Divisione Ricerche “Claudio Demattè” Osservatorio Business Intelligence Dalla BI Reporting‐Based alla BI a Supporto delle Decisioni Dicembre 2010 Copyright Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” SDA Bocconi, School of Management Per informazioni e materiali: www.sdabocconi.it/obi [email protected] Indice L’Osservatorio Business Intelligence ................................................................. 5 La Struttura dell’Osservatorio ............................................................................ 7 I progetti futuri .................................................................................................. 7 Dalla BI Reporting‐Based alla BI a Supporto delle Decisioni: evidenze empiriche e modelli concettuali ........................................................................................ 9 L’analisi dei casi aziendali di BI a supporto delle decisioni ................................ 9 Le categorie di benefici emergenti dall’impiego delle nuove tecnologie di BI nei processi decisionali .................................................................................... 10 Il ruolo delle nuove tecnologie di BI nell’adozione della BI e nell’esplorazione di processi decisionali più “naturali” ............................................................... 20 Le possibili linee di azione per il passaggio alle fasi più evolute del BI Maturity Model (assetto di BI Governance): cenni ......................................................... 34 Bibliografia di riferimento ................................................................................ 37 Azienda Ospedaliera di Padova – ULSS 16 di Padova – Istituto Oncologico Veneto ........................................................................................................... 41 L’Azienda .......................................................................................................... 41 Il monitoraggio di prenotazioni e pagamenti .................................................. 41 Il ruolo delle nuove tecnologie di Business Intelligence .................................. 45 Banco Popolare .............................................................................................. 49 Il Gruppo .......................................................................................................... 49 Gli Obiettivi e le strategie ................................................................................ 50 Il Risk Management ......................................................................................... 50 Il processo di valutazione di adeguatezza patrimoniale .................................. 51 Il ruolo delle nuove tecnologie di Business Intelligence .................................. 56 BCC Vita (BCC Assicurazioni) ........................................................................... 59 L’Azienda .......................................................................................................... 59 Gli Obiettivi e le strategie ................................................................................ 60 Il Processo di Budgeting e monitoring ............................................................. 60 Il ruolo delle nuove tecnologie di Business intelligence .................................. 64 COREPLA ........................................................................................................ 67 L’Azienda .......................................................................................................... 67 Gli Obiettivi e le strategie ................................................................................ 68 Il processo di pianificazione pluriennale .......................................................... 68 Il ruolo delle nuove tecnologie di Business Intelligence .................................. 76 4 Edison ............................................................................................................ 77 Il Gruppo .......................................................................................................... 77 Gli Obiettivi e le strategie ................................................................................ 77 Il piano di Dispacciamento di energia alla Borsa e ai grossisti. ........................ 79 Il ruolo delle nuove tecnologie di Business Intelligence .................................. 82 Federazione Lombarda delle Banche di Credito Cooperativo ........................... 85 L’Azienda.......................................................................................................... 85 Gli Obiettivi e le strategie ................................................................................ 86 Il Sistema dei Controlli ..................................................................................... 86 Il Processo di pianificazione delle attività di Internal Auditing ........................ 87 Il ruolo delle nuove tecnologie di Business Intelligence .................................. 92 Preca Brummel ............................................................................................... 93 Il Gruppo .......................................................................................................... 93 Gli Obiettivi e le strategie ................................................................................ 94 Il processo di definizione del briefing di Collezione ......................................... 94 Il ruolo delle nuove tecnologie di Business Intelligence ................................ 101 RCS Direct .................................................................................................... 103 Il Gruppo e l’azienda ...................................................................................... 103 Gli Obiettivi e le strategie .............................................................................. 104 La gestione delle Campagne abbonamenti ................................................... 105 Il ruolo delle nuove tecnologie di Business Intelligence ................................ 108 Servizi Bancari Associati ............................................................................... 111 L’Azienda........................................................................................................ 111 Gli Obiettivi e le strategie .............................................................................. 111 Il Controllo di Gestione .................................................................................. 112 Il processo di monitoraggio delle performance delle filiali in Banca Cassa di Risparmio di Savigliano .................................................................................. 114 Il ruolo delle nuove tecnologie di Business Intelligence ................................ 116 ULSS 19 di Adria ........................................................................................... 119 L’Azienda........................................................................................................ 119 I Processi decisionali supportati da strumenti associativi ............................. 121 Partner ......................................................................................................... 127 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
L’Osservatorio Business Intelligence L’Osservatorio Business Intelligence trova le proprie radici nell’attività di continua ricerca (dal 1994) e di formazione (dal 1990) svolta dalla SDA Bocconi su questi temi e nell’esperienza accumulata dalle imprese italiane nel campo dei sistemi di Business Intelligence, di Business Performance Management e di Datawarehou‐
se. Esso vuole essere il punto di riferimento italiano per chi desidera valutare le dinamiche di diffusione/adozione e le modalità di impiego della BI, siano essi ri‐
cercatori, fornitori (vendor, distributori, implementatori) o aziende. Il modello per componenti della BI/BPM, illustrato in Figura 1, mostra gli oggetti di indagine dell’Osservatorio: 1. al centro, l’individuo che utilizza direttamente i sistemi di BI/BPM, nelle sua doppia “veste” di persona (con la sua cultura, atteggiamenti, curiosità, ca‐
pacità analitiche e distorsioni cognitive che influenzano necessariamente il successo dei sistemi di BI/BPM stessi) e di decisore o analista aziendale (con i suoi ruoli, le sue responsabilità, i suoi obiettivi, il suo potere e i suoi compiti aziendali più o meno interessati dai sistemi di BI/BPM); 2. le applicazioni di BI/BPM (di analisi commerciali e di marketing, di supply chain, di budgeting e forecasting, di Performance Measurement, etc.), i to‐
ols di BI (reporting, query, OLAP, geo, cruscotti, etc.), le tecniche statistiche, i dati da analizzare (presenti nei vari datawarehouse, datamart, metadati, etc. e i sistemi gestionali in molti casi), quali sistemi a disposizione degli u‐
tenti (persone e decisori/analisti) per svolgere le attività di controllo e di decisione aziendali; 3. i principi, i modelli e i processi di management aziendale, che definiscono il contenuto informativo e le modalità di pianificazione, programmazione, controllo e misurazione dei fenomeni quantitativi d’azienda (activity‐based, value‐based, cost accounting, performance measurement, ciclo di budget, piano strategico, definizione degli obiettivi strategici e tattici, etc.): essi so‐
no più spesso elementi di input agli elementi della BI Governance (punto 4), ma in molti casi ne sono anche influenzati, creando così reciproche influen‐
ze tra i due componenti (spiegata dalla linea tratteggiata grigia); 4. le linee‐guida di BI/BPM Strategy (piano della BI, valutazione economiche, budget dedicato, architettura, standard, etc.), Organization (unità dedicata alla BI/BPM, Competence Center, posizione, skill, ownership del budget di BI e accountability dei progetti e dei sistemi di BI/BPM, education, etc.), e Management (servizi applicativi di BI/BPM nel Catalogo dei Servizi IT azien‐
dali, misurazione dei risultati, demand management della BI/BPM, BI sour‐
cing, etc.), quali elementi di BI/BPM Governance che interagiscono e pos‐
sono innovare i modelli e i processi di management, creando condizioni tecnico‐organizzative nuove per il loro svolgimento più efficiente e/o più efficace. GEME
MANA
NT
PR
M
AN
I
RG
S
PM TRATEGY, O
per la BI/BPM
B I/ B
AG
AN
I
DA
LE
Mercato dei SW e HW Vendor
SW S
OL
TO
SISTEM
I
GESTIO
NALI
(ERP e
non)
ID
(consulenza, implementazione)
BI
ON
E
RS E R
OR
P E US
IS IS T A
C
T
DE NAL
T A EN
A
DA EM
SS
A
E M E N T ZI E N
di
CE
M ANAG
o
HE E
IC TIV
CN T A
TE N TI
UA
Q
I
al i
ON
ZI ertic
CA (v
I
PL PM o)
AP BI/B cess
A
DI pro
O
Mercato dei servizi per la BI/BPM
ZA
TI
O
N,
6 Figura 1 ‐‐ Il modello per componenti della BI e del BPM. Infine tutti i componenti descritti “insistono” sul mercato dell’offerta di soluzioni software e di servizi connessi alla BI/BPM, con le sue regole, le sue dinamiche competitive, i suoi meccanismi contrattuali e di relazione. Il terzo ciclo di indagine 2010 dell’Osservatorio Business Intelligence è stato or‐
ganizzato in Chapter ed ognuno dei quali si è focalizzato su un tema specifico.
Chapter “eDiscovery: nuove forme di Intelligence su Web e Social Web" finalizzato ad analizzare le potenzialità di business offerte dai sistemi di Web Intelligence e le criticità a cui prestare attenzione nella loro imple‐
mentazione e gestione. Chapter “BI Governance” finalizzato ad analizzare il ruolo e l’impatto de‐
gli strumenti del BI Maturity Model dell’Osservatorio BI di SDA Bocconi, nella definizione delle strategie riguardanti i sistemi di Business Intelligence e quindi la loro rilevanza nella costruzione di un framework aziendale di BI Governance. Chapter “Dalla BI Reporting‐Based alla BI a Supporto delle Decisioni” fi‐
nalizzato a comprendere quanto la BI di ultima generazione è in grado di supportare il decisore qualsiasi sia il suo processo di analisi, strutturato e predefinito oppure non strutturato e associativo. Il presente lavoro costituisce l’output di ricerca del Chapter “Dalla BI Reporting‐
Based alla BI a Supporto delle Decisioni”. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
7 La Struttura dell’Osservatorio L’Osservatorio si compone di un Comitato Scientifico, di una struttura di ricerca e delle aziende aderenti. Il Comitato Scientifico, che guida e coordina le attività dell’Osservatorio, è composto da referenti scientifici di SDA Bocconi, da IT par‐
tner e da gruppi di manager aziendali che offrono la loro collaborazione in fun‐
zione dei temi oggetto di ricerca (CIO, Marketing Manager, CFO, etc.). La struttura di ricerca è costituita da ricercatori di SDA Bocconi con competenze specifiche in organizzazione, sistemi informativi e Amministrazione e Controllo. In particolare il team di ricerca è composto da:
Paolo Pasini, Responsabile Scientifico dell’Osservatorio; Valentina Ajmone; Massimo Erba; Angela Perego, coordinatore dell’Osservatorio. I progetti futuri Le attività dell’Osservatorio in futuro saranno focalizzate a:
continuare a indagare molti degli aspetti organizzativi, di strategia e di trend indagati, per poter osservare la “storia” e la dinamica di questi fe‐
nomeni; estendere l’esperienza di successo dei Focus Group a Supply Chain manager, manager delle Risorse Umane, manager dell’innovazione o del business development e manager delle Operations; studiare il mercato italiano e europeo dei prodotti, dei servizi e della ca‐
pacità progettuale connessi ai sistemi di BI/BPM; creare le condizioni di lavoro e di confronto sulla BI/BPM nei principali paesi europei mediante partnership internazionali con Business School europee. Per informazioni e materiali: www.sdabocconi.it/obi [email protected] Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
8 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Dalla BI Reporting‐Based alla BI a Supporto delle Decisioni: evidenze empiriche e modelli concet‐
tuali Paolo Pasini L’analisi dei casi aziendali di BI a supporto delle decisioni I casi di applicazione delle nuove tecnologie di Business Intelligence (BI) a proces‐
si decisionali aziendali studiati nella ricerca, pur non rappresentando un campio‐
ne significativo a livello statistico, costituiscono una base empirica su cui è possi‐
bile sviluppare molte considerazioni circa le modalità di introduzione e di applicazione della BI a processi di analisi e di decisione complessi e ricorrenti. I problemi decisionali studiati nell’indagine sono di natura molto diversa e spaziano da problemi più tradizionali di scelta dei segmenti di clienti a cui indiriz‐
zare una campagna promozionale a decisioni critiche molto specifiche di core bu‐
siness, quali la decisione ricorrente del miglior piano di dispatching di energia e‐
lettrica verso il sistema elettrico nazionale. Tutte le aziende coinvolte nella presente ricerca qualitativa sono aziende con esperienza nella BI, alcune anche da molti anni, che hanno sperimentato diverse generazioni di tecnologie di BI apparse sul mercato e proposte da vari vendor più o meno focalizzati nello sviluppo di tecnologie di BI. Le aziende della ricerca sono prevalentemente tipiche aziende di medio‐
grande dimensione italiane. Le aziende indagate e i campi di applicazione delle nuove tecnologie di BI sono le seguenti: 1.
2.
3.
4.
5.
Azienda Ospedaliera di Padova – ULSS 16 di Padova – Istituto Oncologico Veneto: il monitoraggio delle prenotazioni e dei pagamenti e la scelta del‐
la miglior allocazione delle risorse finanziarie. Banco Popolare: il Risk management e la valutazione/scelta dell’adeguatezza patrimoniale. BCC Vita (BCC Assicurazioni): il processo di budgeting, di monitoraggio e di forecast mensile. Corepla: il processo di pianificazione finanziaria pluriennale. Edison: il piano di dispacciamento di energia alla Borsa elettrica e ai gros‐
sisti. 10 6.
Federazione Lombarda delle Banche di Credito Cooperativo (BCC): il pro‐
cesso di pianificazione delle attività di Internal Auditing (sulla base del cal‐
colo dell’indice di Rischio complessivo di ogni BCC). 7. Preca Brummel: il processo di definizione del briefing (e del budget) di collezione e la pianificazione dei lanci di produzione. 8. RCS Direct: il processo di scelta delle campagne marketing (per gli abbo‐
namenti). 9. Servizi Bancari Associati: il processo di monitoraggio delle performance fi‐
nanziarie delle filiali bancarie e la scelta delle nuove azioni di marketing e di vendita. 10. ULSS 19 di Adria: il monitoraggio dell’andamento delle attività di ricovero e la continua pianificazione delle risorse finanziarie. Le categorie di benefici emergenti dall’impiego delle nuove tecnologie di BI nei processi decisionali L’analisi dei casi studiati ha fatto emergere 7 categorie di benefici derivanti dall’introduzione delle nuove tecnologie di BI, sia in contesti di applicazione dove erano presenti precedenti tecnologie di BI, sia in contesti applicativi nuovi, senza esperienza pregressa. Le categorie emerse sono le seguenti: 1.
2.
3.
4.
5.
6.
7.
Capacità di risposta a domande complesse di business con informazioni mirate che implicano l’analisi trasversale e discrezionale (tramite pro‐
cessi associativi) di molteplici fenomeni aziendali, in molti casi anche for‐
temente mutevoli. Processo di introduzione modulare ed incrementale delle nuove tecno‐
logie di BI. Progetti di BI “time‐to‐market” e riduzione del “time‐to‐delivery” delle informazioni. Maggiori capacità di tuning e di interventi sulla qualità dei dati dei si‐
stemi transazionali. Impatto sull’organizzazione delle funzioni utenti e della funzione SI (ruo‐
li, task, adozione della tecnologia di BI, relazioni tra specialisti e utenti). Possibilità di ottenere nello stesso ambiente di BI un’elevata complessità applicativa della BI unita all’integrazione di fonti source molto eteroge‐
nee. Capacità tecnico‐prestazionali dell’ambiente di BI e semplificazione della progettazione dei modelli dati. Di seguito si riportano i commenti più significativi dai vari casi aziendali descritti successivamente, relativi alle varie categorie di benefici sopra menzionate. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
11 Capacità di risposta a domande complesse di business con informazioni mirate che implicano l’analisi trasversale e discrezionale (tramite pro‐
cessi associativi) di molteplici fenomeni aziendali (ad es. clienti, prodot‐
ti, agenti, zone di vendita ecc.), in molti casi anche fortemente mutevoli. Azienda Ospedaliera di Padova, ULSS 16 di Padova, Istituto Oncologico Veneto. Molte erano le domande alle quali era spesso difficile dare soluzioni efficaci e ve‐
loci (domande sulla previsione della richiesta di servizi sanitari, sulla pianificazio‐
ne conseguente delle attività dei dipartimenti sanitari, sulla copertura finanziaria delle prenotazioni esistenti, sulle inefficienze dei processi di erogazione dei servi‐
zi etc.). Le tecnologie associative sono risultate adatte agli obiettivi di analisi in quanto principalmente facili e veloci: con l’utilizzo si è infatti dimostrata la possi‐
bilità di partire da estrazioni grezze e costruire incrementalmente aree di analisi via via più raffinate; è previsto poi lo sviluppo di aree applicative che permettano di condurre analisi trasversali per patologia. Allo stesso tempo la ricchezza in‐
formativa costruita si è rivelata elemento critico per superare altre possibili resi‐
stenze derivanti dalla presenza di lievi difformità nei valori: nel tempo l’uniformità nell’interpretazione delle informazioni si è rivelata più importante della precisione puntuale dei dati. Banco Popolare. Lo strumento ha permesso il potenziamento delle attività di a‐
nalisi supportando il tipico percorso associativo degli analisti e dei decisori, l’utilizzo di algoritmi di calcolo anche molto complessi e la produzione di flussi di dati che possono poi essere utilizzati in input da altri sistemi. BCC Vita. Con l’integrazione dei dati di produzione di BCC Assicurazioni quest’unica vista sulle due attività permette di avere una visione globale di come le due Compagnie di riferimento del mondo del Credito Cooperativo si stanno muovendo. Edison. Sul fronte dell’utilizzo, l’immediata possibilità di effettuare analisi libere e ad hoc a supporto delle simulazioni del Piano di dispacciamento, ha consentito di superare le limitazioni derivanti dalle dimensioni di analisi previste nei modelli da‐
ti e nei cubi predefiniti, per cui l’Energy Management ora si trova a disporre di un ambiente flessibile e simulativo più coerente con la complessità del problema decisionale e soprattutto più facilmente adattabile al contesto mutevole in cui dover prendere le decisioni di dispacciamento di energia. Preca Brummel. Il processo di creazione del briefing di collezione è un processo molto complesso per la numerosità di informazioni necessarie, per l’elevato livel‐
lo di granularità richiesto, per la trasversalità del processo di analisi e di simula‐
zione che coinvolge praticamente tutte le funzioni aziendali e per l’ampiezza dell’arco temporale di svolgimento. Gli utenti possono analizzare gli eventi azien‐
dali seguendo i percorsi di analisi per loro più corretti e adeguati: il grado di ap‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
12 profondimento e di aggregazione dei dati e gli elementi di analisi sono scelti libe‐
ramente dall’utente senza limiti o vincoli imposti dallo strumento. RCS Direct. Molte erano le domande alle quali era spesso difficile dare risposte efficaci e veloci prima dell’introduzione delle nuove tecnologie di BI (domande ri‐
guardanti l’efficacia dei soggetti della comunicazione, l’efficacia dello sconto ri‐
spetto al gadget nell’abbonamento, i profili migliori dei consumatori che rispon‐
dono alla campagna e come pagano, l’efficacia del canale, gli indici di propensione e di anzianità dei clienti etc.). Il ruolo delle nuove tecnologie di BI si è articolato su più fronti, da un lato consentendo analisi associative e dinamiche sul DB che contiene la storia delle campagne abbonamenti precedenti, e dall’altro di conseguenza, generando tempi di reazione e di supporto al marke‐
ting degli abbonamenti più veloci, stimolando direttamente la sua “curiosità” di mercato, ma anche la sua autonomia rispetto alla Funzione IT nel produrre rispo‐
ste e informazioni. Inoltre le nuove tecnologie di BI visualizzano tutti i dati, anche “i dati sporchi” (es. duplicati, record di test), e fanno scaturire altre domande alle quali si cerca di dare risposte con ulteriori analisi libere: “alla fine si ha un po’ la sensazione di creare più domande che risposte”! Ovviamente sembra più facile avviare progetti e manifestare le potenzialità del nuovo ambiente di BI, dove esi‐
stono già report tradizionali che hanno “ingabbiato” l’utente nelle rigidità di navi‐
gazione e di incrocio dei dati; d’altra parte esso non è fatto per fare reporting massivo, per fare il consolidamento di dati e report, è un sistema di analisi dei dati che ti “porta a pensare” per mezzo delle diverse visioni del dato, per cui si passa dalla visione passiva del dato all’osservazione dei dati e alla scoperta dei fenomeni. Servizi Bancari Associati. arricchendo i contenuti informativi, il Sistema di Repor‐
ting si è trasformato in un Sistema di Controllo, migliorandone le performance ed ottenendo maggiore efficienza nelle successive manutenzioni ed evoluzioni del sistema stesso. Rileggendo in modo trasversale tutti i casi, si aggiunge un aspetto emblemati‐
co tipico dell’utilizzo dei sistemi di BI in Italia, e che sembra essere un potenziale beneficio generato dall’introduzione delle nuove tecnologie di BI: generalmente non esiste coincidenza tra chi costruisce o chi interroga il sistema (l’analista IT o l’analista end‐user) e chi utilizza l'output informativo finale (il decisore, respon‐
sabile della decisioni finale); esistono quindi due tipi di "memoria" (quella dell’analista e quella del decisore), da cui si attingono gli stimoli cognitivi, i para‐
metri e gli input per lo svolgimento di 3 fasi critiche dei processi decisionali (come si vedrà anche più avanti): “l’intelligence dei problemi”, la "generazione delle al‐
ternative" e la "valutazione/simulazione delle alternative". Da molti anni si auspi‐
ca che sia la medesima persona a svolgere queste attività, oppure che migliorino i meccanismi di interscambio e di comunicazione (tra decisore e analista), spesso complessi e difficili da gestire: la soluzione ottimale a questo problema, non c’è Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
13 dubbio, dovrebbe risiedere nel fatto che chi costruisce (il sistema di BI), chi uti‐
lizza e chi decide possano essere la stessa persona, e ciò potrebbe essere facilita‐
to dalla disponibilità di nuovi ambienti di BI più semplici, ergonomici, intuitivi e flessibili. Processo di introduzione modulare ed incrementale delle nuove tecno‐
logie di BI Azienda Ospedaliera di Padova, ULSS 16 di Padova, Istituto Oncologico Veneto. È stato seguito un metodo di introduzione degli strumenti di BI di tipo incremen‐
tale: inizialmente un subset di funzionalità standard viene introdotta nelle fun‐
zioni di business ed in questo modo l’area di analisi viene creata e popolata, cre‐
ando così un vocabolario comune di analisi e grafici standard portatori, tra l’altro, di omogeneità di linguaggio tra le diverse aree; nel tempo, incrementalmente, viene eseguito un raffinamento delle funzionalità agendo sul modello di partenza per realizzare analisi di dettaglio proprie dell’area aziendale. Preca Brummel. La flessibilità dello strumento è sicuramente la caratteristica che in questo contesto ha permesso di raggiungere con successo gli obiettivi di sup‐
porto al business definiti. Per gli utenti, però, anche la facilità di utilizzo dello strumento e la sua velocità nel recuperare i dati e produrre i report richiesti sono elementi non trascurabili. Ai benefici qui sopra menzionati si aggiunge una riflessione che scaturisce dall’osservazione complessiva dei casi indagati circa la possibile riduzione del tempo medio di accumulo di esperienza nella BI di cui le nuove tecnologie di BI possono essere un enabler fondamentale. In altri termini i nuovi ambienti di BI possono essere una risposta a: ”come appiattire la piramide di esperienza della BI? (Figura 2)”, “Come raggiungere più velocemente la punta della piramide della conoscenza generata dalla BI e ottenere più risultati contemporanei con la stessa tecnologia di BI? (Figura 3)”. La Figura 2 presenta la piramide di esperienza della BI emersa dalle ricerche condotte sulla diffusione della BI in Italia dalla metà degli anni ’90 in poi; essa de‐
scrive come la maggior diffusione della BI sia avvenuta partendo dalle funzionali‐
tà di base (reporting standard e cruscotti) per poi ampliarsi con l’esperienza sull’analisi Olap, sulle capacità di Query e di reporting ad hoc, e così via, fino alle più sofisticate funzionalità di modelling, di simulazione, di mining. La diffusione e la stratificazione di queste funzionalità di BI nel tempo ha comportato modifiche di rilievo nelle architetture dei sistemi di BI aziendali, nella necessità di disporre di competenze analitiche sempre più diffuse e maggiori, nonché la comprensione che le funzionalità più sofisticate di BI, benché accrescessero di molto il valore proprio dei sistemi di BI aziendali, non erano “per tutti” gli utenti della BI, bensì più spesso gestibili da pochi analisti o specialisti di BI portatori di competenze quantitative in parte esclusive. Le nuove tecnologie di BI potrebbero “appiattire” molto la piramide dell’esperienza della BI riducendo la complessità e la stratifica‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
14 zione dell’architettura sottostante, riducendo la necessità di sofisticate com‐
petenze analitiche ed ampliando il numero dei potenziali utenti in grado di sfrut‐
tarle al meglio. Data e Text Mining
Modelling, Predictive
Simulation
Performance Management, Analisi Geografica
Query e Reporting ad Hoc (“pull”), • SOFISTICAZIONE TECNOLOGICA E STRATIFICAZIONE DELLE FUNZIONALITA’ DI B.I. • NECESSITA’ DI CULTURA E COMPETENZE ANALITICHE
• VALORE DEL SISTEMA DI BI/DW
Analisi Multidimensionale, OLAP
Cruscotti Direzionali, • RIDUZIONE DEL N° DI UTENTII Reporting standard (“push”)
Figura 2 ‐ La piramide dell'esperienza della BI La Figura 3 rappresenta invece la piramide della conoscenza generata dalla BI: con le funzionalità di base si mira soprattutto a “Capire e a dare un senso al pas‐
sato e ai risultati aziendali”, per poi via via rivolgersi ad “Anticipare i problemi e a guidare il business” con un maggior orientamento al supporto decisionale, a “mi‐
gliorare i processi aziendali di valore per l’azienda, soprattutto dei processi che si interfacciano con il mercato” con meccanismi c.d. di “closed loop” che consento‐
no di utilizzare la maggior ricchezza di informazioni disponibili anche per revisio‐
nare i processi operativi aziendali, ed infine, all’apice della conoscenza di BI che genera Creatività manageriale, in termini di “nuovi prodotti‐servizi” o di “cam‐
biamento del Business Model dell’azienda”. Creatività sul mercato e nei Business Model
Nuovi Prodotti e Servizi
Migliorare i processi aziendali e le relazioni nella rete del valore
“Anticipare i problemi e Guidare il Business” nel Breve‐Medio Termine
“Capire e dare un senso al Business, al passato”
Figura 3 ‐ La piramide della conoscenza generata dalla BI Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
15 La Figura 4 (tratta da “Competing on Analytics” di Davenport, 2007, Harvard Business School Press) integra le due piramidi sopra commentate in un unico grafico che incrocia il grado di sofisticazione delle attività di Intelligence con i possibili benefici conse‐
guibili in termini di Vantaggi Competitivi. Competitive Advantage
Analytics
Decision Optimization
What’s the best that can happen?
Predictive Analytics
What will happen next?
Forecasting
What if these trends continue?
Statistical models
Why is this happening?
Alerts
What actions are needed?
Query/drill down
Where exactly is the problem?
Ad hoc reports
How many, how often, where?
Standard reports
What happened?
