Menu

AIDEA Conference 2019

Tracks

Track 5 - Big data e sistemi informativi nel governo dell'azienda (Big data e sistemi informativi nel governo dell'azienda)

Managers: Gilda Antonelli (gilda.antonelli@unisannio.it), Riccardo Beltramo (riccardo.beltramo@unito.it), Michela Matarazzo (m.matarazzo@unimarconi.it)

Read Track abstractIl termine Big Data è apparso per la prima volta a indicare un fenomeno che, con l'avvento del web 2.0 e con lo sviluppo degli strumenti mobile, tablet e smartphone, è diventato esplosivo e finalizzato a raccogliere e utilizzare dati per finalità sociali, scientifiche e di business. Si tratta di un fenomeno generato dall’accumulo di notevoli quantità di dati disomogenei che assumono un valore strategico importante in relazione alla capacità di estrarne informazioni utili alla gestione di organizzazioni e di processi. Tre dimensioni caratterizzano principalmente il fenomeno, note come "3 V": il Volume dei dati, la Varietà delle loro fonti e rappresentazioni e la Velocità di crescita. Si tratta di dati provenienti da fonti eterogenee: i database dell’impresa, le reti sociali, l’Internet of Things (IoT) per citarne alcune; dati rappresentati in modi diversi, spesso non strutturati, la cui abbondanza cresce a velocità sempre maggiore. L’Internet of Things (IoT) gioca un ruolo di primo piano perché, grazie alla diffusione di sensori, microprocessori e attuatori a basso costo, permette di realizzare reti che innervano tutte le funzioni aziendali, veri e propri sistemi nervosi artificiali che ricevono segnali, in continuo o secondo una periodicità stabilita, li trasmettono, li accumulano, li elaborano a favore di sistemi di Advanced Analytics in grado di governare i processi aziendali o, almeno, di elaborare scenari a favore del Management.
In particolare i Big Data trovano applicazioni in tre ambiti fondamentali:
1) Le organizzazioni e le risorse umane: tra le varie applicazioni manageriali in cui l’utilizzo dei big data apporta innovazioni possiamo annoverarne due, che riguardano sia la componente hard dell’organizzazione – la progettazione della struttura organizzativa - sia quella soft – le risorse umane che svolgono le attività. Dal punto di vista accademico ancora pochi sono i contributi scientifici, mentre molto forte appare l’attenzione sull’utilizzo dei big data nei processi organizzativi e per l’analisi delle risorse umane tra gli addetti ai lavori. L’utilizzo di dati sui processi, sui tempi, sull’efficacia ed efficienza di singole pratiche o di complessi modelli organizzativi utilizzati aumenta significativamente la consapevolezza dell’organizzazione in quanto tale. La visualizzazione che deriva dalla rappresentazione dei dati può portare al miglioramento e alla riprogettazione delle strutture organizzative, anche attraverso l’utilizzo di tecniche statistiche basate sull’ottimizzazione dei sistemi o l’analisi delle probabilità, che permettono in tal modo di sfruttare a pieno l’ottica predittiva legata alle analisi dei dati. Se ci si sofferma, allo stesso modo, sulla componente soft dell’organizzazione, le persone, People Analytics è un'area emergente di innovazione che, pur attingendo ai principi tradizionali della gestione delle risorse umane, rappresenta un cambiamento fondamentale nella capacità delle organizzazioni e dei loro leader di comprendere, modellare e ottimizzare strategicamente la propria forza lavoro. Questo cambiamento deriva dall'applicazione di tecniche statistiche per raccogliere, analizzare e visualizzare dati complessi su singoli dipendenti, team, divisioni e la forza lavoro nel suo complesso, al fine di ottenere informazioni utili. Tali approcci possono consentire una maggiore trasparenza sulle prestazioni, abilità, attitudini, debolezze, minacce e potenziali futuri degli individui e possono essere utili durante tutto il ciclo di vita dei dipendenti, dall'acquisizione di talenti alla pensione. Possono anche essere usati per profilare le dinamiche di squadra e le reti di comunicazione, per capire come questi influenzano la resilienza e gli esiti organizzativi. Inoltre, sempre più spesso, le tecniche di People Analytics si estendono oltre le metriche lavorative a nuove aree fino ad ora al di fuori della portata dei dipartimenti o dei dirigenti delle risorse umane, compreso il monitoraggio delle e-mail personali dei dipendenti, attività dei social media, dati biometrici e interazioni con dispositivi e app digitali. Questi possono essere presentati come un mezzo per sostenere l'"esperienza del dipendente" o migliorare il "benessere del posto di lavoro" mentre, di fatto, forniscono informazioni 24 ore su 24 circa la posizione, l'attivazione, l'umore, i futuri rischi per la salute e la vita sociale dei dipendenti. A queste innovazioni sono però connesse importanti sfide etiche, ad esempio per la tutela dei diritti dei dipendenti alla privacy e all'autonomia e sollevano questioni etiche più ampie sul futuro del lavoro umano e dell'occupazione in una società digitalizzata e guidata da algoritmi.
