Hai mai pensato a quanto sia incredibile avere una mappa ?

Chi vuoi mai che si ricordi cosa vuol dire leggere una cartina geografica… siamo nell’era algoritmica, siamo nell’era di Google Maps e del feedback immediato.

Fermati un secondo a pensare a quanto sia pazzesco avere tra le mani una carta che descriva un luogo che ancora non hai avuto modo di esplorare.

La mappa ci guida e ci da un riferimento.

La mappa ci permette di verificare le nostre supposizioni.

La mappa ci permette di non brancolare nel buio in preda alle nostre intuizioni.

E a proposito di intuizioni… non sono proprio il cavallo di battaglia per chi ha bisogno di orientarsi.

Uno studio molto affascinante ha controllato come un gruppo di persone si comportano in un luogo completamente deserto e senza alcun tipo di riferimento.

Come si muovono le persone se lasciate libere in un deserto, in una landa desolata o completamente bendate ?

Girano attorno.

Si è incredibile ma dopo aver osservato diverse persone in diversi differenti luoghi geografici i protagonisti continuano a proseguire in maniera circolare…. pensando di stare avanzando !

Questa è la dimostrazione scientifica di quanto l’intuizione umana, per quanto potente possa essere in certe situazioni, non è per nulla affidabile se lasciata a se stessa.

Segui la mappa, impara a leggere bene i dati.

Ogni azienda oggi ha una grande mappa

È dal XXI secolo che le aziende hanno incominciato a tracciare il terreno, a prendere le distanze e a mettere al lavoro delle persone che siano in grado di costruire delle mappe.

È proprio in questo secondo millennio che il digitale è esploso, tutti noi abbiamo comprato uno smartphone e i dati sono diventati il nuovo petrolio.

I dati sono la nostra mappa.

É proprio grazie ai dati che possiamo mappare ogni singolo processo del nostro business.

Non importa dove lavori.

Che ti occupi marketing, finanza, risorse umane, direzione aziendale o sistemi complessi… devi imparare a leggere la mappa.

Per quanto tu sia bravo a intuire a le esigenze dei tuoi clienti devi imparare a fidarti dei feedback che i dati ti restituiscono.

Per quanto possa allenare la tua intelligenza emotiva a captare le capacità e determinazione del candidato che hai di fronte non puoi fidarti solo del tuo istinto… devi imparare a verificare e a fidarti dei trend.

Per quanto tu sia abile a gestire le persone, a trattare con il cliente o a chiudere il prossimo contratto devi tenere traccia della tua direzione, verificare il percorso e scorgerne le migliorie nascoste.

Non puoi improvvisarti cartografo

La cartografia è un’invenzione umana davvero affascinante a metà tra la scienza e la tecnica nata 2500 anni fa.

Non è facile però diventare cartografi.

Quella del cartografo è una professione antica, da sempre infatti questi esperti disegnatori erano ricercati per tracciare vie e mappe che permettevano agli uomini di viaggiare e navigare.

Prima di tutto deve avere un’ottima dose di curiosità per osservare attentamente il mondo che ti circonda e rigore scientifico per trarre conclusioni.

Deve avere ottime skill tecniche per poter disegnare una mappa accurata, dalla geometria al disegno tecnico, dalla matematica alle scienze naturali.

Infine deve essere molto bravo a disegnare una mappa il più semplice possibile senza trascurare l’accuratezza in che possa essere letta dai meno tecnici.

Non tutti devono diventare cartografi ma, ogni navgatore degno di noda deve essere davvero bravo interpretarla.

In azienda è esattamente la stessa storia…

Il professionista del XXI secolo

Nel 2020 questo affascinante scienziato viene chiamato data scientist.

Ha diverse competenze tecniche che partono dalla programmazione, passano per la statistica e toccano la matematica teorica.

I data scientist si occupano di gestire i dati, di trovare correlazioni importanti e di trovare modelli predittivi che approssimino molto bene la realtà.

Il compito dei data scientist è proprio quello di mappare ogni processo di business, interpretare con rigore scientifico che cosa stia accadendo e comunicarlo in maniera comprensibile agli adetti del settore.

Non devi per forza diventare uno scienziato statistico o un data scientist.

Devi però imparare a leggere la mappa.

Il leder di domani dovrà imparare a leggere, capire e interpretare i dati per portare avanti la sua azienda in modo illuminato.

Il leader di domani dovrà essere in grado di capire che cosa dati e algoritmi siano in grado di fare insieme.

Quali siano i loro limiti e come trarne profitto… prima che a farlo siano i vicini di casa.

I dati insieme agli algoritmi intelligenti scalano i processi di business, creano strategie dove là prima non c’erano e mostrano opportunità che prima non potevi nemmeno vedere.

Prendiamo esempio dai giganti

Prendiamo ad esempio uno degli aspetti più ardui in assoluto per chi lavora in azienda: la gestione delle persone.