Degree of Intelligence
Reporting
(Fonte: Davenport, 2007)
Figura 4 ‐ La scala dell'Intelligence di Davenport (2007) In conclusione, sembra che i nuovi ambienti di BI possano contribuire sia a ri‐
durre i tempi di esperienza, di familiarizzazione e quindi di diffusione delle funzio‐
nalità di BI fino a quelle più sofisticate, e quindi contemporaneamente consentire di creare in tempi inferiori e in modalità più efficaci la conoscenza di BI “sedimen‐
tata” presso gli utilizzatori, che può, in alcuni casi, trasformarsi in vantaggi com‐
petitivi reali e duraturi. Progetti di BI “time‐to‐market” e riduzione del “time‐to‐delivery” delle informazioni. Azienda Ospedaliera di Padova, ULSS 16 di Padova, Istituto Oncologico Veneto. La velocità implementativa degli sviluppi su piattaforma associativa permette di agire con un nuovo paradigma operativo che consente anche di commettere er‐
rori di progettazione e procedere per tentativi: la base dati associativa risulta così flessibile da poter essere aggiustata nel corso dell’implementazione stessa se‐
condo nuove esigenze, anche attraverso la maggior conoscenza che si crea du‐
rante l’implementazione stessa. Sempre per un motivo legato alla velocità im‐
plementativa, risulta più opportuno e conveniente rivolgersi a fornitori esterni che detengono le competenze per sostenere gli sviluppi nel modo più efficiente ri‐
spetto alla creazione di competenze interne, che invece vengono sviluppate maggiormente sulle funzionalità utente legate all’analisi attraverso le quali è pos‐
sibile, anche da poche dimensioni a disposizione, creare analisi significative. Le caratteristiche del processo implementativo permettono di fornire risposte im‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
16 mediate agli utenti a fronte dei requisiti espressi, riducendo notevolmente il time‐to‐delivery: questo ha permesso di evitare resistenze organizzative da parte degli utenti stessi nei confronti del processo di introduzione e diffusione dei si‐
stemi di BI. BCC Vita. Un elemento critico per il successo del progetto è stata la velocità di realizzazione che ha portato in tempi veramente brevi a disporre di un prototipo funzionante sul quale poi si è lavorato per giungere alla versione definitiva dello strumento di analisi. La velocità e la facilità di implementazione del sistema lo hanno fatto diventare fin da subito la principale fonte di informazioni relative alla produzione, con continue richieste di implementazione e integrazione da parte degli utenti. Maggiori capacità di tuning e di interventi sulla qualità dei dati dei si‐
stemi transazionali Azienda Ospedaliera di Padova, ULSS 16 di Padova, Istituto Oncologico Veneto. Un altro aspetto importante dal punto di vista implementativo è stata la raziona‐
lizzazione dei sistemi transazionali fino a raggiungere uno stato di piena consape‐
volezza e conoscenza del patrimonio informativo a disposizione. Il ciclo imple‐
mentativo si chiude con la messa a punto all’interno del sistema transazionale dei dettagli che emergono durante l’analisi. Il database associativo realizza la sua massima espressione nelle funzionalità di analisi, quindi è opportuno che costi‐
tuisca uno specchio del sistema transazionale: in tal senso è meglio ridurre le pro‐
cedure di trasformazione e diminuire lo strato di ETL. Nel caso di problematiche di estrazione, inizialmente i filtri e le regole di trascodifica sono applicate diretta‐
mente, attraverso funzionalità di reportistica, all’interno delle aree di analisi, ma successivamente le correzioni sono apportate a livello transazionale in modo che il dato risulti corretto fin dal momento dell’estrazione. RCS Direct. È interessante osservare che l’analisi libera dei dati sul DB di marke‐
ting direttamente da parte degli user e senza filtri (senza if o where) ha consenti‐
to anche di evidenziare da parte loro i problemi di qualità dei dati operativi che erano insiti nei sistemi transazionali. Inoltre il nuovo ambiente di BI visualizza tut‐
ti i dati, anche “i dati sporchi” (es. duplicati, record di test, …), e fa scaturire altre domande alle quali si cerca di dare risposte con ulteriori analisi libere. Impatto sull’organizzazione delle funzioni utenti e della funzione SI (ruo‐
li, task, adozione della tecnologia di BI, relazioni tra specialisti e utenti) Azienda Ospedaliera di Padova, ULSS 16 di Padova, Istituto Oncologico Veneto. Dal punto di vista organizzativo si è registrato uno sconvolgimento del rapporto tra struttura organizzativa e soluzioni di BI: laddove le tecnologie tradizionali di BI traducono le esigenze informative espresse dai processi aziendali già consolidati (la BI a supporto della struttura), le tecnologie innovative di BI permettono di de‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
17 finire incrementalmente i processi di business parallelamente al supporto tecno‐
logico stesso (la BI crea la struttura). La BI costituisce poi una componente in‐
scindibile di ciascun progetto IT: non esiste un’unità organizzativa dedicata alla BI in quanto ciascuno sviluppo IT sui sistemi di BI prevede sia una componente tran‐
sazionale sui processi operativi aziendali, sia l’aggiornamento della relativa ali‐
mentazione del sistema di BI. Banco Popolare. Un altro elemento che ha determinato il successo del progetto è stato la stretta collaborazione, decisamente non usuale, tra il Risk Management e la Funzione Applicazioni Rischio e Controllo Finanza, che ha portato a una positi‐
va “contaminazione” di competenze normative, tecniche, gestionali e metodolo‐
giche tra i due team. BCC Vita. Il nuovo ambiente di BI ha permesso di rendere molto più autonomi gli utenti nella produzione dei report di loro interesse, nella costruzione di query e nel definizione dei propri percorsi di analisi anche se in questo ambito le possibi‐
lità di miglioramento sono ancora significative. Corepla. Il nuovo ambiente di BI ha permesso di semplificare le attività di manu‐
tenzione ordinaria ed evolutiva del sistema. Dal punto di vista del business, l’introduzione della nuova applicazione è stato un momento importante di razio‐
nalizzazione e definizione della struttura del modello di controllo e delle regole di simulazione che ha quindi portato alla creazione di una procedura strutturata per la pianificazione finanziaria. Allo stesso tempo la flessibilità garantita dallo stru‐
mento ha consentito un miglioramento consistente dell’operatività del Controllo di Gestione e la possibilità di arricchire il controllo e la valutazione dell’andamento aziendale, per esempio, introducendo nuovi indicatori di perfor‐
mance. Edison. La capacità di generare dati pertinenti e realistici da testare nelle simula‐
zioni di What if del piano di dispacciamento al fine di ottimizzare il MOL risultan‐
te, dipende fortemente dalla sensibilità e dall’esperienza di chi simula riguardo le dinamiche dei prezzi, delle quantità e della redditività risultanti, senza le quali lo strumento di analisi e di simulazione rischia di diventare “pericoloso”, fuorviante, generatore di scenari non fattibili. Il nuovo strumento disponendo di funzionalità native di simulazione what if e con buone performance coerenti rispetto al com‐
pito da affrontare quotidianamente ‐ la formulazione o il tuning del piano di di‐
spacciamento ‐ sembra diventato il prezioso alleato per fare ulteriore esperienza sul campo e generare nuova conoscenza da riapplicare nella ricerca delle combi‐
nazioni migliori delle variabili descritte nel modello decisionale precedente. Preca Brummel. Il nuovo ambiente di BI si configura come uno strumento di sup‐
porto alle decisioni, di valutazione delle performance dell’azienda nel suo com‐
plesso, delle unità aziendali e delle singole persone (ad esempio gli agenti) e di governo delle attività aziendali. Facilità e velocità sono caratteristiche vincenti anche dal punto di vista tecnico. Esse, infatti, hanno permesso e permettono an‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
18 cora oggi, alla funzione sistemi informativi di Preca Brummel di far evolvere in tempi contenuti lo strumento seguendo le esigenze e le richieste del business. RCS Direct. Un risultato interessante in termini di conoscenza organizzativa, è stata l’internalizzazione della conoscenza dei fenomeni di marketing, prima più sbilanciati verso le società di consulenza. La maggiore flessibilità ottenuta, gli skill velocemente costruibili sul tool, la facilitazione dell’auto‐apprendimento degli u‐
tenti, sono stati tutti fattori fortemente incentivanti la diffusione della nuova tec‐
nologia di BI, ma rimane fondamentale conoscere molto bene la base dati di par‐
tenza e i processi aziendali, per non fare errate interpretazioni dei dati, conoscenza che è condivisa con la funzione ICT. La mancanza fisiologica di tempo nell’ufficio marketing per ragionare sui dati e sulle analisi, ora più ampie e veloci, genera una continua rincorsa col tempo e con i cambiamenti di priorità commer‐
ciale, e fa perdere un certo potenziale informativo esistente nei dati disponibili e nel tool utilizzato. Il nuovo ambiente di BI ha cambiato le logiche dei progetti IT tradizionali: la veloce implementazione, la facilità d’uso, la possibilità di conse‐
gnare lo strumento anche ad utenti con scarsa esperienza, l’eliminazione dei cu‐
bi, delle dimensioni e delle misure, il training “on the job” continuo, senza una software factory o le classiche fasi di progetto IT a cascata, la riduzione del tempo e dei costi, soprattutto del re‐work quando cambiano i requisiti di business, ge‐
nerano, da un lato, un processo di sviluppo iterativo, continuo, e, dall’altro, la “sensazione del non finito”, del “cantiere sempre aperto”, con gli aspetti positivi e negativi che questo comporta: l’esperienza ha dimostrato che nel tempo in cui generalmente si costituisce il team di progetto, si è già ottenuto il primo risultato! Nell’anno in corso non era previsto nessun progetto di BI, nonostante ciò si è riu‐
sciti ad effettuarne diversi, finanziati in economia e con il supporto diretto o del‐
la funzione ICT. Possibilità di ottenere nello stesso ambiente di BI un’elevata complessi‐
tà applicativa della BI unita all’integrazione di fonti source molto etero‐
genee. Banco Popolare. L’eterogeneità e la dimensione delle fonti dati di input spiegano, insieme alla varietà di algoritmi utilizzati per le stime di rischio e le attività di Risk Forecasting, la significativa complessità del sistema. Tale complessità è stata però affrontata grazie all’adozione di uno strumento caratterizzato da tempi di svilup‐
po relativamente contenuti e da una significativa velocità di calcolo e fruizione dei dati elaborati. Lo strumento, infatti, ha permesso il potenziamento delle atti‐
vità di analisi supportando il tipico percorso associativo degli analisti e dei deciso‐
ri, l’utilizzo di algoritmi di calcolo anche molto complessi e la produzione di flussi di dati che possono poi essere utilizzati in input da altri sistemi. BCC Vita. Prima dell’introduzione di questo sistema non era possibile fruire di questa molteplicità di informazioni in un unico ambiente e poterle interrogare li‐
beramente secondo le logiche più coerenti con i decisori. Lo strumento ha inoltre Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
19 permesso di integrare i dati del ramo Vita con i dati della nuova Compagnia ramo Danni “BCC Assicurazioni”, che sono tra loro estremamente eterogenei per con‐
tenuto e per formati. In questo modo e in un unico strumento, i componenti del‐
la Direzione Vendite che hanno la competenza e la responsabilità commerciale per entrambe le Compagnie (Vita e Danni), possono monitorare i progressi della produzione ed effettuare le analisi necessarie per le due realtà, approcciando le singole BCC un punto di vista complessivo e condiviso. Federazione Lombarda delle BCC. Prima dell’introduzione di questo nuovo am‐
biente di BI non era possibile disporre di una così ampia base informativa in un unico ambiente, dove poter interrogare i dati liberamente secondo le logiche più coerenti con i decisori. La difficoltà era data in primo luogo dalla dispersione delle fonti alimentanti, che ancora oggi sussiste ma non rappresenta più una criticità grazie allo strumento in uso. Capacità tecnico‐prestazionali dell’ambiente di BI e semplificazione della progettazione dei modelli dati Edison. La difficoltà di gestire il volume dei dati di input forniti da Terna, sia in termini di modelli di dati progettabili, sia in termini di prestazioni nei tempi di ri‐
sposta, è stata superata con l’impiego di una nuova tecnologia di BI che ha con‐
sentito di disporre in linea del massimo dettaglio dei dati, senza dover necessa‐
riamente aggregare preliminarmente i dati. Federazione Lombarda delle BCC. Lo strumento ha permesso di superare alcune rigidità di implementazione riscontrate in progetti precedenti con sistemi c.d. tradizionali. Il primo tentativo di costruzione di un sistema a supporto del proces‐
so di pianificazione delle attività di Internal Auditing era stato fatto alcuni anni prima ma si era scontrato con le difficoltà di costruzione del Datawarehouse e con la laboriosità di alcune implementazioni. La semplicità realizzativa è sicura‐
mente stata la caratteristica più apprezzata. RCS Direct. La compressione dei dati rispetto ai tradizionali DB sembra essere di un fattore medio da 1 a 100, e ciò contribuisce a ridurre i costi di storage e di ba‐
ckup e stimola a tenere in linea più anni storici (che non sono più oggetto di ne‐
goziazione con l’utente!). Servizi Bancari Associati. I vantaggi ottenuti sono stati in termini di Re‐enginering e ottimizzazione dell’applicazione di BI in uso, di una maggiore elasticità del mo‐
dello di controllo di gestione impostato, non vincolata a dimensioni devono esse‐
re decise a priori e non successivamente modificabili, di costruzione di una infra‐
struttura ICT più semplice ed economica, di navigazione dinamica nella reportistica direzionale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
20 Il ruolo delle nuove tecnologie di BI nell’adozione della BI e nell’esplorazione di processi decisionali più “naturali” I processi decisionali aziendali: breve review della letteratura H. Simon (1960) costituisce un punto di riferimento fondamentale nella cono‐
scenza dei meccanismi di funzionamento dell’attività direzionale, in particolare per quanto riguarda l’attività decisionale dei manager. Vari sono i contributi che a più riprese Simon propone 1) sui limiti umani all'elaborazione delle informazio‐
ni, 2) sui criteri di decisione che vengono prevalentemente adottati nelle imprese (razionalità assoluta e razionalità limitata), 3) sulla classificazione delle decisioni d’azienda sulla base del loro grado di programmabilità e strutturazione. Quest’ultimo punto costituisce un’interessante prospettiva di indagine delle attività decisionali che si svolgono a ogni livello dell’impresa. Simon ripartisce le decisioni aziendali in: 1. decisioni non programmabili; 2. decisioni poco programmabili; 3. decisioni programmabili. La prima categoria è costituita prevalentemente da decisioni complesse (nume‐
rose variabili da considerare e interrelate tra di loro secondo relazioni causali po‐
co conosciute), operanti in condizioni di forte incertezza sia con riferimento agli input necessari, sui sugli effetti producibili da ogni alternativa decisionale, gene‐
ralmente orientate al futuro di medio‐lungo termine, difficilmente traducibili in una sequenza di fasi da svolgere (procedura). Esempi di decisioni non program‐
mabili possono essere la pianificazione della R&S, la pianificazione delle carriere, le decisioni di internazionalizzazione e così via. Le decisioni poco programmabili sembrano essere la categoria più diffusa e costituiscono quelle decisioni nelle quali è possibile strutturare un insieme di re‐
lazioni causa‐effetto quantitative (cioè un modello quantitativo) che possano es‐
sere di supporto alla decisione (soprattutto nella formulazione e valutazione del‐
le alternative di scelta), lasciando comunque al decisore‐umano (manager) la responsabilità della scelta finale. Esempi al riguardo possono essere la formula‐
zione dei prezzi di vendita, la scelta della modalità di lancio di un nuovo prodotto sul mercato, la decisione di localizzazione di un nuovo magazzino periferico, la programmazione della produzione, la formulazione del budget delle vendite, la valutazione del ritorno di un investimento finanziario o immobiliare, e così via. Le decisioni programmabili infine costituiscono la categoria nelle quali è pos‐
sibile costruire una procedura decisionale che analizzi perfettamente il problema decisionale, ne formuli le alternative, per giungere alla scelta tendenzialmente ottimale nelle condizioni rilevate o imposte, nelle quali in diversi casi si creano le condizioni anche per una eventuale sostituzione del decisore‐umano stesso con Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
21 sistemi automatizzati. Esempi di decisioni programmabili possono essere il riap‐
provvigionamento delle scorte sulla base della scorta minima, le decisioni tipica‐
mente inerenti la logistica e il magazzinaggio, le attività inerenti al controllo di processo nella produzione, la scelta del lotto di carico ottimale, la scelta del tra‐
gitto migliore nelle attività di trasporto, tutte decisioni dove esistono sistemi di variabili e di vincoli tipicamente di tipo fisico. Nel pensiero di Simon, l'incompletezza della conoscenza, derivante dalla fisio‐
logica mancanza di informazioni sulla natura dei problemi da affrontare e sulle conseguenze di ogni alternativa decisionale sottoposta a valutazione, costituisce il limite maggiore alla razionalità applicabile nella presa delle decisioni: questo limite può essere affrontato e ridotto attraverso l’impiego delle tecnologie di BI. Il vero scopo dell’attività decisionale manageriale non deve essere quello di per‐
seguire la conoscenza assoluta, ma di garantire al processo decisionale una quan‐
tità sufficiente di informazioni tale da assicurare a ogni posizione o livello azien‐
dale la conoscenza indispensabile per operare la scelta migliore (non ottima). Le tecnologie di BI, attraverso il potenziamento dei "depositi della memoria organiz‐
zativa" e dei "mezzi a disposizione per la ricerca e l'integrazione" contribuiscono fattivamente a raggiungere il livello di conoscenza e di informazione adeguati. Anche Galbraith (1973) concentra la sua analisi sul “grado di prevedibili‐
tà/strutturazione dei compiti” (anche se all’interno delle riflessioni sulla proget‐
tazione della struttura organizzativa), influenzato da diverse variabili ambientali, dal ritmo di cambiamento del contesto, ma anche dalla quantità e qualità delle informazioni disponibili. L’ampiezza delle informazioni richieste per l’efficacia di un’unità organizzativa (ad esempio una direzione funzionale o divisionale) dipen‐
de da: 1. il grado di incertezza dei compiti; 2. il numero di variabili che interessano e influenzano la presa delle de‐
cisioni; 3. il grado di interdipendenza (relazione) esistente tra le variabili prece‐
denti, tra le diverse decisioni e quindi tra i decisori coinvolti. Il miglioramento dell’efficacia decisionale richiede quindi la crescita del numero di informazioni quali‐quantitative, oppure azioni di cambiamento che migliorino il livello di prevedibilità e di strutturazione dei compiti decisionali. In generale la prevedibilità e la strutturazione sono incrementabili con interventi migliorativi dei sistemi di comunicazione, dei sistemi di programmazione delle attività azien‐
dali o della struttura gerarchica verticale; oppure riducendo le esigenze di infor‐
mazione, e quindi accettando una prestazione inferiore o un livello di rischio maggiore derivante dalle decisioni intraprese; oppure creando unità organizzati‐
ve meno interdipendenti tra di loro; oppure aumentando la capacità di elabora‐
zione delle informazioni, tramite sistemi informativi basati su tecnologia di BI; oppure aumentando le posizioni di staff, oppure, infine, incrementando le rela‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
22 zioni di collegamento e le posizioni di integrazione (gruppi virtuali, team di lavoro su progetti, organi e comitati vari, etc.). Daniel J. Isenberg (1984) introduce un ulteriore aspetto determinante che può aiutare a comprendere i meccanismi di funzionamento dell’attività decisionale: l'aspetto cognitivo. Il sistema cognitivo dei manager 1) costituisce una variabile critica per comprenderne il comportamento, 2) non si imposta su criteri razionali (si veda al riguardo Simon) e 3) non consente di distinguere in maniera inquivocabile l’attività decisionale da altre attività. Secondo Isenberg la figura del manager si estrinseca soprattutto nelle seguenti attività: Decision Maker: Isenberg osserva che difficilmente può essere osservato l'effettivo momento della decisione e che i manager di solito non prendono le decisioni più importanti scegliendo da una pluralità di alternative. Essi piuttosto assumono poche decisioni ponderate che spesso sono il frutto d'elaborazioni di un ampio periodo temporale nel corso del quale intervengono altri manager dello staff e della line, portando il loro contributo. Sensemaker: il management esercita una forte influenza imponendo al proprio ambiente organizzativo i modelli cognitivi con i quali gli eventi sono valutati e vengono prese le decisioni. Organizational Process Designer. Isenberg ritiene quindi che l'intuizione sia ben lontana dall'essere il semplice contrario della razionalità e nemmeno consista nel lasciarsi trasportare dalle congetture, ma sia piuttosto il frutto di una vasta esperienza passata nelle attività di analisi, di soluzione dei problemi e di implementazione. Le diverse concezioni di processo decisionale Esistono in letteratura cinque filoni di pensiero che hanno studiato il processo decisionale, enfatizzandone aspetti particolari e diversi. Ai fini di completezza del discorso si descriveranno ora in maniera schematica queste differenti concezioni. 1. La decisione come scelta ottimale ed economicamente più valida per il proble‐
ma (razionalità assoluta). Secondo questa concezione, il decisore è in grado di conoscere tutte le informazioni rilevanti per il problema, di formulare tutte le al‐
ternative di soluzione possibili e di valutarle comparativamente, pervenendo alla soluzione ottimale o migliore (H.Wagner, 1975). 2. La decisione come processo di ricerca di una soluzione sufficientemente valida per il problema in esame (razionalità limitata).Questo approccio tiene nella dovu‐
ta considerazione il fatto che spesso si lavora in condizioni di incertezza e che quindi non è possibile reperire ed acquisire tutti i dati necessari per istruire per‐
fettamente il problema. Inoltre il decisore stesso è dotato di una capacità limitata Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
23 di elaborazione delle alternative, per cui egli può accettare di intraprendere una soluzione soddisfacente, e non ottimale, considerando che l'acquisizione di ulte‐
riori elementi informativi implica un investimento ulteriore di tempo e di risorse finanziarie (H.Simon, 1960). 3. La decisione intesa come risultato del sistema organizzativo (rilevanza dell'as‐
setto organizzativo).Questo filone di pensiero osserva e valuta le interrelazioni che si instaurano tra i diversi componenti di un'organizzazione (le strutture orga‐
nizzative, i meccanismi operativi di coordinamento, di comunicazione e di con‐
trollo e così via) e che influenzano in maniera positiva o negativa i processi deci‐
sionali (G.March, 1988, 1994). A volte la necessità di una decisione deriva da un inadeguato assetto organizzativo, per cui essa può essere annullata intervenendo sulla causa e riprogettando l'assetto in maniera migliore. 4. La decisione come scelta politica (rilevanza della negoziazione e degli interessi in gioco).Le conseguenze delle decisioni spesso rimettono in discussione gli equi‐
libri di potere raggiunti in un'organizzazione. Gli attori coinvolti in un processo decisionale rappresentano diverse parti in un processo di negoziazione, di gestio‐
ne del consenso e di convergenza degli interessi personali o di gruppo, che porta alla scelta finale di una soluzione. La conseguenza di questo intrecciarsi di inte‐
ressi spesso conduce a decisioni di compromesso che difficilmente si discostano dallo status quo instaurato (J.Steinbruner, 1974). 5. La decisione come prodotto di una scelta personale e soggettiva (rilevanza del comportamento individuale e del proprio sistema cognitivo).In questo caso è rile‐
vante la persona del decisore che, con il suo modello di comportamento, la sua personalità, i suoi valori, interpreta le informazioni disponibili e assume le deci‐
sioni che secondo il suo giudizio massimizzano l’obiettivo, soprattutto nell'asse‐
gnazione dei pesi e delle priorità alle diverse alternative emerse (Schein, 1965; Bazerman, 1986). IL MODELLO DEL PROCESSO DECISIONALE DI H. SIMON Il primo modello analizzato è quello "tradizionale", il più conosciuto, di H. Simon (1960), che si sviluppa nelle seguenti fasi:
Fase 1: "Intelligence": consiste nella individuazione dei problemi che necessitano di una decisione e nella determinazione di tutte le informa‐
zioni ritenute utili per prendere una decisione al riguardo. Fase 2: "Design": consiste nella identificazione delle possibili linee d'a‐
zione alternative che possono correggere la situazione che ha generato il problema. Fase 3: "Choice": consiste nella scelta fra le alternative già formulate e già analizzate nelle loro possibili conseguenze. Fase 4: "Implementation/Review": consiste nell’attuazione delle deci‐
sioni prese e successivamente nel controllo delle conseguenze e dei ri‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
24 sultati effettivi di quelle scelte. Quest'ultima fase può innescare un nuo‐
vo processo decisionale, nel caso in cui le conseguenze e i risultati non corrispondano alle aspettative o non siano ritenute soddisfacenti. La fase della "implementation", cioè l'attuazione delle decisioni prese, non sem‐
pre viene considerata parte del processo decisionale. Simon stesso considera questa fase come una ulteriore decisione a sè stante, nella quale possono inter‐
venire fattori politici o di opportunità che impongono ai manager di prospettare e scegliere un'ulteriore azione alternativa (ritorno alla fase di "design"). Nonostante il modello di Simon costituisca il punto di riferimento di numerosi studi successivi sul processo decisionale e sulle sue relazioni con i sistemi di BI, esso semplifica eccessivamente il processo decisionale e trascura alcuni aspetti cruciali (come ad esempio quelli di negoziazione e di apprendimento) che ver‐
ranno, al contrario evidenziati nel modello successivo. IL MODELLO DECISIONALE ALLARGATO (H.MINTZBERG., P.KEEN) Il modello di Simon, come si è già detto, non mostra eccessiva attenzione agli a‐
spetti organizzativi di cooperazione, di negoziazione e di conflitto che diventano rilevanti quando una decisione scaturisce dall'interazione di più decisori con o‐
biettivi diversi. Egli non riconosce inoltre l'importanza dei meccanismi di accre‐
scimento della conoscenza, o di apprendimento, come momenti distinti nel pro‐
cesso decisionale. Dai lavori di Mintzberg e altri (1976) e di Keen (1980), che sviluppano e inte‐
grano diversi contributi precedenti, è possibile derivare un modello decisionale più articolato, in cui si tiene nella dovuta considerazione sia l'aspetto di negozia‐
zione, sia di apprendimento. La sintesi di questi contributi converge nel cosiddetto "Modello decisionale al‐
largato", costituito dalle seguenti fasi:
Fase 1 ‐ "Problem recognition": è la fase iniziale che innesca il processo decisionale con la identificazione e la rilevazione di un problema che ri‐
chiede un intervento. Le situazioni che possono generare un problema a‐
ziendale sul quale dover decidere, possono essere molteplici: prestazioni inadeguate, situazioni fuori norma, obiettivi non più rispondenti al nuovo contesto creatisi e così via. Fase 2 ‐ "Problem setting": consiste nella corretta formulazione del pro‐
blema tramite l'identificazione e l'impostazione delle variabili rilevanti e significative del problema, onde evitare di ragionare e di intervenire su aspetti ingannevoli o falsi. Fase 3 ‐ "Knowledge inventory": è una fase complessa nella quale il deci‐
sore ricerca le soluzioni possibili, già pronte o adattabili, nella sua espe‐
rienza o in quella aziendale, per semplificare e velocizzare la fase di for‐
mulazione delle alternative. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
25
Fase 4 ‐ "Generation of alternatives": strettamente connessa alla fase precedente, in questo stadio il decisore impiega le sue capacità creative e intuitive per formulare alternative di soluzione originali e opportune. Fase 5 ‐ "Communication/Negotiation": questa fase può essere considera‐
ta come momento propedeutico alla presa della decisione finale nella quale tutti gli eventuali soggetti coinvolti direttamente o indirettamente nella decisione, intervengono nel processo, comunicano e negoziano le al‐
ternative migliori dal loro punto di vista soggettivo. Di fatto in questa fase avviene una "scrematura" delle possibili linee d'azione alternative, al fine di far convergere tutti gli interessi conflittuali che insistono sulla decisione finale. Fase 6 ‐ "Evaluation and Choice": le alternative di azione emerse nella fase precedente vengono valutate nei loro possibili risultati attesi, o probabili, e quella con il ritorno più soddisfacente viene scelta. Fase 7 ‐ "Implementation": consiste nell’attuazione pratica della decisione presa, considerando anche tutti gli aspetti di fattibilità concreta (tempi e costi dell'azione). Fase 8 ‐ "Monitor results": è la fase di controllo dei risultati effettivi deri‐
vanti dall’attuazione della decisione scelta. Fase 9 ‐ "Learning": la corrispondenza o meno dei risultati effettivi a quelli attesi o desiderati costituisce un input informativo prezioso per l'appren‐
