Cosa sono i Big Data

Le applicazioni dei Big Data per le aziende

Vantaggi dei Big Data per le aziende

Sviluppi futuri dei Big Data

Gli aspetti problematici dei Big Data

Cosa sono i Big Data

Il termine Big Data non si riferisce solo alla quantità di informazioni, ma anche alla loro complessità. Non esiste una soglia precisa che definisce quando i dati diventano “big”: questa definizione è dinamica e cambia nel tempo, perché i volumi crescono in modo esponenziale.

Per comprendere meglio il fenomeno, nel 2001 l’analista Douglas Laney ha introdotto il modello delle “3V”, che definisce le caratteristiche principali dei Big Data: Volume (la quantità immensa di informazioni generate), Velocità (la rapidità con cui i dati vengono creati e devono essere elaborati) e Varietà (i diversi formati e tipologie di dati, da quelli strutturati come i database aziendali a quelli non strutturati come video, immagini e testi). Nel tempo, a queste tre caratteristiche se ne sono aggiunte altre due: Veridicità (l’affidabilità e la qualità dei dati) e Valore (la capacità di estrarre informazioni utili da questa massa di dati).

I Big Data provengono da fonti molto diverse. Ci sono i dati generati dalle persone attraverso i social network e quelli prodotti dagli oggetti connessi, la cosiddetta Internet of Things (IoT). Sensori installati in fabbriche, automobili, dispositivi medici e case intelligenti raccolgono continuamente informazioni su temperatura, posizione, stato di funzionamento e molto altro. Ma raccogliere dati non basta. Il vero salto di qualità avviene quando le aziende riescono ad analizzarli per scoprire modelli, tendenze e correlazioni che altrimenti rimarrebbero invisibili. È qui che entrano in gioco tecnologie come l’Intelligenza Artificiale e il machine learning, che permettono di automatizzare l’analisi e di trasformare i dati grezzi in conoscenza utilizzabile.

Le applicazioni dei Big Data per le aziende

I Big Data hanno trovato applicazione in quasi tutti i settori dell’economia, trasformando processi che prima si basavano sull’intuito o su informazioni limitate.

Nel settore sanitario, l’analisi dei Big Data sta rivoluzionando la cura dei pazienti. Gli ospedali possono ora prevedere il numero di pazienti in arrivo, ottimizzare la gestione dei reparti e ridurre i tempi di attesa. Analizzando grandi quantità di cartelle cliniche e immagini diagnostiche, i sistemi basati sull’intelligenza artificiale aiutano i medici a identificare precocemente le malattie e a sviluppare terapie personalizzate. I dispositivi indossabili e i sensori medici raccolgono dati in tempo reale sui parametri vitali dei pazienti, permettendo interventi tempestivi e riducendo i costi del sistema sanitario.

Nel settore finanziario e assicurativo, i Big Data hanno cambiato radicalmente il modo di valutare i rischi e di personalizzare le offerte. Le compagnie assicurative, che un tempo basavano le tariffe su pochi semplici parametri, oggi utilizzano oltre duecento variabili per calcolare i premi. Le banche sfruttano l’analisi predittiva per valutare l’affidabilità creditizia dei clienti, individuare frodi e offrire servizi su misura. Grazie ai dati comportamentali raccolti anche attraverso dispositivi IoT installati nelle automobili, gli assicuratori possono proporre polizze basate sullo stile di guida effettivo di ciascun cliente.

Nel retail e nell’e-commerce, i Big Data sono diventati la colonna portante delle strategie di vendita. Aziende come Amazon utilizzano algoritmi sofisticati per suggerire prodotti ai clienti. I big data permettono di analizzare il comportamento di acquisto, prevedere la domanda, ottimizzare i prezzi in tempo reale e personalizzare le campagne di marketing. I rivenditori possono segmentare i clienti in modo preciso, identificare le tendenze emergenti sui social media e adattare rapidamente l’offerta alle esigenze del mercato.

Anche nel settore dell’intrattenimento, piattaforme come Netflix e Spotify devono il loro successo all’uso intelligente dei Big Data. Netflix stima che la maggior parte dei contenuti guardati dagli utenti proviene da suggerimenti generati da algoritmi di raccomandazione, con una maggiore soddisfazione e fedeltà dei clienti. Spotify analizza miliardi di dati di ascolto per creare playlist personalizzate come “Discover Weekly”, che introduce gli utenti a nuova musica in base ai loro gusti.

