
📘 Scopri il mio libro “Decisioni Data-Driven”
https://www.glowbooks.it/project/decisioni-data-driven/
📩 Iscriviti gratuitamente alla newsletter Dati365
https://substack.com/@dati365
Avere un team Data & Analytics non significa automaticamente essere un’azienda data-driven.
In questa puntata ne parlo con Stefano Gatti, Head of Data & Analytics in Nexi, professionista con oltre vent’anni di esperienza nel mondo dei dati e contributor del mio libro Decisioni Data-Driven.
Partiamo da un problema organizzativo molto concreto: cosa succede quando il team dati è troppo lontano dal business?
Per anni molte aziende hanno lavorato secondo un modello abbastanza semplice: il business ha una necessità, formula una richiesta e il team tecnico produce un’analisi, un report o una dashboard.
Il limite è che chi conosce i dati può essere troppo distante da chi conosce realmente il processo aziendale. Bisogna tradurre continuamente esigenze, priorità e problemi da un linguaggio all’altro, con il rischio di ottenere un’analisi tecnicamente perfetta ma troppo tardi, quando la decisione è già stata presa.
È uno degli errori che affronto anche nel libro: centralizzare le competenze non deve significare delegare completamente dati e Analytics a un unico team specialistico.
Durante la conversazione ripercorriamo anche alcune lezioni dell’epoca dei Big Data e della Data Science. Molte aziende hanno creato team altamente specializzati che lavoravano quasi “in laboratorio”, producendo modelli sofisticati ma difficili da integrare nei processi reali.
Arriviamo quindi al cuore della puntata: il modello Hub & Spoke per Data & Analytics.
L’Hub mantiene centralmente competenze, infrastruttura, governance e standard tecnologici. Gli Spoke, invece, portano competenze analitiche direttamente nelle funzioni aziendali
La tecnologia smette così di essere il punto di partenza e diventa uno strumento per risolvere problemi di business.
Avvicinare dati e business permette di accorciare il ciclo:
problema → analisi → decisione → azione → feedback
In mercati sempre più veloci, questo può diventare un vero vantaggio competitivo.
Ma esiste anche il problema opposto: essere “troppo data-driven”.
Troppe dashboard, troppi KPI e troppi report possono creare quella che Stefano definisce una vera e propria paralisi della decisione da dashboard.
Una dashboard non genera valore perché esiste. Il valore nasce dall’azione che ne consegue.
Essere data-driven significa anche chiedersi quante dashboard vengono davvero utilizzate, con quale frequenza e da chi. Una dashboard che nessuno apre non è necessariamente un asset: può essere semplicemente un costo da eliminare.
Nella parte finale affrontiamo anche il tema della data culture e della data literacy. Il modello organizzativo da solo non basta: serve una cultura diffusa, il commitment del management e persone capaci di comprendere almeno i principi fondamentali di dati, KPI e Analytics.
E questi concetti valgono anche nelle PMI.
Una piccola azienda non deve costruire una complessa struttura Hub & Spoke, ma può avere anche una sola figura capace di unire competenze tecniche e conoscenza del business: un profilo “T-shaped” che aiuti l’organizzazione a trasformare i dati in decisioni.
00:00 Perché questa è una puntata speciale
02:01 Chi è Stefano Gatti
04:34 Dai Big Data all’hype dell’AI
06:58 L’errore dei Data Scientist in laboratorio
09:20 AI: costi, benefici e valore reale
12:54 Perché delegare tutto al team Analytics è un errore
16:36 Il modello Hub & Spoke
21:30 Portare Analytics dentro il business
24:54 Commitment, community e cultura dei dati
28:28 Quando troppe dashboard rallentano le decisioni
32:06 Il vero vantaggio: decidere più velocemente
35:44 Data culture e Data Literacy
37:21 Come applicare questi principi nelle PMI
40:07 Conclusioni
📩 Newsletter di Stefano Gatti
https://stefanogatti.substack.com/
Altri episodi di "Dai dati alla Business Intelligence"



Non perdere nemmeno un episodio di “Dai dati alla Business Intelligence”. Iscriviti all'app gratuita GetPodcast.








