Il data management e l’AI sono oggi leve decisive per guidare strategie e competitività. Ne abbiamo parlato con Matteo Longoni, business development manager di Axiante, che illustra sfide e opportunità per le imprese.
Negli ultimi anni il tema del data management ha assunto una centralità crescente. Come si è evoluto il vostro approccio in questo ambito?
Il nostro approccio si è evoluto insieme alla maturità del mercato. In Axiante abbiamo sempre considerato i dati fondamentali ma dieci anni fa nelle aziende mancava una consapevolezza diffusa. Oggi il contesto è cambiato: le grandi organizzazioni si sono evolute come maturità, ma ancora nel nostro lavoro la parte di education è fondamentale per renderle consci dell’importanza di sfruttare i dati per migliorare il processo decisionale. Il nostro ruolo è massimizzare queste potenzialità.
Quali sono i principali livelli di supporto che offrite alle aziende che vogliono valorizzare i propri dati?
Offriamo un supporto articolato su due livelli complementari per massimizzare il valore dei dati aziendali. In primo luogo, ci assicuriamo che i dati siano sempre disponibili, costantemente aggiornati e fruibili, velocemente e dinamicamente, attraverso architetture robuste che garantiscono qualità e coerenza. Questo, oltre che comportare scelte tecniche non banali, è fondamentale perché le decisioni strategiche non possono mai basarsi su dati obsoleti o incoerenti. Il secondo livello è quello analitico avanzato. Attraverso tecniche di data science e algoritmi di AI e approcci moderni di BI basati sul concetto di Self-Service Analytics, aiutiamo le aziende a scoprire insight nascosti e pattern significativi all’interno dei loro database. Quando si lavora con grandi volumi di dati, correlazioni importanti e anomalie critiche spesso rimangono invisibili a un’analisi superficiale, e devono poter essere esplorate in modo flessibile e interattivo: il nostro ruolo è fornire un sistema in grado di trasformare questi dati grezzi in indicazioni fruibili facilmente per azioni concrete per intervenire su aspetti critici o sfruttare opportunità.
Dal vostro osservatorio, quali differenze di maturità notate nei diversi settori industriali rispetto all’uso dei dati?
Il panorama è molto eterogeneo. Nel banking, l’utilizzo dei dati è ormai consolidato: modelli predittivi e sistemi di AI supportano risk management, churn analysis e fraud detection. In altri settori, invece, il concetto stesso di “data-driven” è ancora in fase embrionale e individuare i processi in cui i dati possono davvero fare la differenza non è scontato. Qui la tecnologia da sola non basta: è fondamentale un approccio strategico che coinvolga tutte le funzioni aziendali per identificare concretamente dove e come i dati possano generare valore misurabile, individuando a monte con quale obiettivo: maggiori ricavi, riduzione dei costi, nuove opportunità di business, maggiore competitività. Osserviamo inoltre una divisione dimensionale: le grandi imprese hanno maggiori probabilità di successo grazie a budget più consistenti e team dedicati, mentre le PMI spesso si trovano in difficoltà nell’avviare e portare a termine questi progetti.
Oltre alle complessità tecnologiche, ci sono criticità legate alla privacy e alla gestione del dato?
Certamente. In realtà, c’è una sfida di natura prettamente tecnica, legata a temi di modellazione e architettura dei sistemi di data management, ma quella principale è di natura culturale, legata anche al diverso livello di maturità digitale dei settori coinvolti. Facciamo un esempio concreto: un cliente di e-commerce è generalmente disposto a condividere i propri dati di navigazione per procedere a un acquisto o per ricevere raccomandazioni personalizzate. Al contrario, un’azienda manifatturiera che utilizza macchinari industriali spesso si mostra riluttante a garantire pieno accesso ai propri dati di utilizzo al fornitore, anche quando ciò permetterebbe di ottimizzare le prestazioni dell’impianto. Quindi la proprietà intellettuale dei dati e la definizione chiara dei diritti sul loro utilizzo è un nodo centrale: senza accordi trasparenti che stabiliscano chi può accedere a quali informazioni e per quali scopi, anche la tecnologia più avanzata rimane inutilizzabile.