dimento individuale e organizzativo, in termini di accrescimento dell'espe‐
rienza e della "Knowledge inventory" aziendale. Spesso le ultime due fasi portano all'osservazione che se una situazione fuori norma, o non desiderata, persiste, questo può innescare un nuovo processo de‐
cisionale, riportando alla fase iniziale della "Problem recognition". In conclusione, mentre per gli individui il processo di decisione è un processo cognitivo, condizionato dalle relazioni sociali e organizzative, nelle organizzazioni, l’aspetto più rilevante è il processo sociale, di relazione e mediazione tra vari attori che concorrono a formare una decisione, seguito dall’aspetto burocratico imposto dal sistema di regole e vincoli che generalmente normano le attività di un’organizzazione. Questo aspetto, seppur molto importante nella letteratura sulle decisioni aziendali, è stato affrontato solo parzialmente nel presente lavoro: nei casi presentati successivamente, tramite l’impiego del Cross‐functional diagram, ogni modello decisionale viene rappresentato riportando gli attori organizzativi che intervengono nel processo decisionale stesso. La Figura 5 riporta uno di questi diagrammi a titolo di esempio. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
26 Formulazione del Piano di Dispatching
Direzione Commerciale
BU Asset elettrico
Energy Management
(owner)
Impieghi di energia
dei clienti finali
(MWatt)
Previsioni
disponibilità degli
impianti (MWatt)
Impieghi di energia dei
Wholesales (MWatt)
Terna
Previsioni costi del
combustibile delle
centrali
Previsioni costi variabili
delle centrali
Dati
nazionali
forniti da
Terna/GME
Calcolo PUN previsto
Definizione della strategia
di offerta sui mercati
(sul mercato nazionale o import,
scelta di Make or Buy di energia)
Piano vincolante di
Dispatching
(soggetto agli ordini in tempo
reale di Terna)
Figura 5 ‐ Esempio di Cross‐Functional Diagram Un quadro di sintesi delle attività decisionali utile per lo studio dei si‐
stemi di BI Il modello di riferimento adottato per studiare i possibili rapporti tra tecnologie di BI e attività decisionali, e che si basa sui contributi descritti al paragrafo prece‐
dente, è illustrato in Figura 6. Performance Monitoring Il controllo manageriale di routine concerne quell’insieme di attività di misura‐
zione dei fenomeni aziendali che generalmente fanno parte dell’ambito di com‐
petenza e di responsabilità formale e ufficiale di ogni manager d’azienda, spesso Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
27 collegati ad obiettivi quali‐quantitativi assegnati al singolo individuo; così, ad e‐
sempio, il product manager è “normalmente” interessato a verificare l’andamento commerciale e reddituale della linea di prodotto a lui affidata, la re‐
demption delle specifiche azioni promozionali da lui promosse, l’efficacia dei vari media pubblicitari, e così via; oppure il responsabile della programmazione della produzione “naturalmente” controlla l’andamento delle linee di produzione, gli ordini clienti in corso, i tempi medi di approvvigionamento dai fornitori, e così vi‐
a; oppure il project manager “ovviamente” controlla i consumi e i costi delle ri‐
sorse impiegate nel progetto, parallelamente all’avanzamento temporale e per‐
centuale del progetto stesso, e così via. A questo tipologia di controllo generalmente corrispondono esigenze di in‐
formazione ben predefinibili, strutturate, documentabili e standardizzabili nel tempo e nello spazio: i sistemi di reporting standard (tabellari o grafici), i cruscot‐
ti aziendali, i “tableau de bord”, le dashboard, i “briefing book”, i portafogli di query predefinite sulle medesime basi di dati, sono tra le risposte di informazione più adeguate. Performance Monitoring
Decision Making
“prevedibile”
Controllo Manageriale di routine (predefinito e strutturato; Processo di decisione di routine, quasi strutturato es. analisi di budget)
(es. pricing del carburante)
(“Managing by walking around”)
Analisi e Decisioni estemporanee e impreviste
Navigazione libera (incrocio Allarmi e segnalazioni fuori norma
libero dei dati disponibili, searching, surfing)
“Managing by Exception”
Spiegazione e ricerca delle cause
Decision Making
“non prevedibile” Costruzione del Modello Decisionale (causa‐effetto)
Formulazione delle alternative di azione
Valutazione e Scelta
Figura 6 ‐ I tre processi‐tipo di controllo e di decisione utilizzati per il posizionamento dei casi aziendali e le aree di possibile intervento dei processi cognitivi associativi Condizione necessaria per la realizzazione di questi sistemi di BI è che si possa definire a priori quali oggetti, fatti, fenomeni, mettere sotto “osservazione” con‐
tinuativa e sistematica, e in quale modo (misure, indicatori, valori economici, va‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
28 lori fisico‐tecnici, ecc.). Una caratteristica diffusa in queste tipologie di sistemi di BI è l’utilizzo di valori previsionali, tipicamente di budget o di piano, controllati e raffrontati successivamente con i valori di consuntivo. Le attività di “performance monitoring” cambiano più si sale nelle posizioni organizzative: lo “span of control” e la portata dei fenomeni controllati si amplia‐
no (ad es. un amministratore delegato, un direttore amministrativo e un controller sono sicuramente interessati a tenere sotto controllo la redditività a‐
ziendale, ma ovviamente con motivazioni e livelli di aggregazione della medesima informazione molto diverse). I recenti approcci dei K.P.I. (Key Performance Indi‐
cators) e delle Balanced Scorecards sono esempi di un modo nuovo di intendere il controllo delle prestazioni aziendali in maniera ampia, bilanciata e integrata, di‐
stinguendo tra indicatori “leading” (ad es. customer satisfaction, clima organizza‐
tivo, produttività del personale ecc.) e indicatori “lagging” (ad es. fatturato, ROI, quota di mercato ecc.), tra indicatori “financial” (es. ROI, margini lordi ecc.) e in‐
dicatori “non financial” (es. customer satisfaction, clima organizzativo, efficienza impianti ecc.). Gli Allarmi e segnalazione dei “fuori norma” sono collegati alla spiegazione dei fatti d’azienda che generalmente vengono controllati nelle attività di “per‐
formance monitoring”, e che frequentemente mettono in luce un “problema”, un fuori norma, un’anomalia, un allarme. Questi eventi possono consistere in:
uno scostamento negativo da un valore di budget, cioè una determinata attività aziendale non ha conseguito quanto ci si attendeva (es. maggior consumo di fattori produttivi, minori ordini cliente, minor rotazione del‐
le scorte, aumento del capitale circolante, inferiori prestazioni commer‐
ciali di una business unit, e così via); un confronto, derivato da un processo di lettura e di interpretazione soggettivo, con la propria esperienza e con le prassi e i valori di “anco‐
raggio” dell’azienda, senza che il fenomeno in esame sia stato effetti‐
vamente oggetto di un’attività previsionale precedente (ad es. un in‐
cremento del turnover dei venditori, un calo di produttività in un reparto di produzione o di vendita, una diminuzione del grado di utilizzo degli impianti, un incremento dei lead time di versamento a magazzino o di consegna dei prodotti al cliente o tra date di consegna richieste e date confermate, e così via). La naturale e conseguente Spiegazione dei fuori norma e la Ricerca delle “cau‐
se” dei problemi connessi a fenomeni tenuti abitualmente sotto “osservazione” in azienda con le attività di performance monitoring, possono essere molto diver‐
se: molto più strutturabile e più definibile è la catena causale dei fatti che può aver determinato lo scostamento negativo da un budget (al punto a. preceden‐
te), fatto salvo la presenza del “caso” e dell’imponderabile, che caratterizzano comunque qualunque attività d’impresa; molto meno circostanziabile e docu‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
29 mentabile, anche solo in termini di dati predefiniti, disponibili e accessibili, è la spiegazione della seconda tipologia di fenomeno ritenuto negativo (al punto b. precedente). In altri termini, ad esempio, lo scostamento negativo nelle vendite può essere esplorato, da tutti i manager interessati, nelle sue principali cause quantitative determinanti (ad esempio scomponendo il valore aggregato delle vendite aziendali per linee di prodotto, per zone geografica, per agente, per seg‐
mento di clientela, per canale); un fuori norma, ad es. un peggioramento degli indicatori di clima organizzativo, è molto più difficile da spiegare con dati prede‐
finiti e strutturati, per cui l’analista o il decisore potrebbero avere la necessità di intraprendere percorsi di esplorazione e di navigazione di dati imprevisti, se il si‐
stema di BI sottostante lo consente (vedi più avanti il caso del Decision Making “non strutturato”). Infatti la spiegazione delle cause di un fenomeno può avveni‐
re con processi di analisi più predefiniti e strutturati, come ad esempio il “drill‐
down” guidato, l’analisi multidimensionale tramite un portafoglio di dimensioni in cubi e ipercubi predefiniti, oppure con processi di analisi e di esplorazione più “naturali”, non strutturati, estemporanei, come ad esempio una ricerca finalizza‐
ta (focused search), più o meno assistita nella formulazione delle “where o if conditions” in query sulle basi dati a disposizione, oppure i processi c.d. associa‐
tivi che consentono di incrociare e navigare in maniera libera dati di differenti fe‐
nomeni aziendali che si desidera analizzare in modo trasversale (Decision Making “non strutturato”): la spiegazione di un fenomeno, come la diminuzione delle vendite (fenomeno aziendale tipicamente tenuto sotto controllo continuativo), potrebbe non andare oltre un certo limite, se, ad esempio, la causa principale ri‐
siede nel fatto che un concorrente locale in una certa zona ha fatto un’azione promozionale molto aggressiva e se non esiste una base dati interna o esterna accessibile al manager che documenti questo fatto: egli troverà queste informa‐
zioni da altre fonti, tipicamente più informali e eccezionali. Infine è inevitabile che uno scostamento negativo possa essere spiegato diver‐
samente e possa fornire significati diversi a seconda della persona che lo legge e lo interpreta. L’impiego di queste funzionalità e di questi sistemi di BI rivolti al “Performance Monitoring” costituisce l’indispensabile bagaglio di strumenti per realizzare il c.d. “Managing by Exceptions”, che facilita la concentrazione dell’attenzione e del tempo manageriale ai soli fenomeni aziendali che necessitano di intervento, con‐
tribuendo a migliorare l’efficienza manageriale nel suo complesso. Decision Making “prevedibile” Molte delle decisioni manageriali da prendere in azienda sono di tipo prevedibile, quasi di routine, senza per questo necessariamente ridurre la propria complessità intrinseca, generata dalla molteplicità di variabili in gioco, dall’incertezza di molte di queste: per queste decisioni l’esperienza e l’intuizione del decisore restano e‐
lementi fondamentali per la qualità della decisione, ma non sono sufficienti a tra‐
sformare il processo decisionale in una reale procedura strutturata. Alcuni esem‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
30 pi di questa tipologia di Decision Making sono ravvisabili nelle tipiche decisioni che appartengono al core business delle imprese e che condizionano da vicino la “bottom‐line” dell’azienda stessa, come ad esempio le decisioni di pricing del carburante nel settore della produzione e distribuzione dei carburanti, oppure le decisioni di Energy management nel settore delle utility, oppure le decisioni di ri‐
assortimento dei punti vendita nel settore del retail, oppure infine le decisioni di formulazione di nuovi contratti cliente nel settore della telefonia cellulare. In altri casi la decisione “prevedibile” emerge in maniera chiara dall’attività di analisi delle cause di un fenomeno consuntivato e rilevato (dal Performance Mo‐
nitoring), seguendo: 1) il ciclo logico del Performance Management e del “conti‐
nuos improvement”, illustrati più avanti, oppure 2) generando, più raramente, un’attività più complessa di costruzione di un nuovo modello decisionale ad hoc che metta in relazione quantitativa le variabili di causa‐effetto sottostanti, segui‐
ta da un’attività di formulazione di ipotesi e di alternative di scelta da valutarsi separatamente con varie forme di simulazione, di costruzione di scenari, di asse‐
gnazione di pesi o di profili di rischio/probabilità e così via: tutto ciò necessita di un supporto informativo sufficientemente flessibile e manipolabile da parte del decisore, che lo aiuti nella valutazione e nella scelta dell’intervento tendenzial‐
mente più soddisfacente, e solo in casi particolari, ottimale (si vedano gli esempi menzionati al precedente capoverso). Decision Making “non prevedibile” L’attività di impresa non può essere ricondotta solo alle attività di routine, pro‐
grammate e prevedibili che appartengono al Performance Monitoring e al Deci‐
sion Making “prevedibile”. Al contrario esistono numerose attività di analisi e di decisione “destrutturate, occasionali, estemporanee” che spesso supportano il c.d. “Managing by walking around”, una forma di management poco strutturato, molto creativo, svolta “vivendo di persona e sperimentando direttamente” l’azienda, i suoi problemi, a contatto con il personale, spesso in “prima linea” do‐
ve si svolgono le attività e i processi operativi aziendali (dove si incontrano i clien‐
ti e si vende, dove si svolge l’assistenza clienti, dove di produce o si movimentano i beni, dove lavorano i collaboratori, e così via), “navigando” in modo libero nei dati di risultato dell’azienda, esplorando nuovi scenari, ricercando l’inaspettato. Queste attività di analisi e di decisione poco prevedibili concernono attività prevalentemente di “intelligence” e di “scanning”, attività nelle quali la creatività, l’esperienza, l’intuizione sono elementi fondamentali per la navigazione e per la consultazione libera di basi di dati strutturati e non, interni e esterni, quantitativi e qualitativi, hard e soft, che raramente vengono messi a disposizione agli utenti in maniera integrata. Riprendendo l’esempio dello scostamento negativo delle vendite, esso può esprimere significati e preoccupazioni molto diverse se questa informazione può essere messa a confronto con l’andamento della domanda po‐
tenziale di mercato (potrebbe quasi essere un fatto positivo se la diminuzione ri‐
levata nelle vendite presentasse un tasso decrescente inferiore a quello della Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
31 contrazione della domanda, poiché significa che comunque si sta conquistando quota di mercato rispetto ai concorrenti), con dati socio‐demografici, con infor‐
mazioni relative alla produzione o alla logistica (eventuali stockout, ritardi nelle consegne che rallentano l’evasione degli ordini, etc.), con informazioni qualitative relative alla rete di vendita e alla sua formazione, e così via. Tuttavia lo svolgi‐
mento di queste attività di analisi e di decisione destrutturate e/o occasionali av‐
viene anche in altri modi, e non solo come conseguenza della rilevazione di un problema connesso ad un fenomeno tenuto sotto controllo sistematicamente e continuativamente (Performance Monitoring). La “vita manageriale” è tipicamente costellata di problemi che si presentano e si manifestano negli ambiti più vari e imprevisti e che vengono rilevati spesso an‐
che per caso o solo in presenza di circostanze molto particolari e difficilmente ri‐
petibili. Nei periodi di crisi aziendale, di turnaround o di change management è normale che tutto il management aziendale sia fortemente attento a qualunque evento interno o esterno (la motivazione e la sensibilità al cambiamento risultano molto elevate). Al contrario è molto più difficile stimolare una similare attenzione e sensibilità agli eventi imprevisti, ai segnali deboli, al controllo delle prestazioni e dei fatti aziendali non ovvi, durante i periodi di relativa stabilità e salute. In questi casi il manager dovrebbe conservare comunque una naturale “curiosità e ascol‐
to”, e quindi un’esigenza di informazione destrutturata e occasionale, svolgendo attività di “scanning” informativo libere e discrezionali che, se possibili a livello pratico, possono stimolare riflessioni e percorsi di ragionamento creativi sui fe‐
nomeni aziendali. Gli esempi al riguardo spaziano dall’analisi della correlazione tra le vendite di prodotti nel largo consumo alimentare (basket di acquisto), alla relazione logica e qualitativa che può esistere tra indicatori di customer satisfaction e la quota di mercato, all’osservazione che all’andamento stagionale delle vendite di alcuni prodotti non corrisponde un andamento corrispondente dei costi logistici e delle rotazione delle scorte, dall’osservazione che i primi 10 punti di vendita in termini di vendite sono in ultima posizione come redditività o sono quelli che investono maggiormente in conoscenza del cliente e dei visitatori, all’osservazione che al trend crescente dell’1% degli investimenti in IT è corrisposto negli ultimi anni un decremento del 10% dei costi di amministrazione e di marketing, e così via. Le tecniche di “Balanced Scorecard” (Kaplan, Norton, 1992) sono un ulteriore esem‐
pio del tentativo di classificare e mettere in relazione “stabile” le cause (“leading indicators”: ad esempio la motivazione del personale, la qualità del prodotto, la customer satisfaction) e gli effetti (“lagging indicators”: ad esempio, rispettiva‐
mente, la produttività del personale, i resi e i reclami, la quota di mercato o il turnover dei clienti o il fatturato) di fenomeni complessi d’azienda da sottoporre poi a misurazione e controllo continuativi. È ovvio che questi percorsi esplorativi, oltre a essere resi possibili tecnicamente nei sistemi di BI, devono anche essere utilizzati con cognizione e necessitano di competenze analitiche, sensibilità all’informazione, capacità di lettura e interpretazione delle informazioni non co‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
32 muni. I sistemi di BI , se ben progettati e realizzati con l’impiego delle nuove tec‐
nologie di BI oggi a disposizione, possono diventare un concreto stimolo delle at‐
tività estemporanee di informazione, della “curiosità manageriale” e del “conti‐
nuo ascolto” dell’ambiente operativo dell’azienda, che, da straordinarie ed eccezionali, possono diventare ordinarie e normali. In sintesi, tutte le attività di Decision Making “poco prevedibili” possono esse‐
re supportate dai processi cognitivi associativi che tendono a seguire nel modo più naturale possibile i percorsi di ragionamento, di esplorazione e di intuizione degli analisti e dei decisori aziendali, se opportunamente basati sull’utilizzo di tecnologie di BI a ciò predisposte, facili da usare e che soprattutto non richiedano necessariamente la definizione a priori di modelli di dati strutturati e di percorsi di interrogazione predefiniti, vincolati alla necessità di un intervento specialistico IT per poter creare nuove modalità di analisi dei dati. Infine le attività di comunicazione manageriale sono fondamentali nei processi decisionali (anche se nel modello utilizzato in Figura 6 non sono citate): l’espressione oggi spesso utilizzata di BI Collaborativa fa direttamente riferimen‐
to alle varie tipologie di relazioni organizzative e di comunicazione:
comunicazione orizzontale (con i colleghi), comunicazione verticale (con i superiori o i collaboratori), comunicazione all’esterno dell’azienda (con organismi pubblici, partner, fornitori, clienti, pubblico in generale, ecc.), comunicazione manageriale, finalizzata sia all’acquisizione/distribuzione di informazioni, sia a supportare i ruoli di portavoce, di negoziatore, di at‐
tivatore di pubbliche relazioni. Queste attività oggi sono sempre meno distinguibili rispetto a quelli più tipica‐
mente informative, in quanto la comunicazione è sempre più implicita nei compi‐
ti di controllo e di decisione. A testimonianza di questo, infatti i sistemi di comu‐
nicazione e di relazione sempre più si connotano come infrastruttura sottostante alle attività aziendali e trasparente rispetto allo svolgimento delle stesse, siano essi di tipo strutturato (ad es. nei sistemi di workflow dei sistemi di reporting standard o nei processi di budgeting aziendale), o non strutturato (es. nei sistemi di supporto alle decisioni di gruppo, nei sistemi di sharing di conoscenza basati su tecnologie di BI, nei sistemi di navigazione libera e di “associazione” dei dati e delle informazioni necessarie, nei sistemi di reporting di tipo “pull” o in Internet). In conclusione si propone il posizionamento dei casi aziendali indagati negli schemi presentati nella precedente Figura 6: la Figura 7 e la Figura 8 posizionano i casi nelle combinazioni delle fasi di Performance Monitoring e di Decision Ma‐
king “prevedibile”; i casi esclusivamente di Decision Making “non prevedibile” ed estemporaneo sono per definizione molto difficilI da documentare; come già detto all’inizio del presente paragrafo, queste attività di supporto alle decisioni più libere e “naturali”, che seguono i processi cognitivi associativi degli analisti o dei decisori, nei casi indagati si sono manifestate più frequentemente come atti‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
33 vità di “spiegazione e ricerca di cause di un allarme, di un problema o di un fuori norma”, che si sono rilevati a seguito dell’attività di controllo di routine, che non nel paradigma vero del “Managing by walking around”. In Figura 7 è possibile osservare che la maggior parte dei casi indagati presen‐
tano il ciclo completo e ricorsivo di “decisione‐azione‐controllo‐decisione”. Infatti in prima istanza si attiva un processo di Decision Making “prevedibile” (di pianifi‐
cazione, di formulazione del budget), che comporta in prima battuta la progetta‐
zione di un modello decisionale (ad es. le voci reddituali di un conto economico pluriennale con i meccanismi di proiezione dei valori negli anni), la formulazione di ipotesi alternative dei valori che alimentano il modello ed, infine, la valutazio‐
ne/simulazione dei valori ipotizzati e la scelta definitiva (ad es. del piano plurien‐
nale migliore); dopo un certo periodo di svolgimento dell’attività aziendale, si at‐
tiva un conseguente processo di Performance Monitoring che periodicamente tiene sotto controllo l’andamento dei risultati e delle performance, li confronta con gli obiettivi di breve o di medio termine, ne evidenzia eventuali “allarmi”, scostamenti e fuori norma, ne cerca di spiegare le cause ed innesca un nuovo ci‐
clo di formulazione di alternative di azione per correggere gli scostamenti o i fuo‐
ri norma, che vengono valutati/simulati nei loro effetti per giungere ad una nuo‐
va decisione (di forecast). Questo ciclo continuo di “decisione‐azione‐controllo‐
decisione” costituisce il motore del c.d “Continuos Improvement” del sistemi di Business Performance Management. Performance Monitoring
Decision Making
“prevedibile”
Processo di decisione di routine, quasi strutturato
Controllo Manageriale di routine
Allarmi e segnalazioni fuori norma
Spiegazione e ricerca delle cause
AZIENDA OSPEDALIERA DI PADOVA, ULSS 16 DI PADOVA, ISTITUTO ONCOLOGICO VENETO. Il monitoraggio di prenotazioni e pagamenti e scelta della miglior
allocazione delle risorse finanziarie.
Costruzione del Modello Decisionale (causa‐effetto)
BCC VITA. il processo di budgeting, di monitoraggio e di forecast mensile.
Formulazione delle alternative di azione
COREPLA. Il processo di pianificazione finanziaria pluriennale.
Valutazione/simulazione e Scelta
FEDERAZIONE LOMBARDA DELLE BCC: il processo di pianificazione delle
attività di Internal Auditing SERVIZI BANCARI ASSOCIATI. il
processo di monitoraggio delle
performance finanziarie delle filiali
bancarie e scelta delle nuove azioni di
marketing e di vendita.
ULSS 19 DI ADRIA. Il monitoraggio
dell’andamento delle attività di
ricovero e continua ri‐pianificazione
delle risorse finanziarie.
Figura 7 ‐ Il processo "decisione‐azione‐controllo‐decisione": il paradigma del Performance Management Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
34 In Figura 8 sono invece posizionati i casi studiati nei quali la componente di modellizzazione logica a supporto di una specifica decisione manageriale preve‐
dibile e ricorrente, risulta prevalente; in questi casi il continuo affinamento del modello decisionale prevede a volte nuove associazioni tra gli elementi del mo‐
dello o la ricerca libera di dati e l’impiego di nuove variabili che, in modo auto‐
nomo e discrezionale dell’utente, vengono integrate nel modello, seguendo l’approccio tipico dei processi cognitivi associativi. Decision Making
“prevedibile”
BANCO POPOLARE. Risk management e valutazione/scelta
dell’adeguatezza patrimoniale.
Processo di decisione di routine, quasi strutturato
Navigazione libera (incrocio libero dei dati disponibili, searching, surfing)
EDISON. Il piano di
dispacciamento di energia alla
Borsa elettrica e ai grossisti.
PRECA BRUMMEL. Il processo di
definizione del briefing (e del budget) di collezione e pianificazione dei lanci di
produzione.
RCS DIRECT. Il processo di scelta
delle campagne marketing (per gli abbonamenti).
Decision Making
“non prevedibile”
Costruzione del Modello Decisionale (causa‐effetto)
Formulazione delle alternative di azione
Valutazione/Simulazione e Scelta
Figura 8 ‐ Il processo di Decision Making "prevedibile" con l'integrazione di navigazioni e associazioni libere dei dati Le possibili linee di azione per il passaggio alle fasi più evolute del BI Maturity Model (assetto di BI Governan‐
ce): cenni Dopo aver commentato le esperienze di impiego delle nuove tecnologie di BI del‐
le aziende che hanno partecipato alla ricerca, il capitolo si chiude con un breve commento circa le possibili linee di azione che le aziende possono intraprendere per far evolvere il proprio stato di maturità nella BI e quindi per sofisticare, in ul‐
tima istanza, il proprio assetto di BI Governance. La Figura 9 presenta la curva di esperienza della BI (con i dati di diffusione del‐
le varie funzionalità di BI rilevati in una ricerca a livello italiano nel 2008) con le principali indicazioni di azioni che possono facilitare il passaggio alla sperimenta‐
zione e all’applicazione di funzionalità di BI più sofisticate. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
35 CURVA DI ESPERIENZA E DI SOFISTICAZIONE DELLE FUNZIONALITA’ DELLA BI
Il primo driver dell’evoluzione della BI, come già accennato parlando della pi‐
ramide dell’esperienza della BI, è la progettazione di nuove architetture che pos‐
sano cambiare i paradigmi tradizionali finora adottati (Datawarehouse‐based). Il secondo fattore variabile dovrebbe essere la progettazione di nuove soluzioni or‐
ganizzative (ad es. il BI competence center) che possano sostenere l’adozione di strumenti di BI più evoluti e la definizione di nuove forme di relazione tra specia‐
listi IT e utenti, sia nei progetti, sia nella manutenzione evolutiva, sia nei servizi applicativi di BI messi a disposizione (nell’eventuale Catalogo dei servizi IT). In particolare è necessario pensare a nuovi metodi di Design più iterativi, più speri‐
mentali, più “user‐centric”, dove anche il concetto di affidabilità dei dati (tipica‐
mente dei dati “non financial”) viene spesso affidato a meccanismi di “auto‐
certificazione” da parte degli utenti, più che a rigorose procedure di ufficializza‐
zione e di documentazione, volute dagli specialisti IT. Gli analisti e i decisori de‐
vono dotarsi di nuove capacità per poter utilizzare i nuovi strumenti di BI, che se da un lato presentano una maggiore “friendlyness e usability”, dall’altra richie‐
dono nuove sensibilità e abilità alla ricerca dell’”informazione giusta al momento giusto”, all’esplorazione dell’inaspettato, all’anticipazione dei problemi, al c.d. “fact‐based management”. Tutti questi aspetti possono trovare terreno fertile so‐
lo in quelle aziende dove la cultura analitica e il Problem Solving diventano un va‐
lore aziendale condiviso a tutti i livelli, e soprattutto diffuso in modo convinto e determinato dal top management (Davenport, 2007, 2010). GEOLOCATION
INTELLIGENCE
MODELLING
SIMULATION
1,2%
DATA MINING
0,6%
ANALYTIC &
PREDICTIVE
APPLICATIONS
1,6%
CRUSCOTTI
SCORECARDS
BPM
OLAP
REPORTING
STANDARD
QUERY
AD HOC
3,2%
20,8%
28,5%
44%
TEMPO
Figura 9 ‐ Alcune variabili driver dell'evoluzione della BI in azienda Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
36 Tutti questi fattori variabili e driver del cambiamento evolutivo e della matu‐
razione della BI in azienda fanno parte di un framework più ampio denominato “BI Maturity Model”, che l’Osservatorio BI di SDA Bocconi ha prodotto negli ul‐
timi anni di ricerca e che viene impiegato per svolgere assessment dello stato at‐
tuale di BI Governance a livello di gruppo, di azienda o di BU, e per suggerire, quindi le possibili linee di intervento per passare a fasi più mature e sofisticate della stessa. La Figura 10 illustra una sintesi delle 6 macro‐variabili del BI Maturity Model (BI Strategy, BI Diffusion, BI Architecture, BI Organization, BI Measurement, BI Sourcing, articolate poi in 14 variabili), le 5 fasi di maturità (1. Sperimentazione, 2. Crescita, 3. Integrazione, 4. Ottimizzazione, 5. Distintività) e il profilo del cam‐
pione rappresentativo di imprese italiane con più di 100 dipendenti indagato dall’Osservatorio BI nel 2008. Fase 1
SPERIMENTAZIONE
1.
Strategia aziendale di BI
2.
Budget dedicato alla BI
3.
Diffusione/penetrazione dei sistemi di BI
4.
Grado di Copertura dei fabbisogni informativi
5.
Grado di esperienza nella BI
6.
Architettura BI
Fase 2
CRESCITA
Fase 3
INTEGRAZIONE
Fase 4
OTTIMIZZAZIONE
BI Strategy
BI Diffusion
7.
Standard tecnologici
8.
Data Quality Management
9.
