si semplifica anche la presa di decisioni informate e strategiche a tutti i livelli dell’organizzazione che acquista, in questo modo, un vantaggio competitivo nell’affrontare le sfide del mondo moderno.
La forza delle connessioni
Abbiamo iniziato questo approfondimento partendo dall’assunto che viviamo in sistemi sempre più complessi, in cui la pervasività dei dati rappresenta un’inestimabile ricchezza informativa che va approfondita, analizzata, compresa, rappresentata e, infine, democratizzata. Abbiamo dunque introdotto l’importanza di una cultura aziendale orientata ai dati e l’impatto di una corretta visualizzazione degli stessi. Per comprendere e governare la complessità manca dunque un tassello fondamentale, un elemento tecnico cruciale all’interno del processo di trasformazione data driven: l’analisi delle connessioni.
Per introdurla ci affidiamo ad una citazione del fisico Albert-Laszlo Barabasi, pioniere nella scienza delle reti. Egli afferma che la comprensione completa dei sistemi complessi richiede la conoscenza approfondita delle reti, e quindi delle connessioni, che li sottostanno.
“We will never understand complex systems unless we develop a deep understanding of the networks behind them”
Network Science, Albert-Laszlo Barabasi
I sistemi complessi sono onnipresenti nel nostro mondo. Ci circondano ricoprendo un ruolo fondamentale nella nostra vita quotidiana. Non ce ne accorgiamo ma scienza, economia, biologia, sono governati proprio da questi sistemi. La vita stessa, l’interazione tra le molecole, tra farmaci e proteine, tra proteine e proteine sono rappresentate e vengono descritte da sistemi complessi. Comprendere e descrivere questi sistemi è una delle più grandi sfide del nostro secolo.
La struttura e l’evoluzione di questi sistemi sono governate da regole fondamentali comuni. Indipendentemente dai domini che vanno a descrivere, questi sistemi si manifestano attraverso reti e grafi. L’approccio a grafo, per l’appunto, costituisce il modo più naturale e intuitivo per rappresentare sistemi complessi. Includendo solo nodi e connessioni, (rispettivamente dati e relazione tra gli stessi) permette di visualizzarli in modo chiaro ed esplicito, di navigarli, indagarli ed estrarvi nuova conoscenza.
L’analisi di un sistema complesso
Per poter dire di conoscere a fondo un sistema, per definizione, è imprescindibile aver prima approfondito le connessioni tra i componenti che lo caratterizzano.
L’analisi di un sistema complesso per avere valore deve porre la massima attenzione sul dato di partenza. Questo, in quanto punto cardine, deve sempre essere di qualità, caratteristica non banale in una situazione di sovrapproduzione come quella odierna. Nel corso del terzo appuntamento di “Governare la complessità”, Carla Vollaro, General Manager di Eurocredit Business Information e CEO di Servizi Sicuri, ha infatti sottolineato come fino a un paio di decenni fa le fonti informative accessibili fossero per lo più dati ufficiali, dati pubblici. Più di recente, con l’avanzata dei Big Data, delle grandi masse di dati, le fonti informative sono diventate spropositate. Il problema oggi non è, infatti, reperire i dati. Questi sono talmente tanti e talmente variegati, di provenienza talmente diversa e di strutture talmente diverse che la questione non è più tanto averli ma gestirli, in un processo che include la loro acquisizione, analisi, amalgama e interconnessione.
L’analisi delle reti: quali ambiti di applicazione
L’analisi delle reti trova applicazione in molteplici campi, dal fintech all’health care, dalle amministrazioni pubbliche alle aziende manifatturiere o di distribuzione, fino all’investigazione, alla sicurezza e oltre, con un evidente grande impatto su innumerevoli realtà. Tra gli esempi più noti, aziende come Google e Facebook basano le loro attività e tecnologie sulle reti per comprendere il comportamento degli utenti e guidare i loro modelli di business.