Altri settori traggono beneficio dai Big Data: i trasporti utilizzano dati GPS per ottimizzare i percorsi e ridurre il traffico; l’agricoltura sfrutta sensori IoT per monitorare le condizioni del terreno e ottimizzare i raccolti; le scienze della terra analizzano dati satellitari per prevedere terremoti e tsunami.

Vantaggi dei Big Data per le aziende

Per le imprese, investire nei Big Data significa acquisire una serie di vantaggi competitivi concreti e misurabili.

Il primo beneficio è il miglioramento del processo decisionale. Avere accesso a informazioni dettagliate e aggiornate permette ai manager di prendere decisioni più consapevoli, basate su dati oggettivi piuttosto che su supposizioni. Le aziende possono comprendere meglio i comportamenti dei clienti, identificare nuove opportunità di mercato e anticipare i cambiamenti nelle preferenze dei consumatori.

I Big Data consentono inoltre una maggiore efficienza operativa. Analizzando i dati di produzione, le aziende possono identificare inefficienze nella supply chain, ridurre gli sprechi e ottimizzare l’uso delle risorse. Nel settore manifatturiero, ad esempio, i sistemi di manutenzione predittiva basati sui Big Data possono prevedere i guasti delle macchine prima che si verifichino, riducendo i tempi di inattività e i costi di riparazione.

Un altro vantaggio fondamentale è la personalizzazione dell’offerta. Conoscere nel dettaglio le preferenze e le abitudini dei clienti permette alle aziende di creare prodotti e servizi su misura, aumentando la soddisfazione e la fedeltà. Questo vale sia per i beni di consumo che per i servizi: dalle raccomandazioni personalizzate negli e-commerce alle polizze assicurative calibrate sul profilo di rischio individuale.

I Big Data supportano anche l’innovazione. La disponibilità di informazioni dettagliate consente di identificare nicchie di mercato non servite, sviluppare nuovi prodotti e testare rapidamente nuove idee. Le aziende possono simulare scenari futuri e valutare l’impatto di diverse strategie prima di implementarle.

Infine, i Big Data aiutano a ridurre i rischi. L’analisi predittiva permette di identificare potenziali minacce – dalle frodi nei sistemi di pagamento ai rischi operativi – e di intervenire prima che si trasformino in problemi concreti.

Sviluppi futuri dei Big Data

Il futuro dei Big Data è strettamente legato all’evoluzione di tecnologie emergenti che promettono di moltiplicarne le potenzialità.

L’intelligenza artificiale e il machine learning continueranno a essere centrali nell’elaborazione dei Big Data. Gli algoritmi di intelligenza artificiale diventeranno sempre più sofisticati, capaci di identificare pattern complessi e di prendere decisioni autonome in tempo reale. L’integrazione dell’IA generativa nei processi aziendali permetterà di estrarre informazioni contestualizzate dai dati e di migliorare le strategie decisionali.

L’edge computing rappresenta un’altra frontiera importante. Invece di inviare tutti i dati a server centralizzati nel cloud, l’edge computing consente di elaborare le informazioni direttamente sui dispositivi periferici, vicino alla fonte dei dati. Questo approccio riduce drasticamente i tempi di risposta – da millisecondi a microsecondi – ed è cruciale per applicazioni che richiedono reattività immediata, come la guida autonoma o i sistemi di controllo industriale.

Il quantum computing potrebbe rivoluzionare completamente l’analisi dei Big Data. I computer quantistici promettono di risolvere problemi di ottimizzazione complessi centinaia di volte più velocemente dei computer tradizionali. Sebbene questa tecnologia sia ancora in fase sperimentale, potrebbe ridurre drasticamente il tempo e le risorse necessarie per addestrare modelli di intelligenza artificiale di grandi dimensioni.

Un’altra tendenza importante è la crescente attenzione verso la sostenibilità. Le aziende stanno diventando più consapevoli dell’impatto ambientale delle loro attività di elaborazione dati, che richiedono enormi quantità di energia. Si sta lavorando allo sviluppo di architetture più efficienti e all’uso di energie rinnovabili per alimentare i data center.

Infine, i Big Data giocheranno un ruolo sempre più importante nelle esperienze iper-personalizzate. L’analisi in tempo reale del comportamento degli utenti permetterà di offrire contenuti, prodotti e servizi calibrati sulle esigenze di ciascun individuo, tenendo conto non solo delle preferenze storiche ma anche del contesto in cui si trova l’utente.

