la digitalizzazione e e risorse umane

La Digitalizzazione e erisorse umane

Definizione organizzazione del lavoro

Insieme di obblighi e diritti attribuiti al singolo lavoratore o a gruppi di lavoratori.

Obiettivi: - Efficienza e redditività del processo- Benessere e sicurezza del lavoratore- Ottimizzazione dell‘applicazione delle tecnologie disponibili

LE COMPETENZE DIGITALI NELLE PROFESSIONI 2

Il percorso evolutivodell’organizzazione del lavoro


Storia dell’organizzazione del lavoro

L‘approccio scientifico meccanico

I Principi base:•specializzazione del lavoro;•centralizzazione dell’autorità; •unità di comando; •ambito del controllo; •equità; •rapporti di lavoro di lungo periodo.

I modelli di riferimento:•Frederick W.Taylor: specializzazione delle mansioni e monetizzazione del ruolo•Henri Fayol: il modello funzionale•Henry L.Gantt: lo scientific management



L‘approccio organicistico:

I principi base:•Il sistema aperto•La competenza e l‘informazione•La matrice organizzativa

I modelli di riferimento:•Elton Mayo: la scuola delle relazioni umane•Abramham Maslow: le teorie motivazionali•Ludwig von Bertlanffy: la scuola sistemica e la teoria della contingenza



L‘approccio intellettuale

I principi base:•Il ruolo dell‘informazione•La raccolta e l‘elaborazione•I sistemi autorganizzanti

I modelli di riferimento:•Herbert A.Simon: l‘approccio decisionale•La learning organization:

•Apprendimento a subroutine unica•Apprendimento a subroutine doppia

•Il total quality management


L’organizzazione del lavoro lungo le 4 rivoluzioni industriali

1.La meccanizzazione – nasce la manodopera ed il rapportoproprietà/lavoratore2.La catena di montaggio (l‘utilizzo della corrente elettrica) – la ricercadell‘efficienza e dell‘organizzazione puntuale e la specializzazione del lavoratore3.L‘automazione e l‘elettronica – l‘organizzazione sistemica dalla lean alla learing organization ed il ruolo delle competenze4.La cibernetica, i Big Data, il Cloud – l‘organizzazione integrata del ciclo di sviluppo e di produzione e la valorizzazione dei soft skills


L’evoluzione delle relazioni

1^ Rivoluzione industriale

Utilizzo di macchine azione da energia meccanica

Il lavoratore


Produzione di massa e catena di montaggio

L’organizzazione del lavoro e delle funzioni aziendali


Robot industriali e computer

I team di lavoro e l’organizzazione sistemica


Connessione tra sistemi fisici e digitali

L’organizzazione integrata tra risorse umane e macchine


Elementi chiave nell’evoluzionedell’organizzazione del lavoro

• La diffusione delle tecnologie e l‘accessibilità dei sistemi di comunicazioni ad alta velocità determina:

• l‘affermazione del processo complessivo di digitalizzazione delle attività e dei processi

• La disponibilità di accesso a tecnologie e soluzioni in grado di processare, memorizzare e trasmettere grandi quantità di datiin modo autonomo, richiede:

• un ripensamento del ruolo delle persone nei processi lavorativi;

• l‘aumento del valore delle competenze dei lavoratori


Il punto di partenza

• La disponibilità di accesso a tecnologie e soluzioni in grado di processare, memorizzare e trasmettere grandi quantità di dati richiedeun ripensamento del ruolo delle persone nei processi lavorativi.

• Se da un lato diventa possibile delegare a soluzioni più o menorobotizzate o cibernetiche una parte delle azioni da svolgere, dall‘altroaumenta il valore delle competenze dei lavoratori, sempre negli ambitidella capacità di elaborazione, qualificazione e convisione di contenuti, attraverso l‘uso delle capacità di calcolo, archiviazione e trasportodisponibili.