2) Il processo di decision making finalizzato alla creazione di valore per il cliente: i Big Data sono emersi come una tecnologia disruptive che sta producendo effetti in termini di rimodellamento della business intelligence, un dominio riguardante l'analisi dei dati e il loro utilizzo volto al miglioramento dei processi decisionali di marketing al fine di creare, consegnare e catturare valore per il cliente, con effetti positivi sul ritorno degli investimenti. In anni recenti sempre più dati sono diventati disponibili attraverso l'uso estensivo a livello aziendale di applicazioni (tra cui la messaggistica istantanea, Facebook messenger e WhatsApp) e piattaforme online, dati che sono progressivamente utilizzati per l'analisi del comportamento dei consumatori, l'elaborazione di strategie di marketing, la previsione di trend di marketing e la produzione di statistiche nuove, sempre più dettagliate e veloci. Non soltanto le grandi multinazionali, ma anche le PMI, in particolare quelle appartenenti a settori che adottano un approccio customer-centric, potrebbero avvalersi con successo dell'uso dei Big Data. Nel dominio del marketing di particolare rilievo è la triangolazione di small data, quelli che tipicamente nella ricerca di marketing misurano le percezioni dei consumatori, attraverso survey su campioni di convenienza di qualche centinaio di rispondenti, con Big Data che, invece, misurano comportamenti effettivi dei consumatori su campioni estesi di milioni di consumatori. Tale triangolazione consente di colmare il noto gap tra stated behavior e actual behavior.
3) In ambito produttivo, dove il Big Data è un pilastro della cosiddetta quarta rivoluzione industriale: il progetto Industria 4.0. Esso intende sviluppare una nuova organizzazione della produzione che tocca tutta la catena del valore. Dopo la meccanizzazione, l'elettricità e le tecnologie dell'informazione, che hanno portato le prime tre rivoluzioni industriali, è l'introduzione nella fabbrica dell'IoT e dei CPS (Cyber-Physical Systems) a fare da catalizzatore alla quarta. Il fulcro di Industria 4.0 è l'intercomunicazione fra gli attori e gli oggetti connessi, coinvolti nella linea di produzione. Robot e sistemi accedono in tempo reale a tutti i dati per reagire il più velocemente possibile a eventi, incidenti o situazioni di non conformità. Le metodologie di raccolta e di analisi dei dati tipiche del Big Data giocano un ruolo fondamentale nella fabbrica 4.0.. Per quanto concerne l’ottimizzazione dei processi produttivi, il Big Data può essere messo in relazione a:
• Gestione del magazzino: ottimizzazione delle scorte per evitare costi e sprechi. Un sistema che metta in relazione le scelte di acquisto, le modalità produttive e gli approvvigionamenti ottimizza i rapporti con i fornitori.
• Supply chain: l’impiego di reti IoT per la rilevazione e la gestione delle informazioni favorisce il dialogo tra tutti gli attori della supply chain, indipendentemente dalla dimensione aziendale e dalla localizzazione. Pertanto anche le funzioni della Logistica e dei Trasporti possono beneficiare di una gestione intelligente dei dati per sincronizzare i tempi di azione degli attori di una filiera.
• Operations analysis: all’interno di un’unità produttiva, le reti di sensori poste all’interno delle catene produttive e dei macchinari generano una grande quantità di dati che, elaborati da algoritmi intelligenti e distribuiti, generano scenari a favore di stakeholder e management. Non solo le operation strettamente produttive, ma anche le attività di manutenzione predittiva vengono favorite dall’elaborazione evoluta di informazioni relative ai parametri di processo.
• Sistemi di gestione per la qualità, per l’ambiente e per la sicurezza: la disponibilità di dati relativi alle preferenze dei consumatori è l’elemento di ingresso dei processi di progettazione di prodotto e servizi e, successivamente, di scelta delle tecnologie e delle variabili di processo. Le implicazioni in termini di aspetti ambientali e di salute e sicurezza sul luogo di lavoro sono la logica conseguenza di un processo di ottimizzazione delle unità produttive per rispondere alle esigenze dei consumatori. I sistemi di gestione necessitano di dati per la definizione di obiettivi e per la valutazione del grado di raggiungimento degli stessi. La rilevazione dei dati che è alla base del monitoraggio richiesto dagli standard internazionali in materia può essere facilitata dalle IoT e dall’elaborazione dei Big Data.
Questa track accoglie pertanto e incoraggia contributi teorici ed empirici, che abbiano attinenza ai seguenti temi:
• Il ruolo delle tecniche di analisi dei dati e la creazione di organizzazioni agili
• Il ruolo dei dati per il cambiamento organizzativo e culturale
• I Big Data e la gestione dei talenti
• L’uso dei dati per l’analisi di clima
• Le strategie di gestione delle risorse umane basate sui dati
• L’utilizzo dei talenti e delle risorse umane nella gestione strategica dell’azienda
• L’etica e il rispetto della privacy nell’uso dei dati sulle persone
• Nuovi Key Performance Index legati all’uso di Pubbliche Amministrazioni