Gli aspetti problematici dei Big Data

Nonostante i numerosi vantaggi, l’uso dei Big Data solleva questioni importanti che le aziende devono affrontare con responsabilità.

Il primo problema riguarda la privacy e la protezione dei dati personali. La raccolta e l’analisi di enormi quantità di informazioni sulle persone comporta rischi per la riservatezza. In Europa, il GDPR (Regolamento Generale sulla Protezione dei Dati) stabilisce regole stringenti per garantire che il trattamento dei dati avvenga nel rispetto dei diritti degli individui. Le aziende devono assicurare trasparenza, ottenere il consenso informato degli utenti, limitare la raccolta ai dati strettamente necessari e garantire la sicurezza delle informazioni. Violazioni di questi principi possono portare a sanzioni che raggiungono il 4% del fatturato globale.

Un secondo aspetto critico è rappresentato dalla discriminazione algoritmica. Come evidenziato nel libro “Armi di distruzione matematica” di Cathy O’Neil, gli algoritmi che elaborano i Big Data possono incorporare e amplificare pregiudizi esistenti nella società. Se i dati storici su cui vengono addestrati i modelli contengono bias – ad esempio discriminazioni di genere, razza o classe sociale – gli algoritmi riprodurranno e perpetueranno queste ingiustizie. O’Neil descrive come algoritmi apparentemente neutri possano danneggiare i più deboli: dalla selezione del personale alla concessione di prestiti, dalla valutazione degli insegnanti alla determinazione delle pene detentive. Queste “armi di distruzione matematica” sono opache, difficili da contestare e scalabili, il che significa che possono amplificare le discriminazioni su vasta scala.

La mancanza di trasparenza è un ulteriore problema. Molti algoritmi di Big Data funzionano come “scatole nere”: le decisioni vengono prese automaticamente senza che sia possibile comprendere il ragionamento sottostante. Questo rende difficile per le persone contestare decisioni che le riguardano e per le autorità verificare che non ci siano violazioni dei diritti fondamentali.

C’è poi la questione della qualità dei dati. Non tutti i dati sono affidabili o accurati. Dati errati, incompleti o obsoleti possono portare a decisioni sbagliate. La distinzione tra dati personali e non personali può essere difficile, specialmente considerando che l’analisi di dati apparentemente anonimi può comunque permettere di risalire all’identità delle persone.

Infine, la concentrazione di potere nelle mani di poche grandi aziende tecnologiche solleva interrogativi sulla democrazia e sulla concorrenza. Le big tech che controllano enormi quantità di dati hanno un vantaggio competitivo difficilmente colmabile e possono influenzare le scelte delle persone in modi non sempre trasparenti.

La capacità di raccogliere, analizzare e trasformare enormi quantità di dati in conoscenza utile rappresenta una delle opportunità più significative per le imprese che vogliono competere nell’economia digitale.

L’importante è affrontare questa trasformazione con consapevolezza. Non basta accumulare dati: serve una strategia chiara, strumenti adeguati e competenze specifiche. Bisogna investire in tecnologie – dal cloud computing all’intelligenza artificiale – e in persone capaci di interpretare i dati e di tradurli in azioni concrete.

Allo stesso tempo, è fondamentale non sottovalutare le responsabilità che derivano dall’uso dei Big Data. Rispettare la privacy, garantire la sicurezza delle informazioni, evitare discriminazioni e operare con trasparenza non sono solo obblighi legali, ma anche elementi che costruiscono la fiducia dei clienti e la reputazione dell’azienda.

I Big Data non sono una moda passeggera, ma uno strumento che continuerà a evolversi e a plasmare il futuro delle imprese. Chi saprà utilizzarli in modo etico ed efficace avrà un vantaggio competitivo duraturo nel mercato globale.

Scrivici per scoprire insieme come costruire una strategia basata sui dati e sfruttarli al meglio per la tua organizzazione.

Università con più di 600 dipendenti, a Milano.

I bisogni

✅ Semplificare il processo di performance management, in senso partecipativo e di co-progettazione.

✅ Ridefinire un modello di competenze trasversali più semplice, chiaro e in linea con i valori organizzativi del nuovo piano di sviluppo strategico dell’ateneo.