Il supporto delle tecnologie “digitaliemergenti”

Evoluzione nel tempo della relazione tra:• velocità di elaborazione/trasmissione delle informazioni

• quantità di informazioni elaborate/trasmesse• costo di elaborazione/trasmissione

Azioni elementari di riferimento:• Sistemi di input ed output• Memorizzazione• Elaborazione• Trasferimento


Il ruolo del lavoratore ai tempi delladigitalizzazione

La qualificazione digitale delle azioni degli operatori:

Data mining: estrazione o generazione di nuove informazionio dati

Data qualification: assegnazione degli attributi qualificativiall‘informazione, certificazione del suo stato di ingresso e delle relazioni



La classificazione delle azioni operative:• Analisi: raccolta e segmentazione delle informazioni• Progettazione: identificazione delle soluzioni, o della riduzione

dell‘indeterminatezza, che un‘informazione può fornire• Esecuzione: inserimento dell‘informazione nel ciclo di lavoro o

operativo, mettendola in relazione con il processo esistentegarantendo la fault tolerance

• Controllo: predisposizione di modalità per il monitoraggiodell‘utilizzo dei dati e del loro contributo al miglioramento del processo



• Lo spazio dimensionale delle risorse umane: dalladisintermediazione all‘inclusione

• La valorizzazione: come cambia la partecipazione del lavoratore alla creazione del valore produttivo

• I punti di valore insostituibili:• Deontologia• Condivisione


Il diverso spazio operativo dei lavoratori

• Aumento della robotizzazione o digitalizzazione produttiva grazieall‘accesso a basso costo a nuove tecnologie con alta capacità di elaborazione.

• La possibilità di governare processi complessi, o potenzialmentepericolosi per l‘uomo, in modo remoto e indipendentemente daiterminali di interazione.

• L‘esigenza di maestranze, digital e process oriented, in grado di identificare, predisporre , applicare e controllare soluzioniautomatizzate a beneficio della collettività e della capacitàindustriale più propria.


Il diverso spazio operativo delle lavoratori

Il nuovo spazio dimensionale delle risorse umane, ovvero dei lavoratori, è rappresentato dalla partecipazione alla determinazione dei contesti operativi

più che di essere il solo strumento operativo.

Un esempio: il barman robot richiede più di un operatore umano cheidentifichi ed organizzi il modello di business, l‘interazione cliente, la customer satisfaction, la logistica, l‘innovazione permanente, la gestione e la sicurezza dei dati scambiati ecc.: il lavoro può liberarsi dalla fisicità per concentrarsi sulla qualificazione del valore intrinseco determinabile


EsempioFabbisogno dell‘utente finale: accesso alla ristorazione- Soluzione a) disintermediazione totale:

- Cibo a domicilio- Specializzazione delle mansioni della catena- Concentrazione verso l‘alto della remunerazione- Dequalificazione delle risorse umane

- Soluzione b) organizzazione centralizzata (ristorante ad altacapacità):

- Luoghi di socializzazione- Ecosistemi di interazione e raccolta dati di processo e di customer satisfaction- Ottimizzazione delle risorse e degli approvvigionamenti- Distribuzione della remunerazione in relazione alla partecipazione al processo- Valorizzazione e qualificazione delle risorse umane in relazione alla partecipazione

al processo in termini analisi, controllo, elaborazione e produzione


Condivisione: significato e modalità di espressione

- i Dati: ovvero le informazioni rappresentanti gli eventi passati

- le Conoscenze: la possibile discontinuità positiva e creativa

- le Tecnologie: soluzioni qualificate per problemi classificati


La gestione delle competenze

• Nuove competenze verticali a valenza digitale

• Enucleazione del dato dal processo o dall’evento

• L’organizzazione del lavoro condivisa e adattativa


Strumenti per la gestione delle competenze:

• Valutazione del posizionamento delle competenze del lavoro in

rapporto alle tecnologie:

• Se si posizionano sotto al livello operativo garantito dall’applicazione delle tecnologie, si ha la

disintermediazione del valore del lavoro

• Se si posizionano sopra a detto lavoro operativo rappresentano la capacità di creare valore

• Life long learning organization


La nuova figura del Data Scientist

Definizione: operatore in grado di interpretare ed estrarre conoscenza dai dati

attraverso una fase di analisi realizzata tramite principi metodologici basati sul

metodo scientifico, ovvero tramite l'osservazione e l'esperimento al fine di formulare

ipotesi e teorie, unita a tecniche multidisciplinari riferite ai domini applicativi dei dati


Ma come rendere operative le analisi dei dati? (ref. Scott Berinato HBR marzo 2019)

Problema: gli investimenti in data science non sempre riescono ad attivare i percorsi di

miglioramento desiderati

Cause: definizione coerente degli obiettivi dell’analisi, estrazione di elementi pertinenti ai

processi analizzati, comunicazione delle conoscenze acquisite all’azienda

Soluzione: utilizzo di un team multidisciplinare che includa almeno 6 competenze:

- Project management

- Data munging

- Data analysis

- Esperienza della materia

- Design

- Storytelling


Quali sono queste competenze?

