Appunti Comportamento organizzativo

STRUMENTI IT E OBIETTIVI ORGANIZZATIVA A LIVELLO DI GRUPPO e A LIVELLO ORGANIZZATIVO

IT=informatin technology: come può diventare un elemento che indirizza il comportamento? Verso cosa ci incanala

questa tecnologia? Che argini sono stati messi? Come manager devo chiedermi che comportamento abilita questa

tecnologia. Sia individuale che di gruppo organizzativo. IT ha quattro funzioni principali:

1. Monitorare

2. Valutare

3. Dare feedback

4. Compensare

Quali vantaggi e svantaggi ha sviluppare queste funzioni con una tecnologia informativa. Che tipo di KPI devo inserire

per monitorare? Numero di problemi risolti su numero chiamate ricevute. Non è una cosa ovvia. Ogni volta che si

inseriscono misure di questo tipo, tracciate da IT, abbiamo due effetti: cambiamo radicalmente il modo con cui

queste persone percepiscono il lavoro, né in positivo che in negativo, se so che vengo valutato trovo scappatoie. È

difficile fare questo perché non è sempre ovvio quale elemento posso convertire in funzionalità IT: non si può

misurare un sistema senza influenzarlo. Esempio dei ricercatori: misurati in base al numero di pubblicazioni. Nel caso

dei feedback solo certi feedback possono essere dati direttamente tramite IT. Il manager non può lavarsene le mani.

Bisogna stare attenti a dare feedback con IT: vantaggio perché è una misura oggettiva e pochi discutono, lo

svantaggio vincola su due cose: puoi esclusivamente dare misure oggettive, non posso considerare delle sfumature,

per es. se hai dovuto affrontare qualcosa di più complesso rispetto agli altri, inoltre i feedback vano sempre dati a

360 radi e quindi vanno considerate tutte le sfumature in realtà. il sistema IT filtra molto. Quindi grandi svantaggi del

percepito della persona che riceve il feedback. Uguale per i sistemi di ricompense: posso basarli su sistemi IT ma

devo conoscere tutti i limiti a cascata che ne seguono.

A seconda del macro obiettivo dell’azienda conseguono scelte particolari di IT vantaggi e svantaggi:

 Interventi IT che mirano a incrementare la produttività dei dipendenti e ci sono due macro famiglie:

- OLPT(online Transaction Prcessing) Che vantaggi portano? Sulla produttività: risparmio di tempo,

diminuzione di costi ed errori es. la paga.

- CIS (Customer-integrated system) sono integrati lato cliente finale. Per esempio se preleviamo i soldi

dal bancomat, come se ci fosse un dipendente allo sportello. Anche qui incremento la produttività

ma ho anche integrato il cliente. Es. IKEA.

 Intervento IT che ottimizza i processi decisionale e come posso aiutare le persone a prendere decisioni?

- Software: OLAP (OnLine Analytical Processing) per esempio rispondendo a domande molto

complesse, dove vado a creare il mio plant per il mio magazzino?

- GRUPPO 1: Strumenti che analizzano ma lasciano la decisione all’utente

 DDS (Decision Support Systems);

 GIS (Geographic Information Systems): ti mostro le informazioni su una mappa;

 EIS (Executive information Systems).

- GRUPPO 2: strumenti che propongono indicazioni sulle attività da interpretare:

 AI (intelligenza artificiale)

 Data werehouse

I vantaggi che portano sono creazione di alternative, suggerimento di soluzioni e drill-down (scambio

rapido di informazioni)

 Interventi IT che migliorano la collaborazione di gruppo:

- Sistemi di collaborazione

- Groupware (sw usato per la collaborazione del gruppo)

I vantaggi sono la gestione di competenze nell’organizzazione, il supporto per chi è in sedi distaccate,

semplificazione comunicazione, rapido sviluppo delle applicazioni. Ma bisogna fare attenzione a quanto

spingere l’integrazione.

 Interventi IT che creano alleanze e partnership particolari:

- IOS (Inter-organizational systems): automatizza il flusso di informazioni tra le organizzazioni per

supportare pianificazione, progettazione, sviluppo, produzione e consegna. Architettura che

permette lo scambio di informazioni.

- EDI (Electronic data interchange): formato standard che comprime le informazioni cartacee in record

digitali.

I vantaggi sono: la gestione della supply chain, la condivisione di competenze e abilità (es. partnership

commerciale- quali pezzi vanno in più?), attivazione del commercio elettronico B2B.

Man mano che mi avvicino al vertice e più nascono

nuove figure.

DBA (database analyst): mi guardi quanto di quel

prodotto è stato venduto in quella data area geografica?

Data Analyst: viene messo ad analizzare i dati se ci sono

dei trend o delle opportunità che potrebbero essere

sfruttati, se ci sono fatti ricorrenti. Non hanno una

visione ampia di quello che accade nell’azienda. Quale è

il vantaggio di avere tutti i dati accumulati?

Business Analyst: dati questi trend capisce cosa bisogna

farci, è in grado di rappresentare graficamente le

Informazioni in modo interessante.

Investo in soluzioni IT. In cos’altro investo per avere successo?

IL PARADOSSOPRODUTTIVO DELL’IT

Il paradosso produttivo dell’IT: nel 1990: Non c’è una relazione positiva tra investimenti IT e la produttività aziendale.