✅ Coinvolgere le persone sul tema del feedback continuo e della gestione per obiettivi in logica OKR.

✅ Spostare il focus manageriale dalla valutazione allo sviluppo continuo.

La soluzione

Siamo partiti dall’ideazione di un processo di co-progettazione, con la partecipazione di una squadra trasversale composta da una ventina di middle manager, per un periodo di circa cinque mesi.

È stato realizzato un audit attraverso un questionario online e una serie di interviste strutturate a un gruppo di stakeholder interni, in modo da definire lo “stato dell’arte” rispetto al processo di performance management.

Successivamente i manager sono stati coinvolti nel disegno ideativo e creativo del nuovo processo.

Infine siamo passati alla progettazione ed erogazione di un progetto di formazione differenziato mediante app specifiche.

Le principali sfide affrontate sono state:

• vincere le resistenze del top management riguardo a un processo partecipativo al posto di un classico processo top-down;
• semplificare e automatizzare l’intero processo di performance management;
• cambiare la cultura del feedback da materia “privata” tra responsabile e individuo a processo di rilevanza strategica per l’organizzazione, trasparente e condiviso;
• spostare il focus dalla valutazione al feedback continuo e dalla valutazione allo sviluppo continuo di competenze e capacità delle persone.

Competenze attivate

• Data Science
• Big Data
• Cloud
• Cybersecurity
• App & Software Development
• Process & Management innovation

Specifiche

• Sviluppo di soluzioni innovative in ambito performance management & development, tramite automazione dei processi di feedback continuo e gestione degli obiettivi (app android e iOS nella duplice veste, mobile e web);
• Sviluppo di dashboard integrata per visualizzazione dati aggregati come super-utente lato HR di tutta la popolazione aziendale;
• Integrazione dell’anagrafica con gestionale aziendale;
• Analisi “big data” inerenti alla modalità di gestione del feedback da parte dei responsabili, all’andamento del processo di assegnazione e gestione degli obiettivi, alla qualità del lavoro della popolazione aziendale sia rispetto ai comportamenti/competenze sia rispetto agli obiettivi/risultati;
• Innovazione e semplificazione del processo di PM, semplificazione fasi di “cascading” e “calibration”, ridisegno di un modello di competenze aziendali semplificato e più rappresentativo, semplificazione del sistema obiettivi e KPI, eliminazione del “voto” sulle competenze per favorire lo sviluppo;
• Ricorso a un processo partecipativo di co-progettazione bottom-up in ottica di coinvolgimento e motivazione del middle management dell’intero processo di performance management.

Catena di ristoranti

Il bisogno

✅ Sviluppare un’interfaccia di self-order

La soluzione

RampUp 3

Abbiamo sviluppato una webapp verticale, fruibile tramite Chrome in modalità Kiosk, che potesse funzionare sulla rete locale senza necessità di connessione.

L’app è stata integrata con il sistema di casse e pagamento, con l’aggiunta di ulteriori elementi di complessità che permettono di gestire i contenuti e analizzare le performance in tempo reale con due “layer” aggiuntivi.

Un CMS web based permette di cambiare la configurazione del layout prodotti in tempo reale, rispondendo a esigenze del momento dettate anche da elementi esterni (meteo, traffico, eventi) e/o temporanei.

L’integrazione nativa con Google Analytics permette poi di avere un riscontro immediato rispetto alle configurazioni.

Rispetto all’usabilità (UX) e all’interfaccia utente (UI) abbiamo in una prima fase lavorato in sinergia con le aree marketing, IT e operations del committente, per definire il comportamento del cliente finale e le esigenze di business, arrivando a definire una UI condivisa sulle brand guidelines consolidate, e una UX fluida che potesse adattarsi al momento della giornata.

A seconda dell’orario, abbiamo definito un obiettivo del cliente finale (comprare velocemente o comprare di più) e sviluppato un’esperienza che spingesse in questa direzione.

Abbiamo infine sviluppato e analizzato una prima proposta individuando punti di forza e di debolezza del primo sviluppo, definendo così le best practice da applicare in ogni passaggio dell’interfaccia.

Competenze attivate

• Data Science
• Digital Marketing
• Customer Experience
• Cloud
• Big Data
• App & Software Development

Specifiche

• Interfaccia sviluppata in REACT
• Connessione in tempo reale con software di cassa
• Interazione con POS per pagamento con carta di credito

Società multiutility con circa 2.000 dipendenti in Italia, attiva nella vendita di energia elettrica e gas naturale su tutto il territorio nazionale, con oltre 860.000 clienti serviti.

