Viviamo nell’era del dato: miliardi di dispositivi nel mondo, ogni giorno producono e trasmettono dati per poi diventare informazioni preziose per le aziende. Per affrontare questa nuova era, le aziende stanno trasformando i propri processi interni ed acquisendo le competenze chiave in grado di sostenere il “ciclo del dato”. Alcune delle sfide chiave in questo percorso sono state affrontate lo scorso 11 giugno durante il workshop promosso dall’ASAP Service Management Forum e dal Laboratorio RISE dell’Università di Brescia. Attraverso la presentazione dei risultati di una ricerca sulle opportunità e sfide dell’IoT in ambito servitization e le testimonianze delle aziende coinvolte, l’evento ha infatti voluto fornire ai presenti alcuni spunti utili a rispondere a domande come:
- Quali sono le pratiche aziendali e gli strumenti (ICT e non) in grado di supportare la raccolta dei dati, l’analisi, l’utilizzo e condivisione all’interno della azienda?
- Quali le possibili ricadute nel business dei servizi di una efficiente gestione, elaborazione ed utilizzo dei big data?
L’evento, che ha visto ritrovarsi presso l’Università di Brescia oltre 130 manager, si è aperto con l’introduzione di Federico Adrodegari, coordinatore di ASAP, che ha brevemente esposto la relazione che lega la sfera IoT a quella della servitization, mostrando come proprio i dati oggi disponibili siano ormai il fattore abilitante per lo sviluppo di nuove offerte di servizi (digitali e non) e di innovativi modelli di business orientati al proporre soluzioni prodotto-servizio ai clienti. Nicola Saccani, professore dell’Università di Brescia, ha quindi presentato il modello sviluppato ed utilizzato dai ricercatori della community ASAP, creato per analizzare le fasi del ciclo del dato generato dai prodotti connessi. Le principali fasi sono: la raccolta ed archiviazione del dato generato dal prodotto connesso; la visualizzazione del dato tramite un’interfaccia fruibile all’utente aziendale; l’elaborazione dei dati tramite analytics e algoritmi; l’utilizzo delle informazioni così generate. Queste fasi sono così state analizzate secondo 4 dimensioni aziendali, dettagliate in una serie di variabili capaci di indagare gli aspetti principali dell’azienda nella gestione del dato.
Il modello, è stato quindi applicato nella pratica all’interno del Focus Group ASAP, un progetto di ricerca annuale dove 6 aziende hanno attivamente collaborato allo sviluppo e miglioramento del modello stesso, fornendo dati ed indicazioni. Grazie quindi alla sua applicazione in contesti reali, è stato possibile analizzare le principali criticità che una azienda deve superare per migliorare la gestione dei dati generati dai propri prodotti connessi.
Una prima evidenza che si può notare dal campione analizzato è che nessuna fase del ciclo del dato è ancora matura in termini di gestione efficace ed efficiente delle informazioni trasmesse dai propri prodotti connessi. Le principali criticità emerse dal campione sono:
– una scarsa condivisione dell’informazione tra le diverse funzioni aziendali: tipicamente si pensa che i dati derivanti dai prodotti, siano essenzialmente di interesse per la sola funzione service e l’ufficio tecnico. Non vengono quindi sfruttate appieno le potenzialità dei dati anche per le altre funzioni
– La dashboard per l’interfaccia dei dati, che spesso non è adatta per fornire informazioni in maniera immediata ed è poco personalizzabile ed user friendly
– I criteri di selezione dei dati spesso non vengono definiti e condivisi e la selezione dei dati non è regolamentata da alcun criterio formalizzato, ma tale operazione è lasciata all’arbitrio degli utenti aziendali. Ciò crea variabilità e instabilità nell’organizzazione, la quale dipende fortemente dal fattore umano e dalle sue competenze. Solo in poche aziende del campione sono impiegati protocolli definiti da team inter-funzionali, i quali stabiliscono metriche e KPI utili ad indirizzare l’utilizzo dei dati.