Thursday 12th September 2019
  Aula Onida 17.30-19.00
Friday 13th September 2019
, 08.45-10.15

 

PAPERS

Smart labels/packaging in the food industry: a preliminary literature review
Erica Varese, Anna Claudia Pellicelli
AbstractThe most popular way for identifying and tracking objects is by adding labels which, during the fourth industrial revolution, so called Industry 4.0, have evolved from pure hand-written labels to barcodes, QR codes and RFId tags. The purpose of this paper is to analyse the extant literature on smart label/packaging, in order to understand their variety and diffusion for drawing future strategies for food business operators. Smart label/packaging may be defined as a recent business tool that may revolutionize the world of communication between company and consumer. The search was conducted as a structured keyword search: the library service of Scopus (www.scopus.com) was used to search for related material. The keywords “intelligent label” (hereafter, IL), “intelligent packaging” (hereafter, IP), “smart label” (hereafter, SL) and “smart packaging” (hereafter, SP) were used in the article title and text, abstract, and keywords of the above-mentioned library service. Quotation marks were used in order to specify terms which should appear next to each other. The first article selected dates back to 1994 and was written by Bahrami et al.; the most recent ones are from 2019. Most of the 43 selected papers may be classified as research article (N=25), conference paper (N=11), review (N=7). This paper aims at giving, also to consumers, an idea of the way smart labels are currently used in our society and of their massive application not only in the logistic field, but even in other non-food sectors and more recently for food products. This study also has some limitations: only one library service was consulted; therefore it would be necessary, for the sake of a broader point of view, to investigate at least some of the major publishers.