Il bisogno

✅ Gestire in modo più efficiente il proprio approvvigionamento di gas naturale ed energia elettrica, destinato a coprire i consumi dei clienti finali, reagendo tempestivamente ai segnali dei mercati energetici nel pricing di vendita.

La soluzione

RampUp 3

Il progetto ha portato allo sviluppo di una piattaforma web-based, resa disponibile per il cliente in modalità SaaS (Software-as-a-Service)

Questa soluzione ha permesso la condivisione della grande quantità di dati coinvolti nella gestione energetica (gas e power) in modo integrato, su un’unica piattaforma web. Questa è stata sviluppata in maniera visuale, rendendo più efficace e semplice analizzare numerosi dati, e funzionale, in modo da facilitare le decisioni operative per la rendicontazione condivisa e la gestione del portafoglio trading/grossista.

La soluzione sviluppata è in grado, tra le altre cose, di:

• registrare, mostrare e rendicontare transazioni, contratti e documenti relativi a derivati finanziari;
• visualizzare in tempo reale, in modo condiviso ed estremamente intuitivo la posizione aggregata del portafoglio aziendale, intero o segmentato, fino alla singola transazione, in termini di esposizione al mercato, rischio e risultato economico/finanziario;
• monitorare il livello di rischio di mercato in termini di VAR (Value at Risk) e il rischio di credito nell’ambito di limiti per controparte;
• gestire prezzi e curve di mercato importati da fonti dati esterne;
• pianificare la posizione finanziaria di cassa legata a ogni singola transazione o in forma aggregata;
• valorizzare e gestire gli stoccaggi su base giornaliera;
• calcolare in tempo reale il fair value delle posizioni in derivati finanziari in base ai dettami dei più recenti principi contabili italiani e internazionali;
• mostrare una vista aggregata delle posizioni gas ed energia elettrica;
• scaricare i dati in modo estremamente semplice ed intuitivo;
• integrarsi con i sistemi esterni già esistenti o ancora da sviluppare (REMIT, riconciliazione, confirmations, fatturazione, ecc.);
• ricalcolare in tempo reale il risultato economico e l’esposizione verso i mercati dell’energia e aggiornarli quotidianamente con i nuovi prezzi di mercato;
• simulare le fatture grossiste passive (e attive) attese come anche gli importi relativi ai contratti finanziari derivati, attraverso l’utilizzo delle informazioni contrattuali caricate a sistema.

Competenze attivate

• Data Science
• Customer Experience
• Cloud
• Big Data
• Green Transition
• App & Software Development
• Process & Management Innovation

Specifiche

Dopo l’implementazione del sistema per il cliente, la piattaforma è stata adottata da altre utilities e personalizzata per la gestione dei portafogli energetici di grandi industrie energivore.

Gruppo internazionale attivo nell’intermediazione assicurativa, nella gestione dei rischi e delle risorse umane.

Il bisogno

✅ Automatizzare i processi di elaborazione e liquidazione dei reclami, con una riduzione dei tempi e l’aumento della soddisfazione degli utenti finali.

La soluzione

RampUp 3

Insieme al cliente abbiamo definito un sistema che, integrando tecnologie diverse, rende possibile l’automatizzazione di riconoscimento, lettura e processamento di documenti eterogenei acquisiti dai sistemi gestionali della compagnia assicurativa. Ricevute, scontrini e ricette mediche passano attraverso diverse fasi di analisi automatizzata fino ad arrivare alla liquidazione.

Due dati di sintesi:

• 4.000-6.000 documenti elaborati al giorno (2 milioni all’anno)

• 85% di accuratezza (solo nel 15% dei casi si procede con la verifica manuale)

La soluzione è stata realizzata con approccio incrementale, partendo dalle funzionalità prioritarie e aggiungendone gradualmente nelle fasi successive.

Tecnologie simili si possono applicare ad altri contesti dove l’elaborazione di documenti e claim risulta onerosa, come ad esempio: l’elaborazione di richieste di reso, lamentele su prodotti, supporto e servizio a clienti che aprono segnalazioni allegando ricevute o foto di prodotti difettosi.

