Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Come usare il metodo Agile nella big data analytics

pittogramma Zerouno

Prospettive

Come usare il metodo Agile nella big data analytics

L’applicazione della metodologia Agile può risolvere molti dei problemi che ancora oggi ostacolano l’utilizzo ottimale della big data analytics nelle aziende. Lo rivela lo studio “Using Agile to help fix Big Data’s big problem“ di Boston Consulting Group sui cui aspetti più interessanti ZeroUno ha intervistato Giulia Airaghi, consultant Expert Scrum Master di BCG, uno degli estensori della ricerca

08 Feb 2019

di Piero Todorovich

Secondo gli esperti di Boston Consulting Group (BCG) le cause di ritardo nei progetti aziendali di big data analytics hanno aspetti comuni. Data engineer, data scientist, esperti di modeling matematico, d’informatica e statistica hanno difficoltà a comprendere gli obiettivi del business e quindi a catturare elementi di valore nelle analisi. Dall’altra parte, management e LOB tendono a sottovalutare le potenzialità delle soluzioni analitiche.

Lo studio Using Agile to help fix Big Data’s big problem di BCG identifica il problema nel modo in cui si sviluppano le analisi: applicando i classici metodi a cascata del project management in cui ogni attività dipende dal completamento della precedente e dal tempo passato in riunione per l’allineamento delle attività. Lo Studio identifica la soluzione nell’adozione della metodologia Agile che, grazie all’approccio iterativo ed empirico applicato a team interfunzionali, consente di arrivare rapidamente ad un Minimum Viable Product (MVP): la versione parziale, ma utilizzabile, del prodotto che, con i successivi feedback degli utenti e perfezionamenti, possa arrivare a soddisfare aspettative e obiettivi.
foto di giulia airaghi
Giulia Airaghi, consultant Expert Scrum Master di BCG

Il metodo Agile nell’analisi dei dati

Usare il metodo Agile significa suddividere i grandi progetti in parti facilmente gestibili e testabili singolarmente, senza dover attendere il completamento della soluzione. Questo permette, per esempio, d’inserire correzioni in corso d’opera come l’introduzione di fonti dati non previste inizialmente, ma anche di abbandonare il progetto qualora dovessero apparire alternative migliori, risparmiando tempo e denaro.

Con Agile si raccolgono i feedback degli utenti finali fin dall’inizio, cosa che aiuta sia a incorporare suggerimenti utili sia a dare priorità a ciò che ha valore di business, sfruttando meglio le risorse disponibili.

Figura 1 – Il metodo Agile accelera i progetti di Big Data e migliora i risultatifonte: BCG

Questa metodologia ha il potere di responsabilizzare i team, aiutare le persone a prendere decisioni senza dover attendere l’approvazione dei responsabili. In assenza della figura tradizionale del project manager che decide le priorità e i modi per soddisfarle, le persone dei team sono più coinvolte nell’ottenimento del risultato. A differenza dei data scientist impegnati su più tavoli contemporaneamente, i membri del team Agile possono concentrarsi su un unico progetto, condividendone gli obiettivi. La collaborazione rende inoltre più facile risolvere i conflitti, apportare modifiche ai modelli operativi e ai processi aziendali nello stesso tempo in cui si lavora alla definizione di algoritmi e dataset.

Come garantire il successo dei progetti Agile

Secondo gli esperti di BCG, per avere successo nei progetti Agile che riguardano l’analisi dei dati è importante tener presente alcuni fattori. L’obiettivo dev’essere quello di fornire risultati utili e comprensibili agli utenti, non scrivere degli algoritmi; per questo è importante dedicare tempo a dashboard, infografiche e ai modi più utili per presentare i dati elaborati. Non si devono inoltre confondere i prototipi con le MVP: i prototipi si realizzano elaborando dati storici e servono per dimostrare il funzionamento degli algoritmi; le MVP finiscono in mano agli utenti finali, devono operare con dati aggiornati, avere interfacce user-friendly, essere accompagnate dalle istruzioni per l’uso e dalle modifiche ai processi e ai modelli operativi che consentono di ottenere risultati nel business.

Per essere efficaci, i team Agile devono comprendere al loro interno talenti differenti scelti in base alle necessità. Per esempio, devono avere data engineer per la preparazione dei dati, data scientist per definire le analisi, designer GUI per presentare efficacemente i risultati e altri professionisti consapevoli degli obiettivi di business del progetto e delle implicazioni rispetto ai processi preesistenti. Le parti coinvolte devono poter accettare le inevitabili imperfezioni che derivano dalla natura iterativa dello sviluppo con metodo Agile. Questo richiede un cambiamento di mentalità da parte dei committenti e sostegno nell’evoluzione per prove ed errori delle MVP verso la maturità.

