Le aziende manifatturiere stanno integrando sempre più le loro offerte tradizionali di prodotti e servizi con contenuti digitali: prodotti digitali, come software e servizi di pubblica utilità, e servizi abilitati dalle tecnologie digitali, come il monitoraggio e la diagnostica real-time e delle apparecchiature connesse, sono sempre più spesso inclusi anche nelle offerte delle aziende manifatturiere. Questa trasformazione, variegata e complessa, viene detta “servitizzazione digitale” (Paschou et al., 2020), ed è oggi di grande interesse per le imprese che ricercano nuove fonti di differenziazione strategica.
I prodotti connessi intelligenti (smart connected product) e le nuove tecnologie come il cloud computing, IoT, big data ed intelligenza artificiale, sono abilitanti fondamentali per questa trasformazione. Le tecnologie digitali infatti vengono sfruttate per rafforzare le connessioni con la clientela e per abilitare nuove modalità di co-creazione di valore attraverso la fornitura di servizi basati appunto sui dati (Data-Driven Services – DDS). Recenti studi però dimostrano che, nonostante le imprese manifatturiere abbiano chiara questa opportunità, comprendere i reali meccanismi attraverso i quali questi servizi possono effettivamente generare valore per l’azienda e per il cliente, resta ancora un’area grigia. Non sorprende quindi che, ancora oggi, siano poche le aziende manifatturiere che offrono questo tipo di servizi e sono ancora meno le aziende in grado di monetizzarli (ASAP Digital Servitization Observatory – 2023).
Per colmare questa lacuna, questo articolo propone un modello concettuale che vuole supportare le aziende a comprendere meglio proprio il concetto del valore, facendo in particolare luce sui meccanismi attraverso i quali i dati raccolti dai prodotti connessi vengono sfruttati per supportare il processo decisionale. Questo contributo quindi si propone di aiutare i manager a comprendere come il valore estraibile dai servizi data-driven sia in realtà un tema assai complesso e multifattoriale. Evidenzieremo quindi come questo valore estraibile dai servizi data-driven possa avere un impatto aggregato (cioè per l’azienda-cliente), un impatto individuale (cioè per le persone coinvolte nella raccolta dei dati) e occorre poi evidenziare come i benefici corrispondenti siano collegati alle capacità che nascono dall’interazione tra gli attori differenti. È quindi essenziale parlare di co-creazione di valore.
Data-driven services: le dimensioni del valore
Nella letteratura, le categorie di valore sono soventemente ricondotte ad alcune dimensioni di tipo economico, funzionale, cognitivo, emozionale/estetico e sociale. Ma in sistemi complessi, come quelli industriali ad esempio di un contesto B2B, allora il concetto di valore deve essere ridefinito rispetto ai diversi i beneficiari. In particolare, anche quando il soggetto preposto a valutare il rapporto tra costi e beneficio, ai fini della scelta, è sempre un individuo (manager, imprenditore, utente), le dimensioni di valore di cui sopra si possono manifestare in relazione a differenti entità, orizzonti temporali e processi diversi. Questo è vero anche nel dominio dei servizi data-driven.
Ad esempio, il valore prettamente economico si manifesta in prevalenza in relazione a un’entità collettiva e astratta (l’azienda). A parità di prestazione prodotta, le decisioni intraprese grazie al supporto del servizio digitale possono abilitare dei saving per l’organizzazione e per il cliente attraverso minori consumi di risorse (Efficienza) oppure, a parità di costo sostenuto, il servizio digitale può abilitare delle performance migliori e/o più in linea con gli obiettivi dell’azienda e del cliente (Efficacia). Al contrario, altri benefici netti, agiscono al livello individuale e si manifestano a fronte del processo (e dell’esperienza) di fruizione del servizio, e quindi coinvolgono i fruitori/utenti del servizio stesso, e non altri attori dell’organizzazione.
Seppur importanti, i benefici netti individuali possono non avere alcun rilevante impatto in termini economici, a livello collettivo. Si possono infatti tradurre in risparmi di tempo e di altre risorse individuali di tipo mentale e/o di tipo fisico, di cui beneficiano gli utenti di un servizio digitale. Ciononostante, la discrasia tra valore atteso e realizzazione ex post del valore da parte degli individui coinvolti, può compromettere l’attrattività del servizio e le conseguenti chance di business del fornitore dello stesso. Per questo motivo non è possibile indagare il concetto di valore generato dai servizi data-driven riconducendosi alla sola dimensione economica, ma è necessario indagare i meccanismi di co-creazione di valore che intervengono lungo l’intero processo. Il servizio è infatti un processo interattivo, dove il valore si crea grazie all’applicazione di competenze specializzate da parte di un’entità, per i benefici di un’altra. Tale applicazione avviene grazie a interazioni, tramite cui le controparti integrano risorse di varia natura. Nel contesto dei servizi data-driven e digitali, le risorse primarie e operanti sono quelle che abilitano la trasformazione dei field-data (dati grezzi) in insights utili a prendere decisioni e a produrre valore collettivo ed individuale. Tali risorse, sono quindi conoscenze e competenze che utenti e provider del servizio applicano nonché tutte le tecnologie usate per trasformare i dati in insights utili per il fine decisionale. Diventa quindi fondamentale, nell’ambito della (co)creazione di valore, considerare le diverse opzioni di erogazione del servizio, che determinano il livello di coinvolgimento e di interazione tra utente/organizzazione cliente, e provider/organizzazione fornitore.
Data-driven services: le opzioni di erogazione
Seguendo i ragionamenti fin qui proposti, è quindi stato elaborato un modello concettuale che lega le diverse opzioni di erogazione del servizio, le risorse coinvolte, ed i meccanismi di trasformazione dei dati alle dimensioni del valore.