People analytics: ethical considerations for organizations
Aizhan Tursunbayeva, Claudia Pagliari, Stefano Di Lauro, Gilda Antonelli
AbstractPeople Analytics (PA) is an emerging area of innovation which, although it draws on traditional principles of human resources management (HRM), represents a seismic shift in the power of organisations and their leaders to understand, shape and strategically optimise their workforce. This shift comes about from the application of techniques from the statistical and data sciences to harvest, analyse and visualise complex data on individual employees, teams, divisions and the workforce as a whole, to provide actionable insights. These techniques, which may be applied at the level of discrete applications or enterprise-wide information and communications infrastructure, can enable greater transparency about individuals’ performance, skills, aptitudes, weaknesses, threats and future potential and may be useful throughout the employee lifecycle, from talent acquisition to retirement. Although many organisations are beginning to deploy PA techniques in routine HR and business analytics, few are meaningfully engaging with the important ethical issues and risks these present for employees’ privacy, autonomy, and future in the workforce. We are currently undertaking a scoping review to explore how ethical considerations for PA are being considered in the academic and grey literatures and the uncertainties characterising these new forms of HR practice. The topic is timely in light of the new European General Data Protection Regulation (GDPR), which has begun to orient vendors and users of PA innovations to their vulnerabilities and potential liabilities.

Industry 4.0 and Internationalization: a systematic approach to the analysis of causal relationships
Giacomo Buchi, Monica Cugno, Rebecca Castagnoli
AbstractIl paper si propone di esplorare la relazione causale tra Industry 4.0 e internazionalizzazione. La ricerca si avvale di una systematic literature review condotta sui data-base scientifici WoS, Ebsco, Scopus tra il 2011 e maggio 2019. Il processo di selezione indentifica 49 paper e analizza 16 paper. I lavori si limitano a esplorare l’effetto di singoli pillar di tecnologie abilitanti 4.0 o di combinazioni di alcuni pillars sull’internazionalizzazione. I risultati mostrano che l’Industry 4.0 riconfigura l’ambiente dell’impresa e influenza principalmente: global value chain, global supply chain; localizzazione e fasi del processo produttivo; personalizzazione prodotto; relazioni con i principali stakeholder (in primis fornitori, clienti e dipendenti). I risultati evidenziano la necessità di ricerche empiriche di natura esplorativa e confermativa e incoraggiano manager a implementare mix di pillar di tecnologie abilitanti 4.0 lungo tutta la value chain e supply chain. Il paper ricostruisce conoscenze e trend in atto e identifica i gap per le linee future di ricerca.

Searching for a proactive orientation for Human Resources Managers in the Big Data challenge
Terry Torre, Daria Sarti
AbstractNowadays, the interest on Big Data (BD) is quickly growing among practitioners and scholars. However, the number of papers on this topic is still limited and delimited to specific domains of study, that are computer science and business, whereas there is a lack of contributions specifically focused on the organizational and human resource management perspective. This paper is a theoretical one, and aims at analyzing the key role of HR Departments in the challenge that organizations need to face in managing BD. Indeed, it is suggested that the HR Department represents a key partner in the process of organizational change that firms experience in the era of BD. Also, it is a crucial enabler of the process of organizational learning thanks to the development of a new organizational capability that is the BD analytic capability (BDAC). BDAC is defined as the company ability to combine and re-combine in effective and unique way the organizational resources based on the data-management logic. The issue herein developed may offer stimuli for current debate in BD.

Organizing the Enterprise 4.0. Multi-faced insights from a review of the Industry 4.0
Lia Tirabeni, Paola De Bernardi
AbstractDespite its popularity, the Industry 4.0 phenomenon is still foggy and its understanding is mostly limited to the implementation of technological innovation. Nonetheless, in order to become ‘4.0 compliant’, an enterprise must also adapt its organization and business approaches, and these changes may lead to a significant social impact. Therefore, we perform a systematic literature review to investigate the emerging features of the enterprise coming from the Industry 4.0 paradigm. This lead us to identify four different distinctive features. We found that these features, all together, are pushing a shift from Industry 4.0 to the Enterprise 4.0: a supposed smarter enterprise characterised by informed middlemen and resilient workers, as well as business models that are customer and service centred, integrated and networked, and sustainable. Further, this enterprise is self-organised and lean, with open organisational cultures and structures, along with participative and agile management styles and its employees are trained through new technology-related and laboratory-based educational paths. We conclude by drawing few implications for organizational design.

