L'
evoluzione dei software di
Business Intelligence ha tra l'altro portato una loro "democratizzazione", nel senso che hanno man mano acquisito potenza e versatilità gli
strumenti self-service, patrimonio degli utenti business e non solo degli esperti di analisi dei dati e di statistica. Nel complesso è un bene, perché permette alle figure di business di prendere decisioni in tempi anche rapidi,
senza aspettare che lo staff IT o di analytics esegua estrazioni di dati e analisi al posto loro.
In questa evoluzione c'è però un
rovescio della medaglia abbastanza comune quando le tecnologie escono dal ristretto ambito degli addetti ai lavori (in questo caso i data analyst) e si diffondono in tutta l'azienda: l'utilizzo di alcuni strumenti software ha una
perdita di efficienza complessiva se si distribuisce troppo. In questo caso tale limite è superato dai vantaggi della diffusione della BI, ma va comunue tenuto presente. E diventa importante se l'azienda si avvicina a tematiche come quelle dei Big Data.
Nel modello per così dire tradizionale, la Business Intelligence entra in azienda come elemento
centralizzato a cui fanno capo sistemi e procedure per la raccolta, l'organizzazione e l'analisi dei dati. Altrettanto centrale è la definizione sia dei criteri per la pulizia dei dati, sia dei significati dei dati stessi e delle metriche che ne derivano.
Quando la BI man mano si decentralizza, è pratica diffusa che i vari dipartimenti business inizino a gestire
sistemi e dati propri, al di fuori - del tutto o parzialmente - del controllo dell'IT. Non è neanche così assurdo pensare che in alcune imprese la BI diventi un'attività fortemente decentralizzata, con molti dipartimenti autonomi nella gestione dei dati e nell'estrazione di informazioni.
Il primo elemento che viene colpito negativamente da questa decentralizzazione è la
gestione dei costi, banalmente perché si perdono le possibili economie di scala. Se ogni linea di business valuta e acquisisce i suoi sistemi, complessivamente l'azienda spenderà di più in licenze software e manutenzione.
Questi costi di acquisizione però non costituiscono il nodo principale e probabilmente sono superati dalla maggiore convenienza della BI decentralizzata. Un punto più indefinito e delicato è il
costo indiretto legato al tempo e alle risorse che gli utenti di business devono impiegare per diventare
quantomeno esperti dei tool che hanno ottenuto. In mancanza della figura intermedia - il mitologico
citizen data scientist - tra esperti e utenti business, la questione resta sul tavolo.
Il secondo rischio legato alla decentralizzazione è un
disallineamento nella definizione di significati e indicatori. Nel tempo ciascun dipartimento arriva a seguire logiche proprie nella creazione delle basi dati, dà significati diversi alle medesime informazioni e basa le sue valutazioni di performance su metriche diverse. Non è un problema in assoluto, lo diventa quando le varie divisioni devono confrontare le proprie conclusioni
alla ricerca una "verità" comune. In uno scenario del genere inevitabilmente non si riesce a raggiungerla, cosa che finisce per indebolire la BI invece di rafforzarla come strumento.
Si tratta peraltro di un sintomo di un terzo problema più ampio: la gestione decentralizzata della BI ha molti vantaggi, in particolare di velocità e flessibilità, ma
"scala" solo fino a un certo punto. Se l'azienda nel suo complesso vuole darsi una strategia complessiva e a lungo termine dell'analisi dei dati, la gestione decentralizzata deve essere messa in armonia con una visione e una gestione anche centralizzate, più vecchio stile.
Questo perché l'introduzione della BI self-service arriva di solito come soluzione a
problemi specifici e limitati alla business unit che le sceglie. E' una visione comprensibile ma a breve-medio termine, mentre per temi come la gestione dei Big Data serve una concezione
molto più strutturata e di ampio respiro, che tenga conto anche di aspetti - ad esempio la qualità e la sicurezza dei dati - che applicazioni mirate possono permettersi di non considerare.