Con l’avvento della digitalizzazione, gli algoritmi sono diventati strumenti chiave per il processo decisionale e per spingere l’efficienza nelle organizzazioni. Vi sono tuttavia alcuni interrogativi che è opportuno porsi come illustra Roberto Carrozzo, head of intelligence & data di Minsait, e questi concernono il livello di affidabilità degli algoritmi impiegati per la governance delle aziende e, soprattutto, la consapevolezza sul reale ritorno economico che portano.

“Vi sono alcune domande che ci dovremmo porre prima di dichiarare la nostra vittoria sugli algoritmi – spiega Carrozzo -: i modelli algoritmici sono alimentati con dati aggiornati? Seguono un processo di apprendimento continuo per incorporare le ultime tendenze nelle abitudini dei consumatori? Il modello svolge correttamente la sua funzione? Quale tipo di valore porta al business? Secondo la nostra esperienza, per rispondere a queste domande è necessario adottare una metodologia che consenta l’integrazione e il controllo di tutti i processi basati su algoritmi coinvolti nel processo decisionale dell’organizzazione, indipendentemente da dove questi processi hanno luogo, quali tecnologie utilizzano o chi ne è responsabile”.

Adottare un modello di governance permette infatti di stabilire le politiche e le buone pratiche che dovrebbero guidare i processi basati sugli algoritmi. La nomina di un comitato di governance, ad esempio, composto da manager tecnici e commerciali, garantisce il rispetto del modello, assicurando l’allineamento con gli obiettivi di business attraverso monitoraggio e controlli continui.

Al fine di garantire un ciclo di vita analitico di successo, secondo Carrozzo sono quindi necessari quattro aspetti chiave: i dati, ovvero l’importanza di avere fonti di informazione unificate, con le massime garanzie di qualità e flessibilità; i modelli analitici, sviluppando casi d’uso con l’ausilio di machine learning per guidare la definizione e l’implementazione di applicazioni commerciali; i follow-up, stabilendo un quadro di monitoraggio attraverso l’industrializzazione dei modelli e il loro rendimento quotidiano; il modello organizzativo, ovvero l’azienda deve mettere a disposizione dello sviluppo analitico sia profili tecnici che di business, al fine di avere una visione olistica del contributo di valore degli algoritmi.

“Questo lavoro simbiotico tra l’area tecnica e quella commerciale può migliorare l’impatto globale degli algoritmi sull’organizzazione, ed è anche una condizione necessaria per maturare verso modelli di aziende e organizzazioni Data Driven – continua il responsabile dell’area Intelligence & data di Minsait -. A tal proposito è importante inserire un nuovo concetto finanziario per la valutazione degli algoritmi: il ritorno sull’investimento. Gli algoritmi, infatti, sono un bene aziendale, e come tali comportano un investimento finanziario dal quale ci si aspetta un ritorno economico”.

Ogni modello algoritmico comporta difatti investimenti, costi e benefici attesi. Per avere una visione olistica del modello che facilita la sua governance integrale, la combinazione di KPI tecnici e finanziari fornirà̀ il quadro completo della salute del modello e ci permetterà di misurare l’impatto dell’Intelligence sul business. Misurare il ROI del portafoglio dei modelli analitici diventa quindi la chiave per monetizzare e ottimizzare gli investimenti in Analytics.

“La figura chiave, che secondo la nostra esperienza diventa centrale in questa nuova organizzazione di governance degli algoritmi è quella del Chief Digital Officer – afferma quindi Carrozzo -. Secondo la nostra visione, il CDO ideale deve evolversi da semplice governatore di dati a governatore di algoritmi, capace di riunire conoscenze ed esperienze in tre aree chiave: tecnologia dei dati, Intelligenza Artificiale e gestione costi-benefici dell’area Analytics”.

Attraverso questi accorgimenti le aziende saranno in grado di estrarre valore dai dati a propria disposizione e di prendere le decisioni migliori, massimizzando l’investimento sugli algoritmi grazie all’adozione di un nuovo modello organizzativo interno per la governance dei modelli analitici.