Il capitale umano è senza dubbio l’asset più importante per un’azienda che ha un minimo di visione a lungo termine e saperlo gestire al meglio è il compito di ogni buon manager.

Un buon manager deve capire le persone, deve sapere ascoltare e prendere decisioni con freddezza.

Per quanto può essere bravo però anche un manager ha bisogno di una mappa da poter seguire.

Google è il vero maestro del people management.

Qual’è il suo segreto ?

Google è una compagnia data driven fin dalla nascita e applica questo approccio ad ogni minimo aspetto del suo business.

Google offre il pranzo a tutti i suoi dipendenti, le vacanze pagate e sempre l’hotel più vicino a tutti i dipendenti che si spostano per lavoro e devono rimare in ufficio per più giorni.

Google ha creato vere e proprie aree di relax dove i dipendenti hanno la possibilità di meditare, dormire per un paio di ore o andare in palestra.

Pensi davvero che sia solo un questione di soldi o benevolenza dei manager ?

Niente affatto.

Google monitora l’esperienza cliente, si fa le domande giuste e verifica con i dati.

Ti assicuro che non a caso ha vinto il titolo di Top Company to Work per ben 8 anni su 11 da quando esiste il concorso.

Manager (o esperti di HR) devono lavorare insieme agli esperti di dati

È un gioco di squadra.

I manager hanno esperienza di gestione del personale, conoscono le persone e cosa possa fare l’azienda.

I data scientist sanno dove trovare i dati, come gestirli e come creare i modelli predittivi.

Non devi diventare un data scientist.

Devi però iniziare a capire come leggere questi dati, quali sono le potenzialità di questi modelli e trasformarti in una volta per tutti in un professionista data driven.

Google case study… abbiamo bisogno dei manager ?

Entriamo ora in uno dei case study più famosi e studiati del management data driven.

Il progetto Oxygen.

Innanzitutto un po’ di contesto: gli storici fondatori del motore di ricerca, Sergey Brin e Larry Page, tipici geek e molto attaccati alla cultura tech/ingegneristica, erano tormentati da una domanda…

1. Servono davvero i manager nella nostra compagnia, non è meglio avere dei gruppi di lavoro formati solo da tecnici e ingegneri ?

Sergey e Larry erano assolutamente sicuri di porsi una domanda retorica ma, la cultura aziendale vincente che fa del data-driven il suo motto imponeva di verificare ogni singola domanda.

O come direbbe l’ex CEO della stessa compagnia Eric Schmidt:

We run this company on questions, not answers.

Di questa essenziale domanda ne ha cercato le risposte il team Pilab, una sezione di ricercatori e analisti di Google che si occupano di domande no direttamente urgenti al business ma che possono cambiare la strategia e la gestione dell’azienda nel medio e lungo termine.

Per prima cosa, per un periodo di tempo, hanno provato a rimuovere completamente i manager da alcuni sezioni di Google ma con risultati catastrofici.

Dato che il dubbio persisteva ancora nella mente dei fondatori e che non c’era alcuna evidenza del valore aggiunto dei manager, Pilab ha cambiato leggermente la domanda per far luce sul problema di business:

2. I manager in Google creano davvero valore aggiunto al team ?

• Analizzare i dati già in loro possesso sulle performance dei manager tramite un approccio bottom-up (i sondaggi dei dipendenti) e uno top-down (misurazione delle performance).
• Raccogliere nuove informazione sui manager come produttività, felicità dei dei dipendenti nel lavorare con loro e probabilità di lasciare l’azienda nei prossimi anni.

Anche se nel primo caso il clustering dei manager era abbastanza uniforme, unendo dati vecchi a quelli sono giunti ad una scoperta molto interessate: la differenza tra i manager meno preformanti e più preformanti era statisticamente rilevante.

Vista le evidenze trovate e colmato il dubbio sul valore aggiunto dei manager non si poteva che procedere con una terza ed ultima domanda:

3. Quali sono le caratteristiche di un buon manager in Google ?

Anche in questo caso il team Pilab, fidandosi solo di ricerche statisticamente rilevanti, ha iniziato ad analizzare le differenze tra i manager del percentile più basso da quello superiore per estrarre la risposta dai dati.

Questo è un esempio estremo di come la cultura data driven possa fare una differenza sostanziale. L’azienda non fidandosi dell’intuizione (o del capriccio) dei fondatori ha trasformato il dubbio in tre domande strategiche verificando scientificamente ogni risposta.

Airbnb case study: data university

Un altro gigante.

Questa volta parliamo di Airbnb.

Il colosso delle piattaforme online sa bene quanto sia vitale tenere traccia del comportamento di un cliente da prima visite al momento dell’acquisto.

Lo slogan Data is the voice o our customer la dice lunga sulla cultura di questa società che tra le tante ha saputo arrampicarsi nel difficile business dei viaggi e delle vacanze online.

