Garbage in, garbage out: e il principio fondamentale dell'AI applicata ai dati aziendali. Prima di investire in modelli ML o chatbot, e necessario che i dati siano affidabili, accessibili e ben organizzati. Per molte PMI, questo e il vero lavoro da fare prima di scegliere il modello AI piu recente.

I problemi piu comuni nelle PMI

Silos di dati: il CRM non parla con l'ERP che non parla con il gestionale del magazzino. I dati sono frammentati, duplicati e inconsistenti tra sistemi diversi.

Dati senza owner: nessuno sa chi e responsabile di quale dato, chi puo modificarlo e chi puo accedervi. Il risultato e dati non aggiornati e decisioni basate su informazioni errate.

Mancanza di definizioni condivise: cliente attivo significa cose diverse per il commerciale, la contabilita e il customer service. Senza definizioni univoche, i KPI confrontati tra reparti non hanno senso.

Da dove iniziare

Data inventory: mappare tutti i sistemi che producono o archiviano dati, cosa contengono, chi li usa e quanto sono affidabili.

Data owner: assegnare un responsabile per ogni dominio di dati (clienti, prodotti, ordini, fornitori) che garantisce la qualita e definisce le regole di accesso.

Dizionario dei dati: documento condiviso che definisce ogni campo significativo: cosa significa, come si popola, chi puo modificarlo.

Data quality baseline: misurare lo stato attuale: percentuale di campi vuoti, duplicati, valori anomali. Solo misurando la qualita attuale si puo migliorarla.