Ownership e Accountability della BI
BI Architecture
10. Unità organizzative dedicate alla BI
11. Relazioni specialisti-utenti e SLA BI Organization
12. Analisi costi/benefici
13. Misurazione dei risultati
BI Measurement
14. BI sourcing
BI Sourcing
Valori Medi delle imprese italiane, dati 2008
Figura 10 ‐ Il BI Maturity Model In conclusione è solo agendo su tutte le componenti della BI Governance che oggi è possibile passare a fasi più mature della BI in azienda, seppure supportata da nuove tecnologie di BI che possono creare i presupposti migliori (architettura‐
li, funzionali e di adozione) perché ciò avvenga in tempi veloci e con successo. Per una illustrazione sintetica delle variabili del BI Maturity Model è possibile scaricare un documento da www.sdabocconi.it/obi. I questionari impiegati per gli assessment della BI Governance in azienda sono disponibili solo in versione “short” e solo su richiesta con email a osservatorio‐
[email protected]. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
37 Bibliografia di riferimento Alter S.L., 1980, Decision Support Systems: Current Practice and Continuing Chal‐
lenges, MA: Addison Wesley. Anthony R.N., 1965, Planning and Control: A Framework for Analysis, Harvard University Press. Bazerman M.H., 1986, Judgement in Managerial Decision Making, J.Wiley&Sons, N.Y. Bodily S.E., 1985, Modern Decision Making. A Guide to Modeling with DSS, McGraw‐
Hill, Singapore. Boone M.E. (editor), 1991, Leadership and the Computer: Top Executives Reveal How They Personally Use Computers to Communicate, Coach, Convince and Com‐
pete, Prima Publishing, Rocklin, CA, USA. Daft R.L., Lengel R.H., 1986, Organizational Information Requirements, Media Rich‐
ness and Structural Design, Management Science, vol. 32, N. 5, May, pagg. 554‐571. Davenport T.H., Harris J.G., 2007, Competing on Analytics, Harvard Business School Press, Cambridge. Davenport, T.H., Harris J.G., Morison R., 2010, Analytics at Work, Harvard Busi‐
ness School Press, Cambridge. De Sanctis G., Gallupe R., 1987, A Foundation for the Study of Group Decision Support Systems, Management Science, vol. 3, 5. Drucker P.F.,1957, The Effective Executive, Harper & Row, New York. Drucker P.F., 1982, The Changing World of the Executive, Heinemann, London. Drucker P.F., 1986, The Frontiers of Management, Truman Talley Books, E.P. Dutton, N.Y. Drucker P.F., 1999, Management Challenges for the 21th Century, NY. Dychè J., 2000, eData. Turning Data into Information with Data Warehousing, Addison‐Wesley Longman, (Trad. Ital.: e‐Data, Apogeo, Milano). Forrester J., 1961, Industrial Dynamics, The MIT Press, Cambridge. Galbraith J., 1973, Strategies of Organization Design, Addison‐Wesley, Reading, Massachussets. Galbraith J., 1977, Organizational Design, Addison‐Wesley, Reading, Massachussets. Gorry G.A., Scott Morton M., 1971, A Framework for Management Information Sys‐
tems, Sloan Management Review, 13, n.1, Fall. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
38 Grandori A., 1984, A Prescriptive Contingency View of Organizational Decision Making, Administrative Science Quarterly, 29: 192‐208. Hubbard D. W., 2010, How To Measure Anything, J.Wiley&Sons. Inmon W.H., 1996, Building the Datawarehouse, J.Wiley&Sons. Isenberg D.J., 1984, How Senior Managers Think, Harvard Business Review, Novem‐
ber‐Dicember 1984. Kaplan R., Norton D., 1992, The Balanced Scorecards: Measures That Drive Per‐
formance, Harvard Business Review, Jan‐Feb. Keen P.G.W., Scott Morton M., 1978, Decision Support Systems: an Organiza‐
tional Perspective, Addison Wesley Publishing. Keen P.G.W., 1980, Decision Support Systems: A Research Perspective, Working Pa‐
per N. 54, Center for Information System Research, Sloan School of Management, MIT Cambridge, Mass., March. Keen P.G.W., 1991, Shaping The Future: Business Design Through Information Technology, Harvard Business School Press, Cambridge. Kelly S., 1997, Datawarehousing in Action, J.Wiley&Sons. Kimball R., 1996, The Data Warehouse Toolkit, Wiley & Sons, New York. Lilien G.L., Kotler P., 1983, Marketing Decision Making: A Model‐Building Ap‐
proach, Harper&Row, N.Y. Luconi F.L., Malone T., Scott Morton M., 1986, Expert Systems: The Next Chal‐
lenge for Managers, Sloan Management Review, Summer. Lynch R.L., Cross K.F., 1992, Migliorare la performance aziendale, F.Angeli, Mila‐
no (ediz. Orig., 1991, Measure Up. Yardsticks for Continuous Improvement, Cam‐
bridge Mass., Basil Blackwell). March J.G., 1988, Decisions and Organizations, Basil Blackwell, Oxford. March J., 1994, A Primer on Decision Making, New York, Free Press. Mintzberg H., 1973, The Nature of Managerial Work, Harper & Row, New York. Nonaka I., Takeuchi H., 1995, The Knowledge Creating Company, Oxford Univer‐
sity Press, N.Y. Pasini P., 1998, Tecnologie informatiche e conoscenza manageriale, Etas libri, Mi‐
lano. Pasini P., La eIntelligence: ruolo e prospettive nell’eBusiness, in a cura di C. De‐
Mattè, E‐Business: condizioni e strumenti per imprese di successo, Etas Libri, Marzo 2001. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
39 Pasini P., 2004, I sistemi informativi direzionali, Egea, Milano. Pasini P., Perego A., Erba M., L’evoluzione dei sistemi di business intelligence. Verso una strategia di diffusione e di standardizzazione aziendale, Egea, Milano, 2004 Pfeffer J., 1981, Power in Organizations, Pitman, Marshfield, Mass. Rappaport A. (a cura di), 1970, Information for Decision‐Making, Prentice‐Hall. Rockart J., Bullen C., 1986, The Rise of Managerial Computing, Dow‐Jones Irvin, Homewood. Rockart J., DeLong D., 1988, Executive Support Systems: The Emergence of Top Management Computer Use, Dow Jones‐Irwin, Homewood, Illinois. Rogers E.M., 1983, Diffusion of Innovations, The Free Press, NY. Schein E.H., 1965, Organizational Psychology, Prentice Hall, Englewood Cliffs, N.J. Simon H.A., 1960, The New Science of Management Decision, Prentice‐Hall, Inc. En‐
glewood Cliffs, New York (Traduzione italiana: Informatica, direzione aziendale e or‐
ganizzazione del lavoro, Franco Angeli, Milano 1980). Simon H.A., 1987, Making Management Decisions: the Role of Intuition and Emo‐
tion, Academy of Management Executive, February, pag. 58. Sprague R, Watson H., 1996, Decision Support for Management, Prentice Hall Steinbruner J., 1974, The Cybernetic Theory of Decision, Princeton University Press, NJ. Thompson J.D., 1967, Organizations in Action, McGraw Hill (Traduzione italiana: L'a‐
zione organizzativa, ISEDI Petrini, Torino 1988). Thornton M., 2009, The New Know. Innovation Powered by Analytics, J.Wiley&Sons. Turban E., 1993, Decision Support and Expert Systems: Management Support Sys‐
tems, Macmillan. Wagner H M., 1975, Principles of Operations Research with Applications to Manage‐
rial, Englewood Cliffs, EUA : Prentice‐Hall. Watson H.J., Houdeshel G., Rainer R. K., 1997, Building Executive Information Sys‐
tems and other Decision Support Applications, J.Wiley&Sons Weick K.E., 1995, Sense Making in Organizations, Sage, Thousands Oacks. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
40 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Azienda Ospedaliera di Padova – ULSS 16 di Pa‐
dova – Istituto Oncologico Veneto Paolo De Nardi1 Massimo Erba L’Azienda Le Aziende Sanitarie di Padova (Azienda Ospedaliera, ULSS 16, IOV) offrono pre‐
stazioni di diagnosi, cura e riabilitazione nell’ambito di ricoveri ordinari (di più giorni), giornalieri (Day‐Hospital e Day‐surgery), visite e prestazioni diagnostiche ambulatoriali. L’Azienda Ospedaliera è “Ospedale di rilievo nazionale e di alta specializzazione”, arricchita dalla presenza dell’Università di Padova, che vi svolge attività di ricerca e di didattica. In particolare l’ULSS 16 è l’azienda territoriale che fornisce i servizi socio‐
sanitari ai 475.000 assistiti di competenza. L’Istituto Oncologico Veneto (IOV) è un IRCSS (Istituto di Ricovero e Cura a Carattere Scientifico) specializzato nell’area oncologica. Le tre aziende costituiscono un punto di riferimento non so‐
lo a livello regionale, ma anche nazionale ed europeo per i solidi rapporti di colla‐
borazione con alcuni tra i più prestigiosi ospedali e realtà socio‐sanitarie del mondo. Le Aziende Sanitarie di Padova coniugano quotidianamente alta specializza‐
zione tecnica e impegno per il benessere del cittadino, grazie anche alla presenza di Volontari che operano con competenza e sensibilità a favore del malato e dei suoi familiari. Il monitoraggio di prenotazioni e pagamenti Le tre aziende condividono lo stesso sistema informativo. Aspetto preliminare e fattore abilitante dell’introduzione di tecnologie innova‐
tive di BI in azienda è stata la razionalizzazione dei processi transazionali, operata per più anni fino al 2005: risultato di questa attività è stato il perfezionamento del fascicolo sanitario, base dati che comprende tutte le informazioni riguardanti l’assistito in relazione a qualunque contatto avvenuto con la struttura e l’erogazione di servizi nei suoi confronti. 1 Responsabile Dipartimento Interaziendale "Information Technology" – ULSS 16 di Padova 42 Una volta razionalizzata la base informativa a disposizione all’interno dei si‐
stemi posti alla base delle piramide, è stata condotta lo sviluppo dei sistemi di BI per analisi a supporto dei processi decisionali: la funzione IT si è fatta promotrice della diffusione di sistemi di portata aziendale in sostituzione dei sistemi con for‐
te produttività individuale fino a quel momento gestiti autonomamente dalla funzione controllo di gestione, con forti limiti in termini di flessibilità degli stru‐
menti di analisi, specialmente al momento dell’insorgere di nuove esigenze di bu‐
siness che mutassero il modello dati di riferimento. Sistema contabile
Disdette
Fascicolo
sanitario
Pagamenti
Base dati associativa
Prenotazioni
Dati previsionali di budget
Analisi organizzative
Analisi finanziarie
Analisi inefficienze
Figura 11 ‐ Esempio di flussi alimentanti di una base dati associativa e tipo‐
logie di analisi eseguite Una prospettiva seguita durante la diffusione dei sistemi è stato il cambiamen‐
to di prospettiva delle soluzioni: la BI da “direzionale”, dedicata principalmente al controllo strategico di contenimento dei costi, è divenuta “diaria”, come suppor‐
to operazionale a tutti i processi e le attività condotte in azienda. In questo senso sono state sviluppate le cosiddette “200 aree di analisi” a supporto dei diversi responsabili di business, con l’obiettivo di coprire tutte le a‐
ree aziendali, facenti parte di una struttura che per sua stessa natura sostiene at‐
tività e business molto diversi tra loro (ogni unità operativa delle Aziende Sanita‐
rie costituiscono una piccola azienda), con uno stato di informatizzazione ancora relativamente basso e sistemi transazionali complessi, adattativi, propri di un’azienda caratterizzata da così tante specificità. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
43 Per realizzare questo obiettivo, ad un primo momento di evoluzione dei si‐
stemi di BI in cui si è provveduto a fornire strutture e forme di analisi piccole e a‐
gili, è seguito un secondo momento in cui si è provveduto allo sviluppo delle ana‐
lisi attraverso soluzioni che potessero dar spazio alla fantasia e alla facile traduzione dei requisiti utente in sviluppi applicativi, cosa consentita dal caratte‐
re innovativo delle tecnologie associative impiegate. Un significativo esempio di processo interno, comune a più aree di attività, condotto e supportato attraverso l’impiego di tecnologie innovative di BI è quello relativo al monitoraggio di prenotazioni e pagamenti. Fascicolo
sanitario
Flussi informativi
di dettaglio
9° Allineamento sistemi transazionali
8°
Verifiche su cause errori
1° Associazione flussi informativi
2°
Verifica disponibilità agende
3° Pianificazione attività
4°
Verifica stato dei pagamenti
5° Verifica copertura finanziaria
6°
Rilevazione delle inefficienze
7°
Miglioramento processo
Figura 12 ‐ Le fasi del processo di monitoraggio di prenotazioni e pagamenti Il processo decisionale sottostante al monitoraggio dell’andamento di preno‐
tazioni, pagamenti e disdette prevede il susseguirsi di più fasi di analisi di una ba‐
se dati associativa, costruita attraverso informazioni provenienti da più fonti, ed è volto a verificare l’effettiva copertura finanziaria delle attività e trovare il mi‐
glior utilizzo delle risorse a disposizione. Fase 1: Associazione dei flussi informativi: Con cadenza giornaliera i dati provenienti dai flussi informativi di dettaglio relati‐
vi a prenotazioni, pagamenti e disdette sono integrati secondo logiche associati‐
ve: la chiave impiegata per le associazioni dei valori presenti nei differenti flussi, Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
44 attraverso la quale vengono create le relazioni utili per le successivi attività di a‐
nalisi, è il codice identificativo dell’assistito all’interno del fascicolo sanitario, che raccoglie tutte le informazioni anagrafiche e la storia dei contatti con l’azienda sanitaria dei cittadini residenti nel territorio. Fase 2: Verifica disponibilità agende Attraverso la visione del dato relativo alle prenotazioni è possibile verificare l’andamento della richiesta di servizi sanitari e la conseguente disponibilità delle agende dei medici. Le analisi, a livello aggregato, possono essere condotte attra‐
verso il dimensionamento per patologia e, conseguentemente, l’unità operativa della Direzione Sanitaria coinvolta nella cura, in modo tale da evidenziare even‐
tuali picchi di richiesta piuttosto che periodi di rilassamento della domanda (ad esempio analisi della saturazione delle agende delle unità sanitarie, analisi previ‐
sionale della richiesta di prestazioni legate alle patologie). Fase 3: Pianificazione attività Sulla base delle analisi svolte, è possibile apportare scelte relative alla più oppor‐
tuna distribuzione delle risorse (sia del personale, sia di strumentazione medica) sui carichi di lavoro previsti, al fine di migliorare la pianificazione delle attività ed evitare sovraccarichi della struttura organizzativa. Fase 4: Verifica stato pagamenti Attraverso l’associazione di dati contabili/finanziari (pagamento diretto degli as‐
sistiti e riconoscimento di quote capitarie e prestazioni da parte del Fondo Sani‐
tario Nazionale) con le date di prenotazioni e prestazioni viene verificato nel tempo lo stato dei pagamenti e l’allineamento dei costi sostenuti e dei ricavi ri‐
conosciuti con gli stanziamenti previsti a budget (ad esempio analisi dei flussi di cassa generati dall’erogazione di servizi ed analisi di eventuali casi di disequilibrio finanziario derivante dai tempi di pagamento). Fase 5: Verifica copertura finanziaria Dall’analisi precedente viene verificata l’effettiva copertura finanziaria delle di‐
verse attività svolte dalla Direzione Sanitaria. A valle di questo controllo vengono eventualmente eseguite le necessarie revisioni delle stime previsionali di costo. Fase 6: Rilevazione delle inefficienze Attraverso un’analisi per differenza delle tempistiche di pagamento e/o eroga‐
zione del servizio che si discostano dai range abituali vengono individuate casisti‐
che di inefficienze all’interno del processo (ad esempio attraverso l’analisi delle casistiche di errore nella mancata distribuzione dei certificati, l’analisi dell’andamento dei servizi offerti online quali la prenotazione ed il ritiro dei risul‐
tati degli esami). Fase 7: Miglioramento del processo Attraverso le analisi del punto precedente è possibile giungere ad individuare e‐
lementi organizzativi e di processo considerati cause delle inefficienze rilevate. In Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
45 questo modo è possibile apportare interventi nei processi interni che possano diminuire il rischio di errori, nel caso essi possano essere attribuibili alla struttura e non ad agenti esterni non controllabili. Fase 8: Verifiche su cause errori Le verifiche sulle inefficienze proseguono per individuare i casi in cui le inefficien‐
ze siano riconducibili a mancanze ed errori di rilevazione del dato da parte di pro‐
cedure ed interfacce sviluppate all’interno dei sistemi informativi transazionali che supportano le attività operative eseguite in azienda. Fase 9: Allineamento sistemi transazionali A fronte di eventuale individuazione di errori e/o mancanze nei sistemi informa‐
tivi, l’allineamento viene eseguito direttamente all’interno delle procedure di li‐
vello transazionale (migliorando la qualità di creazione e raccolta dell’informazione), al fine di supportare al meglio le attività operative e creare la base dati necessaria per verificare la presenza di inefficienze a livello di analisi. La Figura 13 illustra anche gli attori che sono interessati dal processo di moni‐
toraggio di prenotazioni e pagamenti, che coinvolge le direzioni Sanitaria ed Amministrativa, insieme ai Sistemi Informativi che ne garantiscono la disponibili‐
tà attraverso le tecnologie innovative di BI. Il ruolo delle nuove tecnologie di Business Intelligence Le domande che seguono costituiscono degli esempi tipici di problematiche di analisi alle quali era spesso difficile dare soluzioni efficaci e veloci:
La struttura è in grado di prevedere e fronteggiare oscillazioni nella do‐
manda di servizi sanitari da parte dei cittadini? È possibile individuare andamenti ciclici della domanda di servizi sanitari legati a specifiche patologie? È possibile pianificare le attività dei dipartimenti rispetto all’andamento della domanda? È possibile verificare gli effetti delle iniziative terapeutiche approntate dalla direzione Sanitaria sulla domanda di servizi? C’è copertura finanziaria per le attività previste secondo le prenotazioni esistenti? Sono necessarie re‐distribuzioni del budget? In quali fasi del processo di erogazione del servizio sanitario sono pre‐
senti inefficienze? Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
46 Prenotazioni e Pagamenti
Direzione
Sanitaria
Direzione
Amministrativa
2°
Verifica Disponibilità agende
Sistemi Informativi
1° Associazione flussi informativi
3° Pianificazione attività
4°
Verifica stato pagamenti
5° Verifica copertura finanziaria
6°
Rilevazione Delle inefficienze
8°
Verifiche su cause errori
7° Miglioramento processo
9° Allineamento sistemi transazionali
Figura 13 ‐ I ruoli nel processo di analisi e di decisione Le tecnologie associative sono risultate adatte agli obiettivi di analisi in quanto principalmente facili e veloci: con l’utilizzo si è infatti dimostrata la possibilità di partire da estrazioni grezze e costruire incrementalmente aree di analisi via via più raffinate. Secondo questa logica è stato seguito un metodo di introduzione degli stru‐
menti di analisi di tipo incrementale: inizialmente un subset di funzionalità stan‐
dard viene introdotta nelle funzioni di business ed in questo modo l’area di anali‐
si viene creata e popolata, creando così un vocabolario comune di analisi e grafici standard portatore tra l’altro, oggi, di omogeneità di linguaggio tra le diverse a‐
ree; nel tempo, incrementalmente, viene eseguito un raffinamento delle funzio‐
nalità agendo sul modello di partenza per realizzare analisi di dettaglio proprie dell’area aziendale. Altro aspetto importante dal punto di vista implementativo, nell’esperienza dell’azienda, è la razionalizzazione dei sistemi transazionali fino a raggiungere uno stato di piena consapevolezza e conoscenza del patrimonio informativo a di‐
sposizione. La velocità implementativa degli sviluppi su piattaforma associativa permette poi di agire con un nuovo paradigma operativo che consente anche di commettere errori di progettazione e procedere per tentativi: la base dati asso‐
ciativa risulta così flessibile da poter essere aggiustata nel corso dell’implementazione stessa secondo nuove esigenze, anche attraverso la mag‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
47 gior conoscenza che si crea durante l’implementazione stessa. Sempre per un motivo legato alla velocità implementativa, risulta più opportuno e conveniente rivolgersi a fornitori esterni che detengono le competenze per sostenere sviluppi nel modo più efficiente rispetto alla creazione di competenze interne, che invece vengono sviluppate maggiormente sulle funzionalità utente legate all’analisi at‐
traverso le quali è possibile creare analisi significative, anche con poche dimen‐
sioni a disposizione. Il ciclo implementativo si chiude con la messa a punto all’interno del sistema transazionale dei dettagli che emergono durante l’analisi. Il database associativo realizza la sua massima espressione nelle funzionalità di analisi, quindi è oppor‐
tuno che costituisca uno specchio del sistema transazionale: in tal senso è meglio ridurre le procedure di trasformazione e diminuire lo strato di ETL. Nel caso di problematiche di estrazione, inizialmente i filtri e le regole di trascodifica sono applicate direttamente, attraverso funzionalità di reportistica, all’interno delle aree di analisi, ma successivamente le correzioni sono apportate a livello transa‐
zionale in modo che il dato risulti corretto fin dal momento dell’estrazione. Le caratteristiche del processo implementativo descritto in precedenza per‐
mettono di fornire risposte immediate agli utenti a fronte dei requisiti espressi, riducendo notevolmente il time‐to‐delivery: questo ha permesso di evitare resi‐
stenze organizzative da parte degli utenti stessi nei confronti del processo di in‐
troduzione e diffusione dei sistemi. Allo stesso tempo la ricchezza informativa si è rivelata elemento critico per superare altre possibili resistenze derivanti dalla presenza di lievi difformità sui valori: nel tempo l’uniformità nell’interpretazione delle informazioni si è rivelata più importante della precisione puntuale dei dati. Dal punto di vista organizzativo si è quindi registrato uno sconvolgimento del rapporto tra struttura organizzativa e soluzioni di BI: laddove le tecnologie tradi‐
zionali traducono esigenze informative di processi già consolidati all’interno della struttura organizzativa (BI a supporto della struttura), le tecnologie innovative permettono di definire incrementalmente i processi di business parallelamente al supporto tecnologico stesso (BI crea la struttura). In questo modo la BI costituisce poi una componente inscindibile di ciascun progetto IT: non esiste un’unità organizzativa dedicata alla BI in quanto ciascuno sviluppo IT sui sistemi prevede sia una componente transazionale sia l’aggiornamento della relativa alimentazione del sistema di BI. È possibile concludere che secondo queste prospettive la BI diventa operazio‐
nale fino ai livelli organizzativi di responsabilità, come “sintesi che non perde det‐
taglio”. Esistono ad oggi in azienda prospettive di migliorare ulteriormente la qualità dei dati all’interno dei sistemi transazionali per aggiungere ulteriori in‐
formazioni agli strumenti di analisi, fino ad arrivare ad aumentare il livello di in‐
formatizzazione in occasione della visita al paziente. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
48 Parallelamente ad aree applicative proprie delle diverse aree di business, è previsto poi lo sviluppo di aree applicative che permettano di condurre analisi trasversali per patologia. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Banco Popolare Nicola Andreis2 Michele Bonollo3 Angela Perego Il Gruppo Il Gruppo Banco Popolare è la prima realtà cooperativistica nazionale e uno dei primi cinque gruppi bancari italiani. Ad oggi conta più di 3 milioni di clienti, 200 mila soci, circa 2.200 sportelli e oltre 21 mila dipendenti, 1.500 dei quali sono im‐
pegnati nella società SGS, istituto consortile appartenente al Gruppo Banco Po‐
polare e responsabile dello sviluppo e della gestione dei Sistemi Informativi del Gruppo. Banco Popolare è un Gruppo costituito da grandi banche commerciali a forte vocazione locale, radicate nei propri territori di riferimento e focalizzate sul‐
le esigenze delle famiglie e delle piccole imprese, e rappresenta un importante punto di riferimento in regioni come Veneto, Lombardia, Piemonte, Liguria, To‐
scana ed Emilia Romagna, le aree di presenza storica. Grazie alle Banche che lo compongono, alcune delle quali vantano una storia di oltre 150 anni, il Gruppo Banco Popolare mantiene una stretta vicinanza con i propri clienti grazie a pro‐
dotti adeguati ai loro specifici bisogni e innovativi in un mondo in cui le esigenze di risparmio e di investimento si evolvono di continuo. Il Gruppo si caratterizza in particolare per i seguenti elementi distintivi: La struttura. È costituito da un gruppo di realtà locali molto radicate nel territo‐
rio, cresciute nel tempo creando valore al servizio delle comunità. Un patrimonio storico, culturale e manageriale unico, pilastro fondamentale del Banco di oggi. La tradizione. In un contesto economico generale volatile come quello attuale, il Banco rappresenta un punto di riferimento per i suoi clienti che possono conti‐
nuare a contare su una tradizione di mutualità e di credito popolare. La certezza. Anche in momenti di congiuntura economica difficile, il Banco au‐
menta l'erogazione di finanziamenti alle piccole aziende e va incontro alle esigen‐
ze e ai bisogni delle famiglie: dai mutui ai vari tipi di finanziamenti e servizi per‐
sonalizzati. Il rapporto con il territorio. Il legame del Banco con i suoi territori di riferimento si concretizza nel costante sostegno della vita economica, sociale e culturale sia direttamente che attraverso le sue fondazioni. 2
Responsabile Funzione Integrazione dei Rischi e Sviluppo Modelli – Banco Popolare 3 Responsabile Funzione Applicazioni, Modelli e Rischi – SGS Banco Popolare
50 Gli Obiettivi e le strategie La mission del Banco Popolare può essere riassunta nella seguente frase “Servire le famiglie e le imprese Clienti, creando valore stabile e sostenibile nel tempo per i Soci, per gli Azionisti, per i Territori di riferimento”. Questa dichiarazione si fonda sulla vicinanza alle persone, ai luoghi e alle tra‐
dizioni, che rappresenta un patrimonio del Gruppo e consente al Banco Popolare, e alle Banche che ne fanno parte, di sostenere le realtà locali, nella loro crescita e nel loro sviluppo. Questo sostegno si concretizza quotidianamente nel rapporto con il Cliente ed è basato su rigore e semplicità uniti ad esperienza, disponibilità e dialogo, per creare o rinsaldare rapporti nel lungo periodo. In questo contesto la professionalità e la competenza sono valori fondamentali e per questo vengono incoraggiate le nuove idee per soluzioni sempre più adeguate alle esigenze delle famiglie e delle imprese. Allo stesso modo la fiducia e il rispetto per il Cliente so‐
no valori alla base dell’operato del Banco Popolare e fanno sì che le singole esi‐
genze della Clientela divengano un obiettivo da perseguire costantemente. Il Risk Management Il Risk Management ricopre un ruolo fondamentale all’interno delle attività del Gruppo Banco Popolare. Questa unità organizzativa collocata presso la Capogruppo è costantemente impegnata, in coerenza con gli obiettivi generali di un sempre più attento ed effi‐
cace presidio dei rischi, in interventi metodologici e tecnologici finalizzati a mi‐
gliorare le metodologie e gli strumenti per una misurazione e gestione struttura‐
ta e integrata dei rischi, allo scopo di determinare una misura complessiva di rischio attuale e prospettico, sia in condizioni di business ordinario che in corri‐
spondenza di scenari particolarmente avversi, anche estremi. L’Area Risk Management è inoltre impegnata nella diffusione di una cultura del controllo del rischio più sistematica e continuativa, con un impatto sull’intera struttura organizzativa e sulla complessiva gestione aziendale. Un esempio è la promozione di un più frequente e pratico utilizzo gestionale delle evidenze del processo di valutazione di adeguatezza patrimoniale attuale e prospettica, in condizioni ordinarie e di stress, che trova il presupposto nella disponibilità di uno strumento informatico (denominato “Global Risk”) in grado di assicurare, in mo‐
do più efficiente, valutazioni ad alta frequenza in coerenza con quanto dettato da Basilea2 che, da un lato richiede una formalizzazione annuale del processo ICAAP (Internal Capital Adequacy Assessment Process) con la trasmissione di un’apposita rendicontazione, ma che dall’altro prevede il rispetto continuo delle condizioni di adeguatezza patrimoniale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
51 Il processo di valutazione di adeguatezza patrimoniale Il processo di valutazione di adeguatezza patrimoniale (ICAAP) ha come obiettivo formale la predisposizione e l’invio a Banca d’Italia entro il 30 di aprile del rendi‐
conto di adeguatezza patrimoniale, che autocertifica la disponibilità da parte del Gruppo di un Capitale adeguato ad assicurare nel continuo la copertura dei rischi rilevanti, in grado di assicurare la solidità finanziaria e patrimoniale della banca. Questo processo affianca al rispetto dei requisiti minimi patrimoniali definiti dalla normativa di vigilanza prudenziale una valutazione autonoma dei rischi fondata prevalentemente sull’impiego di modelli interni avanzati di risk management. Esso è pertanto strettamente collegato ai processi di pianificazione “risk based” e il suo risultato è poi input per la definizione dei massimali di rischio (per ogni tipologia di rischio: credito, mercato, operativo, etc.) e dei relativi livelli di alert per il Gruppo, la Banca e le Aree operative e di business, orientando e vincolando il governo del Gruppo nel perseguimento dei propri obiettivi reddituali e commerciali. Gli indicatori di rischio così definiti hanno quindi una elevata importanza gestionale e di supporto all’operatività del Banco. La valutazione di adeguatezza patrimoniale comporta perciò l’identificazione e la quantificazione dei Rischi rilevanti (Capitale interno complessivo) e la defini‐
zione del Capitale complessivo (si veda Figura 14) come grandezza che esprime l’ammontare dei mezzi patrimoniali a disposizione per la copertura degli stessi ri‐
schi aziendali. Patrimonio di vigilanza
É la posta a difesa dei creditori della banca da eventuali perdite. É costituito dal patrimonio di base (Tier 1) e dal patrimonio supplementare (Tier 2) al netto delle opportune deduzioni.
Patrimonio di base: è composto principalmente dal capitale sociale,dalle risorse di utile e dagli strumenti innovativi di capitale.
Patrimonio supplementare: è composto dalle riserve implicite, dalle riserve di rivalutazione, dal debito subordinato e dagli strumenti ibridi di patrimonializzazione.
Requisiti minimi
Determinati sulla base delle indicazioni di Banca d’Italia, rappresentano l’ammontare minimo del Patrimonio di Vigilanza di cui la banca deve disporre per fronteggiare le perdite inattese che derivano dalla sua operatività. I requisiti minimi sono pari all’8% delle attività ponderate per il rischio (RWA)
Excess capital economico
La quota di Capitale complessivo in eccesso rispetto al Capitale interno complessivo rappresenta la quota di capitale che consente di coprire altre necessità gestionali quali l’attuazione di piani di sviluppo, mantenimento di un adeguato standing sui mercati dei capitali, etc (l’effettiva entità del Free Capital sarà determinata dal giudizio di Bankit sul livello adeguato di capitale per coprire tutti i rischi nell’ambito del processo di supervisione SRP)
Tier 2
Excess Capital Vigilanza
Excess Capital Economico
Altri rischi
Rischi II Pilastro
Tier 1
Requisiti minimi
I Pilastro
Requisiti minimi
Rischi I Pilastro
Patrimonio di Vigilanza
Vista regolamentare
Capitale interno
complessivo Capitale complessivo Capitale Complessivo
La circ. 263 introduce il concetto di “Capitale complessivo”. Con tale definizione si indicano gli elementi patrimoniali che la Banca ritiene possano essere utilizzati a copertura del Capitale Interno Complessivo. Nel presente documento si utilizza il Patrimonio di Vigilanza come approssimazione di tale grandezza
Vista gestionale
Figura 14 ‐ La valutazione di adeguatezza patrimoniale – i due approcci (re‐
golamentare e gestionale) Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
52 Con riferimento al tema dei mezzi patrimoniali a copertura dei rischi, il Gruppo Banco Popolare utilizza una nozione di Capitale complessivo corrispondente a quella regolamentare del Patrimonio di Vigilanza, secondo un approccio pruden‐
ziale che esclude elementi aventi limitata capacità di contenimento delle perdite in caso di crisi aziendale. La normativa di vigilanza, infatti, demanda alle banche la definizione autonoma del concetto di patrimonio o Capitale complessivo rite‐
nuto più idoneo a perseguire le finalità dell'esercizio. Il processo di valutazione dell'adeguatezza patrimoniale (si veda Figura 15) ini‐
zia con la stima gestionale delle misure di rischio riferite sia ai rischi di Primo Pila‐
stro (o rischi “tradizionali”, quali il rischio di credito, rischio di controparte, rischio di mercato e rischio operativo), che ai rischi di Secondo Pilastro (ad es. rischio di tasso, rischio di liquidità, rischio strumenti di capitale del banking book, rischio commerciale, rischio strategico, rischio reputazionale). Figura 15 – Il processo di Valutazione dell’adeguatezza patrimoniale In particolare tali misurazioni sono sia a consuntivo sia prospettiche. Per per‐
mettere il calcolo in ottica prospettica, la Funzione Pianificazione fornisce le ipo‐
tesi di budget (obiettivi di volumi, spread e redditività) articolate per i principali assi di analisi (banca, segmento commerciale, forma tecnica, area geografica, etc.), con particolare riferimento all’operatività gestita dalla rete commerciale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
53 Inoltre tali misurazioni sono condotte secondo modalità differenti (si veda Figura 16) a seconda della finalità e prospettiva adottata e dello stato di avanzamento delle metodologie di risk management. METODOLOGIA DI MISURAZIONE
Metodologie di misurazioni
Tipologia
Modello interno (modello di portafoglio)
Oggetto/perimetro
Crediti clientela residente in bonis
Esposizioni verso clientela non residente
Esposizioni scadute
Rischio di Credito
Modello standard Basilea 2
Esposizioni da cartolarizzazioni
Tutte le altre esposizioni, eccetto: componenti relative a strumenti derivati OTC e
ad altre operazioni SFT e con regolamento nel medio termine
Rischio di posizione generica dei titoli di debito
Rischio di posizione specifica dei titoli di debito
Rischio di Mercato
Rischio di posizione generica dei titoli di capitale
Modello interno (VaR simulazione storica)
Rischio di posizione specifica dei titoli di capitale
Rischio di posizione generica su opzioni
Rischio di posizione su O.I.C.R.
