Dati e velocità: lezioni dalla Formula 1

Dati e velocità: lezioni dalla Formula 1

La Formula 1 rappresenta la punta di diamante del settore automobilistico. Ma se si parla di gestione della performance, il suo ambiente “veloce e feroce” è il luogo ideale da cui attingere idee ed ispirazione da applicare anche ad altri settori industriali caratterizzati da iper-competitività.

È come una straordinaria “macchina del tempo”: ciò che si vede nella F1 in un determinato periodo storico in termini di tecnologie, metodologie, processi, si vedrà dopo qualche anno nel mondo degli “umani”. Se ne è discusso recentemente alla Cass Business School di Londra.

Viviamo in un mondo molto complesso e questa complessità è dovuta ad alcuni fattori tra cui, innanzitutto, la velocità. Tutto si evolve rapidamente così come emergono in modo esponenziale le “nuove” aziende (si parla di Exponential Organisations), come Uber o Airbnb. Ma qual è la benzina che alimenta questa crescita vertiginosa? I dati. Dati che sono all’interno delle nostre organizzazioni, che sono all’esterno delle nostre organizzazioni, e che sono veloci ad attraversare quel muro ormai sottile tra il dentro e il fuori.

Questo effetto, chiamato data revolution, era ben presente in F1 sin dagli inizi del 2000 (e anche prima): la misurazione, definita “telemetria”, dei dati provenienti dalla vettura, oggi si chiama oramai comunemente Internet Of Things . Ai tempi, i dati prodotti dai software di simulazione necessitavano di supercalcolatori disponibili a pochi, i quali a loro volta generavano una quantità di dati impressionanti che richiedevano tecnologie avanzate dai costi imbarazzanti. Oggi queste tecnologie sono disponibili a qualunque startup, grazie ad infrastrutture in cloud nate negli ultimi anni e accessibili a tutti.

Ma cosa possiamo fare con tutti i dati di cui gli ingegneri della F1 parlano sempre? Nell’antichità si consultavano gli oracoli: persone particolarmente dotate, almeno così si credeva, capaci di leggere particolari segnali in grado di indicare quali fossero le decisioni migliori per conseguire determinati obiettivi. La F1 fin dagli albori ha individuato nella lettura dei dati, gli indicatori fondamentali per indirizzare la strategia, designando come moderno oracolo il data scientist: un profilo professionale composto da un mix esplosivo di competenze.

Il data scientist possiede la conoscenza delle tecnologie e dei linguaggi di programmazione utili ad attuare le necessarie investigazioni: in un clima di velocità ed incertezza, nella sostanziale impossibilità di prevedere quale tipo di dato sarà necessario per prendere una certa decisione, il data scientist ha bisogno di un toolbox di competenze informatiche che utilizza in base alle necessità.

Un’altra arma fondamentale è la conoscenza della statistica, degli algoritmi e dei principi di Machine Learning. Grazie all’evoluzione della potenza di calcolo dei computer e alla spinta derivata dai colossi digitali (Google, Amazon, FB, Apple, Ms), algoritmi e soluzioni come l’intelligenza artificiale hanno raggiunto un tale grado di maturità che li rende già disponibili per essere applicati a reali casi di business (avete mai notato come Amazon vi consigli nuovi acquisti in base ai vostri gusti? o come il vostro smartphone sia in grado di ricordarvi alla sera, senza che ne facciate richiesta, che state andando a casa e quanto tempo durerà il vostro viaggio?).

Un altro elemento che non può mancare nel bagaglio del data scientist – e che in F1 è da tempo oggetto di studio – è la componente umana. Potete immaginare cosa significhi dover decidere in pochi secondi se fare o meno pit stop, sapendo che questa decisione potrebbe impattare in modo determinante sulla vittoria della gara e magari del mondiale. O immaginate ancora, dal punto di vista organizzativo, cosa voglia dire dover apportare costanti modifiche alla vettura di settimana in settimana, gara dopo gara, pur dovendo mantenere un piano di sviluppo almeno annuale.

In F1 i dati hanno aiutato e da sempre aiutano a vincere gare e campionati. È affascinante pensare come il potenziale dei dati non sia soltanto quello di descrivere il nostro business o i nostri prodotti, ma quello di dare al mondo una nuova forma attraverso decisioni più consapevoli che verranno prese per il futuro nostro e delle nostre aziende.

Piergiorgio Grossi

Foto del profilo di Piergiorgio Grossi
Piergiorgio Grossi è Vice President Innovation di Iconsulting. Dopo una laurea in Ingegneria Elettronica e un Corporate Master in Business Administration, ha iniziato la sua carriera come Software Engineer. Nel 2000 è approdato in Ferrari, dove è rimasto per 13 anni fino a ricoprire il ruolo di Head of Information Systems della Scuderia. È co-fondatore di CoderDojo e tiene lezioni presso Master e Università, tra cui Bologna Business School, MIP, ISTUD, Università Ca' Foscari e Università di Genova.

Lascia un Commento

x

Guarda anche

Quanto guadagna un amministratore delegato

Le retribuzioni fisse e variabili dei vertici delle maggiori società quotate italiane analizzate nello studio annuale di Mercer