Oggi, l’offerta tecnologica è molto vasta. Quali scelte strategiche devono affrontare le imprese?
La vera sfida per le aziende non è accedere alla tecnologia, ma saperla orchestrare strategicamente per generare valore concreto. Ogni scelta deve essere valutata considerando l’allineamento con gli obiettivi di business, la governance dei rischi, la sicurezza dei dati, la scalabilità futura e l’effettiva adozione da parte degli utenti. In questo scenario complesso, la partnership con Axiante diventa determinante in quanto, monitorando con il nostro lavoro l’evoluzione del mercato e lavorando sul campo con progetti enterprise, abbiamo la capacità di trasformare la complessità tecnologica in soluzioni di business.
Le aziende chiedono sempre più spesso di conciliare innovazione e continuità. Come si gestisce questo equilibrio?
La chiave è la gradualità. Certamente i sistemi critici non si possono sostituire dall’oggi al domani, ma dobbiamo introdurre il concetto di evoluzione: far coesistere le nuove piattaforme con quelle esistenti e procedere con migrazioni progressive. Questo approccio preserva la continuità operativa, ma aiuta anche il processo di change management che deve inevitabilmente essere intrapreso in parallelo. Attraverso un percorso graduale, e che coinvolga i dipendenti, le organizzazioni possono metabolizzare il cambiamento senza subire traumi.
In settori regolamentati, dove la gestione del dato è particolarmente critica, quali accorgimenti vanno adottati?
Qui la chiave è la modellazione concettuale: definire con precisione chi può accedere ai dati, con quali permessi, per quanto tempo e attraverso quali processi di tracciabilità. Tuttavia, in questi contesti spesso si eredita un’architettura tecnologica consolidata e difficile da sostituire. Il modello dati e di governance diventa quindi cruciale per implementare anche su infrastrutture datate i nuovi requisiti normativi senza compromettere l’efficienza operativa degli utenti finali.
Quali sono i KPI fondamentali per misurare il successo di un progetto data-driven?
I KPI per progetti data-driven devono seguire una logica gerarchica che parte sempre dal business value. In questa direzione il parametro primario rimane l’impatto economico: ogni iniziativa deve generare benefici tangibili sui ricavi e sul profitto. A questa misurazione, si affiancano poi i KPI operativi specifici per ogni use case che viene implementato, come analisi di churn o di predictive maintenance. Infine, i KPI tecnici – come la qualità dei dati, la loro completezza e frequenza di aggiornamento – rappresentano il terzo livello. Questi ultimi due indicatori hanno pieno valore quando sono chiaramente collegati agli obiettivi di business.
Parliamo di AI. Quale contributo concreto può dare al processo decisionale?
L’AI si sta rivelando un alleato prezioso per chi deve prendere decisioni complesse. Il suo punto di forza non sta nel fornire risposte definitive, quanto piuttosto nell’aiutarci a vedere più chiaramente e più velocemente le possibili conseguenze delle nostre scelte. Attraverso capacità predittive e di simulazione, l’AI permette di esplorare diversi scenari e comprendere meglio l’impatto di ogni opzione sul tavolo. Anche le potenzialità della Gen AI si stanno rilevando enormi, ma la vera sfida sta ancora nel trovarle un ruolo efficace in relazione al contesto specifico dei processi decisionali.
Guardando al futuro, quali trend ritiene più significativi nella gestione dei dati?
La velocità dell’innovazione è impressionante. L’AI generativa continuerà a evolvere, ma altrettanto decisiva sarà la flessibilità nella modellazione dei dati, perché cresce il numero di funzioni aziendali che vogliono accedere alle informazioni. Parallelamente, la performance rimarrà centrale: in questa direzione, il quantum computing, pur ancora in fase sperimentale, promette calcoli drasticamente più rapidi in ambiti specifici. Una cosa però è certa: non sappiamo quali tecnologie domineranno tra dieci o quindici anni, ma, anche se in modalità probabilmente evolute rispetto alle attuali, i dati resteranno il fulcro del business.