 

CORPORATE GOVERNANCE, BIG DATA, AND NETWORK THEORY: INFORMATION AND RISK-RETURN SHARING OF CONNECTED STAKEHOLDERS
Roberto Moro Visconti
AbstractTraditional corporate governance patterns are based on the interaction among composite stakeholders and the various forms of separation between ownership and control. Shareholders, debtholders, managers, employees, suppliers, and clients cooperate around the Coasian firm represented by a nexus of increasingly complex contracts. Supply chains link firms together and produce value co-creating paradigms that can be investigated with functional analysis of networked companies within their industries. These well-known occurrences have been deeply investigated by growing literature and nurtured by composite empirical evidence. Apparently unrelated network theory is concerned with the study of graphs as a representation of (a)symmetric relations between discrete objects (nodes or vertices connected by links or edges). Network theory is highly interdisciplinary, and its versatile nature is fully consistent with an illustration of the complex interactions of (networked) stakeholders, even in terms of game theoretic patterns. The connection between traditional corporate governance issues and network theory properties is however still under-investigated. Hence the importance of an innovative reinterpretation that brings to network governance. Innovation may for instance, concern the principal-agent networked relationships and their conflicts of interest or the risk contagion and value drivers – three core corporate governance issues. To the extent that network properties can be mathematically measured, governance issues may be quantified and traced with recursive patterns of expected occurrences.

Dati, informazioni, conoscenza: la prospettiva dell’impact driven innovation
Luigi Corvo, Lavinia Pastore
AbstractNegli ultimi 4 anni sono stati generati, analizzati e gestiti più dati di tutti quelli mai presi in considerazione nel resto della storia umana. La data economy oggi rappresenta uno dei campi di maggior interesse di studio, di policy e di business a livello globale perché, grazie all’incontro fra tecnologie di raccolta e tecnologie di analisi, è possibile puntare al perfezionamento continuo di ogni processo decisionale. Tale fenomeno, tuttavia, viene sempre più considerato in tutta la sua complessità e mostra scenari densi di opportunità nel momento in cui la finalità con cui si approccia ai dati viene ampliata al concetto di valore, inteso nella sua forma più larga di valore condiviso (valore sociale, valore ambientale e valore economico). Se, da un lato, il valore economico-finanziario ha una sua misurabilità intrinseca attraverso la metrica monetaria, e se, dall’altro, il valore ambientale ha giovato dell’individuazione di standard precisi e condivisi su scala mondiale (CO2, footprint…), il valore sociale e le sue modalità di definizione e rappresentazione sono oggetto di dibattito a livello nazionale ed internazionale. La ricerca di standard, in questo campo, non ha quasi mai portato a soluzioni condivise e ciò trova una diretta dimostrazione nella pluralità di modelli adottati per la misurazione e valutazione dell’impatto sociale (76 modelli mappati in letteratura, cfr. Grieco et al 2015), rappresentativi di approcci e di strumenti fortemente differenziati. Tale differenziazione ha certamente il pregio di coprire uno spettro più ampio di dimensioni di valutazione del valore sociale e di meglio adeguarsi alla biodiversità di soggetti aziendali cui l’impatto sociale si riferisce (dalle imprese for profit alle imprese sociali, attraversando le società benefit e le aziende non profit), ma, al contempo, ha il limite di rendere molto più difficoltosa la scalabilità delle valutazioni e, quindi, particolarmente soggettive le informazioni che possono essere tratte da esse. Questa ricerca mira a verificare la possibilità di utilizzo dei big data per rispondere alla sfida della misurazione e valutazione del valore sociale generato da processi decisionali, attività (progetti, programmi, politiche) e organizzazioni (prevalentemente imprese sociali).