Rischio di cambio
Rischio di regolamento
Modello standard Basilea 2
Rischio di concentrazione
Tutte le componenti
Modello interno (AMA)
Rischio Operativo
Modello BASE
Modello interno
Rischio di
Maggiori società
Società minori
Strumenti derivati negoziati fuori borsa (OTC - Over the counter)
Operazioni SFT (Securities Financing Transactions)
Controparte
Modello standard Basilea 2
Operazioni di regolamento di lungo termine
Tutte le componenti
Rischio Strumenti di
Capitale
Modello interno (VaR simulazione storica)
Modello standard Basilea 2
Rischio di Tasso di
Interesse
Modello interno (VaR varianza-covarianza)
Titoli di capitale valutati al fair value (CFV)
Partecipazioni non dedotte dal patrimonio di vigilanza
Titoli di capitale disponibili per la vendita (AFS)
Tutto
Rischio
Modello interno (di tipo EaR)
Commerciale
Benchmark di riferimento
Rischio Reputazione
Modello interno
Tutto
Rischio Strategico
Modello interno
Tutto
Modello interno
Tutto
Rischio
Liquidità
Maggiori società
Società minori
Figura 16 – Rischi quantificati e relative metodologie di misurazione in sede ICAAP La vista regolamentare, infatti, richiede il rispetto della normativa vigente e l’utilizzo delle metodologie da essa suggerite. La vista gestionale, invece, permet‐
te l’utilizzo di metodologie sviluppate internamente al Gruppo Banco Popolare, con un impatto diretto nei processi gestionali del Gruppo. In particolare Banco Popolare ha sviluppato modelli interni di quantificazione dei rischi che, nella qua‐
si totalità dei casi, si poggiano su metodologie di tipo Value at Risk (VaR) o Ear‐
ning at Risk (EaR). Si tratta di tecniche probabilistiche volte a definire la massima perdita inattesa entro un certo orizzonte temporale di riferimento (solitamente 12 mesi) e con un certo livello di confidenza (99,96%). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
54 Dopo avere calcolato le misure di rischio, si procede ad aggregare tali misure in un indicatore sintetico di rischio globale o complessivo, c.d. “Global Risk”, (si veda Figura 17) denominato anche Capitale Interno Complessivo. In particolare Banco Popolare impiega due differenti approcci:
Building Block. Prevede prudenzialmente la sommatoria delle stime quantitative riferite ai singoli rischi, senza considerare alcun beneficio di diversificazione e ipotizzando quindi che i rischi si manifestino congiun‐
tamente e con la massima magnitudo. Questo approccio è il medesimo definito in sede di determinazione dei requisiti minimi patrimoniali complessivi e viene applicato sia al calcolo del Capitale Economico di Gruppo, sia al Capitale Economico di ogni singolo istituto. Matrice di correlazione varianza – covarianza. Consiste in un modello di integrazione che considera le relazioni di dipendenza fra rischi mediante una matrice di correlazione varianza‐covarianza e quindi i benefici della diversificazione. Tale approccio rappresenta un buon compromesso fra accuratezza e semplicità, in quanto le correlazioni calcolate rappresen‐
tano una misura intuitiva della dipendenza fra i rischi e risultano di facile comprensione. Figura 17 – Le determinanti dell'Indicatore complessivo di rischio (Global Risk) Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
55 Il confronto tra Capitale complessivo (il patrimonio) e Capitale interno complessi‐
vo (i rischi) permette di verificare a consuntivo l’adeguatezza patrimoniale rispet‐
to ai rischi assunti (e che, generalmente, si possono manifestare in termini di perdita in un orizzonte temporale annuale). Il processo prosegue con la verifica prospettica di congruità tra il Capitale In‐
terno complessivo, misurato dall’Area Risk Management mediante il sistema Global Risk, e il capitale di vigilanza definito dalla Funzione Pianificazione (si veda Figura 18). Se tale verifica produce esito positivo il processo si conclude con la produzione del report da inviare alla Banca d’Italia; se, invece, non si riscontra una situazione di adeguatezza patrimoniale, si analizzano approfonditamente le stime di rischio e le relative determinanti per definire le aree critiche e le leve sul‐
le quali agire. Valutazione di adeguatezza patrimoniale
Risk Management
Pianificazione
Calcolo Misure di
Rischio (a consuntivo
e prospettiche)
Definizione Budget
(rete commerciale,
finanza, costi operativi)
Definizione
Patrimonio di
Vigilanza prospettico
Calcolo Global Risk
(Rischio Complessivo)
No
Sì
Evoluzione dei rischi
coerente con Patrimonio di
Vigilanza prospettico
definito?
È richiesta una
revisione del
budget?
Sì
No
Valutazione di
adeguatezza
completata
Analisi delle
problematiche
Definizione
possibili soluzioni
Figura 18 – Gli attori coinvolti In particolare si può agire sul patrimonio di vigilanza (Capital management) e/o sui driver di rischio prospettici (Revised Budget), in quest’ultimo caso rive‐
dendo le voci del budget ipotizzato. L’area Risk Management, sulla base delle a‐
nalisi e delle simulazioni fatte, supporta la Funzione Pianificazione nella valuta‐
zione degli impatti delle possibili azioni correttive. La Funzione Pianificazione può rivedere quindi il budget, il Patrimonio di Vigilanza o entrambi, sulla base delle indicazioni fornite anche dal Risk Management e di proprie considerazioni. Il pro‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
56 cesso è quindi iterativo e continuo, con il coinvolgimento attivo di diversi attori (Alta Direzione, Finanza, Direzione Commerciale, Risk Management), fino ad arri‐
vare alla verifica di esistenza di congruità tra Capitale Interno Complessivo e Pa‐
trimonio di Vigilanza.Nella conduzione del processo di determinazione dell'ade‐
guatezza patrimoniale la verifica di coerenza tra Capitale interno complessivo e Capitale complessivo si traduce, in particolare, nella verifica della presenza di un’adeguata eccedenza di risorse patrimoniali rispetto ai rischi (una sorta di buffer, nelle componenti di riserva strategica di capitale e di patrimonio a coper‐
tura di stress severi) a fronte di esigenze quali il miglioramento del giudizio di rating, l’ampliamento degli spazi di crescita oltre quanto definito in sede di bu‐
dget, la migliore gestione delle condizioni di fluttuazione del ciclo economico, il tutto in coerenza con la propensione al rischio e alle aspettative di equilibrio pa‐
trimoniale espresse dall'Organo di vigilanza e dal mercato nei confronti dei mag‐
giori gruppi bancari.
Il ruolo delle nuove tecnologie di Business Intelligence Il processo prima descritto è supportato dalle nuove tecnologie di Business Intelligence in uso presso il Gruppo, nel caso specifico da una complessa architet‐
tura informatica che ha tra gli elementi fondanti un nuovo ambiente di BI. Il nuovo ambiente di BI è stato introdotto nel Banco a partire da gennaio 2008 e in questo periodo le licenze sono passate da 4 a 56, numero che è destinato a crescere ulteriormente anche se non in modo significativo, con la sua progressiva estensione a perimetri crescenti del processo di risk management. Con riferimen‐
to al processo ICAAP il sistema sviluppato, denominato Global Risk, supporta le attività di verifica di adeguatezza patrimoniale, di monitoraggio dei rischi e di proiezione degli stessi anche in condizioni di stress, permettendo in particolare l’integrazione di molteplici fonti di dati (tratti dai sistemi specialistici utilizzati per la misurazione dei singoli rischi) e la loro elaborazione per analisi successive (si veda Figura 19). L’eterogeneità e la dimensione delle fonti dati spiegano, insieme alla varietà di algoritmi utilizzati per le stime di rischio e le attività di Risk Forecasting, la signifi‐
cativa complessità del sistema. Tale complessità è stata però affrontata grazie all’adozione di uno strumento caratterizzato da tempi di sviluppo relativamente contenuti e da una significativa velocità di calcolo e fruizione dei dati elaborati. Lo strumento, infatti, ha permesso il potenziamento delle attività di analisi sup‐
portando il tipico percorso associativo degli analisti e dei decisori, l’utilizzo di al‐
goritmi di calcolo anche molto complessi e la produzione di flussi di dati che pos‐
sono poi essere utilizzati in input da altri sistemi. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Aggregazione Rischi
Previsione Capitale Interno
Simulazione
Rischio Operativo
Rischio Tasso
Rischio Controp
Risk & Capital Data Repository Rischio Commer
FONTI ECON.‐
PATRIM.
Rischio Mercato
DATA REPOSITORY
Rischio Credito
…
Dati di Pianificazione
Dati Finanziari
Dati Contabili
DELIVERY
RISK FORECASTING
ADEGUATEZZA CAPITALE
SISTEMI MISURAZIONE RISCHI
57 ICAAP Report
Report Manage‐
riale
Stime per budget e b.plan
Supporto a VBM
What if analysis
Figura 19 – L’Architettura Integrata Rischi e Adeguatezza Patrimoniale Si sono potute anche implementare attività di editing e data entry pre‐
reporting sui dati acquisiti dal nuovo ambiente di BI in modo da correggere even‐
tuali errori o fare modifiche per rendere più leggibile l’output prodotto dal siste‐
ma, evitando laboriose e massive rielaborazioni a monte del processo. In sintesi il contributo del nuovo ambiente di BI è stato importante per:
costruire gli script di caricamento degli output “settoriali”; fruire di una visione integrata dei rischi; realizzare motori di calcolo indipendenti / benchmarking per alcune ti‐
pologie di rischio; introdurre analisi di tipo what if; generare automaticamente i layout necessari al rendiconto ICAAP, me‐
diante un “data model” unificato sottostante a tali layout. Un altro elemento che ha determinato il successo del progetto è stato la stretta collaborazione, decisamente non usuale, tra il Risk Management e la Funzione Applicazioni Rischio e Controllo Finanza, che ha portato a una positiva “contami‐
nazione” di competenze normative, tecniche, gestionali e metodologiche tra i due team. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
58 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
BCC Vita (BCC Assicurazioni) Maurizio Colombo4 Sonia Favaro5 Stefano Pedroni6 Angela Perego L’Azienda BCC Vita è la Compagnia di Assicurazioni Vita nata a fine 2001 all’interno del Sistema del Credito Cooperativo e offre i propri prodotti e servizi esclusivamente tramite la rete degli sportelli delle Banche di Credito Cooperativo del Gruppo Bancario Iccrea. BCC Vita opera con il supporto del socio industriale di maggioranza, Cattolica Assicurazioni, propone ai clienti delle BCC un’offerta integrata nell’intero comparto assicurativo, cogliendo le esigenze specifiche del Sistema e sfruttando le sinergie con le altre Società che compongono l’offerta del Gruppo bancario Iccrea. BCC Vita è strutturata come una Virtual Insurance Company, un modello di organizzazione innovativo ampiamente utilizzato nel mondo anglosassone. Le decisioni strategiche e commerciali, lo studio dei prodotti, gli investimenti e la comunicazione sono gestiti direttamente; il resto dei servizi viene erogato attraverso il ricorso ad outsourcer altamente specializzati. Questa scelta strategica assicura alla Compagnia snellezza organizzativa, flessibilità e perfetto time to market. I prodotti che BCC Vita offre sono accompagnati da un livello di servizio che esprime la cura e l'attenzione della Compagnia verso le esigenze locali e verso il cliente delle Banche di Credito Cooperativo. Alle Banche di Credito Cooperativo, collocatrici in esclusiva dell'offerta di BCC Vita, vengono assicurati tutti gli strumenti per aiutare i propri clienti ad effettuare le scelte più opportune; ai clienti delle Banche di Credito Cooperative, BCC Vita garantisce soluzioni innovative, un alto livello di servizio e un continuo flusso di informazioni chiare, obiettive ed utili. 4 Responsabile Direzione ICT, Organizzazione e Qualità ‐ BCC Vita 5 Addetto Direzione ICT, Organizzazione e Qualità ‐ BCC Vita 6 Assistente Direzione Vendite‐ BCC Vita 60 Gli Obiettivi e le strategie La mission di BCC Vita può essere sintetizzata nella volontà di essere la compagnia assicurativa vita di tutto il Credito Cooperativo e per tutto il Credito Cooperativo, che propone prodotti e servizi innovativi e che valorizza tutte le possibili sinergie con le altre società del gruppo. Il Processo di Budgeting e monitoring Il processo di Budgeting e monitoring è un processo estremamente rilevante per BCC Vita in quanto definisce prima in sede di budget e poi mensilmente, sulla ba‐
se dei risultati ottenuti, le strategie e azioni commerciali da attuare per raggiun‐
gere gli obiettivi definiti. Ciò consiste, per esempio, nel decidere quale prodotto necessita di particolare supporto per essere venduto, nel costruire campagne per incentivare la vendita di un certo mix di prodotti oppure ancora nel progettare particolari corsi di for‐
mazione per gli agenti sul territorio e per gli operatori delle banche per condivi‐
dere gli elementi distintivi di un prodotto e quelli più efficaci per i potenziali clienti sui quali far leva in fase di vendita. Il processo di budgeting e monitoring inizia con la definizione del Piano Opera‐
tivo Commerciale annuale sulla base dei dati relativi alla produzione dell’anno precedente e delle linee guida fornite dalla Direzione Aziendale (si veda Figura 20). Il Piano Operativo Commerciale utilizza come frame temporale il mese ed è strutturato per Area, Zona e singola BCC, seguendo la struttura della Funzione Vendite. La Funzione Vendite è infatti organizzata in tre Aree:
Area Nord. Area Centro. Area Sud. Ogni Area è affidata ad un Area Manager che ha il compito di coordinare le attivi‐
tà degli agenti (responsabili di zona) afferenti alla loro area. Successivamente il Piano Operativo Commerciale è condiviso con i vertici a‐
ziendali ed eventualmente rivisto fino alla sua approvazione. Una volta approvato il Piano, si attiva la fase di monitoring mensile che consi‐
ste nel confrontare le performance commerciali con il budget (Piano Operativo Commerciale). Se non ci sono scostamenti dal budget o gli scostamenti sono po‐
sitivi non c’è necessità di modificare il Piano Operativo Commerciale del mese Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
61 successivo e quindi si continua ad operare secondo quanto definito a piano. Se, invece, ci sono degli scostamenti negativi, è necessario analizzarne le cause. Figura 20 – Il processo di budgeting e Monitoring L’analisi delle cause consiste in approfondimenti riguardanti i premi, le liqui‐
dazioni, le polizze in scadenza e i reinvestimenti dei clienti a seguito della scaden‐
za di una polizza. Per quanto riguarda i premi, le analisi sono condotte sia a quantità (numero di pezzi) sia valore (importo premi) e si articolano secondo le seguenti dimensioni di analisi: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
62
Tipologia prodotto (ad esempio capitalizzazione, Index Linked Idea e Ri‐
valutazioni con garanzia). Prodotto (ad esempio BCC Vita Basic, Best Capital Uni‐
co/ricorrente/cedola e Idea). Codice Prodotto. Stato ( ad esempio perfezionato). Tipo movimento ( ad esempio premio aggiuntivo, premio iniziale, pre‐
mio successivo e trasferimento). Numero Polizza. Responsabile di Area. Responsabile di Zona. Regione. Federazione. Banca. Data (mese e anno). Le liquidazioni, invece, sono analizzate considerando l’importo liquidato (a valo‐
re) e utilizzando le seguenti dimensioni:
Tipologia prodotto (ad esempio capitalizzazione, Index Linked Idea e Ri‐
valutazioni con garanzia). Prodotto (ad esempio BCC Vita Basic, Best Capital Uni‐
co/ricorrente/cedola e Idea). Codice Prodotto. Stato ( ad esempio perfezionato, riscatto totale e scaduta liquidati). Tipo movimento ( ad esempio cedola, recesso, riscatto parziale, riscatto totale, scadenza, sinistro e trasferimento). Numero Polizza. Responsabile di Area. Responsabile di Zona. Mese. Banca. Le analisi dei premi e delle liquidazioni sono sicuramente le analisi più importan‐
te ma, per la definizione di una corretta ed efficace strategia di vendita, non si può trascurare l’analisi degli scaduti e dei possibili reinvestimenti. Questa analisi, infatti, intende quantificare il grado di soddisfazione (misurato come livello di ri‐
acquisto) dei clienti delle banche cooperative. Alla scadenza di una polizza se un cliente è soddisfatto del prodotto e del servizio ricevuto con molta probabilità reinvestirà il proprio capitale in un altro prodotto. Questo tipo di analisi non è semplice ma sicuramente investimenti in questa direzione possono offrire utili in‐
formazioni da utilizzare per migliorare la propria presenza sul mercato in termini di prodotti offerti e di comunicazione. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
63 A valle di queste analisi, quindi, avendo chiare le motivazioni degli scostamenti negativi dal budget e disponendo di tutte le informazioni necessarie, è possibile definire le eventuali azioni correttive che andranno a modificare il Piano Operati‐
vo Commerciale per il mese successivo. A giugno, comunque, il Piano Operativo Commerciale è rivisto interamente a livello di compagnia. Gli attori coinvolti nel processi e il loro ruolo sono sintetizzati in Figura 21. Figura 21 – Gli attori coinvolti nel processo Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
64 La Funzione Vendite ha sicuramente un ruolo rilevante nel processo e in parti‐
colare è determinante il ruolo dello staff di segreteria e dei Responsabili di Area. In particolare lo staff di segreteria è responsabile di condurre il monitoraggio dell’andamento delle vendite in termini di volumi e tipologie di prodotti venduti, volumi generati in euro, tipologia di produzione (versamenti iniziali, successivi, aggiuntivi), capacità di trattenere e sviluppare il cliente (ad esempio volume di ri‐
acquisto) e valutazione dell’efficacia delle iniziative formative svolte. I responsabili di Area, invece, hanno un ruolo determinante nella definizione delle migliori azioni correttive (ad esempio la definizione di campagne promozio‐
nali sul territorio) per migliorare le proprie performance di vendita. A partire dalla fine del 2009 si è aggiunta, alla realtà di BCC Vita, anche la Compagnia “gemella” BCC Assicurazioni, che ha come obiettivo di fornire al mondo del Credito Cooperativo il catalogo destinato alla copertura di tutti i rami danni. Le due Compagnie sfruttano per la maggior parte delle loro attività le me‐
desime strutture ed in particolare la Direzione Vendite ha responsabilità su tutta la produzione commerciale delle due realtà. Anche in questo caso si è estremizzato il concetto di Virtual Insurance Company mantenendo in casa il coordinamento ed il controllo, demandando la parte più squisitamente operativa agli outsourcer che in questo caso sono un “po’ atipici” essendo le strutture del Gruppo Cattolica, anche qui socio di maggio‐
ranza della Compagnia. Il ruolo delle nuove tecnologie di Business intelligence Il processo prima descritto è possibile grazie all’utilizzo delle nuove tecnologie di Business Intelligence, nel caso specifico di un nuovo ambiente di BI. Prima dell’introduzione di questo sistema non era infatti possibile fruire di questa molteplicità di informazioni in un unico ambiente e poterle interrogare li‐
beramente secondo le logiche più coerenti con i decisori. Lo strumento ha inoltre permesso di integrare i dati del ramo Vita con i dati della nuova Compagnia ramo danni “BCC Assicurazioni”, che sono tra loro estremamente eterogenei per con‐
tenuto e per formati (si veda Figura 22). In questo modo ed in un unico strumento, i componenti della Direzione Vendi‐
te che hanno la competenza e la responsabilità commerciale per entrambe le Compagnie, possono monitorare i progressi della produzione ed effettuare le a‐
nalisi necessarie per le due realtà, approcciando le singole BCC da un punto di vi‐
sta complessivo e condiviso. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
65 Un altro elemento critico per il successo del progetto è stata la velocità di rea‐
lizzazione che ha portato in tempi veramente brevi a disporre di un prototipo funzionante sul quale poi si è lavorato per giungere alla versione definitiva dello strumento di analisi. La velocità e la facilità di implementazione del sistema lo hanno fatto diventare fin da subito principale fonte di informazioni relative alla produzione, con continue richieste di implementazione e integrazione da parte degli utenti; inoltre con l’integrazione dei dati di produzione di BCC Assicurazioni quest’unica vista sulle due attività permette di avere una visione globale di come le due Compagnie di riferimento del mondo del Credito Cooperativo si stanno muovendo. Ramo Vita (tabelle SQL fornite dall’outsourcer)
File qvd
Ramo Danni (file txt e xls forniti dai sistemi del Gruppo Cattolica)
Figura 22 – Le fonti alimentanti del sistema Particolarità del sistema costruito è il fatto che esso è utilizzato quotidiana‐
mente per supportare attività anche molto operative ma che necessitano di ela‐
borare i dati. Infine lo strumento ha permesso di rendere molto più autonomi gli utenti nel‐
la produzione dei report di loro interesse, nella costruzione di query e nella defi‐
nizione dei propri percorsi di analisi, anche se in questo ambito le possibilità di miglioramento sono ancora significative. Ad oggi questo strumento di analisi è in uso principalmente in sede ma è già in corso il suo processo di diffusione presso le Banche di Credito Cooperativo e le agenzie assicurative Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
66 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
COREPLA Massimo Brambilla7 Alberto Lorenzoni8 Silvio Sorrentino9 Angela Perego L’Azienda Il Consorzio Nazionale per la Raccolta, il Riciclaggio e il Recupero dei Rifiuti di Im‐
ballaggi in Plastica (COREPLA) è nato, a seguito del Decreto Legislativo 22/97, per organizzare la raccolta dei rifiuti di imballaggi in plastica, garantendone il recupe‐
ro e l’avvio a riciclo, nell'ambito del c.d. "Sistema CONAI" (Consorzio Nazionale Imballaggi) che pone in capo alle imprese produttrici ed utilizzatrici di imballaggi la responsabilità e gli oneri per la corretta gestione ambientale degli imballaggi stessi a fine vita. COREPLA conta ad oggi 2.623 imprese consorziate, espressione della filiera plastica italiana. Le attività di COREPLA all’interno della “filiera plasti‐
ca” intendono: •
•
•
•
coordinare il sistema industriale finalizzato al recupero e al riciclaggio degli imballaggi in plastica post‐consumo, al fine di garantire che i rifiuti d'imballaggio possano essere trasformati in nuovi prodotti; promuovere la ricerca e l’innovazione nel campo delle tecnologie per il recupero di materia e di energia dai rifiuti d'imballaggio in plastica e l’utilizzo della plastica riciclata per la realizzazione di nuovi prodotti; supportare i Comuni nelle fasi di attivazione e di razionalizzazione dei si‐
stemi di raccolta differenziata sul territorio locale; coinvolgere i cittadini e le imprese rispetto agli obiettivi di riduzione del quantitativo dei rifiuti prodotti, di riutilizzo degli imballaggi usati, di rici‐
claggio e recupero dei rifiuti di imballaggi in plastica. I risultati raggiunti da COREPLA sono significativi, soprattutto per quanto concer‐
ne la raccolta differenziata urbana, che è stata ulteriormente incrementata e che ha raggiunto la quantità totale di 444.000 tonnellate, proveniente dai 6.980 co‐
muni che hanno stipulato, direttamente o tramite le proprie aziende di igiene ur‐
7Controllo di gestione ‐ Corepla 8Vice Direttore Generale Amministrazione Finanza Controllo ICT HR e Servizi ‐ Corepla 9Responsabile Sistemi Informativi ‐ Corepla 68 bana, convenzione con il Consorzio, per un totale di 55.000.000 di cittadini servi‐
ti. Gli Obiettivi e le strategie L’obiettivo primario di COREPLA è disciplinare la gestione di tutti gli imballaggi in plastica post consumo immessi sul mercato nazionale:
il ritiro dei rifiuti di imballaggi conferiti al servizio pubblico; la raccolta dei rifiuti di imballaggi secondari e terziari su superfici priva‐
te; la ripresa degli imballaggi usati; il riciclaggio e il recupero dei rifiuti di imballaggio. Le finalità indicate sono concretamente perseguite in primo luogo per mezzo di una costante attività di supporto e di affiancamento ai Comuni e alle Aziende concessionarie dei servizi pubblici di raccolta dei rifiuti urbani e in secondo luogo attraverso l'organizzazione di una rete di centri di conferimento, di selezione e di lavorazione dei rifiuti di imballaggio diffusa su tutto il territorio nazionale e a disposizione sia dell'operatore pubblico che dell'operatore economico (commercio, artigianato ecc.). Il Consorzio, nel corso degli anni, ha inoltre effettuato investimenti allo scopo di sviluppare ‐ in collaborazione con riciclatori, trasformatori, produttori di macchine, impianti e resine ‐ nuove soluzioni tecnologiche per il riciclo delle plastiche post‐consumo. Il processo di pianificazione pluriennale All’interno di Corepla le attività di reporting e simulazione ricoprono un ruolo di particolare rilievo e ad esse sono state e sono tuttora dedicate molte risorse. Da ciò deriva che il “reporting package” di Corepla è molto articolato componendosi di report con caratteristiche molto eterogenee sia per arco temporale considera‐
ta (anno, mese, etc.) sia per attività supportata (controllo su attività a consuntivo, pianificazione e simulazione su dati di budget e previsionali) e infine per oggetto di controllo. Tutte queste attività sono svolte all’interno della Vice Direzione Ge‐
nerale Amministrazione Finanza Controllo ICT HR e Servizi. Particolarmente rilevante è il processo di pianificazione pluriennale che costi‐
tuisce un elemento fondamentale del governo aziendale supportando le attività previsionali e programmatorie della Direzione Aziendale e del Consiglio di Ammi‐
nistrazione. L’output di questo processo è un piano su base quinquennale che contiene: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
69
Stima dei volumi. Conto economico previsionale. Stato patrimoniale previsionale. Il piano pluriennale è quindi strutturato in tre sezioni (volumi, conto economico e stato patrimoniale) e articolato su base annua (si veda Figura 23). Al suo interno infatti sono presenti dati di consuntivo (dell’ultimo anno o di preclosing), dati di budget riguardanti l’esercizio successivo e dati previsionali relativo ai cinque anni successivi calcolati sulla base di parametri di simulazione che saranno descritti successivamente. Figura 23 – La struttura del Piano pluriennale – Sezione Volumi Il processo di pianificazione pluriennale ha inizio con un’attività di analisi dei dati di consuntivo relativi alle quantità per tipologia di prodotto (raccolta, sele‐
zione, riciclo e recupero). Questa analisi, unita all’esperienza e conoscenza del mercato da parte del management aziendale, permette di avviare una attività previsionale sui volumi gestiti nei cinque anni successivi a quello in corso. In particolare ciò implica la de‐
terminazione delle variabili indipendenti e dei parametri per il calcolo delle va‐
riabili dipendenti utilizzate nel processo di simulazione (si veda Figura 24). Le va‐
riabili indipendenti del modello di simulazione sono: •
•
Crescita % dell’immesso al consumo e dichiarato CAC ordinario Crescita % della raccolta urbana. Per avviare il processo di simulazione è infatti necessaria la stima dell’immesso al consumo calcolata come delta percentuale rispetto all’anno precedente. Questa stima è fatta in prima istanza della Vice Direzione Generale Gestione Operativa basandosi sui dati storici. La definizione del valore finale da utilizzare nel piano pluriennale è però il risultato di un confronto con la Direzione Aziendale. Succes‐
sivamente si stima la percentuale di crescita della raccolta urbana. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
70 Figura 24 – Il processo di Pianificazione pluriennale Sulla base dell’immesso al consumo e della raccolta sono poi calcolate le va‐
riabili dipendenti: quantità selezionate, riciclate, recuperate e smaltite. Queste Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
71 quantità sono calcolate sulla base della loro incidenza sulla raccolta urbana ed è quindi necessario definire i parametri per il loro calcolo che riguardano l’incidenza percentuale della selezione sulla raccolta e del riciclo e del recupero sulla selezione. In particolare è necessario definire i seguenti parametri: 1.
2.
3.
