Knowledge Management, Big Data e Apprendimento Organizzativo
Il mondo si sta muovendo velocemente con un enorme impatto della tecnologia sul posto di lavoro e sulla produttività individuale.
Molte aziende devono ancora trovare soluzioni per recuperare i dati chiave dispersi nei diversi silos organizzativi e aiutare i dipendenti a ricavare informazioni dai dati disponibili, formandoli sui metodi ottimali per filtrarli, capire le tendenze e creare modelli e interconnessioni.
Nella maggior parte dei casi, dati, informazioni e altri input critici rimangono ancora inutilizzati non per mancanza di volontà, ma a causa di lacune nelle capacità di gestire le informazioni, che non si sono evolute di pari passo con gli interventi di digitalizzazione.
In questo scenario, emergono i ritardi nell’adozione di sistemi di Knowledge Management che hanno proprio come obiettivo quello di fornire alle persone le giuste informazioni nel momento giusto per migliorarne la produttività.
L’obiettivo è quello di costruire una base di conoscenza per supportare il problem solving a tutti i livelli di un’organizzazione nello svolgimento dei vari processi.
Un framework di Knowledge Management ben consolidato ed integrato richiede di prendere in considerazione i seguenti aspetti:
- Allineamento strategico
- Processi e organizzazione
- Leadership e governance
- Contenuti e contesto
- Tecnologia KM
- Persone e cultura
Sfide poste dai Big Data
Ci sono molte sfide nell’approccio ai Big Data che le organizzazioni devono affrontare su come organizzare i dati dei clienti, i dati di vendita, i dati relativi ai propri dipendenti, dati di processo, dati di transazione, metriche operative e di processo.
Esistono molti approcci, centralizzati e decentralizzati, per catturare e analizzare i Big Data ma una metodologia robusta e integrata è ancora da formulare in modo unanimemente riconosciuto.
Un’altra sfida è la disponibilità di talenti in possesso delle competenze necessarie per comprendere e sfruttare i Big Data in modo da aggiungere valore all’organizzazione in modo propositivo e significativo.
L’acquisizione di Data Scientist con esperienza in matematica, statistica, ingegneria dei dati, riconoscimento di pattern, informatica, visualizzazione e modellazione può non essere completamente fattibile.
Apprendimento attraverso i Big Data
Le organizzazioni dovrebbero in modo proattivo sviluppare sistemi e processi per catturare e diffondere al loro interno le informazioni chiave per la gestione che emergono dal loro patrimonio di dati.
L’onore, l’onere e la responsabilità per avviare e guidare questo processo di trasformazione ricade sui leader che devono valutare rapidamente le capacità attuali dell’organizzazione e predisporre un piano che tenga conto dei punti di forza e di debolezza ed individui i gap da colmare.
Questo anche in funzione delle aspettative dei clienti che si manifestano in forme diverse che andrebbero strutturate in modo da avere una chiara rappresentazione della Customer Experience.
Questo processo deve essere supportato da programmi di sviluppo manageriale basati su modelli di competenze allineati all’innovazione che si vuole perseguire.
Inoltre, in questo settore le modalità per acquisire i talenti necessari stanno diventando meno strutturate e nel tempo potrebbe trattarsi di personale non dipendente.
Si tratta quindi di costruire e gestire team ad alte prestazioni composti da un mix di personale interno e specialisti a contratto che siano in grado di apportare un contributo in termini di creatività e competenze tecniche e tecnologiche.