Project management: organizzazione del lavoro e gestione del gruppo, creando un

linguaggio comune, ad esempio con metodologia Scrum (trasparenza, ispezione

adattamento)

Data munging: creazione di sistemi efficienti e solidi per la gestione ed il trattamento dei dati,

al fine di estrarre contenuti affidabili

Data analysis: formulazione e verifica di ipotesi relative al significato dei dati e della loro

applicazione ad un preciso contesto di business

Esperienza della materia: esperienza e conoscenza del settore o dominio applicativo del

contesto di business oggetto dell’intervento

Design: sviluppo di sistemi di comunicazione visiva efficace applicata ai dati ed ai processi

Storytelling: presentazione delle indicazioni generate dall’analisi dei dati come una

narrazione applicabile o mutuabile nel contesto di business interessato


Costruzione del pannello delle competenze

Le Competenze necessarie:A. Project management

B. Data munging

C. Data analysis

D. Esperienza della materia

E. Design

F. Storytelling

Le Competenze delle singole persone:

Mario : E,F

Serena: B,C

Marcello: A

Sonia: B,A

Elisa: B,C,D,E

Alessandra: E,D

Profondità di conoscenza:

A. Project management ++

B. Data munging +++

C. Data analysis ++

D. Esperienza della materia ++

E. Design +++

F. Storytelling +

(ref. Scott Berinato HBR marzo 2019)


Pianificazione del futuro progetto

Sviluppo del

modello

Esplorazione Ipotesi e analisi

Presentazione

Principale B,D B,C,C,D C,C,D D,E,F

Supporto B,B,C,E B,B B,E,F B,E

Costante A A A A

Tempo

(ref. Scott Berinato HBR marzo 2019)


Le competenze fondamentali per comunicare i dati

Competenza Compito Abilità Principale A supporto

Project management

• Gestire formazione del team, programmazione, tempistiche

• Identificare e risolvere i problemi

• Organizzazione• Metodologia• Gestione delle

persone

• Durante la creazione del servizio di data science

• Durante l’esecuzione del progetto

• Durante le operazioni di data science

Data Munging

• Reperire, pulire e strutturare i dati

• Sviluppare e implementare sistemi, modelli e algoritmi

• Sviluppare template

• Programmazione• Statistica• Architettura dei

sistemi

• Nelle prime fasi del team di data science

• Nelle prime fasi del progetto

• Durante le analisi, la progettazione, la verifica e l’esplorazione visiva dei dati

Data Analysis • Sviluppare e testare le ipotesi sui dati ed i relativi modelli

• Individuare schemi o tendenze utili per le decisioni di business

• Statistica• Metodo Scientifico• Pensiero critico• Comunicazione

tecnica e non

• Durante le analisi, la progettazione, la verifica e l’esplorazione visiva dei dati

• Nelle prime fasi del team di data science

• Nelle prime fasi del progetto• Durante lo sviluppo della

comunicazione e la presentazione


Le competenze fondamentali per comunicare i dati

Competenza Compito Abilità Principale A supporto

Conoscenza del settore

• Definire gli obiettivi di business

• Sviluppare e verificare ipotesi

• Sviluppare la comunicazione non tecnica

• Conoscenza funzionale

• Pensiero critico• Strategia• Comunicazione

• Durante analisi, progettazione, verifica ed esplorazione visiva dei dati

• Durante la comunicazione

• Nelle prime fasi di vita del team

• Nei processi di design e visualizzazione

Design • Sviluppare la comunicazione visiva e le presentazioni

• Creare stili e template per visualizzazioni ripetibili

• Design dell’informazione

• Progettazione• Design thinking• Comunicazione

• Durante la visualizzazione dei dati e la creazione di presentazioni

• Durante l’iterazione e prototipizzazione degli elementi visivi

Storytelling • Sviluppare storie a partire da dati e rappresentazioni

• Contribuire alla elaborazione di presentazioni in formato storia

• Effettuare presentazioni

• Design dell’informazione

• Scrittura e editing• Presentazioni• Comunicazione

persuasiva

• Durante la creazione di dataviz e presentazioni

• Durante la presentazione a pubblico non specialistico

• Durante l’iterazione e prototipizzazione degli elementi visivi


Il valore della condivisione e dellacooperazione agile

Dimensione e complessità dei dati, uniti alla eterogeneità di campi applicativi richiedono team

di persone e competenze

Come costruire un servizio di data science:

• Definire le competenze

• Creare un portafoglio di competenze attraverso i talenti

• Condividere l’accesso alle competenze del team

• Strutturare i progetti attorno ai talenti

Quale percorso adottare:

• Definire un unico stakeholder

• Nominare talenti guida e talenti di supporto

• Condividere gli spazi

• Renderlo un vero team

• Formulare template da riutilizzare


Il ruolo del processo e del controllodel suo workflow

Definizione di processo: insieme di attività interrelate, svolte all'interno

dell'azienda, che creano valore trasformando delle risorse (input del processo) in un prodotto finale (output del processo) a valore aggiunto, destinato ad un soggetto interno o esterno all'azienda (cliente)

Definizione di workflow: modello per la gestione dell'insieme dei compiti e i

diversi attori coinvolti nella realizzazione di un processo operativo

Evoluzione nel tempo della relazione tra:• velocità di elaborazione/trasmissione delle informazioni• quantità di informazioni elaborate/trasmesse• costo di elaborazione/trasmissione


I diversi momenti del flusso di lavoro:• Il concetto di „stato finito“• Il disequilibrio ovvero la sosteniblità perduta• Il processo di riequilibrio• La nuova situazione di equilibrio

Ognuno di questi stati è identificabile tramite una serie di dati o informazioni. Il loromonitoraggio permette di evidenziare la perdita di sostenbilità che ha bisogno di esserericomposta attraverso azioni che permettano la distribuzione di una nuova composizione didati rappresentanto il nuovo stato di equilibrio, e così all‘infinito.

La possibilità di rappresentare, simulare, valutare ed applicare soluzioni di sostenibilitàriduce la volatilità ed aiuta a migliora l‘equilibrio complessivo (ovvero può anchecontrastare e trovare nuovi processi per ridurre l‘accelerazione entropica).

Il workflow di processo


Definizioni di automa a stati finiti (i.e. Wikipedia)

Con gli automi a stati finiti, si possono modellare tutti i sistemi che possiedono le seguenti caratteristiche:

• Dinamicità: caratteristica di evolvere nel tempo passando da uno stato ad un altro.

• Discretezza: caratteristica che indica che le variabili d'ingresso e gli stati del sistema da modellare possono essere espressi con valori discreti.

• Simboli finiti: caratteristica che determina che il numero di simboli di ingresso e di stati sia rappresentabile da un numero finito.

Dal punto di vista pratico, il concetto di automa a stati finiti equivale acostruire un dispositivo che, a partire da sequenza di dati input, elaboradati , facendo uso di strumenti di calcolo più o meno complessi e dimemoria. In sostanza un ASF è un caso particolare di macchina diTuring, utilizzato per l'elaborazione di quei linguaggi che nelleGrammatiche di Chomsky sono definiti di Tipo 3 o Regolari.


Il workflow infinitoIl libero accesso a:

- Capacità tecnologica- Capacità di calcolo- Capacità di comunicazione/trasmissione

ha insito il rischio della frammentazione e della dispersione, perchè aumenta lanumerosità dei fattori determinanti per il processo ma non digitalizzati o qualificati.Ma già in questo caso un approccio metodologico a stati finiti può essere in aiutotramite la definizione di un processo a ricorso infinito in grado di produrre continuirisultati intermedi oggettivi di miglioramento:

Progettazione Produzione Controllo Diversificazione

Prototipazione Testing


Dai dati ai big data

Il metodo galileiano rappresenta una delle modalità digitali più note per rappresentare i processi.Il processo di digitalizzazione non è un concetto recente, ma l’accuratezza dei risultati ha sempre avuto alcuni grandi ostacoli:

- il tempo di elaborazione- la dimensione di elaborazione- le modalità di elaborazione- e la trasmissione storica degli elaborati.

L’integrazione nel tempo della velocità di calcolo, della quantità di datitrattabile, l’accesso trasparente alla connettività, ma soprattutto la presenzadiffusa, ai più svariati livelli, della competenza «digitale» presso la popolazionesta rendendo possibile l’accesso ai nuovi spazi di interazione anche integrabilicon elementi finalizzati alla salvaguardia ambientale e sociale.


