54 / 100
54
progettare
413
•
APRILE
2018
all’innovazione tecnologica un mo-
dello organizzativo capace di gover-
nare il cambiamento, oggi si trovano
in portafoglio processi più efficienti,
nuovi prodotti e servizi con un ritorno
dell’investimento certo emisurabile”.
La spesa in Analytics
La spesa delle PMI in Analytics è
cresciuta del 18% nel 2017, ma il
loro ruolo è ancora marginale nel
mercato degli Analytics stessi. Lo
rivela l’indagine dell’Osservatorio
su 947 imprese che impiegano da
2 a 249 addetti, da cui emerge che
fra le PMI la diffusione di sistemi di
Big Data Analytics si attesti solo al
7%. Tuttavia, le dimensioni aziendali
hanno un peso rilevante nel determi-
nare l’approccio a questi sistemi: per
le microimprese è ancora prematuro
parlare di Big Data Analytics perché
non ne comprendono l’utilità e non
sono sufficientemente strutturate,
ma un’azienda su cinque con almeno
dieci addetti ha progetti di Analytics
in corso e il dato sale al 24% per le
imprese con più di 50 addetti, segno
di un miglioramento anche delle PMI
sulla strada che porta a diventare ‘Big
Data Enterprise’. Quando si tratta di
valutare l’investimento in progetti di
Big DataAnalytics, spesso le PMI tro-
vano difficoltà a stimare i reali bene-
fici. Un altro ostacolo è la mancanza
di competenze adeguate, difficili sia
da sviluppare internamente sia da
reperire all’esterno, mentre una PMI
su dieci è preoccupata dagli aspetti
legati alla sicurezza informatica. “Le
piccole realtà o le piccolo/medie non
guardano all’internazionalizzazione.
Ci sono anche problemi di arretra-
tezza derivanti dal profilo culturale
e organizzativo. Si deve partire dalla
sensibilizzazione e dall’orientamento
che si può portare avanti anche at-
traverso le associazioni di categoria
o industriali. Sul piano organizzativo
- spiega Vercellis - queste realtà de-
vono uscire da un assetto gerarchico-
padronale e la chiave di volta sarà nei
servizi in cloud e nelle applicazioni
as a service che aiuteranno a ridurre
il total cost of ownership e all’acqui-
sizione di risorse in outsourcing as
a service. Contenimento dei costi
ma anche pecezione dei bisogni: un
esempio sono le richieste formative
che queste realtà ci fanno. Sono un
po’ vintage, sono simili a quelle che
si facevano venti e più anni fa. L’ap-
proccio con il quale le organizzazioni
con meno di 250 addetti affrontano i
Big Data Analytics è infatti ancora di
tipo tradizionale: nelle piccole realtà
l’analisi dei dati, seppur sviluppata
con tecnologie innovative, rimane u-
na prerogativa dell’IT o un argomen-
to complesso da dover richiedere in
modo sistematico la consulenza di
società esterne specializzate”.
L’on demand manufacturing
La disponibilità di una grande quan-
tità di dati (Big Data) in tempo reale,
facilmente e rapidamente analizza-
bili (attraverso i Big Data Analytics)
rende i processi produttivi più agili
ed efficienti, grazie a un risparmio
di tempo e a una maggiore flessibi-
lità, adattando l’attività secondo le
specifiche esigenze del momento.
Grazie alla connessione dei macchi-
nari (garantita dallo sviluppo della
Internet ofThings) si controlla, infat-
ti, il flusso di domanda adeguando
i livelli di produzione, monitorando
eventuali interruzioni improvvise,
controllando le scorte di magazzi-
no, e ottimizzando così le risorse.
Inoltre, la produzione diventa ‘On
demand manufacturing’, in grado di
adattare in tempo reale la produzio-
ne alla domanda. Secondo la Dire-
zione Studi e Ricerche di Intesa San-
paolo, la possibilità di un costante
e continuo flusso di informazioni
permette sia di agire/operare da re-
moto per la risoluzione di problemi,
sia di anticipare eventuali criticità,
spostandosi così verso una forma
di manutenzione predittiva che con-
sente di intervenire ancora prima
che il problema si presenti. Per le
PMI italiane della meccanica signi-
fica mantenere alto il livello di ser-
vizio post-vendita, che può essere
condotto a distanza dall’Italia, senza
INCHIESTA