What do 1,300 accounting history papers talk about? Evidence from a semi-automated content analysis
Paolo Ferri, Maria Lusiani, Luca Pareschi
AbstractThis paper reports on an on-going research analysing 1,300 accounting history articles published in specialized (Journal of Accounting Historians, Accounting History Review, Accounting History) and general journals (Accounting, Organisation and Society, Critical Perspectives on Accounting, Accounting, Auditing and Accountability Journal) between 1996 and 2015, using a topic modeling technique. The paper complements prior assessments of the research by providing measures of the relative prevalence of research areas and their evolution over time. The analysis offers insights into accounting history by refining previous categorisations, uncovering overlooked topic areas, and substantiating trends, such as the demise of interest in the technical core of accounting in favour of more variegated and fragmented approaches. Particular attention is paid to differences between specialized and general outlets.

L’utilizzo dei Big Data Analytics nella Gestione del Rischio: Analisi di un Caso Studio nel Settore Bancario
Grazia Dicuonzo, Graziana Galeone, Erika Zappimbulso, Vittorio Dell'Atti
AbstractLa necessità di interrogare grandi volumi di dati eterogenei nel formato e provenienti da molteplici fonti, interne ed esterne, attraverso specifici linguaggi di programmazione e la loro sempre maggiore centralità nel processo di creazione di valore sta rivoluzionando i tradizionali approcci dei modelli business. Attraverso l’adozione di algoritmi più sofisticati è possibile intercettare ed interpretare ogni flusso digitale, in particolare quelli provenienti dal c.d. Internet of things o dal web. L’ingente mole di informazioni, la loro governance ed integrazione globale (c.d. Big Data) rappresentano la pietra miliare che sta alla base di tutti i processi decisionali e sono, dunque, un elemento di importanza strategica nel processo di sviluppo ed anche di sopravvivenza di ogni impresa di qualsiasi dimensione, grazie alla possibilità di trasformare tutte le fonti informative in conoscenza e quantificare la realtà in ogni suo elemento (oggetti, luoghi, fenomeni, persone e comportamenti umani). L’importanza di disporre di un ampio volume e di una grande varietà di informazioni condivise all’interno dell’organizzazione caratterizza soprattutto il processo interattivo e multidirezionale di valutazione e gestione dei rischi (risk management). Tale processo, da un lato, contribuisce alla salvaguardia dell’integrità del patrimonio aziendale mediante un incremento dell’efficienza e dell’efficacia dei servizi o prestazioni erogate e, dall’altro, riduce gli eventi inaspettati e le relative perdite oltre a garantire una maggiore efficienza del processo decisionale. Il presente lavoro, attraverso l’analisi della letteratura e con la metodologia del case study, cerca di indagare quali sono le tecniche di raccolta e gestione dei dati (es. Big Data Analytics) che supportano il management delle banche di piccole dimensioni nella gestione dei rischi e quali sono le competenze richieste al risk manager nell’era digitale. Il paper mira a comprendere quali sono le prospettive future di un risk management 4.0 e quale ruolo assumono i Big Data Analytics, contribuendo al dibattito in corso sull’utilità e sull’utilizzo delle innovazioni digitali nelle imprese bancarie.

The integration of HRM in performance measurement and management: A multiple case study on advanced SMEs
Alberto Sardi, Enrico Sorano, Alberto Ferraris, Patrizia Garengo
AbstractThe literature points to the need of human resource management (HRM) integration for designing holistic and balanced performance measurement and management systems; however, small and medium enterprises (SMEs) still dwell on financial and operational perspectives. This paper focuses on the integration of HRM in performance measurement and management. Through a multiple case study methodology, the study proves that HRM integration makes for high-performance measurement maturity, democratic and participative performance management practices. Its two major contributions include HRM integration in performance measurement and management practices and development of three theoretical propositions based on the interplay between performance measurement and management.