ESEMPI

- Robot industriale

- Navigatori per il traffico

- Sistemi predittivi per familiarità malattie

- Casa domotica: es alexa di Amazon


Analisi e sintesi: la filosofia e l’Industria 4.0

La conoscenza e la rappresentazione delle realtà, insieme al metodo scientifico, costituiscono una delle basi dei processi di digitalizzazione dei processi industriali e non solo.

La capacità di identificare, utilizzare e dare valore di rappresentazione della realtà ai dati, li trasforma in unità costruttive di nuovi modelli operativi e trasforma le competenze dei lavoratori.

Infatti :- se da un lato il processo di scomposizione o analisi dei dati, offre la possibilità di

disintermediare l’apporto dell’uomo ed andare verso la robotizzazione,- dall’altro, l’estrazione di regole o algoritmi generali da rappresentazioni di dati separati,

ovvero la sintesi, diventa il luogo designato per l’intervento determinante del lavoratore «digitale», ed anche del cittadino, che, seppur virtualmente insediato dall’AI, resterà depositario del processo creativo di sintesi per eccellenza.


Definizione

Agile Organization

una rete di team all'interno di una cultura centrata sulle persone cheopera in rapido apprendimento e cicli decisionali veloci abilitati dallatecnologia, e che è guidata da un potente scopo comune di co-creare valore per tutte le parti interessate.(ref. McKinsey)


Team e leader agili(ref. Rigby,Sutherland,Noble HBR maggio 2018)

• organizzazione dinamica ed adattativa• indicati per sviluppare l’innovazione: miglioramento dei prodotti,

servizi, processi o modelli d’impresa• multidisciplinari e piccoli• in stretto contratto con i clienti• approccio procedurale ai problemi, secondo prototipi ed anelli di

retroazione• storicamente nati nei settori informatici, poi adottati da marketing,

sviluppo prodotto e risorse umane

Si riducono i livelli di controllo e approvazione, accelerando il lavoro ed aumentando il lavoro dei team.


Come diventare Agile(ref. Rigby,Sutherland,Noble HBR maggio 2018)

• Ciclo «try and learn»

• Sviluppo dinamico dei team e dei coinvolgimenti settoriali

• Strumenti per la governance:

▪ Tassonomia dei team

▪ Piano per la sequenza di transizione


Creazione di una tassonomia(ref. Rigby,Sutherland,Noble HBR maggio 2018)

• Tassonomia delle opportunità e dei team

• Le componenti:

▪ Esperienza del cliente

▪ Processi aziendali

▪ Sistemi tecnologici

• Approccio modulare e proceduralmente ricorsivo

• Individuazione dei talenti necessari per i team

• Gestione delle risorse umane


Il piano di implementazione(ref. Rigby,Sutherland,Noble HBR maggio 2018)

• Identificazione di priorità e sequenza dei passi• Criteri standard:

▪ Importanza strategica▪ Limiti di budget▪ Disponibilità di persone▪ Ritorno sull’investimento▪ Costi dei ritardi▪ Livello di rischio▪ Interdipendenze tra i team

• Elementi di verifica:▪ Difetti percepiti da clienti e dipendenti▪ Capacità e limiti dell’organizzazione


Quando il team è pronto(ref. Rigby,Sutherland,Noble HBR maggio 2018)

• Grande opportunità di business identificata• Responsabile di risultati specifici• Libero di lavorare in autonomia, con poteri decisionali chiari e

formato da un adeguato piccolo gruppo di esperti multidisciplinari entusiasti

• Impegnato ad applicare il metodo agile• Autorizzato ad operare in collaborazione con i clienti• Capace di realizzare prototipi rapidi• Supportato dagli stakeholder per affrontare gli ostacoli e far

adottare le soluzione sviluppate


Come diffondere l’organizzazione agile(ref. Rigby,Sutherland,Noble HBR maggio 2018)

Introdurre cambiamenti in 4 aree:• Valori e principi (agile vs. gerarchico)• Architetture operative (moduli e integrazione)• Acquisizione e motivazione dei talenti (product owner)• Cicli di pianificazione e di bilancio annuali (approccio dinamico e di

monitoraggio e riprogrammazione)

Si passa dalla gestione corrente all’innovazione, facendo leva sulla facilità di accesso alle nuove tecnologie digitali per l’interazione con

il cliente, lo sviluppo e la fruizione del prodotto e del servizio.



Via Ottavio Assarotti 1010122 Torino

Italia

[email protected]

mailto:[email protected]

la digitalizzazione e e risorse umane

Documents