La self-service analytics costituisce per molti osservatori l’innovazione più importante dall’invenzione del foglio elettronico in poi, funzionale ai nuovi business che richiedono più velocità e un uso costante ed efficace delle informazioni. La capacità di selezionare e analizzare dati più facilmente in logica self-service dà al management e ai ruoli operativi aziendali la facoltà di usare le informazioni aziendali per le grandi e le piccole decisioni nel lavoro di tutti i giorni. Decisioni che, per essere efficaci, devono essere basate su elaborazioni ad hoc dei dati operativi e che, per ragioni di tempo, non possono attendere l’evasione delle richieste da parte dell’IT aziendale.
Le capacità self-service aiutano inoltre ad abbattere le difficoltà di comunicazione tra i team aziendali superando, con la forza dei dati e delle presentazioni visuali, gli ostacoli anche culturali e di linguaggio che limitano le capacità di collaborare su nuovi progetti e opportunità. Gli strumenti analitici in self-service aiutano gli utenti line-of-business su due fondamentali fronti. Il primo è la preparazione dei dati, ossia la selezione delle fonti e la creazione di aggregazioni utili per le visualizzazioni. Il secondo è l’advanced analytics vera e propria, attraverso il supporto di librerie di modelli analitici e predittivi pronti da scegliere, utilizzabili senza programmazione.
Moderne tecniche d’intelligenza artificiale e machine learning aiutano a eseguire automaticamente le operazioni di pulizia dei dati (che servono a eliminare, per esempio, le duplicazioni o altri errori nella fusione di tabelle diverse) e di visualizzazione (per facilitare la comunicazione, generando velocemente le viste sugli insight più rilevanti). Per ottenere i vantaggi della self-service analytics serve, sul piano tecnico, sviluppare le conoscenze per impiegare gli strumenti on premise e in cloud disponibili, per rendere gli archivi dati aziendali più fruibili, ma anche tutelati sotto il profilo della sicurezza. Dal lato utente, la conoscenza degli strumenti applicativi deve accompagnare l’acquisizione delle nozioni più utili per comprendere e interpretare correttamente i dati, quindi impiegarli nel contesto di lavoro promuovendo una partecipazione attiva agli obiettivi aziendali.