Selezione: Incidenza Pet su raccolta urbana. Incidenza Hdpe su raccolta urbana. Incidenza Film su raccolta urbana. Incidenza Cassette su raccolta urbana. Incidenza Misto PO/PR su raccolta urbana. Incidenza plastiche miste (residui di selezione) su raccolta urbana. Incidenza CIT (raccolta urbana) non selezionato su R.U. (non rientra nel totale selezione) riciclo: Incidenza riciclo vendite film su selezionato. Incidenza riciclo vendite Misto su selezionato Incidenza riciclo con contributo plastiche miste su plasmix selezionato. recupero energetico: Incremento del recupero ANCI/CONAI. Incidenza recupero energetico su Plasmix selezionato Oltre alla definizione di queste percentuali è necessario quantificare in valore as‐
soluto altre variabili riguardanti il riciclo e il recupero. Per quanto riguarda il ricic‐
lo le variabili sono:
Flussi da accordi specifici di settore. Operatori Indipendenti: Crescita in valore assoluto rispetto al periodo precedente. In riferimento al recupero, invece, le stime riguardano:
Correzione recupero energetico su Plasmix. Recupero Piattaforme secondari e terziari Correzione in termini assoluti da apportare al recupero COREPLA. A questo punto, sulla base dei parametri definiti è possibile determinare i volumi prospettici di piano. La Figura 25 riepiloga le logiche utilizzate per la loro deter‐
minazione. Definite le assunzioni riguardanti i volumi, si può procedere alla determinazio‐
ne dei ricavi (Eur/Ton), derivanti principalmente dal Contributo Ambientale e dal‐
le vendite da riciclo, e dei costi (Eur/Ton) per raccolta, selezione, riciclo e recupe‐
ro energetico. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
72 Figura 25 – Le logiche utilizzate per la determinazione dei volumi di piano Questi parametri, unitamente a quelli delle quantità costituiscono le assunzio‐
ni per la determinazione del Conto Economico. Come nel caso della determina‐
zione dei volumi gestiti, però, ci sono voci di Conto Economico che è necessario stimare in termini di valore assoluto, esse sono:
Altri ricavi. Costi analisi qualità per raccolta e selezione. Costo per locazioni. Costi fissi. Costi CONAI. Ammortamenti e sopravvenienze. Proventi finanziari. Le logiche utilizzate per la determinazione delle voci di Conto Economico sono riepilogate in Figura 26. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
73 Figura 26 – Le logiche utilizzate per la determinazione del Conto Economico Avendo a disposizione i dati economici previsionali è poi possibile procedere alla definizione delle voci patrimoniali fatte le dovute assunzioni e quindi definiti i parametri di calcolo necessari. In particolare è necessario definire le percentuali di incasso dei crediti e di pagamento dei debiti nel periodo e il valore assoluto di altre voci a credito, come ad esempio i crediti verso l’erario, le rimanenze finali, le immobilizzazioni, e delle restanti voci di debito quali i debiti tributari, il fondo TFR e il fondo consortile. Le logiche utilizzate per la determinazione delle voci di Stato Patrimoniale sono riepilogate in Figura 27 e Figura 28. Figura 27 – Le logiche utilizzate per la determinazione delle voci di Attivo di Stato Patrimoniale Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
74 Figura 28 – Le logiche utilizzate per la determinazione delle voci di Passivo & Netto di Stato Patrimoniale Con il calcolo delle voci di stato patrimoniale si hanno gli elementi necessari per valutare l’andamento aziendale prospettico e valutare possibili interventi per migliorare la situazione patrimoniale dell’azienda. Le leve sulle quali si può agire sono tutti i parametri sui quali sono state fatte delle assunzioni. Tra di essi assumono un’importanza particolare la definizione del contributo CAC e la definizione dei giorni di incasso dei crediti e di pagamento dei debiti che rappresentano le vere leve sulle quali Corepla può agire per cerca‐
re di mantenere il proprio patrimonio netto al livello desiderato. Il processo di pianificazione pluriennale è svolto ogni anno ma durante l’anno esistono dei momenti di revisione del piano prodotto. Sulla base dei dati di pre‐
closing, infatti, sono o semplicemente aggiornati i dati previsionali o sono studia‐
te azioni correttive, come ad esempio la modifica del contributo CAC, per far fronte a situazioni critiche. Vista la strategicità del processo, in esso sono coinvolti diversi attori. La Figura 29 mostra il ruolo dei diversi attori aziendali nel processo descritto. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
75 Figura 29 – I ruoli nel processo di pianificazione pluriennale Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
76 Il ruolo delle nuove tecnologie di Business Intelligence Il processo descritto è supportato da un ambiente simulativo sviluppato con la tecnologia di un nuovo ambiente di BI che ha permesso di pervenire ad un mo‐
dello unico (unica base dati, uniche regole di determinazione delle diverse gran‐
dezze, uniche logiche di simulazione) per la costruzione della reportistica azien‐
dale e per le attività di simulazione ad essa collegata. In particolare è stato possibile superare i limiti del sistema precedente e rag‐
giungere alcuni importanti obiettivi sia nella gestione tecnica dell’applicazione sia nella fruizione del contenuto e nella crescita aziendale in materia di controllo. L’attuale applicazione, infatti, abilita alla produzione di tutti i report apparte‐
nenti al reporting package e alla loro fruizione via web, e permette di:
recuperare le informazioni in maniera automatica, dove possibile, dalle fonti alimentanti; creare una base dati strutturata aziendale aperta al collegamento con al‐
tre procedure aziendali e da utilizzare anche per la produzione di altra reportistica gestionale con una maggiore periodicità; semplificare le attività di manutenzione ordinaria ed evolutiva del siste‐
ma. Dal punto di vista del business, l’introduzione della nuova applicazione è stato un momento importante di razionalizzazione e definizione della struttura del model‐
lo di controllo e delle regole di simulazione che ha quindi portato alla creazione di una procedura strutturata per la pianificazione finanziaria. Allo stesso tempo la flessibilità garantita dallo strumento ha consentito un miglioramento consistente dell’operatività del Controllo di Gestione e l’arricchimento del controllo e della valutazione dell’andamento aziendale, per esempio, introducendo nuovi indica‐
tori di performance. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Edison Silvio Jean 10 Cristiana Pompei11 Paolo Pasini Il Gruppo Fondata nel 1884, Edison è la più antica società europea nel settore dell’energia. Oggi è leader in Italia nei settori dell’approvvigionamento, produzione e com‐
mercializzazione di energia elettrica, gas e olio grezzo. Possiede uno dei parchi di centrali elettriche tra i più efficienti ed eco‐sostenibili d’Europa ed è impegnata nella realizzazione di infrastrutture all’avanguardia per l’importazione del gas in Italia. Edison è presente con le proprie attività di esplorazione e produzione di i‐
drocarburi, e di produzione e vendita di energia elettrica in 10 paesi in Europa, Africa e Medio Oriente. Dal 2008, Edison è presente anche sul mercato residen‐
ziale con un’offerta per la fornitura di energia elettrica alle famiglie. Nel settem‐
bre 2009 ha esteso la propria offerta per le famiglie anche al gas. Attualmente Edison è il secondo operatore elettrico italiano con una produ‐
zione di energia elettrica pari a 41,6 TWh nel 2009 che corrisponde al 15% dell’intera produzione nazionale. L’attuale parco di generazione è costituito da 68 centrali idroelettriche, 28 centrali termoelettriche, 29 impianti eolici, 1 impianto fotovoltaico e 1 a biomas‐
se. Edison è storicamente attiva nel settore delle fonti rinnovabili, che incidono per circa il 14% sulla capacità installata complessiva della società. Gli Obiettivi e le strategie La mission di Edison è fornire ai clienti energia e servizi di elevata qualità, utiliz‐
zando le tecnologie più efficienti e compatibili con l’ambiente e la sicurezza. Nel prossimo futuro Edison intende consolidare la posizione di secondo opera‐
tore nel mercato elettrico italiano e incrementare la propria presenza nel merca‐
to dei clienti finali. Nel campo della generazione elettrica, il Gruppo punta a cre‐
10 Direttore Power Management ‐ Edison Trading 11 IT Solution Power & Commodity Optimization ‐ Edison 78 scere sui mercati esteri per diversificare la presenza geografica delle proprie atti‐
vità. Le aree di maggior interesse sono i Balcani e il bacino Mediterraneo. Edison intende inoltre rafforzare l’impegno nel settore delle fonti rinnovabili con inve‐
stimenti in Italia e all’estero. Edison offre servizi sia al mercato business sia al mercato residenziale. In par‐
ticolare l'energia elettrica prodotta (circa 41,6 TWh nel 2009) è venduta princi‐
palmente sul mercato libero a grossisti e clienti industriali (direttamente alle grandi imprese e tramite agenzie alle PMI) e residenziali in base a contratti bila‐
terali, e per la restante parte al GSE sulla base di contratti CIP6/92. L’organizzazione per Business Unit permette di meglio presidiare tutte le aree strategiche della filiera dell’energia elettrica e del gas (si veda la Figura 30). In particolare alla filiera Energia appartengono le Business Unit:
Asset Elettrici che si occupa della gestione degli impianti per la produ‐
zione di energia termoelettrica e idroelettrica. Power International che si occupa dello sviluppo e della gestione degli impianti internazionali per la generazione di energia termoelettrica e in‐
terconnessione elettrica. Fonti Rinnovabili incaricata dello sviluppo e della gestione degli impianti per la produzione di energia eolica e da altre fonti rinnovabili. Energy Management che si occupa del dispacciamento e della vendita in Borsa e a grossisti. Asset
Elettrici
Power
International
Fonti
Rinnovabili
Energy
Management
Gestione impianti
per la produzione
di energia termoelettrica
e idroelettrica
Sviluppo e Management
degli impianti internazionali
per generare energia
termoelettrica
e interconnessione elettrica
Gestione e sviluppo impianti
per la produzione di energia
eolica e da altre fonti
rinnovabili
Dispacciamento e vendite
in Borsa e a grossisti
Edipower Spa (2)
Edison Energie Speciali Spa
Edison Energie Speciali Spa
Edison Trading Spa
Marketing &
Commerciale
Vendita energia elettrica
e gas a clienti finali
Edison Energia Spa
Hydros Srl
Dolomiti Edison Energy Srl
Edison Spa (1)
Asset
Idrocarburi
Gas
International
Gas Supply
& Logistics
Esplorazione e produzione
idrocarburi, stoccaggio,
trasporto e distribuzione gas
in Italia e all’estero
Sviluppo
delle interconnessioni gas
internazionale
Gestione approvvigionamenti
attività logistiche e vendita
a grossisiti e centrali
termoelettriche
Edison International Spa
Itgi-Poseidon Sa
Abu Qir Petroleum Co
Galsi Spa
Efficienza
Energetica
e Sviluppo
Sostenibile
Soluzioni per utilizzo
di energia sostenibile
*Edison Stoccaggio Spa (*)
*Edison D.G. Spa (*)
Business Unit Filiera Elettrica
Business Unit Filiera Idrocarburi
Principali società nel perimetro di consolidamento
1)
Edison Spa svolge direttamente attività nell’ambito delle diverse Business Unit, nonché attività corporate.
In particolare: produzione di energia elettrica (idroelettrica e termoelettrica), produzione, import e vendita di
idrocarburi.
2) Edipower Spa consolidata proporzionalmente al 50%.
(*) Società soggette a separazione funzionale.
Figura 30 – L’Organizzazione e le attività delle Business Unit Completano l’organizzazione di Edison due Business Unit che sono trasversali alle due filiere energia e gas. Esse sono: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
79
Marketing & Commerciale che si occupa della vendita di energia e gas ai clienti finali. Efficienza Energetica e Sviluppo Sostenibile che si occupa di supportare i clienti nella razionalizzazione delle risorse energetiche attraverso l’ottimizzazione dei processi di utilizzo dell’energia Il piano di Dispacciamento di energia alla Borsa e ai grossisti. Il sistema elettrico nazionale si compone di centri di produzione e di consumo di‐
slocati lungo tutto il territorio italiano: le lunghe distanze che separano il nord dal sud e dalle isole creano dei limiti fisici nella trasportabilità dell’energia lungo le li‐
nee di distribuzione. Per questi motivi il territorio nazionale e il mercato elettrico sono stati suddi‐
visi in macro‐zone, ognuna con la propria capacità di produzione, di importazio‐
ne, di esportazione e di consumo di energia elettrica. In ogni macro‐zona si viene a formare un prezzo (System Marginal Price) per i produttori ad ogni chiusura o‐
raria di incrocio di domanda (consumo + export) e offerta (produzione + import) di energia. I clienti di energia pagano invece il c.d. PUN (Prezzo Unico Nazionale, istituito dal decreto Bersani) che viene calcolato come media ponderata dei prez‐
zi zonali sugli acquisti zonali. Terna ha il compito di mantenere il sistema elettrico in equilibrio continuo, fa‐
cendo in modo che la quantità consumata sia in ogni istante uguale a quella pro‐
dotta (non potendo immagazzinare l’energia). Il mantenimento dell’equilibrio del sistema elettrico nazionale, in carico a Ter‐
na, si basa sulle previsioni di domanda e offerta di energia effettuate al giorno precedente per ogni quarto d’ora (per un totale di 96 valori); in tempo reale ven‐
gono poi corrette le differenze generate da eventi imprevisti e casuali (es. cam‐
biamenti climatici) che possono condizionare il livello di consumo di energia. Il ri‐
allineamento domanda offerta del sistema elettrico avviene in continuo, attraverso degli ordini di dispacciamento inviati da Terna alle singole unità di produzione sulla base di un “merit order” basato sulle offerte economiche inviate dagli stessi produttori nel cosiddetto mercato dei servizi del dispacciamento. Questi ordini di dispatching possono essere di 2 tipologie differenziate a seconda delle tempistiche di attivazione (una terza tipologia di ordini, c.d. regolazione primaria, è obbligatoria e non è soggetta ad alcun ordine di dispacciamento): 1. c.d. regolazione secondaria, per la quale Terna invia un segnale di livello attra‐
verso strumenti informatici direttamente ai regolatori di potenza degli impianti di produzione; le quantità sono piccole ma prodotte in corrispondenza dell’arrivo del segnale; 2. c.d. regolazione terziaria, nella quale Terna invia una mail codifica‐
ta contenente i comandi da eseguire con tempi di attuazione posticipati almeno Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
80 di 15 minuti; le quantità possono essere anche considerevoli e possono compor‐
tare l’obbligo di accendere una unità di produzione in fermata. I prezzi dell’energia per il mercato dei servizi del dispacciamento sono orari e del tipo Pay as Bid. Il modello del processo decisionale che porta alla formulazione del piano di di‐
spacciamento giornaliero è illustrato a livello macro in Figura 31: seguono brevi descrizioni delle macro‐variabili esogene, endogene e intermedie interessate. Figura 31 – Il macro‐modello decisionale del piano di dispacciamento Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
81 Previsioni di clima atmosferico: una prima variabile esogena rilevante per il modello decisionale riguarda gli andamenti previsionali della temperatura, dei venti, della pioggia, della nuvolosità e quindi dell’insolazione, che possono de‐
terminare variazioni rilevanti nei livelli di consumo di energia nonché di potenzia‐
le produttivo delle Unità di Produzione. Previsioni disponibilità degli impianti: le capacità produttive degli impianti, ossia i valori minimo e massimo della potenza all’interno dei quali l’unità di pro‐
duzione può modulare, sono fortemente influenzate dalla temperatura dell’aria esterna (impianti a ciclo combinato), dalla piovosità (impianti idroelettrici) non‐
ché dalle condizioni tecniche dell’impianto. Impieghi di energia: i principali impieghi di energia elettrica sono costituiti dai contratti di fornitura stipulati con i Grossisti e i clienti finali. Previsioni costi del combustibile delle centrali: principalmente composti da gas, olio, carbone i cui prezzi sono molto variabili sul mercato; la precisione di queste previsioni condiziona pesantemente i costi variabili di produzione dell’energia. Previsioni dei costi variabili delle centrali: ogni centrale idro o termo elettrica è caratterizzata da propri rendimenti (Combustibile utilizzato/KW prodotti) che con il costo del combustibile previsto, generano una previsione dei costi variabili complessivi sostenuti per produrre la quantità totale di energia Dati nazionali forniti da Terna/GME: questi dati esogeni sono pubblicati sui si‐
ti dei gestori e riguardano tutte le offerte di energia in vendita e in acquisto, ac‐
cettate e non, presentate dai singoli operatori del mercato; sono suddivise per macro‐zona. PUN previsto: variabile esogena derivata dall’analisi dei dati di Terna , è una variabile di mercato dipendente dal comportamento complessivo di tutti i con‐
correnti, nonché dalla previsione della domanda; esiste un affinamento graduale della previsione del PUN, dal programma annuale, alla previsione per il mese suc‐
cessivo, alla settimana e per le 4 settimane successive, al giorno successivo, per macro‐zone. What‐if e Scenari di Dispatching sul Mercato elettrico nazionale in funzione della massimizzazione del MOL: di fatto consiste nel piano di impiego più conve‐
niente delle centrali Edison, in base al MOL, Margine Operativo Lordo, dato dai Ricavi – Costi variabili di produzione dell’energia; eventuali eccedenze/carenze di energia rispetto al fabbisogno dei propri clienti possono essere vendu‐
te/acquistate in borsa. Piano finale di dispacciamento: consiste nella somma, per singola unità di produzione, delle quantità di energia vendute su ogni singolo mercato, incluso i mercati per i servizi del dispacciamento. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
82 In Figura 32 sono illustrate le principali unità organizzative di Edison e gli attori esterni (Terna) coinvolti nel processo decisionale del piano di dispacciamento, il cui Owner è l’Energy Management di Edison. Figura 32 – Gli attori coinvolti nel processo decisionale del piano di dispac‐
ciamento Il ruolo delle nuove tecnologie di Business Intelligence Alcune criticità si erano manifestate in passato nell’impiego delle tecnologie di BI pre‐esistenti e nel tentativo di reimpiegare skill e investimenti disponibili in a‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
83 zienda, criticità divenute veri ostacoli dal 2009 quando Terna mise a disposizione con una settimana di ritardo, anziché un anno, le offerte quantità/prezzo per uni‐
tà di produzione. Da subito emerge la difficoltà di gestire il volume dei dati di input forniti da Terna, sia in termini di modelli di dati progettabili, sia in termini di prestazioni nei tempi di risposta: l’impiego di una nuova tecnologia di BI ha consentito di dispor‐
re in linea del massimo dettaglio dei dati, senza dover aggregare preliminarmen‐
te i dati. Sul fronte dell’utilizzo invece l’immediata possibilità di effettuare analisi libere e ad hoc a supporto delle simulazioni del Piano di dispacciamento, ha consentito di superare le limitazioni derivanti dalle dimensioni di analisi previste nei modelli dati e nei cubi predefiniti, per cui l’Energy Management di trova a disporre di un ambiente flessibile e simulativo più coerente con la complessità del problema decisionale e soprattutto più facilmente adattabile al contesto mutevole in cui dover prendere le decisioni di dispacciamento di energia. Naturalmente, la capacità di generare dati pertinenti e realistici da testare nel‐
le simulazioni di what if del piano al fine di ottimizzare il MOL risultante, dipende fortemente dalla sensibilità e dall’esperienza di chi simula le dinamiche dei prez‐
zi, delle quantità e della redditività risultanti, senza le quali lo strumento di analisi e di simulazione rischia di diventare “pericoloso”, fuorviante, generatore di sce‐
nari non fattibili. Il nuovo strumento disponendo di funzionalità native di simula‐
zione what if e con buone performance coerenti rispetto al compito da affrontare quotidianamente (la formulazione o il tuning del piano di dispacciamento) sem‐
bra diventato il prezioso alleato per fare ulteriore esperienza sul campo e per ge‐
nerare nuova conoscenza da riapplicare nella ricerca delle combinazioni migliori delle variabili descritte nel modello decisionale precedente. Gli sforzi futuri di affinamento del modello decisionale del piano di dispatching si stanno ora rivolgendo alla simulazione del prezzo di vendita per macrozona e per periodo, operata anche sulla base dell’analisi del comportamento dei concor‐
renti, cioè con un’attenta valutazione sia di chi ha chiuso il prezzo il giorno prima, sia dei risultati storici, poiché ogni concorrente con le proprie azioni e proposte contribuisce alla formazione del prezzo giornaliero (PUN). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
84 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Federazione Lombarda delle Banche di Credito Cooperativo Pamela Naldi12 Giuliano Pellegrini13 Angela Perego L’Azienda La Federazione Lombarda delle Banche di Credito Cooperativo nasce con il nome di Federazione Lombarda delle Casse Rurali ed Artigiane il 16 luglio 1964. Il 18 di‐
cembre 2004 la sua assemblea approva il più recente Statuto, che le conferma la veste di Società Cooperativa con funzioni consortili. La società ispira la propria attività ai principi della mutualità e della solidarietà e non ha fini di lucro. Si propone di promuovere la costituzione di Banche di Cre‐
dito Cooperativo (BCC), di rafforzare il rapporto con le comunità locali di cui tali banche sono espressione e di agevolare il loro sviluppo nell'interesse comune e nel rispetto dell'autonomia propria di ciascuna Banca, fornendo assistenza, con‐
sulenza, e formazione ed erogando servizi. In Lombardia il Credito Cooperativo è un sistema integrato composto da 46 BCC e dalla Federazione Lombarda come loro espressione associativa. Le BCC lombarde danno occupazione diretta a oltre 5.200 persone e dispongono di una rete distributiva pari complessivamente a 767 sportelli. Grazie a tale rete distri‐
butiva esse sono in grado di servire 1100 comuni lombardi in cui risiede circa l'85% della popolazione regionale. La loro operatività creditizia si commisura, nel complesso, in oltre 25 miliardi di impieghi e in più di 29 miliardi di raccolta diret‐
ta. In più di 120 anni, le Banche di Credito Cooperativo, sono diventate un siste‐
ma di banche diffuso in tutto il Paese. Un sistema valido e vitale anche nell'attua‐
le scenario caratterizzato da una competitività sempre più pressante; un sistema dinamico che, oggi, attualizzando i suoi principi, interpreta la funzione di banca di sviluppo per il territorio e risponde alle necessità economiche e sociali delle co‐
munità locali: dall'attenzione alle persone "non bancabili" al microcredito, ai gio‐
vani, alla crescita sostenibile delle imprese, all'attenzione alla qualità dell'am‐
biente e della vita, a quella per il patrimonio storico‐artistico. 12 Responsabile Servizio Supporti Operativi – Federazione Lombarda delle Banche di Credito Coo‐
perativo. 13 Responsabile del Servizio Internal Auditing– Federazione Lombarda delle Banche di Credito Co‐
operativo. 86 Le Banche di Credito Cooperativo sono aziende caratterizzate da una formula imprenditoriale specifica e da un codice genetico costituito da tre molecole for‐
temente interrelate: cooperazione, mutualità, localismo. Ciò si concretizza in im‐
prese a proprietà diffusa, espressione di capitalismo popolare e comunitario, con un orientamento alla sostenibilità, dal momento che le BCC perseguono la logica del vantaggio e non la massimizzazione del dividendo, e un legame totale e per‐
manente con il territorio. Gli Obiettivi e le strategie La mission della Federazione Lombarda è quella “[…] di favorire i soci e gli appar‐
tenenti alle comunità locali nelle operazioni e nei servizi di banca, perseguendo il miglioramento delle condizioni morali, culturali ed economiche degli stessi e pro‐
muovendo lo sviluppo della cooperazione e l'educazione al risparmio e alla previ‐
denza […]”. La massimizzazione dell’utilità sociale richiede la ricerca di un equilibrio fra due esigenze:
perseguire da un lato l’efficienza, senza cadere in una logica operativa pura da società per azioni; promuovere valore per i Soci mantenendo però un quadro tecnico ido‐
neo ed evitando le modalità operative tipiche delle organizzazioni di be‐
neficenza. Il core business del Credito Cooperativo è rappresentato dall’attività di interme‐
diazione tradizionale nei confronti delle persone, degli artigiani, degli agricoltori, delle piccole e piccolissime imprese, delle istituzioni locali che gravitano sul terri‐
torio di competenza. In particolare il credito è erogato nelle forme classiche: mu‐
tui, conti correnti, autoliquidante. Il Sistema dei Controlli La Federazione delle Banche di Credito Cooperativo, come prima accennato, for‐
nisce alle banche associate numerosi servizi di consulenza, formazione e assi‐
stenza. Tra questi servizi ricoprono un ruolo di primo piano le attività di Control‐
lo. In particolare esse si sostanziano nel c.d. Sistema dei Controlli che si compone di: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
87 •
•
•
•
•
Controlli di Linea. Controllo di Gestione. Controllo del Rischio (Compliance). C.R.S.A. (pre audit). Internal Auditing (Revisione Interna). In particolare l’attività di Internal Auditing è rivolta a monitorare l’esecuzione da parte delle BCC dei processi bancari, il processo di credito in particolare, a fornire il supporto necessario per comprendere eventuali problematiche e a definire le possibili azioni correttive. L’attività di Internal Auditing svolta da Federazione Lombarda può essere sud‐
divisa principalmente in due fasi: la prima svolta “a distanza” in cui attraverso le informazioni fornite sistematicamente dalla BCC si definisce un quadro di rischio complessivo e si pianificano le attività di audit “on site”, che rappresentano la se‐
conda fase del processo. Sui “controlli distanza” e sul processo di pianificazione degli interventi della Funzione Internal Auditing si concentra il presente studio. Il Processo di pianificazione delle attività di Internal Auditing Il processo di pianificazione delle attività di Internal Auditing ha l’obiettivo di ga‐
rantire il presidio di tutti i processi aziendali mediante diverse attività, come anti‐
cipato nel paragrafo precedente, tra cui gli interventi onsite. Le priorità d’intervento sono definite sulla base di tre fattori:
la presenza di criticità emerse durante l’attività di Controllo a Distanza; obblighi normativi; tempo intercorso dall’ultimo audit su uno specifico processo. Il punto di partenza del processo (si veda Figura 33) è il calcolo di un Indice di Ri‐
schiosità, denominato “Valutazione Finale” che rappresenta lo “stato di salute” della banca ed è il frutto della ponderazione di sei indicatori di potenziale critici‐
tà. Essi sono: •
•
•
•
•
•
indice di rischiosità a livello patrimoniale; indice di rischiosità a livello reddituale; indice di rischiosità a livello di rischio di credito; indice di rischiosità a livello di rischio di mercato; indice di rischiosità a livello di rischio di tasso; indice di rischiosità a livello organizzativo (sistema dei controlli). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
88 Clusterizzazione delle BCC in funzione dell’Indice di Rischiosità (6 Classi)
Calcolo dell’indice di Rischiosità per ogni BCC
sì
BCC ha un alto Indice di Rischiosità?
no
BCC soggetta a interventi di Audit routinari
Analisi delle cause di Rischio
Identificazione processi critici da sottoporre ad Internal Audit
sì
no
Processo sottoposto a Audit di recente?
Inserimento del processo nella proposta di Internal Auditing Processo non soggetto a Internal Audit
Discussione della proposta di Internal Auditing no
sì
Proposta accettata?
Processo soggetto a Internal Audit
Figura 33 – Il processo di Pianificazione delle attività di Internal Auditing La Figura 34 mostra le determinanti di secondo livello dei 6 indicatori prima elen‐
cati. Si ritiene utile spiegare che le determinanti dell’indice di rischiosità a livello organizzativo, ovvero del sistema dei controlli, sono indicatori rappresentanti gli scoring degli interventi di audit, effettuati dal Servizio Internal Auditing presso le banche, sui processi organizzativi relativi a: credito; finanza; normative; infra‐
strutture e spese; incassi e pagamenti; contabilità e bilancio; tesorerie; risorse umane; budgeting; marketing; estero; gestione sistemi informativi. Gli indicatori così calcolati sono successivamente confrontati ognuno con una propria scala di valori e riportati alla metodologia SREP (Supervisory Review Pro‐
cess) di Banca d’Italia, che prevede sei categorie di valutazione da applicare alle banche per la valutazione dei rischi.
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
89 Figura 34 – Le determinanti dell’Indice di Rischiosità “Valutazione Finale” Le categorie di valutazione previste dalla metodologia SREP sono: •
•
•
•
•
•
valutazione 1 = favorevole valutazione 2 = in prevalenza favorevole valutazione 3 = parzialmente favorevole valutazione 4 = parzialmente sfavorevole valutazione 5 = in prevalenza sfavorevole valutazione 6 = sfavorevole In questo modo, è poi possibile clusterizzare le BCC sempre in 6 classi in funzione del loro Indice di Rischiosità complessivo (si veda Figura 35). Fatto ciò, il processo prosegue con l’identificazione delle BCC “a rischio” e, per ognuna di esse, con la conduzione di analisi più approfondite per l’individuazione delle cause (processi con indicatori di rischio anomali) della situazione evidenziata. A tal fine, oltre agli indici di rischiosità prima evidenziati è possibile fruire di una molteplicità di in‐
formazioni aggiuntive: 1.
a livello patrimoniale: • percentuale coefficiente di solvibilità assegnato da Banca d’Italia; 2. a livello reddituale: •
tasso medio impieghi; •
tasso medio raccolta; •
spread effettivo clientela; Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
90 •
spread nominale clientela; •
spread attivo‐passivo; •
cost income; 3. a livello di rischio di credito: • percentuale impieghi clientela; • percentuale portafoglio titoli; • percentuale impieghi interbancario; 4. a livello di rischio di mercato: • component var; • minusvalenze; • present value; • patrimonio di vigilanza; • portafoglio titoli; • percentuale impieghi clientela; • percentuale portafoglio titoli; • percentuale impieghi interbancario; • duration di portafoglio; 5. a livello di rischio di tasso: • variazione margine con tus +; • variazione margine con tus ‐; • variazione patrimonio con tus +; • variazione patrimonio con tus ‐; • percentuale impieghi clientela; • percentuale portafoglio titoli; • percentuale impieghi interbancario. Figura 35 – Gli indicatori di sintesi Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
91 Figura 36 – Gli attori coinvolti Il risultato di questa fase di analisi è l’individuazione, per ogni BCC definita “a ri‐
schio” dei processi che ne sono la causa e quindi che necessitano di essere analiz‐
zati e rivisti. Questi processi dovrebbero essere oggetto di audit e di conseguenza considerati ai fini della pianificazione delle attività della Funzione Internal Auditing. In alcuni casi, però, l’attività di audit sui processi identificati è stata già effettuata ma in tempi talmente recenti che i risultati non sono ancora visibili. È Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
92 quindi necessario identificare questi casi e non considerarli nel processo di piani‐
ficazione degli interventi. Il processo continua con la stesura da parte del coordi‐
natore degli Auditors di una proposta di intervento per le singole consociate. Questa proposta viene discussa con il Responsabile dell’Internal Auditing e se ac‐
cettata allora viene sottoposta alla Direzione Generale della BCC oggetto di inda‐
gine. Solo a valle dell’accettazione da parte della BCC, gli interventi concordati sono inseriti nel piano degli interventi da effettuare e si procede alla loro pianifi‐
cazione. La Figura 36 mostra gli attori coinvolti nel processo e le fasi di loro responsabi‐
lità. Il ruolo delle nuove tecnologie di Business Intelligence Il processo prima descritto è possibile grazie all’utilizzo delle nuove tecnologie di Business Intelligence. Prima dell’introduzione di questo sistema non era infatti possibile fruire di questa molteplicità di informazioni in un unico ambiente e poterle interrogare li‐
beramente secondo le logiche più coerenti con i decisori. La difficoltà era data in primo luogo dalla dispersione delle fonti alimentanti, che ancora oggi sussiste ma non rappresenta più una criticità grazie allo strumento in uso (si veda Figura 37). Figura 37 – Le Fonti alimentanti Lo strumento ha poi permesso di superare alcune rigidità di implementazione riscontrate in progetti precedenti con sistemi c.d. tradizionali. Il primo tentativo di costruzione di un sistema a supporto del processo di pianificazione delle attivi‐
tà di Internal Auditing era stato fatto alcuni anni prima ma si era scontrato con le difficoltà di costruzione del Datawarehouse e con la laboriosità di alcune imple‐
mentazioni. La semplicità del nuovo ambiente di BI, da un punto di vista realizza‐
tivo, è sicuramente stata la sua caratteristica più apprezzata.
