torna indietro

Intelligence-Driven Decision Making #

Aspirare al livello di focusing significa che i dati vengono visti principalmente come opportunità di nuove informazioni e l'organizzazione cerca attivamente nuove opportunità e conoscenza dai dati grezzi. I dati sono ancora memorizzati su file systems locali o cloud ma l'accessibilità per i team dell'organizzazione è aumentata. Suggerimenti di saggezza digitale sono raccolti utilizzando semplici tecniche e strumenti di reportistica analitca.

In questo livello gli obiettivi sono i seguenti:

• Cloud Data Governance
• Modern Data Methodologies
• Descriptive Analytics

Cloud Data Governance #

La cloud data governance è la gestione di tutti i dati raccolti dall'organizzazione. Questa governance permette alle organizzazioni di avere dei repository a cui il personale accede secondo corrette policy. Questi repository contengono i dati in formato grezzo, utili alle persone per ricercare nuova conoscenzza oppure opportunità.

Su questo obiettivo vengono valutati il grado di controllo e accesso a dati dell'organizzazione e a dati strettamente legati alle attività dell'organizzazione, fra cui il livello di centralizzazione dei dati in funzione dei team e dei prodotti attivi. Viene valutato l'accesso dei team a questi dati, in particolare ai formati utili alle analisi dati.

Modern Data Methodologies #

Le modern data methodologies rappresentano un gruppo di metodologie e tecnologie che permettono di ridurre la complessità e le sfide legate all'operazionalizzazione di tutti gli assets dati. I data stack moderni sono un insieme di tools e patterns con cui affrontare queste sfide e ridurre la barriera che le organizzazioni trovano quando si parla di integrazione dei dati - ovvero il processo di individuare nuove informazioni e conoscenza dall'unione di dati di domini organizzativi diversi.

Su questo obiettivo vengono valutate le conoscenze e le applicazioni di concetti di modern data fra cui metodologie di ingestione dei dati e loro organizzazione strutturata, trasformazione dei dati e loro riorganizzazione e conoscenze legate ai processi ETL (Extract-Transform-Load). Viene infine valutata la disponibilità di questi dati attraverso accesso self-service da parte dei team, in particolare per le attività business e operative.

Descriptive Analytics #

Le descriptive analytics sono modalità di elaborazione dei dati grezzi a disposizione dell'organizzazione. Una volta che i dati sono a disposizione, le descriptive analytics permettono di fare analisi dei dati, sperimentare ed estrarre conoscenza in maniera attiva. Grazie a queste analisi, i membri dei team sono capaci di comprendere le perfomance aziendali e valutare trend di business.

Su questo obiettivo vengono valutate le attività legate all'utilizzo dei dati dell'organizzazione e altri dati pubblici, tecniche di data visualization per individuare nuove informazioni o metodi per integrare i dati e validare ipotesi. Viene inoltre valutato l'utilizzo di strumenti semplici di analisi dati, fra cui spreadsheets, Google Data Studio, Tableau e simili.

Che decisioni vengono prese sui dati? Vengono realizzati dei report? I report realizzati vengono condivisi? Vengono applicate tenciche di analisi sulle informazioni a vostra disposizione? I dati di un'area sono comparati ai dati di un'altra area?

Digital Edge Model by Revas Società Benefit is licensed under CC BY 4.0