Per esempio, la ricerca di un determinato artista su Google porterà il motore di ricerca a restituire non solo una biografia e un elenco di opere, ma anche il loro luogo di realizzazione e da qui, per esempio, informazioni su quei territori, informazioni sul periodo storico, il movimento artistico, o su altri artisti o personalità ad esso collegate. Il contesto si amplia quindi verso altri domini che ci permettono di avere una maggiore conoscenza dell’oggetto della nostra ricerca.
Per Facebook, invece, è importante conoscere il tipo di utente, le amicizie, le pagine seguite, i like, i contenuti pubblicati e in generale qualsiasi preferenza sulla base della quale proporre e vendere servizi, pubblicità o motori di raccomandazione.
La forza delle connessioni nella fraud detection
Uno dei contesti in cui è possibile apprezzare al meglio la forza delle connessioni è, però, probabilmente il contrasto alle frodi e al riciclaggio, un ambito di applicazione caratteristico del mondo assicurativo, bancario, finanziario, ma anche di tantissime aziende di utilities e servizi che possono essere colpite da attività che sono fuori dalla policy commerciale o, per l’appunto, da attività criminali di frode nei confronti dell’azienda stessa o di altri utenti.
Per esempio, parlando di complessità, Riccardo Ciarlo, responsabile di Neo4J per l’Italia (azienda pioniera e leader globale nei database a grafo) testimonia come l’identificazione di un singolo comportamento fraudolento sia piuttosto semplice, quello che è impossibile fare con i sistemi tradizionali, che non prevedono l’analisi delle connessioni, è identificare se, dietro una serie di comportamenti che singolarmente risultano regolari, in realtà non si nasconda una frode, individuabile solamente se messi in connessione tra di loro.
Ma c’è anche un altro interessante lato della medaglia, ovvero la necessità di smentire un caso di rischio frode qualora si tratti di un falso positivo, per esempio in un trasferimento di denaro internazionale. Giulia Rotondo, Head of Partnerships and Alliances di Linkurious (azienda leader nella visualizzazione e investigazione dei grafi), descrive come, per risultare compliant con numerosi standard e linee guida, un sistema di analisi debba dimostrare non sono alti livelli di efficacia ma anche di efficienza, soprattutto in termini di tempo. Passare da un’analisi della singola transazione ad un’analisi olistica e storica che approfondisce le connessioni tra tutte le transazioni ed entità coinvolte riduce enormemente il tempo necessario a raggiungere un risultato affidabile, garantire la correttezza dell’azione di contrasto e, nondimeno, preserva una positiva esperienza utente.
Sistemi complessi dentro altri sistemi complessi
Sistemi complessi possono, dunque, essere trovati ovunque. Persino all’interno delle aziende stesse, la struttura organizzativa è solo una parte di un sistema più ampio che si compone non solo di persone ma anche, potenzialmente, di una catena produttiva, di un ecommerce, di una rete di distribuzione, di prodotti, clienti e transazioni. I vari domini che rappresentano un’azienda possono essere davvero tanti e, spesso, interconnessi. Esaminare queste reti separatamente ostacolerebbe una comprensione reale del sistema azienda in oggetto.
Analizzando, per esempio, una struttura organizzativa esclusivamente sul piano gerarchico potremmo sottovalutare il ruolo di una figura di livello basso che, invece, in termini di comunicazione interna alle diverse aree aziendali rappresenta inaspettatamente uno snodo cruciale. Studiare quindi l’organizzazione interna sfruttando una struttura a grafo che ne evidenzi le relazioni, anche nascoste, che vi intercorrono permette una miglior conoscenza delle dinamiche. Può quindi rendersi utile per la creazione, ad esempio, di team più bilanciati.
Valutazioni settoriali per tipologia di dato, o di fonte, o di analisi, che mantengono le cose distinte per silos impediscono di avere una visione completa del patrimonio informativo a disposizione.
Se nel contesto aziendale la questione è affrontabile in modo tutto sommato semplice, nel settore pubblico le cose si complicano.