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Preca Brummel Antonella Messina14 Giuseppe Mognetti15 Michele Prevosti16 Angela Perego Il Gruppo Preca Brummel è un Gruppo leader in Italia nel mercato della produzione e commercializzazione di articoli di abbigliamento bambino. Con sede centrale nel nord Italia, l'azienda conta oltre 500 dipendenti vantando una storia di successi dai primi anni cinquanta a oggi, per opera della famiglia Prevosti. Il core business della società è rappresentato dall'abbigliamento per bambino (0‐16 anni), presente sul mercato con i marchi di produzione propria BRUMS, MEK, BIMBUS e SUOMY. Ogni brand soddisfa le esigenze di un target specifico in modo da coprire insieme tutte le fasce d'età, di prezzo e di stile: dal neonato al junior, dallo sportivo al raffinato con sempre un occhio di riguardo al rapporto qualità‐prezzo. La politica distributiva del gruppo punta sulla combinazione siner‐
gica di più canali. Per BRUMS il focus è verso importanti location, flagship stores d’immagine, negozi in franchising e al dettaglio. Per BIMBUS, invece, la distribu‐
zione è fatta attraverso negozi diretti e in franchising, principalmente in centri commerciali, luoghi ad alto traffico con un posizionamento di richiamo. La strate‐
gia distributiva di MEK, infine, è rivolta esclusivamente al dettaglio e alla grande distribuzione, con importanti supporti dati da materiali pubblicitari che caratte‐
rizzano l’area in cui il brand viene esposto. Preca Brummel è presente sul merca‐
to italiano in oltre 2000 punti vendita multimarca, 230 punti vendita BRUMS, 100 punti vendita Bimbus, e diversi outlet. Preca Brummel ha realizzato nel 2005 un fatturato di 141 milioni di euro, frut‐
to di importanti investimenti in ricerca e sviluppo, risorse umane, marketing e comunicazione. L’aumento della produzione, che nel 2005 si è attestata sulla ci‐
fra di 8 milioni di capi e che porta l’azienda a posizionarsi al secondo posto nella classifica dei produttori di abbigliamento infantile in Italia, ha come diretta con‐
seguenza una crescita importante dell’indotto che ha raggiunto le 12.000 unità. 14 Merchandiser Manager di tutti i Brand ‐ Preca Brummel 15 Direttore Sistemi Informativi ‐ Preca Brummel 16 Brand Manager MEK ‐ Preca Brummel 94 Gli Obiettivi e le strategie La mission di Preca Brummel è soddisfare il cliente nei suoi bisogni e desideri, creando per lui occasioni di stimolo, coinvolgimento e piacere. Il punto di forza dell'azienda è l'attenzione al rapporto qualità‐prezzo, unita alla creazione di col‐
lezioni ricercate e sempre in linea con le ultime tendenze della moda. Infatti reat‐
tività, creatività, capacità produttiva, efficienza e qualità, sono i valori cardine del Gruppo che ispirano l'operato di tutte le realtà che ne fanno parte. La sfida principale per Preca Brummel è trasmettere nel mondo il proprio “Ita‐
lian Style”, aumentando e consolidando la presenza nei mercati internazionali at‐
traverso le differenti forme di retail disponibili in ogni area. Presente in Cina da più di 10 anni, il Gruppo guarda all’area Asia‐Pacifico, all’Est europeo e al Medio Oriente per sviluppare i piani di forte espansione che caratterizzeranno le politiche di marketing per il futuro. L’evoluzione del Gruppo si concentrerà sempre più sulla diffusione internazio‐
nale dei brand, con lo scopo di portare all’estero il know‐how di stile, tecniche e qualità dei materiali che rende Preca Brummel una realtà unica nel panorama della moda italiana. Il processo di definizione del briefing di Collezione Il processo di definizione del briefing di collezione inizia con la definizione del Budget commerciale che indica le vendite in valore per brand aziendale (Brums, Mek e Bimbus) (si veda Figura 38). Dal budget a valore si giunge ad un budget a quantità mediante l’applicazione di un prezzo medio definito dall’ufficio marketing prodotto. Successivamente viene declinato per linea (ad esempio neonato, mini e junior) sulla base di indici di incidenza che sono il risultato di analisi di redditività delle collezioni precedenti che confrontano l’incidenza a consuntivo (in quantità e valore) delle diverse linee con l’incidenza a budget e monitorano l’andamento complessivo delle collezioni per cogliere margini di crescita o segnali di contrazione di alcune linee rispetto ad altre. Queste analisi permettono inoltre, con un confronto tra i dati di sell‐in e sell‐out, l’individuazione dei prodotti che contribuiscono maggiormente al suc‐
cesso aziendale (analisi ABC) e la valutazione delle performance dei singoli canali distributivi (diretti, franchising e multimarca). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
95 Definizione Budget
Commerciale a
valore per Brand
aziendale
Dati collezioni
precedenti e in
corso (sell-in e
sell-out)
Prezzi
medi
Determinazione del
Budget
Commerciale a
quantità per Brand
aziendale
Declinazione del
Budget
Commerciale a
quantità per Linea
Incidenza
delle
Linee
Analisi di redditività
delle collezioni
precedenti
(per brand, linea e
canale)
Analisi di collezione
(n. articoli per
campagna, articoli
annullati, ordine
medio, confronto
offerto-venduto etc.)
Vincoli di
produzione
(quantità
minime)
Costruzione del
Budget dalla
referenza al tema e
alla Funzione
Declinazione del
Budget per
Funzione e Tema
Risultati
paragonabili?
Sì
Consolidamento
Briefing di
collezione
Disegno
Collezione
No
Revisione
ipotesi di budget
Figura 38 – Il processo di definizione del briefing di collezione A questo punto si declina il budget di ogni linea per funzione (ad esempio ca‐
pospalla, pull, felpa, camicia, tshirt, pantalone) e poi per tema/occasione d’uso (ad esempio basic, cerimonia, tute, back to school). La declinazione consiste nel definire per ogni tema e funzione il numero di ar‐
ticoli, la loro incidenza sulla collezione, la previsione di vendita e l’ordine medio per referenza. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
96 L’ufficio marketing prima di giungere alla definizione del briefing di collezione costruisce il budget anche adottando un approccio di tipo bottom up, cioè consi‐
derando come elemento base di partenza la referenza (ad esempio pantalone gabardine, pantalone velluto). Sulla base dei dati storici delle collezioni preceden‐
ti, sono identificate le referenze che potrebbero comporre la collezione per ogni funzione e tema e per ognuna di esse è definito il possibile prezzo di listino e si ipotizza una previsione di quantità vendute. Riaggregando queste voci di massi‐
mo dettaglio si derivano i dati previsionali di vendita (quantità e valore) per tema, funzione, macrosettore, linea e brand e il numero di referenze relative. Le ipotesi fatte sulla numerosità delle referenze e la loro distribuzione tra le diverse linee derivano da un’analisi molto dettagliata delle collezioni precedenti finalizzata a comprendere l’esistenza di particolari trend di vendita e la redditività delle diver‐
se linee. Infatti, per determinare il corretto numero di referenze per linea è ne‐
cessario analizzare la sua redditività in termini di ordine medio per referenza, quantità venduta e numero di referenze annullate. Queste analisi permettono di capire se ci sono effetti di cannibalizzazione tra le referenze appartenenti ad una stessa linea o se ci sono delle opportunità di incrementare le vendite introducen‐
do nuove referenze in particolari linee. Altro elemento importante, considerato nella definizione delle previsioni di vendita e quindi nella composizione della col‐
lezione, è la dimensione dei lotti minimi di produzione. Infatti, generalmente una referenza è inserita in collezione solo quando le quantità di vendita previste sono uguali o superiori ai vincoli quantitativi dettati dalla produzione, salvo alcuni casi, in cui, a seguito di valutazioni aziendali diverse (ad esempio la necessità di pre‐
senza in una particolare area di mercato, il dover garantire un’adeguata varietà dell’offerta, un obiettivo di visibilità e immagine), si può decidere di produrla u‐
gualmente. Infine si procede al confronto tra i due budget prodotti: se i risultati ottenuti sono simili si procede al consolidamento dei dati e alla definizione del briefing di collezione definitivo; se invece ci sono delle discordanze significative si attiva un ciclo di revisione dei dati utilizzati nella redazione dei due budget, si valutano le inconsistenze e si cerca di risolverle. Il briefing di collezione fornisce tutti i dati necessari a stimare le vendite della collezione in costruzione ma costituisce soprattutto il punto di partenza per la creazione della nuova collezione contenendo l’indicazione delle referenze che devono essere create. Il briefing di collezione è quindi poi condiviso con l’ufficio prodotto che sulla sua base avvia la fase di disegno della collezione. Generalmente il briefing di collezione è disponibile dal mese di novembre per la collezione Primavera Estate (PE), e nel mese di maggio per la collezione Autun‐
no Inverno (AI). Una volta ultimato il disegno della collezione si procede alla realizzazione del campionario. Come visto, il processo di creazione delle Collezioni è un processo estrema‐
mente complesso che coinvolge diversi interlocutori: Ufficio Marketing Prodotto, Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
97 Ufficio Commerciale e Ufficio Prodotto. La Figura 39 mostra le attività svolte delle diverse funzioni aziendali coinvolte nel processo appena descritto. Briefing di collezione
Ufficio Commerciale
Ufficio Marketing Prodotto
Definizione Budget
Commerciale a
valore per Brand
aziendale
Ufficio Produzione
Ufficio Prodotto
Dati collezioni
precedenti e in
corso (sell-in e
sell-out)
Prezzi
medi
Determinazione del
Budget
Commerciale a
quantità per Brand
aziendale
Declinazione del
Budget
Commerciale a
quantità per Linea
Analisi di redditività
delle collezioni
precedenti
(per brand, linea e
canale)
Incidenza
delle
Linee
Analisi di collezione
(n. articoli per
campagna, articoli
annullati, ordine
medio, confronto
offerto-venduto etc.)
Declinazione del
Budget per
Funzione e Tema
No
Revisione
ipotesi di budget
Vincoli di
produzione
(quantità
minime)
Costruzione del
Budget dalla
referenza al tema e
alla Funzione
Risultati
paragonabili?
Sì
Consolidamento
Briefing di
collezione
Disegno
Collezione
Figura 39 – I ruoli coinvolti nel processo di definizione del briefing di colle‐
zione La struttura della collezione, tuttavia, è soggetta a revisioni successive finaliz‐
zate a perfezionare e rendere sempre più affidabili le previsioni e le assunzioni di vendita fatte. In particolare si possono identificare due momenti di revisione: il primo quando iniziano ad essere disponibili i primi dati di sell out della collezione precedente, il secondo all’avvio della campagna vendite. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
98 Il primo momento di revisione si posiziona temporalmente tra febbraio e mar‐
zo per la collezione PE e tra agosto e settembre per la collezione AI. In questi pe‐
riodi, infatti, iniziano a essere disponibili i primi dati di sell‐out della collezione in corso e sulla loro base è possibile rivedere la struttura aggiungendo delle varianti di prodotto, cancellando delle referenze della collezione o semplicemente rive‐
dendo i dati prospettici di vendita in termini di composizione del mix di vendita (si veda Figura 40). Figura 40 – La revisione del briefing di collezione e gli attori coinvolti Il secondo momento di revisione avviene poco prima dell’inizio della campa‐
gna vendita visionando i campioni arrivati con un panel di agenti. Una volta di‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
99 sponibili tutti i campionari e i costi di produzione dei singoli prodotti con i quali si definisce il listino di vendita, è possibile avviare la campagna vendite. La campagna vendite è il momento in cui gli agenti propongono la nuova col‐
lezione ai propri clienti e raccolgono gli ordini. È quindi la fase in cui si definisce il successo o meno di una collezione e il livello di gradimento dei diversi prodotti che la compongono. Durante la campagna vendite l’Area Commerciale e gli agen‐
ti sono impegnati nel monitoraggio del raggiungimento dei propri obiettivi di vendita e nella verifica del raggiungimento degli obiettivi di budget definiti (si ve‐
da Figura 41). Gli obiettivi degli agenti riguardano le quantità vendute, il valore generato, la coerenza del mix di venduto con le ipotesi e gli obiettivi aziendali e l’acquisizione di nuovi clienti. Il monitoraggio di queste variabili a livello aziendale e a livello di singolo agente è pertanto un’attività costante. Figura 41 – Le attività di monitoraggio della campagna vendite L’andamento delle vendite è, infatti, controllato ogni settimana e confrontato con il budget e con il mix di prodotti consigliato. Le analisi del venduto, finalizzate soprattutto alla comprensione di eventuali difficoltà nel raggiungimento del bu‐
dget e nel rispetto dei criteri definiti di vendita, possono spingersi fino a livelli di dettaglio elevati, analizzando le vendite per provincia, per linea, tema e funzione, per cliente e confrontando le performance degli agenti con le campagne vendite precedenti. Un aiuto ulteriore alla definizione di azioni di vendita efficaci deriva dalla possibilità di confrontare le performance attuali con il potenziale del merca‐
to, presupposto indispensabile per comprendere la bontà o meno di un risultato indipendentemente dal valore assoluto delle vendite. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
100 A fine campagna vendite sono quindi disponibili i dati di sell in dei punti di vendita che rappresentano la base sulla quale definire i lanci in produzione. In re‐
altà i lanci di produzione sono fatti di tre momenti diversi a seconda del tempo di produzione richiesto da un prodotto (si veda Figura 42):
Prima della campagna vendite e quindi sulla base dei dati delle collezioni precedenti e del risultato dei processi di simulazione. Poco dopo l’avvio della campagna vendite e quindi sulla base di dati sto‐
rici e di sell in di un panel rappresentativo di clienti. Anche in questo ca‐
so sono necessarie attività di simulazione e previsionali. A conclusione della campagna ordini e quindi sulla base di dati consoli‐
dati, reali e affidabili di sell in, in questo caso non sono necessarie attivi‐
tà previsionali perché i volumi da produrre sono certi. Figura 42 – Il processo di definizione dei lanci in produzione Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
101 Il ruolo delle nuove tecnologie di Business Intelligence Il processo di creazione del briefing di collezione è un processo, come visto, molto complesso per la numerosità di informazioni necessarie e l’elevato livello di granularità richiesto, per la trasversalità del processo che coinvolge pratica‐
mente tutte le funzioni aziendali e per l’ampiezza dell’arco temporale di svolgi‐
mento. Tutto ciò rende molto difficile governare questo processo senza la stru‐
mentazione informatica necessaria a svolgere le attività di analisi e di simulazione indispensabili per il processo descritto. In particolare è stato sviluppato un sistema che estrae i dati gestionali (ordini, produzione, vendite etc.) da SAP, li carica in un ambiente dati idoneo e consente la loro analisi e lo svolgimento di attività previsionali. Ad oggi il nuovo ambiente di BI è utilizzato da circa 20 utenti appartenenti all’area Commerciale, all’area Marketing e al Controlling. Come precedentemen‐
te detto, esso è utilizzato per attività di analisi, per attività simulative, per la crea‐
zione di cruscotti direzionali e per il monitoraggio di alcune attività cruciali per il successo di Preca Brummel, come ad esempio la campagna vendite. Esso quindi si configura come uno strumento di supporto alle decisioni, di valutazione delle performance dell’azienda nel suo complesso, delle unità aziendali e delle singole persone (ad esempio gli agenti) e di governo delle attività aziendali. La flessibilità dello strumento è sicuramente la caratteristica che in questo contesto ha permesso di raggiungere con successo gli obiettivi di supporto al bu‐
siness definiti. Gli utenti, infatti, possono analizzare gli eventi aziendali seguendo i percorsi di analisi per loro più corretti e adeguati: il grado di approfondimento e di aggregazione dei dati e gli elementi di analisi sono scelti liberamente dall’utente senza limiti o vincoli imposti dallo strumento. Per gli utenti, però, an‐
che la facilità di utilizzo dello strumento e la sua velocità nel recuperare i dati e produrre i report richiesti, sono elementi non trascurabili. Facilità e velocità sono caratteristiche vincenti anche dal punto di vista tecni‐
co. Esse, infatti, hanno permetto e permettono ancora oggi, alla funzione sistemi informativi di Preca Brummel di far evolvere in tempi contenuti lo strumento se‐
guendo le esigenze e le richieste del business. Molte sono, infatti, le ipotesi di sviluppo di questa applicazione dall’analisi dell’effetto sulle vendite dei ritardi nella consegna dei prodotti ai negozi (dati di sell‐out), all’analisi del comportamento d’acquisto dei clienti finali mediante l’utilizzo di carte fedeltà. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
102 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
RCS Direct Fausto Casini17 Silvio Arabia18 Paolo Pasini Il Gruppo e l’azienda Appartenente al Gruppo RCS MediaGroup ‐ RCS Direct s.r.l. è centro d’eccellenza per la raccolta e l’elaborazione di dati profilati e la loro trasformazione in infor‐
mazione e servizi utili per il Direct Marketing; RCS Direct è oggi di proprietà al 100% di Sfera Editore. Missione dell’azienda è quello di fornire soluzioni innovative di marketing di‐
retto attraverso la gestione intelligente di un database relazionale su consumi e stili di vita, in una logica full service, attraverso l’utilizzo di un database compor‐
tamentale consistente e aggiornato da molteplici fonti, e grazie alla consulenza di esperti professionisti specializzati nel settore della comunicazione diretta e nei servizi di Marketing Intelligence e Campaign Management. Figura 43 – Il gruppo RCS 17 Business Intelligence Manager ‐ RCS Direct 18 Senior Architect ICT area Demand & Solution ‐ RCS Quotidiani 104 RCS Direct possiede una grande capacità di gestione dei dati provenienti da un database relazionale, in continua evoluzione e con milioni di nominativi profilati a livello comportamentale. Al suo interno confluiscono informazioni provenienti da fonti eterogenee, tra le quali il mondo Rizzoli, il Gruppo Sfera, risorse proprie e partnership, che si integrano e arricchiscono a vicenda. Tutti i dati vengono utiliz‐
zati sempre in ottemperanza alla legge sulla privacy. RCS Direct offre servizi di di‐
rect marketing per le aziende del gruppo RCS e sul mercato esterno. Tipiche atti‐
vità core sono la profilazione clienti, l’utilizzo del database per programmi fidelizzazione (es. DB card), oltre alla classica gestione delle anagrafiche. Il fattu‐
rato viene in modo preponderante sviluppato sul mercato esterno dove i princi‐
pali interlocutori sono costituiti dai Responsabili Mktg e comunicazione, mentre le aziende clienti provengono da tutti i settori merceologici, con alcuni casi inte‐
ressanti nel largo consumo. La funzione ICT è invece collocata in RCS Quotidiani, ma supporta tutte le BU di RCS MediaGroup. L’ICT in RCS garantisce il funzionamento infrastrutturale e applicativo dei sistemi informatici aziendali, guida le scelte tecnologiche indivi‐
duando le soluzioni più interessanti, efficienti e innovative ed inoltre governa e partecipa ai progetti di implementazione tecnologica/applicativa a supporto dei diversi business presenti nel gruppo. Gli Obiettivi e le strategie Le strategie di RCS Direct si sviluppano attorno ai seguenti principi di fondo:
Porre il cliente al centro (Customer Centric). Stabilire una stretta rela‐
zione con i Clienti, comprenderne le esigenze e condividerne gli obiettivi per sviluppare idee e soluzioni innovative e personalizzate di Marketing Relazionale. Un approccio a 360°, basato su: un data base comportamentale costan‐
temente aggiornato da molteplici fonti, un know‐how specialistico in grado di trasformare i dati profilati in informazione a valore aggiunto, professionisti esperti e competenti a disposizione dei Clienti. Eccellenza. Essere un Centro di Eccellenza per l’analisi e la trasformazio‐
ne di dati “personali” in conoscenza, per creare segmenti di utenti profi‐
lati e trasformarli in target, per sviluppare azioni di comunicazione diret‐
ta e creare relazioni con i clienti. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
105 La gestione delle Campagne abbonamenti All’interno del gruppo RCS Direct offre i propri servizi soprattutto agli uffici Ab‐
bonamenti Periodici e Quotidiani. L’architettura tecnologica di BI è la medesima per i clienti sia del mercato cap‐
tive, sia del mercato aperto; esistono quindi delle economie di scala per quanto riguarda le risorse IT. I servizi di BI sono quindi oggetto di business, generano revenue e contempo‐
raneamente sono al servizio dei clienti interni, generando notevoli sinergie ge‐
stionali e di skill. Oltre alla consulenza di marketing esiste anche una forte attenzione alla crea‐
tività e all’aspetto grafico, di presentation finale dei dati, fase finale che completa e arricchisce la catena del valore dei servizi di marketing basati sulle tecnologie di BI. Per fornire al Marketing una visione più “cliente centrica” è stato realizzato un DB di marketing che raccoglie sia le informazioni di comunicazione, sia quelle di contatto, sia quelle dei contratti di abbonamento (si veda Figura 44): oggi è pos‐
sibile fare analisi dei clienti, fare analisi di cross selling, fare piani di loyalty, sfrut‐
tando oltre 4 anni di dati di dettaglio, con un numero di dati trattati di decine di milioni di record. Figura 44 – Fonti di dati alimentanti il DB di Marketing e i canali di comuni‐
cazione impiegati Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
106 L’update di questi dati è settimanale, coerente con i cicli di controllo del fe‐
nomeno e con le leve di azione realisticamente attivabili. Esistono diverse istanze del DB di marketing, ma la struttura logica del DB è simile. Questi DB non presentano le caratteristiche di un vero DWH, ma sono basi da‐
ti normalizzate di supporto prevalentemente alle attività operative di marketing. Le fasi tipiche di una campagna di contatto di RCS Direct sono illustrate in Figura 45. Figura 45 – Le fasi del processo di impostazione e di decisione della campa‐
gna di marketing. Fase 1: definizione degli obiettivi della campagna. Gli obiettivi possono riguardare il rinnovo o i nuovi abbonamenti ad una testata o rivista, il mezzo di pagamento da stimolare, l’uso della leva sconto abbonamento Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
107 piuttosto che del gadget incluso nell’abbonamento, i periodi tipici di lancio (es. settembre in previsione del Natale o per il budget dell’anno successivo). Fase 2: scelta del target di mercato La scelta del target oggi è supportata da SPSS per quanto riguarda la Target anal‐
ysis e Clustering e da nuovo ambiente di BI per le analisi dei profili socio‐
demografici, comportamentali, della storia dei clienti. Fase 3: simulazione della redemption per canale o per mix di canali di contatto (fase per ora supportata da Excel, ma in via di migrazione al nuovo ambiente di BI). Fase 4: test di mercato Si definisce un campione di controllo statisticamente rappresentativo al fine di verificare l’offerta nella comunicazione proposta o il canale di comunicazione uti‐
lizzato, e al fine di fare una previsione migliore dei costi e delle modifiche da ap‐
portare per la generalizzazione successiva della campagna su tutto il target defi‐
nito. Fase 5: decisione finale di lancio della campagna. Fase 6: estrazione lista nominativa e verifiche finali. Un programma SQL recupera la lista dei nominativi dopo le ultime verifiche della “black list” dei non‐pagatori o degli ultimi contatti per evitare eccessivo pressing di comunicazione sui medesimi nominativi. L’output di questa fase è già nel for‐
mato specifico del canale da utilizzare (es. email). Fase 7: impostazione e avvio della campagna. Questa fase viene delegata a terzi se si tratta di utilizzare il canale del telemarke‐
ting (con contratti di pricing a contatto utile o a contratto acquisito); se invece si prevede di impiegare i canali dell’email o dell’sms, essa viene svolta con mezzi e risorse interne. Update dati di redemption settimanali Questa fase di aggiornamento dei dati di ritorno della campagna segue sempre la consuntivazione degli abbonamenti, anche se oggi alcuni canali digitali consento‐
no cicli di feedback più veloci (settimanali). Update DB degli abbonamenti Fase che avviene a consuntivo degli abbonamenti stessi, rilevante anche al fine delle Certificazioni ufficiali. La Figura 46 illustra gli attori che sono interessati dal processo di analisi e di decisione della campagna di marketing, dai beneficiari del processo (gli editori delle varie testate), agli owner del processo (il marketing abbonamenti), agli ese‐
cutori (la gestione abbonamenti), ai consulenti/facilitatori del processo (la fun‐
zione ICT, nella figura soprattutto del Demand Manager che segue gli abbona‐
menti del gruppo RCS). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
108 Figura 46 – I ruoli nel processo di analisi e di decisione della campagna di marketing Il ruolo delle nuove tecnologie di Business Intelligence Le domande che seguono costituiscono degli esempi tipici di problematiche di analisi alle quali era spesso difficile dare soluzioni efficaci e veloci prima dell’introduzione delle nuove tecnologie di BI: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
109
Dove si sono avuti miglioramenti di redemption? Con quale soggetto di comunicazione? E’ più efficace lo sconto o il gadget? Quali profili di consumatore rispondono meglio alla campagna in corso? Su quale territorio? Sono ex‐abbonati? Chi non si abbona, con quale canale è stato contattato? Come pagano i vari profili di abbonati (carta di credito, bollettino, …)? I più fedeli con cosa pagano? Fanno cross buying? E’ possibile calcolare Indici di propensione e di anzianità del cliente? Qual è il potenziale dei clienti disponibili per ogni testata e per canale di contatto (cioè, per posta tradizionale, di quanti clienti con quelle carat‐
teristiche si ha l’indirizzo? E per telemarketing, di quanti si ha il numero di telefono? E per email, di quanti si ha l’indirizzo email? E per sms, di quanto si ha il cellulare?). Il ruolo del nuovo ambiente di BI si è articolato su più fronti, da un lato consen‐
tendo analisi associative e dinamiche sul DB che contiene la storia delle campa‐
gne abbonamenti precedenti, e dall’altro, di conseguenza, generando tempi di reazione e di supporto al marketing degli abbonamenti più veloci, stimolando di‐
rettamente la sua “curiosità” di mercato, ma anche la sua autonomia rispetto alla Funzione IT nel produrre risposte e informazioni. Un risultato interessante in termini di conoscenza organizzativa, è stata l’internalizzazione della conoscenza sui fenomeni di marketing, prima più sbilan‐
ciati verso le società di consulenza. Infatti gli user del nuovo ambiente di BI sono prevalentemente nell’ufficio marketing, con una forte autonomia gestionale, di accesso al DB di marketing e nell’uso del tool. La maggiore flessibilità ottenuta, gli skill velocemente costruibili sul tool, la fa‐
cilitazione dell’auto‐apprendimento degli utenti, sono stati tutti fattori fortemen‐
te incentivanti la diffusione del nuovo ambiente di BI, ma rimane fondamentale conoscere molto bene la base dati di partenza e i processi aziendali, per non fare errate interpretazioni dei dati, conoscenza condivisa con la funzione IT. È interes‐
sante osservare che l’analisi libera dei dati sul DB di marketing direttamente da parte degli user e senza filtri (senza if o where) ha consentito anche di evidenzia‐
re da parte loro i problemi di qualità dei dati operativi che erano insiti nei sistemi transazionali. La Figura 47 presenta in modo sintetico i 4 elementi che contribui‐
scono a generare la conoscenza e la creatività di marketing negli abbonamenti e le soluzioni di marketing diretto più adeguate. Alcune criticità evidentemente permangono rispetto all’introduzione del nuo‐
vo tool software. La mancanza fisiologica di tempo nell’ufficio marketing per ragionare sui dati e sulle analisi che ora sono più ampie e veloci, genera una continua rincorsa col tempo e con i cambiamenti di priorità commerciale, e fa perdere un certo poten‐
ziale informativo esistente nei dati disponibili e nel tool utilizzato. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
110 PROBLEMA INSIGHT E SOLUZIONE DI MKTG TOOL SW MODELLO ASSOCIATIVO
TEMPO
Figura 47 – Gli elementi della conoscenza e della creatività di marketing Inoltre il nuovo ambiente di BI visualizza tutti i dati, anche “i dati sporchi” (es. duplicati, record di test), e fa scaturire altre domande alle quali si cerca di dare ri‐
sposte con ulteriori analisi libere: “alla fine si ha un po’ la sensazione di creare più domande che risposte!” Il nuovo ambiente di BI ha cambiato le logiche dei progetti IT tradizionali: la veloce implementazione, la facilità d’uso, la possibilità di consegnare lo strumen‐
to anche ad utenti con scarsa esperienza, l’eliminazione dei cubi, delle dimensio‐
ni e delle misure, il training “on the job” continuo, senza una software factory o le classiche fasi di progetto IT a cascata, la riduzione del tempo e dei costi, so‐
prattutto del re‐work quando cambiano i requisiti di business, generano da un la‐
to un processo di sviluppo iterativo, continuo, e dall’altro la “sensazione del non finito”, del “cantiere sempre aperto”, con gli aspetti positivi e negativi che questo comporta; l’esperienza ha dimostrato che nel tempo in cui tradizionalmente si costituisce il team di progetto, si è già ottenuto il primo risultato con il nuovo ambiente di BI. Ovviamente sembra più facile avviare progetti manifestando le potenzialità del nuovo ambiente di BI, dove esistono già report tradizionali che hanno “ingab‐
biato” l’utente nelle rigidità di navigazione e di incrocio dei dati; d’altra parte il nuovo ambiente di BI non è fatto per fare reporting massivo, per fare il consoli‐
damento di dati e report, è un sistema di analisi dei dati che ti “porta a pensare” per mezzo delle diverse visioni del dato, per cui si passa dalla visione passiva del dato all’osservazione dei dati e la scoperta dei fenomeni. Nell’anno in corso non era previsto nessun progetto di BI, nonostante ciò si è riusciti ad effettuarne diversi, finanziati in economia e con il supporto diretto o della funzione IT (come per la maggioranza dei progetti tecnologici). Infine una notazione di tipo tecnico: la compressione dei dati (nei file del nuo‐
vo ambiente di BI rispetto ai DBMS) sembra essere di un fattore medio da 1 a 100, e ciò contribuisce a ridurre i costi di storage e di backup e stimola a tenere in linea più anni storici (che non sono più oggetto di negoziazione con l’utente!). Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Servizi Bancari Associati Alessandra Cerato, Federica Stindel, Alessandro Camedda 19 Marco Lerda20 Angela Perego L’Azienda Servizi Bancari Associati (SBA), nasce dalla cessione di ramo d’Azienda della Fede‐
razione delle BCC del Piemonte, Valle d’Aosta e Liguria, nel dicembre 2000. Le esperienze di produzione di servizi bancari, maturate in Federazione dal 1981, sono traslate in una Spa Consortile con l’obiettivo di separare la funzione di rap‐
presentanza politico‐sindacale, propria della Federazione, dalla produzione dei servizi informatici e di backoffice per il settore bancario, in una azienda caratte‐
rizzata da una gestione marcatamente imprenditoriale e priva di vincoli geografi‐
ci. Servizi Bancari Associati offre servizi di service informatico in forma globale o verticale a 23 Banche di Credito Cooperativo, a 7 istituti di credito SPA e 2 Casse di Risparmio situate su tutto il territorio nazionale, con un numero di sportelli bancari che si attesta oltre le 406 unità, per una massa amministrata di 28,8 mi‐
liardi di Euro. L'utenza servita è costituita da Banche con un numero di dipendenti compreso tra i 10 e gli oltre 400. I servizi erogati spaziano da quelli a carattere informatico alla consulenza tecnico‐bancaria e ai servizi di backoffice/supporto. Gli Obiettivi e le strategie L’attività della SBA, proiettata alla fornitura di servizi di supporto bancari e strategici alle Banche socie, è significativamente condizionata, unitamente alle modalità operative con cui la stessa viene svolta, dalla natura consortile dell’azienda che non è statutariamente finalizzata al risultato economico. Il concetto di outsourcing è fortemente attuato portando SBA ad operare come una "componente" della Banca finalizzata alla esternalizzazione di funzioni non prettamente attinenti al core‐business bancario. 19 Controllo di Gestione ‐ Servizi Bancari Associati 20 Responsabile Servizio Controllo di Gestione e Pianificazione ‐ Banca Cassa di Risparmio di Savigliano 112 Il Controllo di Gestione Servizi Bancari Associati fornisce, come prima anticipato, un molteplicità di servizi alle banche clienti tra cui un efficace supporto alle attività di Controllo di Gestione. In questo ambito, in particolare, SBA è da sempre molto attiva fornendo ai propri clienti soluzioni informatiche sempre all’avanguardia sia da un punto di vi‐
sta tecnico sia da un punto di vista contenutistico. Nell’ultimo anno SBA è stata impegnata nella realizzazione di una nuova applicazione di Business Intelligence che potesse rispondere in modo molto più snello e flessibile alle richieste delle banche clienti e permettesse alle banche stesse di essere più autonome nell’elaborazione dei propri dati. Il valore aggiunto della nuova applicazione risiede nell’adozione del concetto di Prodotto che estende il concetto generalmente utilizzato di Forma Tecnica. Nel dettaglio il prodotto identifica l’entità centrale del modello implementato e, a livello esemplificativo, può rappresentare (conti correnti‐ tasso indicizzato, conti correnti – tasso fisso, obbligazioni TF – breve, conti in valuta, chirografari TF, etc.). Il prodotto stesso è aggregato, a livello gerarchico, in :
Gruppo prodotto (depositi liberi, depositi vincolati obbligazioni, pronti contro termine, fondi comuni, gestioni patrimoniali terzi, mutui chiro‐
grafari, mutui ipotecari, etc.). Macro gruppo prodotto (raccolta diretta, impieghi a breve, impieghi medio/lungo, sofferenze, servizi‐titoli, servizi‐crediti). Quadratura Gruppi Prodotti Aggregazione macro Gruppo Prodotto Montante Raccolta/Impieghi Tipologia Prodotto Aggregante quadratura Prodotto Il prodotto risulta poi raggruppabile in tre Tipologie a seconda che esso con‐
corra alla composizione di:
Margine di intermediazione. Margine dei servizi. Costi di struttura. L’allocazione dei costi e dei ricavi indiretti è fatta per centro di costo fino a 4 livelli. Il modello di allocazione implementato prevede 4 famiglie di driver, tre re‐
lative a driver automatici e una relativa a driver di imputazione manuale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
113
Driver numero di rapporti. Driver causali. Driver volumi. Driver manuali. obj ect Gerarchia Prodo...