Dopo 20 anni: per una relazione positiva bisogna verificare se oltre agli investimenti l’azienda ha:

1. Capacità tecniche IT quanto internamente sono in grado di sfruttare da quello che è stato recuperato;

2. Infrastruttura IT

3. Capacità manageriali

4. Capitale intellettuale dell’azienda

5. Le capabilities organizzative adatte all’obiettivo che l’IT abilita (integrazione supply chain, big data

analytics..)

Possiamo anche costruirci nella piramide direzionale delle persone che siano competenti per estrarre valori da questi

dati, però bisogna avere un manager consapevole che le sue decisioni debbano essere coerenti con questi dati.

Questo non è per nulla ovvio. Da una parte c’è la capacità manageriale e dall’altra c’è ma come faccio io a far si che a

livello organizzativo funzioni tutto questo? Analizziamo questa tematica con il tema del Big Data. Parola chiave che

va di moda ma in realtà sono: dati che vanno oltre a quella che è la capacità classica dei sistemi informativi di

elaborare questi dati. Sono dati troppo grandi che si spostano troppo velocemente o che non si adattano alla

struttura dell’ architettura del nostro database. Quindi per elaborarli non può essere usata la piramide di prima. Non

posso prender il dato e salvarmelo da qualche parte. Ma bisogna lavorare in modo diverso. Esempio: grafico che fa

vedere pesantezza dei dati. Google Search Index (rosso), in giallo è quanto carichiamo su fb ogni anno, la palla viola

sono le e-mail di lavoro spedite ogni anno. l’unità di misura sono i Terabyte. Queste info crescono sempre più. Il Data

Creation (grafico con curva

esponenziale) nel 2019 la curva era

bassa, la curva è esponenziale ed espone

il problema di come gestire questo

problema che cresce ogni anno. Ogni 2

anni il 90% dei dati attuali viene

riprodotto. Dato interessantissimo: di

tutto ciò che ci teniamo dentro noi

riguardiamo lo 0,5%: da un lato non

avrebbe senso salvarlo dall’altro non

abbiamo gli strumenti per andare a

riguardarlo. Se no ho un layer

intermedio che mi spieghi che valore

dare a quel dato è difficile che io capisco

a cosa mi servano. Oggi vengono prodotti dati da tutto : parti machine file come rec lezioni (es.unibo) dati superiori

rispetto a file di excel. Si definiscono le 4 V per descrivere il Big Data:

1. Volume: quanta di roba che viene prodotta in minuti, ore, mesi, anni;

2. Velocità: a che velocità vengono generati questi dati;

3. Varietà: non solo la transazione dello studente o paga professore ma ha anche una quantità di materiale

come file excel report compiti online ecc. che vanno gestiti e salvati con varietà di formati , video vocali ecc;

4. Veridicità: quanto possono essere veramente affidabili questi dati. Cosa vuol dire? 1 su 3 non crede alla

veridicità dei dati della propria azienda. Non credo che

la mia azienda sia in grado di fornirmi il dato richiesto

pulito e corretto quando la chiedo, perché troppe info

e troppi liv gerarchici.

Perché ci interessa parlare di questo? Non sempre si tratta di

big data. Ma anche ipotizzando che i dati siano big cosa ci serve

per rendere di valore quello che sta dietro a questi dati? Tre

elementi e come misurarli per capire se stiamo lavorando bene

come azienda a livello di capability (competenza)organizzativa:

cosa mi serve per affermare che l’azienda ha una capacità di

analisi sui big data?

E sono state individuate tre grandi classi:

 TANGIBILE (TECHNOLOGY)

Ha tre livelli: i dati, la tecnologia da selezionar e le risorse di base come tempo e soldi. Ci interessa il giusto.

Visto che o dati sono su diversi sistemi l’integratore scorpora la query e li incanala in diversi silos. Ma ci

possono essere delle interferenze. Integratore a valle che va ad aggiornare tutto ciò che vado a inserire di

nuovo. Ci si sta muovendo verso un’architettura dati che fa si che per mantenere un’integrazione di

informazione (sistema informativo) mi obbliga ad avere un all’architettura: integratore che obbliga

l’informazione ad essere pulita, aggiornata. Tecnologie molto specifiche. Usate certe forme di tecnologie. Ci

sono abbastanza risorse adeguate di tempo o di soldi? Per esempio facciamo abbastanza formazione al

livello tecnico? Stiamo investendo sufficientemente? Parte tangibile però ci interessa relativamente.

 UMANO

Come si monitorano competenze umane? Si dividono

tra competenze manageriali e competenze tecniche.

Competenze tecniche: es. abbastanza training verso

gli impiegati? Staff ha competenze adatte per

raggiungere obiettivo? Es. Data scientist:

fondamentale farlo girare. Difficile da trovare come

figura che ha tutte quelle competenze richiesta.

Figura composta da diversi professionisti.

Competenze manageriali: inoltre per vedere se

umanamente l’azienda ha questa capacità

manageriale al proprio interno si va a chiedere ai

dipendenti di valutare le risposte a queste domande: i ns manager che analizzano i big data, capiscono e

apprezzano i bisogni del business o di altri manager o dei clienti o sono in rado di lavorare coi suppliers o

clienti. Sono in grado di coordinare attività coordinate a info che vengono dai big data e di anticipare i

bisogni futuri del ns business? Sono in grado di interpretare gli output che vengono dai big data? Cosa ci

mostrano queste domande? Ci mostrano il grande problema dei big data: come fa il manager a dar valore a

questo pattern ? ci sono due metodi che il manager può utilizzare per dare valore all’info tirate fuori dai dati:

a) Capacità di fare upselling: vendite incociate, massimizzare le vendite (es