Cruscotto analitico di monitoraggio Outsourcers

10/06/2020

MARCO POLLANO
Professional Services Client Manager

Outsourcing
In questi ultimi anni, all’interno delle aziende del settore bancario ed assicurativo, la complessità del business da un lato e la necessità di scambiare informazioni con differenti enti (Clienti finale, Organi di Vigilanza, Strutture Interne) dall’altro, hanno spinto il management ad esternalizzare una serie di Servizi, che sono accessori al Business, ma che consentono di ottimizzarne la crescita ed il suo svolgimento. Telefonia, postalizzazione, digitalizzazione e conservazione degli archivi, sono solo alcuni esempi di servizi che le aziende scelgono di esternalizzare.

 

Una volta che l’outsourcee (colui che esternalizza) ha selezionato i servizi da esternalizzare e i partner da coinvolgere, deve poter gestire le relazioni instaurate con quest’ultimi attraverso adeguati meccanismi di governo e controllo.

 

Il processo di outsourcing richiede quindi al committente il possesso di particolari capacità che permettano di garantire un costante monitoraggio dei processi esternalizzati per quello che riguarda volumi, tempi, efficienza, qualità; diventa fondamentale poter monitorare le performance degli outsourcer e verificare il rispetto degli SLA (Service Level Agreement) concordati in sede contrattuale.

 

Strategica nell’ecosistema digitale delle aziende, diventa dunque la presenza di uno strumento informatico di monitoraggio che consenta di centralizzare in un’unica piattaforma tutte le funzionalità necessarie per l’attività di monitoring degli outsourcers.

 

 

Analytics a supporto
Le applicazioni di riferimento consentono al Management di monitorare l’operato dei propri outsourcers in modalità end to end, attraverso la gestione di workflow operativi, l’uso di dashboard e strumenti di Advanced Analytics.
Tali applicazioni hanno il vantaggio di presentare una spiccata modularità: il sistema può essere implementato in maniera progressiva, andando incontro alle esigenze che maturano in corso d’opera.
L’obiettivo di tali sistemi deve essere quello di rendere sempre più indipendente l’utente nella configurazione dei KPI (Key Performance Indicator) e nell’uso di Self-Analytics per il monitoraggio avanzato.

 

Make or Buy?
Utilizzare una piattaforma di mercato o realizzare un’applicazione custom?
Il mio parere, frutto di una lunga esperienza maturata su applicazioni in questo ambito, è che l’apparente saving iniziale di costi che un pacchetto specialistico già presente sul mercato può garantire in fase di start-up, viene ampiamente annullato dagli sforzi successivi per adeguare la soluzione alle peculiarità dell’azienda.

 

Le chiavi per un progetto di successo
Volendo privilegiare la realizzazione di una soluzione custom, risulta importante approfondire in maniera adeguata la raccolta dei Business Requirements e l’analisi funzionale. Tali attività devono a mio parere essere condotte utilizzando tecnologie già presenti all’interno dell’organizzazione o tecnologie leader di mercato, che possono facilitare l’implementazione e ridurre i tempi per l’avvio dell’iniziativa e la messa in produzione del sistema.

 

Tale custom potrebbe prevedere un’architettura basata su 3 Layer:

 

 

1. Layer Dati: Un layer dati che attraverso processi automatici integra le informazioni elementari provenienti dai diversi sistemi e memorizza le informazioni di anagrafica dei kpi.

 

2. Servizi di Backend e Front End gestionali: Un layer di backend che si interfaccia con il database e dialoga con Web Application tramite servizi REST.
Tramite l’applicazione Web l’utente può:
a. Effettuare l’inserimento di misurazioni non automatizzate.
b. Certificare i dati e confermare l’applicazione di eventuali penali, calcolate attraverso l’utilizzo di un motore di regole completamente personalizzabile.
c. Eseguire il calcolo dei KPI.

 

3. BI & DASHBOARD: Cruscotti avanzati che consentono di analizzare le performance degli outsourcer.

 

Una volta definite in maniera puntuale la UX, la grafica e le funzionalità, la tecnologia può diventare un invariante, ma cito qualche esempio a beneficio di tutti:

 

  • Layer Dati: Db relazionali come MS SQL SERVER, Oracle, Postgress.
  • Servizi di Back end e Front-end: JAVA come linguaggio per i servizi REST e ANGULAR per la componente di FRONT END.
  • BI & DASHBOARD: QLIK, Power BI o Tableau come tool di dashboarding leader di mercato che consentono l’integrazione con strumenti di machine learning.

 

È possibile ipotizzare uno scenario di Data Platform completamente in Cloud attraverso l’utilizzo di AWS, Microsoft AZURE, Google.

 

La possibilità di estendere la base dati ad una struttura di Datawarehouse o Data Lake e quindi di immagazzinare grandi moli e varietà di dati apre le porte a scenari più innovativi che consentono di andare oltre gli scopi originari dell’applicazione: ad esempio l’inclusione di un modello di data mining in grado di fornire previsioni future sul comportamento di un certo outsourcer secondo algoritmi di Machine Learning.

 

I suggerimenti per chi ha l’opportunità di cimentarsi in un progetto analogo sono:

 

  • Disegnate e progettate in maniera completa e modulare, fatelo a quattro mani con il cliente.
  • Definite un’architettura ed un modello funzionale esaustivo.
  • Privilegiate piattaforme tecnologiche “semplici” e “di mercato” su cui trovare senza problemi competenze a costo sostenibile.

 

Infine, i consigli per l’azienda che intende dotarsi di un sistema simile:

 

  • Partite dalle esigenze di business dei vostri utenti e del management.
  • Disegnate in modalità scratch le componenti di UX, Grafica, Business Rules.
  • Realizzate un applicativo che soddisfi le vostre necessità, realizzatelo in maniera modulare organizzando il progetto in fasi e rilasci auto-consistenti. Questo vi permetterà non solo di assicurare un rapido raggiungimento dei risultati (in modo da avere anche una precisa ed immediata valutazione del ritorno sugli investimenti) ma anche di avere un valido feed-back per l’evoluzione del progetto. Ad ogni iterazione, infatti, sarà possibile modificare quanto già sviluppato in funzione delle mutate esigenze o di una migliore comprensione delle stesse.