Registri e banche dati ufficiali e pubblici non comunicano tra loro. I dati in essi contenuti non possono essere messi in correlazione e non possono essere quindi analizzati con quella visione olistica che è il sogno di ogni investigatore e analista. I silos e i tempi tecnici della pubblica amministrazione comportano quindi il persistere di dati obsoleti. Nell’attesa di ricevere gli aggiornamenti già registrati altrove, contribuiscono con informazioni quindi errate a studi di enti terzi che non possono far altro che recepire il prima possibile la variazioni e metterle a disposizione dell’utente.
Analizzare sistemi e dati complessi
Esistono due approcci principali per l’analisi dei sistemi complessi: locale e globale.
- L’approccio locale coinvolge il rilevamento all’interno di una rete di pattern significativi già noti e nascosti tra i dati, il cosiddetto pattern matching. Nel caso delle frodi finanziarie per esempio, gli esperti di dominio conoscono già molti modelli di comportamento che possono ricercare.
- L’approccio globale cerca di sintetizzare le informazioni all’interno della rete nel suo complesso, rivelando strutture, modelli, elementi ancora sconosciuti. Fondamentali in questo contesto sono gli algoritmi, ovvero quell’approccio scalabile che permette di analizzare globalmente la rete fornendo indicazioni per, appunto, comprendere il sistema e scoprire relazioni e, quindi, informazioni che spesso non si sapeva nemmeno di dover cercare.
In generale, il successo di un’analisi non è quindi determinato solo dalla rappresentazione di quel dominio come un sistema interconnesso. Gli algoritmi che vi si applicano sopra diventano, per l’azienda, un reale strumento per estrapolare una profonda conoscenza.
Il dato non è informazione
Nei sistemi complessi il dato non è informazione, l’informazione non è conoscenza e la conoscenza non è saggezza. Estrarre grandi quantità di dati ha di per sé poco senso se si ignora come poterli trasformare in informazioni rilevanti. Questi, infatti, da soli, scollegati tra di loro, hanno poca utilità di business. Le relazioni e la gestione delle relazioni diventano più importanti del dato stesso e determinano l’effettiva capacità delle applicazioni di estrarre dai dati informazioni di business utili ad ottimizzare i processi ed essere più competitivi.
Comprendere il modo in cui i diversi elementi interagiscono all’interno del sistema, rappresenta quindi quel vero valore aggiunto che è possibile sfruttare a proprio vantaggio. Analizzato con questo approccio, il semplice dato si trasforma in vera informazione, conoscenza. Nel momento in cui comprendo a fondo il sistema, la conoscenza diventa saggezza da democratizzare, sulla cui base agire.
I passi fondamentali per abbandonare i silos
All’inizio di questo processo le informazioni isolate, tipicamente i silos, impediscono una visione completa e globale. Devono quindi essere organizzate, consolidate, standardizzate, riconciliate, messe a fattor comune per poterne avere una visione globale. La conoscenza dev’essere poi rappresentata in fatti comprensibili anche alle macchine. Così come le informazioni hanno valore per tecnici ed esperti di dominio, hanno valore anche per i processi automatici del machine learning e dell’intelligenza artificiale.
Ai concetti espressi che definiscono il dominio va poi fornito contesto e significato. Si stabilisce, dunque, un linguaggio comune, condiviso e comprensibile che sia quindi disponibile all’organizzazione.
Si definisce quindi un modello per descrivere il sistema che rappresenta il dominio per poterlo analizzare nelle dinamiche che lo compongono.
La conoscenza e la comprensione del dominio così ottenute potrebbero non essere sufficienti a raggiungere tutti gli obiettivi ma sono sicuramente necessarie per prevedere cosa potrebbe succedere nel futuro, pianificare azioni e quindi agire per evitare o favorire determinati scenari.
Successivamente alla messa in atto delle azioni, avviene la misurazione. Verificare come sono cambiate le interazioni, le dinamiche all’interno del sistema, è fondamentale per capire se le azioni messe in atto hanno portato o meno un beneficio.