La compagnia dichiara di avere a disposizione un team di ben 100 world class data scientist ma sa bene che questo non basta.

Airbnb pur essendo data driven fin dalla nascita ha molto a cuore il tema della democratizzazione del dato e sa meglio di tutti quanto questa sfida sia importante per i suoi numerosi collaboratori.

Per questo motivo insieme al data science leader Erin Coffman ha deciso di creare un nuovo percorso di training all’interno dell’azienda stessa chiamato Data University.

Data University is data education for anyone at Airbnb that scales by role and team. Our vision is to empower every employee to make data informed decisions. 

L’azienda ha preso talmente seriamente la cosa che tiene addirittura traccia dell’andamento dell’evangelizzazione della compagnia attraverso KPI e l’avanzamento dei dipendenti nella cultura del dato creando tre classi di approfondimento distinte.

Questo è solo un piccolo esempio di quanto le compagnie più avanzate del mondo prendano seriamente questo aspetto.

Da digital ad AI transformation

La cultura data-driven a livello manageriale è il primo passo per comprendere un mondo in continua evoluzione.

Dalla cultura data driven si inizia a capire l’importanza di una digitalizzazione capillare, dell’uso degli analytics in ogni singolo processo di business alla seguente rivoluzione intelligente di machine learning e deep learning.

Negli ultimi 20 anni (2000-2020) il mondo aziendale ha subito un processo di digital transformation che ha completamente ridefinizione strategie e sinergie di ogni settore.

La digital transformation (e la cultura data driven per ricavarne il massimo profitto) solo la punta di diamante delle aziende più ricche e potenti del pianeta.

Già ora per molte aziende e settori il gap di digitalizzazione è molto forte.

Quello che in pochi hanno capito è che siamo davanti ad una nuova trasformazione, non più digitale ma intelligente. L’intelligenza artificiale è una tecnologia predittiva che si basa sulla spina dorsale della digitalizzazione.

Penso sia abbastanza ovvio intuire che digitalizzazione e adozione dell’intelligenza artificiale siano strettamente correlate. Ancora una volta sono le grandi compagnie tech a dominare il gioco poiché sono le uniche ad essere completamente (o quasi) digitali.

E il gap si allargherà ancora più… lasciando ben poco spazio alle aziende che non hanno saputo evolversi.

Amazon case study: da shopping than shipping a shipping than shopping

A proposito di digitalizzazione ma sopratutto di trasformazione intelligente.

Concludo con un case study immaginario, futuristico e un po’ spaventoso che però da la giusta intuizione per capire a fondo quanto svolgente può diventare la differenza da tra know-how se associata ad una piccola rivoluzione scientifica.

Quando fai acquisti su Amazon l’algoritmo di raccomandazione ti consiglia dei prodotti che potrebbero interessarti e che molti probabilmente hai espresso interesse tramite visite e click.

Al giorno d’oggi l’AI fa un ottimo lavoro: il 5% delle volte che consiglia un prodotto lo acquistiamo. In altre parole ogni 20 prodotti consigliati ne acquisterai uno.

L’algoritmo fa un ottimo lavoro ma è ben lontano dall’essere perfetto. Immagina però che Amazon inizi a implementare nuovi algoritmi, ad acquisire sempre più dati ed aggiungere sempre più potenza computazionale.

Ad un certo punto viene superato il treshold.

La capacità di predizione di Amazon è tale che il suo business model è da cambiare in vista di una strategie più profittevole. Anziché aspettare di ricevere un ordine e poi consegnare (shopping then shipping) Amazon sa già con buona probabilità cosa acquisterai e decide di spedire prima che tu compri (shipping then shopping).

La nuova capacità di predizione ha raggiunto un livello tale da far cambiare modello di business.

Ora Amazon consegna senza che tu ordini :

Non hai più bisogno di andare al supermercato, da dechatlon o in farmacia. Amazon sa cosa ti piace mangiare, che racchetta da tennis vuoi e Alexa sa che hai male allo stomaco.

Non si avrà mai una capacità di predire al 100%… ma non è necessaria per raggiungere questo modello di business. Amazon investirà in un servizio di restituzione che passerà in ogni casa per ritirare le previsioni sbagliate. 

Tutto ciò che non vuoi tenere lo lasci al furgone che passa a casa tua e ti vengono restituiti i soldi. Per Amazon sarebbe un vantaggio a dir poco incredibile. Sarebbe la fine di ogni commerciante nonché l’inizio della conquista di tutto il settore. In questo modo Amazon potrebbe tranquillamente fatturare più di tutti gli Stati Uniti messi insieme.

Perché non ci hanno ancora pensato ?

Semplice. 

Ancora la sua capacità di prevedere non è tale da rendere il shopping then shipping più profittevole del shipping then shopping.