Per Giulia Airaghi, Consultant Expert Scrum Master di BCG, tra gli estensori dello Studio, il successo del metodo Agile sta nel controllo: “Al di là del luogo comune che lo vuole meno rigoroso del waterfall, il Metodo ha regole rigide e prevede controlli stretti di ciò che si sta sviluppando con cadenze temporali prefissate”. Le difficoltà spesso nascono sul piano organizzativo: “Agile è a volte oneroso da implementare perché richiede di cambiare l’organizzazione, la cultura e i valori aziendali – precisa Airaghi -, con il rischio che l’impegno nell’implementazione si allenti nel corso del tempo. Come spesso accade nei progetti strategici, un presupposto per l’adozione di successo è nel forte commitment da parte delle figure apicali dell’azienda”.

Usare Agile per l’innovazione aziendale

Il metodo Agile risulta utile non solo quando sono in gioco i big data, ma anche in ambiti di advanced analytics, performance management e altri: “Lo rivelano i feedback che abbiamo ottenuto intervistando data scientist impegnati in progetti realizzati con vari metodi sia in Europa sia in Italia [una ventina quelli presi in considerazione nel nostro Paese, ndr]. Abbiamo quindi cercato di capire perché Agile risultasse vantaggioso, trovando la chiave di volta nella capacità di mettere insieme persone differenti”. Il segreto del metodo Agile è proprio quello di far collaborare persone che usano linguaggi differenti, che hanno mindset e approcci diversi nel lavoro: “Quindi persone che hanno competenze su dati e sul business, esigenza oggi molto comune in altri progetti rilevanti”, precisa l’analista.

Al di là d’essere un metodo per realizzare progetti, Agile aiuta a portare il cambiamento nella cultura aziendale, “in particolare nelle aziende che hanno ancora un’impostazione tradizionale gerarchica – spiega Airaghi -. Aiuta a far evolvere la forza lavoro, a rispondere alle aspettative dei millennials che possono portare nuovi valori e creatività nell’organizzazione se quest’ultima è realmente in grado di accoglierli”.

Figura 2 – I team Agile per i progetti Big Data hanno competenze trasversaliFonte: BCG

Il metodo ha efficacia nell’accelerare la transizione verso i nuovi business digitali, “aiutando le aziende in un mercato in cui i consumatori richiedono prodotti e servizi complessi e tarano la barra delle aspettative sempre più in alto, al livello dei servizi offerti dalle grandi compagnie tecnologiche (come Amazon, Google, ndr)”.

Anche in Italia molte aziende si stanno avvicinando al metodo Agile: “Aziende di differenti settori ci chiedono di provarlo in modo più o meno strutturato – precisa Airaghi -. Chi lo prova ne percepisce i benefici e passa all’adozione. Questo anche se, ad oggi, non esistono né in Italia né in Europa aziende che usano in modo esclusivo questo metodo nei loro progetti”. Alcune aziende hanno preso seriamente l’impegno e si stanno dotando del Chief Agile Officier: “Una nuova figura professionale dedicata a definire il miglior modello operativo per l’adozione dell’Agile su larga scala”, precisa Airaghi. Metodi come Agile e Scrum sono per loro natura flessibili, “per questo serve la capacità di effettuare gli adattamenti che possono aiutare il lavoro dei team, per esempio, allungando i cicli iterativi, solitamente di due settimane, nello sviluppo degli algoritmi per la data analytics. È importante che lo strumento si adattati all’obiettivo e all’organizzazione, senza tuttavia snaturare il metodo”.

In Italia, secondo Airaghi, sono più avanti nell’adozione di Agile alcuni settori industriali tradizionali, come il comparto energy, mentre risultano in posizione arretrata le aziende in ambito bancario e assicurativo, “malgrado il loro business sia fortemente data driven e dipendente dall’IT. I motivi vanno ricercati negli investimenti fatti da queste aziende nel recente passato e dalla presenza di componenti IT legacy che rendono difficile adottare metodi innovativi e affrontare gli impatti conseguenti. Per converso, laddove nel passato c’è stata meno innovazione sussistono meno vincoli al cambiamento”, conclude Airaghi.

Piero Todorovich

Giornalista

Giornalista professionista dal 91, ha scoperto il Computer negli Anni 80 da studente e se n'è subito innamorato, scegliendo di fare della divulgazione delle tecnologie e dell'informatica la propria professione. Alla passione per la storia delle tecnologie affianca quella per i viaggi e la musica.

Argomenti trattati

Approfondimenti

A
Agile
Come usare il metodo Agile nella big data analytics

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

    LinkedIn

    Twitter

    Whatsapp

    Facebook

    Link

    Articolo 1 di 4