Lavorare con i dati: 7 Manager per 7 insight

Nel primo incontro della Serie Human Data Drive (HDD) abbiamo chiesto a 7 Manager provenienti da 7 Aziende diverse di lavorare con i dati. Le aziende erano Axpo, Assimpredil, BKW Italia, Eni, Generali, IBM, Reale Group.

Il punto di partenza è stata l’analisi del caso di successo del Team di ciclismo Movistar, che oggi sfrutta una gran mole di dati per definire strategie e prendere decisioni in allenamento e in gara (ogni ciclista Movistar invia 7 dati al secondo, per 1,5 milione di dati al giorno).

Perché lo abbiamo fatto?

Il ciclismo è passato dall’affidarsi a sensazioni del ciclista, insieme a informazioni su chilometri percorsi e velocità, a dati biometrici, fisiologici, di contesto, oltre a velocità, tempi, distanza, etc.

Analogamente, molte organizzazioni stanno trasformando processi e attività introducendo soluzioni di Business Intelligence e Data Analytics per migliorare la comprensione del contesto/mercato, le previsioni  e  l’efficacia e la velocità delle decisioni.

Tuttavia, in questo percorso di trasformazione si privilegia la valutazione dei tools da usare. Ci si sofferma meno sulle dimensioni organizzative, manageriali, professionali che coinvolgono team e persone che utilizzano questi tools.

Abbiamo chiesto ai nostri 7 Manager di fare un passo nel futuro per immaginare la possibilità di gestire un Team e la sua performance attraverso i dati.

Quali sono i dati per gestire performance di un Team Human Data Driven? Quali elementi del caso Movistar possono essere utili anche a Team in organizzazione? Ci sono differenze da considerare rispetto alle diverse tipologie di Team?

Queste e altre sono le domande sulle quali ci siamo concentrati, senza la pretesa di trovare tutte le risposte nel corso della sessione di co-design.

Il confronto è stato interessantissimo, e da quel pomeriggio mi porto a casa 7 insight su temi cruciali per il successo di queste trasformazioni, ma non altrettanto considerati.

1 – KPI Vs Data Set

Per identificare e misurare il valore del lavoro di un singolo o di un Team, le Aziende sono sempre partite nel definire KPI su un modello predefinito di performance. Tali modelli identificano parametri (numero visite, numero contratti, revenue, etc.) orientano l’azione del singolo in un rapporto causale diretto.

La possibilità di disporre di un numero di dati molto ampio, come il Team Movistar, consente di ampliare il Data Set sul quale misurare la performance. Un Data Set ampio può identificare nuove relazioni tra alcune variabili e gli effetti che vogliamo ottenere, ossia performance di valore. Il Data set di Movistar, infatti, correla anche parametri come vento, umidità, la storia degli allenamenti precedenti, la cura di recupero specifica di ogni ciclista.

Nel caso dei Team aziendali, l’ostacolo nell’allargare il Data Set di riferimento, però, è rappresentato dall’abitudine e dal know how professionale, ricco di modelli da cui discendono KPI e indicatori della performance.

Questo ostacolo è stato superato durante il lavoro con i 7 Manager, identificando variabili eterogenee di tre ordini differenti: soggettive, oggettive e di conteso. Ad esempio, abbiamo identificato dati che riguardano fruizione di musica e alimentazione.

2 – Spiegare VS Scoprire

Misurare la performance di Team sulla base di un data set ricco ed eterogeneo richiede di rovesciare il paradigma.

Si deve passare dalla definizione di pochi indicatori suggeriti da un modello di performance predefinito, alla misura di una molteplicità di variabili per identificare a valle quali sono le relazioni in grado di spiegare – e poi predire – performance eccellenti.

L’approccio richiesto è quindi un approccio per scoperta. Il primo passo è rendere disponibili misure su un numero ampio di variabili eterogenee tra loro, per poi costruire un modello che spiega e predice il livello di performance.

3 – Una mente pratica… quasi scientifica

Il processo di scoperta, tuttavia, deve essere svolto con rigore. Occorre basarsi sui dati e sui coefficienti di correlazione che possono descrivere il legame tra diverse variabili.

E’ richiesto un approccio pratico, sperimentale, tipico di chi svolge ricerca scientifica. Mi riferisco all’atteggiamento di apertura nel seguire quello che i dati mettono in evidenza sulla base di un numero ampio di misurazioni. Ad esempio, si può introdurre un cambiamento nel menù della mensa, oppure nell’orario di lavoro (o anche solo nella libertà di poter scegliere il proprio orario, come in progetti di smart working) e misurare quali parametri della performance si modificano. Successivamente, sulla base delle evidenze dei dati, prendere decisioni e intraprendere le opportune azioni.

E’ quindi auspicabile un approccio sperimentale e iterativo, che ripeta il ciclo “misura-correla-applica”.

4 – Fiducia, Leadership e Dati

Il quarto aspetto del “lavorare con i dati”, si deve affrontare un tema cruciale: la fiducia tra organizzazione e persone. Se manca questa, dubito che le persone siano disposte a condividere un largo set di dati che li riguarda, anche quando questi dati sono già in possesso dell’Azienda.

Un anno fa, nel corso di un progetto di Digital HR svolto per una Telco italiana, il Responsabile Welfare disse: “Le persone sono pagate dall’azienda, ma non si fidano a lasciare che l’azienda si occupi della loro dichiarazione dei redditi, perché non vogliono fargli sapere i loro guadagni e i loro patrimoni”.