Il ruolo della tecnologia nella gestione dei Dati
La ricerca delle connessioni tra persone, imprese, eventi, luoghi, e in generale l’analisi di una grossa massa di dati si può fare solo attraverso un buon uso della tecnologia.
Lo snodo tecnologico non è solo incisivo ma necessario: nulla di quanto detto finora è realizzabile senza uno strumento abilitante.
Una delle sfide più grandi dal punto di vista tecnologico sta nella capacità dello strumento di importare e mettere in relazione tra loro milioni, in certi casi anche miliardi, di dati, magari eterogenei e provenienti da fonti diverse, e di analizzarli in tempi molto rapidi, se non in realtime.
Le performance di un database a grafo incidono in modo determinante sulla velocità dell’analisi di una rete e sulla correttezza del risultato prodotto. Questo è vero soprattutto in contesti altamente regolamentati e con un’enorme base dati.
La barriera dell’adozione tecnologica
Come è facilmente immaginabile, non stiamo parlando di tecnologie di facile utilizzo. Come abbiamo già avuto modo di vedere, molto spesso dopo aver realizzato l’importanza di essere guidati dai dati e aver affrontato un non semplice cambio di prospettiva, è proprio l’adozione di nuove prassi e tecnologie, il dover affrontare periodi di formazione e di successiva transizione, a frenare il processo di trasformazione data driver in un’azienda.
Una tecnologia così cruciale per governare la complessità non può però a sua volta aggiungere difficoltà.
Per questo motivo esistono altre tecnologie specializzate nella visualizzazione nei grafi che, integrati a database e infrastrutture altamenti performanti come quelle appena descritte, riducono drasticamente le barriere all’entrata delle skill tecniche tradizionalmente necessarie. Queste, tramite interfacce e funzionalità intuitive, permettono inoltre anche alle figure non tecniche l’accesso ai vantaggi della tecnologia a grafo.
Con l’approccio a grafo si vanno quindi a recuperare due temi molto importanti già trattati e cruciali in tema di governo della complessità:
- l’usabilità della soluzione tecnologica, che deve essere abilitante ma non deve aggiungere difficoltà in un sistema già complesso,
- la visualizzazione, in quanto l’approccio a grafo non solo è intuitivo nell’utilizzo ma permette di vedere e investigare dati e connessioni in modo chiaro ed esplicito.
L’obiettivo di LARUS è proprio quello di accompagnare aziende e pubbliche amministrazioni lungo il processo di adozione dell’approccio a grafo con la consapevolezza che solo con lo studio delle reti e l’uso della tecnologia più adatta sia possibile governare la complessità, non solo riuscendo a individuare pattern impossibili da trovare altrimenti, ma permettendo inoltre di trovare connessioni e interazioni che nemmeno si pensava di dover ricercare e analizzare.
Conclusioni
Il primo passo per governare la complessità sta nel comprendere che viviamo all’interno di sistemi complessi. Sistemi densi di connessioni interne che, a loro volta, sono costantemente in relazione tra essi. In questo contesto, anche l’approccio più innovativo e la soluzione tecnologica più performante devono necessariamente fare i conti con i tempi di elaborazione delle strategie imprenditoriali e i tempi di aggiornamento delle pratiche della pubblica amministrazione. Quest’ultima ostacolata da ben note lentezze burocratiche.
La democratizzazione dei dati qui promossa deve essere accompagnata da una non meno importante cultura della precisione sull’utilizzo del dato e da una campagna di agevolazione all’utilizzo dello strumento tecnologico più idoneo alla sua analisi. Si tratta di processi anch’essi complessi che necessitano di tempo e consapevolezza. Il compito di aziende come LARUS e di tecnologie all’avanguardia come neo4j e Linkurious, nostri storici partner, sta nel mettere in campo le expertise e gli strumenti di più alto livello per accompagnare sempre più aziende, organizzazioni e pubbliche amministrazioni nell’accelerare quella trasformazione data driven così cruciale per dirsi finalmente in grado di governare la complessità.