Raccolta Impieghi
Montante
Aggregante Macro
Gruppo Prodotto
Quadratura Gruppi
Prodotto
Aggregante
Quadratura Prodotti
Tipologia Prodotto
Macro Gruppo
Prodotto
Gruppo Prodotto
Prodotto
Figura 48 – La gerarchia prodotto Ciascuna banca può decidere se utilizzare o meno la procedura di allocazione, quali centri di costo svuotare e quali driver utilizzare. La procedura di allocazione dei costi e dei ricavi sui centri di costo procede per step di allocazione a partire dallo Step 1 fino ad arrivare allo Step 4. All’interno del singolo step di allocazione la procedura considera quanto se‐
gue: 1.
L’insieme da allocare è individuato dall’output di allocazione dello step precedente: per esempio l’insieme da allocare per lo step 1 è l’output dell’allocazione dello step 0 ossia i movimenti allocati per sottoconto in base al driver impostato dall’utente finale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
114 2.
3.
4.
L’importo relativo al centro di costo cedente viene allocato, attraverso un mix di driver, ai centri di costo riceventi in cui potrebbe essere presente anche il centro di costo cedente stesso, se presente nel driver impostato. L’allocazione attraverso il mix di driver opera nel seguente modo: per singolo centro di costo cedente si identificano le percentuali di driver ad esso associato; queste percentuali sono funzionali alla ripartizione dell’importo da allocare per quel centro di costo cedente; una volta ottenuta questa ripartizione si applicano i rispettivi driver per ciascun importo ripartito. L’output del singolo step determina un importo di costo/ricavo inteso come somma del costo/ricavo già di pertinenza del centro di costo per imputazione diretta e del costo/ricavo derivante dalla procedura sopra descritta. Il processo di monitoraggio delle performance delle filiali in Banca Cassa di Risparmio di Savigliano Come precedentemente descritto, l’applicazione prima descritta è destinata alle Banche clienti di SBA. In particolare la prima Banca ad adottare questa applicazione è stata la Banca Cassa di Risparmio di Savigliano21 (CRS). Essa ha adottato lo schema base proposto da SBA e ha fatto delle personaliz‐
zazioni per rispondere meglio ad alcune esigenze di controllo specifiche del pro‐
21
La Cassa di Risparmio di Savigliano è stata fondata nel 1858. Nel corso dei decenni la Banca CRS è cresciuta e si è affermata ampliando il proprio mercato senza mai distogliere l'attenzione dalle originarie radici locali. È stata così protagonista delle trasformazioni socio‐economiche della gente che rappresenta e da cui è formata. Nel corso dei decenni la Cassa di Risparmio continua il suo positivo sviluppo fino a diventare Banca CRS SpA nel 1991. Da allora Banca CRS ha consolidato la sua figura di riferimento nell'ambito dell'economia locale e si prepara ad affrontare le sfide che propone il futuro, ad acquisire nuove metodologie finalizzate alla soddisfazione del cliente, nelle funzioni operative come nella comunicazione, nella formazione come nella trasparenza. La strategia di sviluppo perseguita dalla Banca, principalmente durante l'ultimo decennio, ha portato ad un consolidamento della rete commerciale estesa, attraverso le 16 Filiali, su un'area geografica lungo la linea Cuneo‐Torino. La Banca è un'impresa inserita nel sistema socio‐
economico locale nel quale svolge una funzione di impulso e sostegno alle attività dei privati, delle imprese, degli enti e delle associazioni sia attraverso la gestione industriale dell'intermediazione creditizia, che mediante lo sviluppo delle aree di attività caratterizzate da più elevato valore aggiunto, quali prodotti innovativi e servizi consulenziali. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
115 prio contesto. In Banca CRS, l’applicazione è soprattutto a supporto del processo di monitoraggio delle performance delle filiali svolto a livello di Istituto centrale (si veda Figura 49). Figura 49 – Il processo di monitoraggio delle performance delle filiali Il processo inizia con la definizione del budget annuale della Banca articolato per mese e per filiale, che recepisce i dati indicati dai Responsabili Commerciali e le indicazioni inserite nel piano Industriale Triennale della Banca. Successivamente e mensilmente sono raccolti i dati di consuntivo e sono com‐
parati con quelli di budget per verificare la coerenza delle performance commer‐
ciali delle singole filiali con quelle definite a livello di budget complessivo. Questa attività è svolta al fine di rilevare eventuali criticità sul territorio. In presenza di performance sotto budget, infatti, sono svolte delle attività di analisi per capire le motivazioni di tali risultati. In questa fase è fondamentale poter analizzare tutti Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
116 gli elementi e le variabili in gioco con il massimo grado di libertà e quindi seguen‐
do il più possibile il processo associativo mentale di chi conduce l’analisi. L’analisi delle performance produce poi alla fine di ogni anno un ranking sulla base del quale le filiali ricevono un incentivo in funzione dei risultati raggiunti du‐
rante l’anno. La Figura 50 mostra gli attori coinvolti nel processo. Figura 50 – Gli attori coinvolti nel processo Il ruolo delle nuove tecnologie di Business Intelligence Lo scopo primario del progetto di Business Intelligence della Servizi Bancari è quello di migliorare complessivamente il livello di servizio offerto alle Banchi U‐
tenti del Consorzio, arricchendo i contenuti informativi del sistema attraverso la sua trasformazione da un Sistema di Reporting ad un Sistema di Controllo, mi‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
117 gliorandone le performance ed ottenendo maggiore efficienza nelle successive manutenzioni ed evoluzioni del sistema stesso. La SBA intende inoltre raggiunge‐
re una completa autonomia nello sviluppo di nuove applicazioni sulla piattaforma del nuovo ambiente di BI ed avviare un processo attraverso il quale tutte le anali‐
si degli Istituti di Credito vengano effettuate su questa piattaforma, eliminando l’attuale carico di lavoro delle statistiche sul sistema Quid. L’obiettivo finale del progetto voluto da SBA è la realizzazione di un sistema che garantisca:
il rilascio all’utenza di un nuovo servizio di supporto al Controllo di Gestione ed al Budget più snello, facile nell’utilizzo ed a costi più accessibili; l’incremento della capacità di risposta del servizio SBA alle richieste manifestate dall’utenza, mediante la riduzione dei tempi di sviluppo e dei relativi costi di produzione. In particolare è stata sviluppata un’applicazione completa per il controllo di ge‐
stione non limitata semplicemente alla reportistica. È stata utilizzata una base dati più esaustiva rispetto alla precedente e i flussi dati certificati da SBA sono stati integrati da procedure di calcolo quale l’allocazione dei costi/ricavi. I vantaggi ottenuti sono stati i seguenti:
Re‐enginering e ottimizzazione di un’applicazione in uso. Raggiungimento di una maggiore elasticità della struttura di controllo di gestione impostata, non vincolata a dimensioni devono essere decise a priori e non successivamente modificabili. Costruzione di una infrastruttura sistemica più semplice ed economica‐
mente conveniente. Possibilità di navigazione dinamica della reportistica direzionale. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
118 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
ULSS 19 di Adria Antonio Moretto 22 Francesca Pavanello23 Massimo Erba L’Azienda L’Azienda ULSS 19 di Adria, quale ente di diritto pubblico strumentale della Re‐
gione Veneto, gestisce in modo coordinato i servizi e le attività sanitarie e socio‐
sanitarie pubbliche nel proprio ambito territoriale secondo quanto previsto dalla legge, dal Piano Sanitario Nazionale, Regionale dei servizi alla persona e alla co‐
munità, dalle deliberazioni programmatorie degli Organi Regionali e dagli indirizzi e linee guida degli organi tecnici regionali, pur mantenendo i principi di autono‐
mia gestionale ed imprenditoriale, impiegando le risorse assegnatele secondo cri‐
teri di efficienza, efficacia ed economicità. I valori che informano l’attività dell’Azienda ULSS 19 di Adria sono, oltre alla cultura del comportamento etico, che deve essere diffusa tra tutti i soggetti che interagiscono nell’Azienda e con l’Azienda, la legalità, la trasparenza, lo spirito di servizio, la crescita personale, la collaborazione tra gli operatori e con le altre isti‐
tuzioni che concorrono alla salute della comunità e la buona amministrazione. La visione dell’Azienda è il passaggio dall’erogazione di prestazioni sanitarie al‐
la promozione della salute, riorientando i servizi sanitari alla ricerca di un nuovo equilibrio tra le risorse impegnate per le attività di promozione della salute e pre‐
venzione delle malattie e quelle relative alle prestazioni di diagnosi, cura e riabili‐
tazione. Il sistema di finanziamento delle aziende sanitarie, elemento importante per comprendere la natura dei sistemi di BI per il controllo, prevede la presenza di stanziamenti attraverso il Fondo Sanitario Nazionale e, soprattutto, il finanzia‐
mento a tariffa o tramite compartecipazione alla spesa (ticket). Le aziende sanitarie aventi competenza territoriale sono finanziate prevalen‐
temente in base alla quota capitaria e devono fornire un servizio uniforme sul territorio di loro competenza. Tali servizi vengono erogati direttamente o acquisi‐
ti da soggetti produttori e retribuiti tramite un meccanismo tariffario: le entrate sono legate quindi sia alla quantità (volumi di domanda) che alla qualità (tipolo‐
gia di prestazione‐tariffa) delle prestazioni erogate. 22 Dirigente U.O.S. Sistema Informativo, Statistica e Informatica –ULSS 19 di Adria 23 U.O.S. Sistema Informativo, Statistica e Informatica –ULSS 19 di Adria 120 Fino al 2007 l’analisi dei dati a supporto dei processi decisionali è stata con‐
dotta in azienda attraverso l’impiego di strumenti di Office Automation: le infor‐
mazioni necessarie venivano prodotte correttamente, ma le analisi realizzate, pur partendo da base‐dati validate, scontavano un limite di staticità, dovendo essere costantemente rigenerate, e soprattutto erano diffuse all’interno dell’organizzazione con modalità tradizionali, che non ne agevolavano la fruizio‐
ne, né facilitavano il fondamentale processo di crescita culturale e professionale da parte dei destinatari in merito all’utilizzo del dato e al suo impiego per le fina‐
lità di organizzazione e valutazione dei servizi. Dal 2008, la nuova Direzione Strategica ha promosso un’iniziativa di sviluppo e miglioramento dei sistemi informativi a supporto delle decisioni, intesi quale strumento essenziale per orientare correttamente ed in modo razionale l’attività dell’Azienda, misurandone costantemente le performance, dati gli obiettivi sem‐
pre più impegnativi posti dalla programmazione nazionale e regionale, definen‐
done i contenuti in modo ampio, tali da ricomprendere sia la dimensione stret‐
tamente economica (con la valutazione dello stato di avanzamento dei budget, in rapporto agli obiettivi di contenimento dei costi posti dall’Amministrazione Re‐
gionale), sia la valutazione delle attività e delle prestazioni erogate, in rapporto agli standard di volume e qualità della programmazione. La razionalizzazione dei processi di gestione delle informazioni aziendali all’interno di un nuovo sistema è stata quindi orientata alla ricerca di soluzioni tecnologiche innovative, in grado di garantire contemporaneamente flessibilità durante l’implementazione, alta fruibilità da parte degli utenti ed anche forte scalabilità negli sviluppi successivi. L’approccio seguito dall’U.O.S. Sistema Informativo, Statistica e Informatica è consistito nel procedere secondo logiche incrementali alla progettazione ed evo‐
luzione dell’architettura realizzata, nell’ambito di un piano di sviluppo complessi‐
vo che definiva le priorità di intervento ed il disegno generale del sistema da rea‐
lizzare. Per quel che riguarda specificatamente le attività di realizzazione, si è appunto adottato un criterio di rilascio modulare, rendendo via via disponibili agli utenti i moduli sviluppati. Visti gli obiettivi, si è adottata una tecnologia innovativa che prevedesse l’impiego di logiche associative; le dati‐basi oggetto di analisi sono estratte da si‐
stemi dipartimentali e costituiscono gran parte del sistema informativo azienda‐
le. Gli utenti già interessati coprono per intero l’organizzazione, a partire dalla Di‐
rezione e dai Responsabili di Macrostruttura, ai Direttori e referenti di ogni unità operativa, sia amministrativa sia sanitaria. Il sistema è basato su un’unica architettura, in cui convergono, rese omogenee e coerenti rispetto all’obiettivo dell’analisi direzionale, basi‐dati eterogenee at‐
tinte dai sistemi di gestione, quali i ricoveri e le dimissioni ospedaliere, la speciali‐
stica ambulatoriale, i valori economici consuntivi e previsionali, i costi di contabi‐
lità analitica, la spesa farmaceutica territoriale e interna, il pronto soccorso, il sistema di prenotazione, ecc.. Elemento trasversale all’intera architettura, fon‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
121 damentale per la creazione delle associazioni tra flussi informativi tra loro distin‐
ti, è l’anagrafe sanitaria dei cittadini afferenti all’azienda ULSS. Per realizzare questo sistema in fase di progettazione si è proceduto da princi‐
pio ad analizzare i singoli ambienti di gestione amministrativa dei dati ed i princi‐
pali flussi informativi dell’Azienda già disponibili, cercando gli elementi che con‐
sentissero di correlarli. Successivamente, si è provveduto ad ingegnerizzare modalità di estrazione, trasformazione e caricamento (ETL) dei dati che permet‐
tessero la massima flessibilità nell’analisi, prevedendo le modalità temporali di caricamento dei dati sulla base di un obiettivo di aggiornamento automatico giornaliero. Infine all’interno della base dati opportunamente alimentata ed aggiornata come risultato delle fasi precedenti, sono state generate secondo logiche asso‐
ciative forme di reportistica adatte agli scopi di analisi, nonché rapidamente e fa‐
cilmente implementabili parallelamente all’introduzione presso gli utenti finali e alla formulazione di nuovi requisiti, secondo l’orientamento incrementale de‐
scritto in precedenza. Un esempio innovativo dei contenuti della reportistica che è stato possibile implementare e rendere disponibile agli utenti grazie all’impiego della cd. logica associativa e all’opportuno collegamento di basi‐dati di fonte diversa, è costituito dal modulo implementato per la rappresentazione della quantità e qualità delle prestazioni richieste ed erogate alla popolazione residente, ai diversi livelli di as‐
sistenza (ospedale, specialistica, farmaceutica, pronto soccorso), articolando il dato per medico di medicina generale (secondo quanto risultante dall’Anagrafe sanitaria), ovvero riassumendo, per ciascun medico di famiglia, il totale della produzione “assorbita” dai suoi assistiti. I Processi decisionali supportati da strumenti associativi Due processi decisionali significativi sia dal punto di vista del controllo che della pianificazione operativa sono il monitoraggio dell’andamento delle attività di ri‐
covero e la verifica del rispetto dei tempi di attesa. Di seguito questi processi, ed il modo in cui vengono supportati attraverso tecnologie innovative, sono esemplificati secondo la seguente simbologia:
o
Flussi informativi coinvolti. Procedure associative eseguite sui dati a disposizione. Metriche e dimensioni rese disponibili per l’analisi. Decisioni di business supportate dall’analisi associativa. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
122 Monitoraggio dell’andamento dell’attività di ricovero L’assistenza ospedaliera fornita dalle aziende sanitarie è regolata attraverso crite‐
ri e modalità per la determinazione dei volumi di attività e di spesa: un esempio di tetto di spesa imposto agli erogatori pubblici e privati pre accreditati è quello del tasso di ospedalizzazione, calcolato come rapporto tra numero di ricoveri e numero di residenti assistiti dall’azienda sanitaria, che, secondo quanto previsto dalla DGR 4449/2006, doveva rientrare, al 31/12/2009, entro il limite del 160 per mille residenti. Di qui la necessità di disporre di uno strumento facilmente fruibile per la Dire‐
zione Strategica e per i Dirigenti ospedalieri che consentisse di monitorare, gior‐
nalmente, il volume dei ricoveri al fine di poter effettuare, in itinere, aggiusta‐
menti alle politiche di riduzione dei ricoveri inizialmente intraprese. L’associazione dei dati di ammissione al ricovero e di dimissione ospedaliera, basata sull’identificativo del singolo assistito, permette di valorizzare i fattori per il successivo calcolo del tasso di ospedalizzazione:
i residenti assistiti dimessi da strutture dell’ULSS 19; la mobilità passiva intraregionale (dimissioni di residenti Ulss 19 di Adria da strutture pubbliche e private accreditate di altre Aziende Ulss della Regione Veneto), la mobilità passiva extraregionale (dimissioni di resi‐
denti Ulss 19 da strutture ospedaliere extra Regione Veneto). ADT
SDO
Sistema Ammissione Ricovero
Scheda Dimissione Ospedaliera
Residenti ULSS dimessi
Mobilità passiva intraregionale
Anagrafica Sanitaria
Mobilità passiva extraregionale
Tariffe Unitarie
Popolazione residente
Stime
previsionali
Valorizzazione Valorizzazione Economica
Tasso di Ospedalizzazione
Monitoraggio giornaliero
Gestione politiche di riduzione
Miglioramento processi interni
Pianificazione risorse
Figura 51 – Il processo di monitoraggio dell’andamento delle attività di ri‐
covero Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
123 L’impiego di questi addendi in una formula che li rapporta al totale della popola‐
zione residente permette la valorizzazione del tasso di ospedalizzazione, oggetto di monitoraggio del processo decisionale, dimensionato
sia secondo variabili temporali (fino al dettaglio giorno); sia secondo variabili organizzative (dipartimenti ed unità della Direzione Sanitaria); sia secondo tutti i campi previsti all’interno della Scheda di Dimissione Ospedaliera (regime di ricovero, disciplina di dimissione, codice DRG, ecc). L’analisi dinamica del tasso di ospedalizzazione permette, in ambito decisionale, di: o
o
o
eseguire un monitoraggio giornaliero delle attività di ricovero, in modo tale da interpretare e gestire in modo tempestivo eventuali scostamenti rispetto all’andamento medio; gestire nel tempo le politiche di riduzione del tasso di ospedalizzazione in ottemperanza al rispetto dei tetti di spesa; migliorare la conduzione organizzativa dei processi interni, per esempio agendo sulle modalità operative al momento del ricovero: proprio attra‐
verso l’analisi delle informazioni provenienti dal sistema di monitoraggio dell’andamento dell’attività di ricovero è stata decisa e poi realizzata l’apertura dell’unità di Osservazione Breve Intensiva, con l’obiettivo di valutare l’opportunità di procedere al ricovero a fronte di un trasferi‐
mento dal Pronto Soccorso. Un ulteriore passaggio del processo decisionale inerente il monitoraggio dell’andamento dell’attività di ricovero consiste nella valorizzazione economica delle attività di ricovero, in particolare a fronte di eccedenze di costo derivanti da un maggior numero di ricoveri o risparmi di spesa derivanti da una contrazione dei ricoveri. Attraverso il pari dimensionamento sia secondo variabili temporali (fino al dettaglio giorno), sia secondo variabili organizzative (dipartimenti ed unità della Direzione Sanitaria), sia secondo tutti i campi previsti all’interno della Scheda di Dimissione O‐
spedaliera (regime di ricovero, disciplina di dimissione, codice DRG, ecc), applicando al numero di ricoveri e dimissioni la tariffa unitaria di costo standard delle attività da applicare alla casistica di ricovero e le stime previsionali di anda‐
mento dei ricoveri, la Direzione Sanitaria ha la possibilità di eseguire analisi di‐
namiche al fine di: Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
124 o
o
quantificare la spesa legata al tasso di ospedalizzazione dei diversi repar‐
ti e monitorare il rispetto dei tetti di spesa previsti; verificare che la pianificazione delle risorse sia in linea con l’ammontare effettivo dei ricoveri. Il processo vede coinvolta in primo luogo la Direzione Aziendale, che assume e fa propri gli obiettivi definiti dalla programmazione regionale, e concerta, in colla‐
borazione con la Direzione Medica, il piano di attuazione con i singoli direttori di macrostruttura e di unità operativa. Nella fase attuativa del piano, vi è il costante monitoraggio, che è in primo luogo supportato dalla reportistica aggiornata quotidianamente resa disponibile dal sistema di DW, e che si concretizza anche mediante comunicazioni mensili a tutti i direttori di Unità Operativa, che forniscono indicazioni sintetiche in merito all’adeguatezza rispetto agli obiettivi dei risultati via via ottenuti. Si procede anche a verifiche congiunte, promosse della Direzione Sanitaria ed Amministrativa, con il coinvolgimento di tutti gli attori, anche nel contesto degli incontri periodici del Collegio di Direzione. Verifica del rispetto dei tempi di attesa Il “Piano Nazionale di contenimento dei tempi di attesa” cui le aziende sanitarie devono attenersi indica le "prestazioni specialistiche ambulatoriali traccianti" ed i relativi standard regionali di attesa (espressi in giorni) da rispettare, con soglie di ammissibilità specifiche per classe di priorità. Si tratta di obiettivi cui l’Amministrazione regionale riconosce grande impor‐
tanza, ed il cui conseguimento comporta la necessità di un aggiornamento conti‐
nuo ed assiduo della rete di offerta, in modo da rendere coerente e bilanciare co‐
stantemente il n. delle prestazioni fornite per ciascuna branca specialistica e per ciascuna prestazione all’andamento, ovviamente variabile, della domanda. Vi è dunque la necessità di utilizzare strumenti che consentano un monitorag‐
gio ex post dei risultati conseguiti, secondo logica identica a quella adottata per la valutazione dagli uffici regionali, ma soprattutto rileva l’esigenza di disporre di uno strumento a supporto della programmazione quotidiana delle attività, che permetta di monitorare giorno per giorno l’evolversi della situazione (misurando il n. delle richieste pervenute, delle prenotazioni effettuate, delle prestazione re‐
se, e l’evolversi dei tempi di attesa), in una logica ex ante. Il primo modulo è stato realizzato utilizzando come fonte il flusso informativo della specialistica ambulatoria (SPS) che è trasmesso con cadenza mensile agli uf‐
fici regionali; la reportistica fornisce i tempi di attesa medi per le prestazioni trac‐
cianti (oggetto di monitoraggio), per le diverse classi di priorità (B entro 10 gg.; D entro 30/60 gg.; P entro 180 gg.) e soprattutto la percentuale di richieste, sul to‐
tale, soddisfatte entro la soglia definita dal piano regionale. Viceversa, il modulo di supporto alla gestione è stato implementato attingen‐
do al sistema gestionale di prenotazione, da cui sono costantemente attinti i va‐
Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
125 lori relativi alle variabili fondamentali, quali ad esempio, tipologia di prestazione, branca di appartenenza, classi di priorità, n. di prestazioni, n. di prenotazioni, etc. Specialistica
Sistema di prenotazione (CUP)
Data di Prenotazione Data di prenotazione Tempificazione
Anagrafica Sanitaria
Costi
Tariffe Unitarie
Valorizzazione Soglie di Ammissibilità
Verifica standard regionali di attesa
Confronto con stime previsionali
Valorizzazione Consumi
Consuntivazione costi sostenuti
Pianificazione risorse
Figura 52 – Il processo di verifica del rispetto dei tempi di attesa Il processo vede coinvolti la Direzione Strategica, la Direzione del Distretto So‐
cio Sanitario, il CUP manager, il direttore dell’UOC Poliambulatorio e i direttori di Unità Operativa complessa. Vi è anche il forte coinvolgimento degli erogatori pri‐
vati pre‐accreditati presenti sul territorio. Il monitoraggio è effettuato con cadenza quotidiana dal CUP manager e dal Di‐
rettore dell’UOC Poliambulatorio, ai fini della verifica dell’adeguatezza delle a‐
gende rispetto agli standard richiesti, con adozione di immediati interventi in ca‐
so di necessità. Settimanalmente i risultati sono commentati con la Direzione Strategica. Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
126 Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
Partner QlikTech, pioniere sul mercato della Business Intelligence offre con QlikView una suite completa di strumenti per la business analysis che permette alle imprese di qualsiasi dimensione di allargare gli orizzonti del proprio business, verso il suc‐
cesso, trasformando le intuizioni in vere opportunità. Nell’era della fluidità delle informazioni dove la quantità di dati da analizzare diventa ogni giorno più rilevante , diventa elemento di grande valore strategico la capacità di saper estrapolare in tempo reale dalle proprie analisi quante più in‐
formazioni significative per la conduzione del proprio business. Grazie a QlikView, gli utenti riescono magicamente ad interagire con i propri dati con risultati senza precedenti. Un unico clic può fornire una visione sorpren‐
dente della propria azienda, nuovi momenti di profonda comprensione, che por‐
tano verso decisioni migliori, le giuste decisioni. QlikView è innovazione tecnologica: al contrario delle tradizionali soluzioni di BI che limitano l’analisi entro schemi predeterminati, derivanti da domande pre‐
formulate secondo percorsi di pensiero lineari e schematici, QlikView grazie alla consolidata leadership nelle tecnologie e al suo rivoluzionario approccio associa‐
tivo in‐memory, opera infatti secondo logiche associative esattamente come la mente umana, permettendo quindi di esplorare liberamente le informazioni ed eliminando qualsiasi barriera e complessità per un'analisi senza limiti. Ma QlikView è anche e soprattutto una suite fortemente centrata sui bisogni de‐
gli utenti: coniugando semplicità, flessibilità e potenza assicura valore immediato, rilevabile e misurabile nell'arco di giorni o settimane, non più in mesi o addirittu‐
ra anni, garantendo a chi lo utilizza il reale raggiungimento dei propri obiettivi. Seeing is believing – SIB ‐ è un mantra per QlikView: un prototipo realizzato con reali dati aziendali è lo strumento più efficace per mostrare come QlikView in 2 o 3 giorni sia in grado di fornire una soluzione concreta alle reali necessità del proprio business, con un ¼ del tempo, la ½ del costo e il doppio del valore rispet‐
to a tradizionali strumenti di BI – vedere per credere! QlikView Italy, centro di competenza italiano di QlikTech, si basa su un team di professionisti interni e su una rete di partner con peculiari esperienze maturate attraverso la gestione di progetti avanzati presso una clientela tecnologicamente evoluta. Oggi sono quasi 600.000 gli utenti che, in ogni parte del mondo, utilizzano quotidianamente con successo e soddisfazione le applicazioni QlikView. 128 QlikTech conta oltre 12.000 clienti in 95 Paesi, e più di 800 partner in tutto il mondo. In Italia, l’Azienda è presente dal 2002 e vanta oltre 3.000 clienti in svariati settori merceologici e di differenti dimensioni Osservatorio Business Intelligence Divisione Ricerche “Claudio Demattè” – SDA Bocconi, School of Management
www.sdabocconi.it/obi [email protected]