– Infine un’ulteriore criticità emersa dal modello è lo scarso impatto dei dati sui servizi, i quali sono ancora fortemente legati a schemi tradizionali, soprattutto per quanto riguarda l’assistenza in caso di guasti o anomalie, dove l’approccio resta reattivo. Il flusso dati ristretto, e gli strumenti di elaborazione poco performanti e dipendenti dall’esperienza degli utenti, non permettono di svolgere analisi dettagliate sullo stato di usura del parco installato: né su base statistica, abbracciando un approccio predittivo, né il più complicato approccio predittivo, fondato sull’attuale stato di usura delle componenti.
Oltre a questi servizi di manutenzione avanzati, sono ancora poche le aziende che nel proprio portafoglio hanno servizi che includono soluzioni Pay per X (es. pay-per-use; per-per-performance; pay-per-outut;…), o contratti che si basano su determinati obiettivi raggiunti dal cliente tramite l’impiego del prodotto connesso. La relazione fornitore-cliente è ancora basata su un modello transazionale, nella quale i rischi sono a carico del cliente; solo per le aziende in cui i prodotti oggetti della vendita sono complessi e hanno gravi ricadute sul processo del cliente in caso di downtime offrono servizi in grado di distribuire la quota di rischio, permettendo di costruire una relazione con il proprio cliente più duratura e produttiva.
Non solo criticità. Durante il Workshop ASAP sono inoltre intervenute due realtà che hanno testimoniato come sia però concretamente possibile oggi partire dai dati per sviluppare servizi a valore aggiunto. È questo il caso di Schindler, illustrato da Matteo Bonardello durante il workshop ASAP. La multinazionale del settore della movimentazione ha infatti sviluppato “Ahead”, un’offerta innovativa di servizi abilitati dalle nuove tecnologie. Attraverso la connessione degli impianti Ahead permette di trasmettere dati rilevanti sul funzionamento dell’ascensore o della scala mobile. Tali dati vengono poi raccolti, pre-analizzati e trasferiti alla piattaforma Cloud di Schindler dove sono quindi resi disponibili per fornire servizi in maniera proattiva.
Altro caso interessante è quello illustrato da Riccardo Bianchi di Clivet: l’azienda operante nel settore dei sistemi ed impianti di climatizzazione ha infatti recentemente intrapreso un percorso di interconnessione dei propri prodotti che ha portato, non senza difficoltà, allo sviluppo di “Clivet Eye” un sistema di cloud monitoring rivolto ad utenti e tecnici. Le lesson learned del progetto come l’importanza di una pre-progettazione, di un coordinamento continuo con i partner tecnologici, l’attenzione agli aspetti normativi e l’importanza nella corretta definizione del pricing dei servizi abilitati dall’IoT sono quindi state il fulcro della testimonianza.
Il workshop è poi proseguito con una vivace e partecipate tavola rotonda che ha visto coinvolti alcuni dei manager che hanno attivamente partecipato al focus group, quali: Alessandro Piubelli (Turboden), Sergio Paganelli (Balluff), Enrico Borghi (GF Machining Solutions), Francesco Gallo (NPO) e Dadive de Pasquale (Intelligentia).
La discussione con le moltissime aziende in sala, ha evidenziato come, ad esclusione di qualche best practice, siano ancora pochi gli esempi concreti di aziende che hanno capito come poter gestire e sfruttare al meglio i dati prodotti dal proprio parco connesso, per generare un nuovo business di servizi. Oltre alle note difficoltà in termini di riaccolta ed elaborazione, una comune difficoltà nelle aziende presenti è quella legata alla valorizzazione dei servizi digitali. Non è infatti semplice riuscire a trasmettere al cliente i benefici che possono derivare dal fatto che gli stessi condividano i dati e deleghino alcune attività ai fornitori. Dalla discussione appare però altresì evidente che questo tema stia ormai acquisendo sempre più un’importanza strategica poiché i potenziali benefici si rivolgono a tutti gli attori della filiera e hanno una visione sia di breve periodo, con l’aggiunta di nuovi servizi e benefici immediati, ma anche di lungo periodo con l’adozione di una strategia davvero competitiva rispetto a quella dei competitors. La strada è lunga ma appare oggi tracciata.
