Tanti dati, una sola domanda: come metterli insieme?

Molte aziende hanno investito anni per raccogliere dati, organizzare sistemi e costruire report. Eppure, quando arriva il momento di prendere una decisione, può ancora succedere che la risposta a una domanda apparentemente semplice richieda ore di lavoro.

Prendiamo ad esempio la valutazione dei fornitori.

Per capire quali stanno rispettando gli standard di qualità, quali hanno accumulato ritardi o dove si stanno verificando gli scostamenti di prezzo, le informazioni possono essere distribuite tra diversi sistemi: il reparto qualità lavora sui propri report, la logistica sui dati delle spedizioni, l’amministrazione consulta l’ERP e altri dati possono arrivare dal procurement o da file preparati internamente.

Le informazioni ci sono, ma non necessariamente hanno la stessa struttura.

Un fornitore può comparire come “Azienda Alfa” in un report, “ALFA S.P.A.” in un altro e “FRN-ALFA” nell’ERP. Una data può essere espressa in un formato diverso, una valuta può essere indicata con una sigla anziché con un valore esplicito, le unità di misura possono cambiare da un file all’altro.

Sono dettagli che, presi singolarmente, sembrano banali. Quando però si devono incrociare migliaia di righe provenienti da fonti diverse, diventano un lavoro lungo e difficile da standardizzare.

Il lavoro che viene prima dell’analisi

Prima di poter costruire un KPI o una dashboard, qualcuno deve occuparsi di:

1. verificare che le informazioni provenienti da fonti diverse si riferiscano alle stesse entità;
2. uniformare date, valute, unità di misura e altri formati;
3. eliminare o gestire duplicati e incongruenze;
4. collegare dati che arrivano da sistemi e reparti diversi;
5. preparare un dataset coerente che possa essere effettivamente analizzato.

In molte aziende questo lavoro viene ancora svolto in buona parte manualmente, attraverso formule, macro, procedure in Excel o controlli ripetuti ogni volta che arriva un nuovo file.

Il problema non è solo il tempo impiegato. È anche la dipendenza dalle persone che conoscono quelle procedure e sanno come interpretare le diverse fonti.

L’armonizzazione dei dati

Per questo in Moko abbiamo lavorato sul tema dell’armonizzazione dei dati, sviluppando il Data Harmonizer.

L’obiettivo è gestire quella fase intermedia in cui informazioni provenienti da sistemi e documenti diversi devono essere ricondotte a una struttura comune.

L’AI può, per esempio:

1. riconoscere che denominazioni differenti fanno riferimento alla stessa azienda o allo stesso elemento;
2. uniformare automaticamente formati e unità di misura;
3. mettere in relazione informazioni provenienti da fonti diverse;
4. individuare anomalie e incongruenze che richiederebbero altrimenti un controllo manuale;
5. produrre un output strutturato, pronto per essere utilizzato da strumenti di Business Intelligence come Power BI o Tableau.

Il vantaggio sta nella possibilità di lavorare sul significato delle informazioni, anche quando queste arrivano da sistemi che non sono stati progettati per comunicare tra loro.

Dai dati alle decisioni

Una volta che le informazioni sono armonizzate, diventa molto più semplice passare alla fase che interessa davvero al business: l'analisi.

Si possono, per esempio, individuare fornitori con performance in peggioramento, evidenziare anomalie, confrontare prezzi e condizioni, analizzare il tasso di scarto o verificare l’andamento della supply chain senza dover ricominciare ogni volta dalla pulizia dei dati.

Le informazioni possono inoltre essere utilizzate per generare sintesi e analisi in linguaggio naturale, rendendo più immediata la lettura di KPI e indicatori complessi.

C’è poi un aspetto particolarmente importante quando si lavora con informazioni aziendali sensibili.

Nel Data Harmonizer l’elaborazione viene effettuata in memoria RAM, senza memorizzare i dati nei database dei modelli linguistici.

In questo modo, il lavoro di preparazione dei dati può diventare un processo più rapido e strutturato, lasciando alle persone più tempo per quello che viene dopo: leggere i risultati, capire cosa sta succedendo e prendere decisioni.

È lì che i dati iniziano davvero a diventare utili.