Competenze attivate

• Data Science
• Artificial Intelligence
• Customer Experience
• Cloud
• Big Data
• App & Software Development
• Process & Management Innovation

Specifiche

La soluzione è nata da subito con un approccio cloud, in modo da:

• realizzare una soluzione estremamente scalabile (vengono elaborati milioni di documenti ogni anno);
• addestrare modelli di Machine Learning complessi in modo semplice con un servizio gestito;
• sfruttare API di servizi per effettuare alcune attività in modo totalmente automatico;
• rendere la soluzione nativamente sicura, robusta e in alta affidabilità.

La realizzazione della soluzione in tempi rapidi e mantenendo precisione e prestazioni elevate è stata facilitata anche dai servizi gestiti e di piattaforma “acceleratori”, in particolare, i servizi Google Cloud Vertex AI e NLP (Natural Language Processing)

Vertex AI ha permesso di classificare sia le tipologie che l’orientamento dei documenti (e in alcuni casi anche l’intestazione dell’emittente) in modo facile e automatizzato. NLP Service ha permesso un incremento di accuratezza dal 70% al 90% rispetto ad altre soluzioni e modelli sperimentati in passato su iniziative simili.

Azienda alimentare con oltre 9.000 dipendenti e 1,4 miliardi di Euro di fatturato

Il bisogno

✅ Spostare il focus manageriale dalla valutazione allo sviluppo delle persone, identificando i comportamenti virtuosi e le aree di miglioramento per consentire all’azienda di intervenire prontamente, con azioni formative quando utile o necessario.

✅ Coinvolgere nel processo di assegnazione e monitoraggio degli obiettivi e nella valutazione di comportamenti e competenze anche il middle e low management, attività operative incluse.

La soluzione

RampUp 3

Insieme al cliente abbiamo realizzato un audit per fotografare la situazione iniziale e per stabilire, a partire da quella, gli obiettivi da raggiungere.

Il passo successivo è stato ridisegnare e semplificare le strutture aziendali, in particolare il sistema dei livelli organizzativi e il modello delle competenze, diversificato a seconda dei ruoli; inoltre siamo intervenuti sul processo di feedback e valutazione, con l’avvio di un percorso formativo personalizzato per tutti i responsabili.

Tra i principali risultati raggiunti possiamo indicare:

• l’aggiustamento della valutazione attribuita dai responsabili ai propri collaboratori nel Performance Management;
• l’aumento del numero di feedback tra capo e collaboratore durante l’anno;
• l’individuazione di KPI specifici di misurazione dei comportamenti delle persone in azienda, adeguati alle competenze previste nel modello;
• la misurazione della componente variabile non più “a pioggia”, ma in funzione di una valutazione più chiara e razionale;
• la chiusura del processo di Performance Management entro i tempi stabiliti, senza prolungamenti indesiderati.

Le più grandi sfide nello sviluppo del progetto sono state:

• vincere le resistenze dei manager “vecchio stampo” a dare feedback;
• passare dalla valutazione una volta l’anno al feedback continuo;
• convincere il top management della necessità di “armonizzare” le RAL, riportando nella retribuzione fissa una quota della parte variabile;
• inserire il feedback continuo tra gli obiettivi di MBO (Management By Objectives) del management

Competenze attivate

• Data Science
• Cloud
• Big Data
• Cybersecurity
• App & Software development
• Process and Management Innovation

Specifiche

• Sviluppo di soluzioni innovative in ambito Performance Management & Development, tramite l’automazione dei processi di feedback continuo e la gestione degli obiettivi (app Android e iOS nella duplice veste, mobile e desktop)
• Sviluppo di una dashboard integrata per la visualizzazione di tutti i dati aggregati lato HR.
• Integrazione dell’anagrafica con la gestionale aziendale
• Analisi “Big Data” inerenti alla modalità di gestione del feedback da parte dei responsabili, all’andamento del processo di assegnazione e gestione degli obiettivi, alla qualità del lavoro del personale aziendale, sia rispetto ai comportamenti/competenze sia rispetto agli obiettivi/risultati.
• Innovazione del processo di Project Management, semplificazione fasi di “cascading” e “calibration”, ridisegno di un modello semplificato e più rappresentativo delle competenze trasversali, semplificazione delle fasce di appartenenza del management e dei criteri di assegnazione del premio individuale, trasparenza dei criteri di feedback e valutazione.