Il tema della fiducia è determinante. Chi di noi è disposto a farsi misurare i livelli di stress in ogni situazione? Chi accetterebbe di condividere i propri parametri biometrici oppure i percorsi che ogni mattina fa per arrivare in ufficio o spostarsi nel sedi dell’azienda?

Già oggi, il rapporto di fiducia ha un impatto diretto sui dati.

Può essere utile approfondire l’esperienza Movistar. I Ciclisti non sono Data Scientist, ma capiscono e utilizzano i dati forniti dal computer sul manubrio della loro bicicletta. Hanno imparato a scattare in salita anche quando hanno una sensazione di eccessiva stanchezza, perché il computer gli dice che hanno ancora energie. Questo grazie al rapporto di fiducia tra loro e chi guida il Team in quanto gli ha restituito uno strumento utile che potenzia la loro performance.

Quante aziende sono disponibili a fare co-design del CRM chiedendo alla forza vendita quali sono le informazioni essenziali da avere sul loro “ipotetico manubrio”, piuttosto che limitarsi a fornire l’ennesima soluzione proposta dal Vendor?

5 – Conoscere la tecnologia per i Dati

Nonostante la tecnologia ci consente di lavorare su un gran numero di dati e quindi un gran numero di misure, quando si tratta di misurare le performance resta alta l’attenzione a considerare eventuali interferenze contingenti nel momento della misura.

Ad esempio, resta il dubbio di poter interpretare correttamente una misura del livello di stress, o di coinvolgimento dei membri del team quando può intervenire un evento personale critico non tracciato.

E’ sempre importante conoscere che cosa consente di fare la tecnologia, in questo caso quella dei cosiddetti Data Analytics e algoritmi.

E’, infatti, possibile conoscere come ciascuna persona reagisce a determinate condizioni. Nel Team Movistar, ad esempio, per ciascun ciclista sono note le “curve” di resistenza, di recupero, etc.

Allo stesso modo, algoritmi personalizzati consentono di descrivere come la singola persona in Azienda reagisce a determinati task, com’è la sua curva di concentrazione, come si muove in contesti con determinate caratteristiche.

Queste soluzioni hanno valore se sono restituite al diretto interessato, più che considerarle come nuove forme di valutazione e di potenziale delle persone. Gli algoritmi diventano dei veri e propri strumenti di lavoro.

6 – Il valore… ma per davvero

Quando scritto fino a qui può sembrare futuristico o non raggiungibile. In realtà, trarre valore dagli algoritmi è una possibilità molto concreta.

Ricordate il computer sul manubrio dei ciclisti del team Movistar? Ogni ciclista del Team può disporre di una fotografia in tempo reale del proprio stato fisico, delle proprie risorse e dello stato della gara in quel momento. Possiamo ipotizzare con un certo grado di certezza che le decisioni che prenderà saranno più efficaci?

Sono profondamente convinto che il valore di un progetto che impiega dati e analytics dipende innanzitutto dalla possibilità di fornire alle persone che lavorano strumenti in grado di potenziare la loro performance.

Un chiaro esempio è la storia della squadra di Baseball dell’Oakland Athletics raccontata anche nel film Moneyball. La svolta nei risultai del team c’è stata quando il General Manager e il suo Assistente hanno condiviso con ogni singolo atleta le sue statistiche relative ai “colpi” vincenti che avrebbe dovuto sfruttare. Non è un caso che ancora una volta sia lo sport a ispirare il mondo aziendale.

Quando mettiamo disposizione i giusti dati e analytics a chi lavora possiamo potenziare realmente la loro performance, migliorare la loro consapevolezza e favorire l’autonomia nel presidio del proprio ruolo. Quando riusciamo a farlo a livello di team, le risorse si moltiplicano.

7 – Dimentichiamo l’organizzazione… così come la conosciamo oggi

Attraverso Dashboard di Data Analytics le persone saranno in grado di decidere meglio e più velocemente, di aggiornarsi tempestivamente sull’andamento di attività e progetti grazie a strumenti di data visaulization, di essere più consapevoli della performance individuale e di team e della loro relazione, di identificare più facilmente risorse e pattern di soluzioni generati da altri.

Per sfruttare questo nuovo potenziale di prestazione, non bastano programmi di reskilling per l’utilizzo di tools di questo tipo. Ma sarà ugualmente importante ripensare i ruoli nei loro spazi di autonomia e di conseguenza le relazioni tra di essi e anche con il cliente.

Nelle organizzazioni “data-driven” si assiste a due movimenti principali:

  • diffusione di know how sempre più ampi e sofisticati anche in ruoli prima considerati operativi
  • conseguente aumento dello spazio discrezionale del titolare del ruolo

Questa evoluzione nell’organizzazione è visibile nei ruoli di front office dei call center di quelle Aziende che puntano all’eccellenza.

Oggi, infatti, chi vi risponde quando chiedete assistenza per l’uso di carta di credito fuori dall’Europa, per comprendere il malfunzionamento di uno smartphone o superare un problema tecnico con il vostro carsharing, può disporre di molti dati su di voi, sul contratto che avete sottoscritto, sulle caratteristiche tecniche del servizio che state utilizzando, su luogo in cui vi trovate, etc., Ma non solo! Possiede anche il know how su temi di contratto, prodotto/servizio e aspetti tecnici del servizio. Ma, soprattutto, il suo ruolo gli lascia lo spazio di autonomia nell’agire su aspetti contrattuali e tecnici per risolvervi il problema.

Situazione molto diversa rispetto a soli otto/dieci anni fa, vero?

Rispondi