Nei servizi data-driven le interazioni tra le risorse sono infatti influenzate dalle opzioni di progettazione ed erogazione del servizio (i.e., service options) e dai momenti in cui avvengono (i.e., the data journey). Di seguito, in relazione alle fasi del “data journey”, sono quindi descritti i possibili meccanismi di interazione delle risorse responsabili della creazione di valore nei servizi data-driven.
Oggi, fondamentalmente, le fasi iniziali di estrazione e trasformazione del dato (ETL) vengono eseguite in modo automatico (machine based), grazie alle tecnologie di rilevamento (IoT), al cloud computing e alle piattaforme di Industrial Internet. Al contrario, le opzioni di progettazione per la fase MAV possono variare in larga misura. Infatti, da un lato abbiamo la diffusione di prodotti autonomi/intelligenti che sono in grado di svolgere missioni sempre più complesse, senza assistenza umana. Dall’altro, assistiamo ad un aumento dell’offerta di servizi avanzati da parte dei produttori di beni industriali dove, è proprio il produttore responsabile del risultato ottenuto dal cliente/utente del prodotto (super-service). Infine, in altre circostanze, il cliente preferisce mantenere il pieno controllo sulle proprie decisioni e sui propri processi, per ottenere flessibilità ed essere indipendente da terzi (self-service). L’ultima fase del data-journey riguarda chi ha il diritto di prendere una decisione. Anche in questo caso, il valore può essere creato in più modi. In alcuni casi, il fornitore di servizi mantiene la responsabilità di decidere cosa è meglio per il cliente. In altri casi, i clienti sono disposti a mantenere il controllo, poiché vogliono decidere autonomamente quali decisioni/azioni prendere sulla base delle informazioni fornite dal fornitore. Infine, gli SCP (nella loro massima sofisticazione) potrebbero anche essere autonomi nel prendere decisioni ed eseguire azioni (come CPS, robot collaborativi, veicoli autonomi, ecc.).
Il valore nei data-driven services: archetipi
Il modello sviluppato consente quindi di legare le dimensioni del valore con le diverse opzioni di erogazione del servizio. In prima battuta, questo articolo ne propone 4, come segue.
Technology-trusted services (1)
Il primo archetipo (vedi Figura 3 – A) corrisponde al caso in cui i servizi data-driven sono completamente automatizzati (Porter e Hepplemann, 2014). Come detto, questo è il regno di tecnologie avanzate come sensori, microcontrollori, attuatori, connettività, cloud computing e piattaforme, big data e modelli analitici/predittivi. Questa tipologia di data-driven service, quindi, mira a creare benefici in termini di maggiore efficienza e/o efficacia (ad esempio, costi inferiori, maggiore disponibilità) grazie all’automazione e all’intelligenza delle macchine.
Altri vantaggi, naturalmente, possono derivare dalla focalizzazione. Poiché il personale dell’azienda cliente non è coinvolto nel processo di assistenza, può ottenere solo benefici utilitaristici. Infatti, viene informato automaticamente dell’andamento, dei risultati, delle anomalie, ecc. del processo aziendale e questo gli fa risparmiare tempo, sforzi mentali e fisici. Va inoltre considerato che il fornitore di un servizio di questo tipo può eventualmente vendere servizi di assistenza ai clienti, rivolti sia alle componenti digitali che a quelle fisiche dell’offerta integrata di prodotti-servizi digitali. Esempi del primo tipo sono infatti, i rilasci remoti degli aggiornamenti del ciclo di vita del firmware delle apparecchiature, al fine di correggere i bug e aumentare l’intelligenza locale.
Le seconde sono le tipiche attività di assistenza sul campo, come la riparazione, la manutenzione contrattuale e la modernizzazione. Tra i tanti, esemplari di questa categoria sono i servizi data-driven forniti da grandi OEM – come Rolls Royce, GE e ABB – ai clienti delle loro complesse apparecchiature industriali, sempre più coperte da contratti full-service. Questi servizi combinano algoritmi di apprendimento automatico e di analisi dei guasti per implementare la diagnostica automatica e gli avvisi di manutenzione alla rete di assistenza. Le enormi quantità di dati raccolti dal monitoraggio online sono quindi state utilizzate per sviluppare sofisticati modelli diagnostici che di solito sono incorporati nel software di controllo delle apparecchiature, per aumentare il grado di autonomia e intelligenza di questi sistemi complessi
Managed services (2)
In questo archetipo (vedi Figura 3 – B) l’analisi, le decisioni e presumibilmente le azioni corrispondenti (se presenti) sono sotto la responsabilità del fornitore di servizi, indipendentemente dal fatto che si tratti del produttore di apparecchiature o di un partner di servizi/organizzazione indipendente. Anche in questo caso, i vantaggi a livello collettivo sono legati alla focalizzazione. Sono presumibilmente meno convenienti rispetto all’esempio precedente, in quanto i clienti danno diritto a manodopera altamente qualificata/specializzata – come data scientist, ingegneri della manutenzione, tecnici sul campo, ecc. per gestire il processo aziendale per loro conto. Tuttavia, sono disposti a pagare un prezzo maggiorato nella misura in cui i risultati prodotti dall’applicazione delle competenze specialistiche ottimizzano e migliorano le prestazioni del processo (ossia, una maggiore efficacia).
Anche in questo caso, a livello individuale i benefici sono per lo più legati al risparmio di tempo e di fatica (cioè benefici utilitaristici). È il caso, ad esempio, dei cosiddetti servizi di stampa gestiti. Questi sono offerti da aziende del settore della stampa, come Xerox e Ricoh, ai clienti di flotte connesse. In base a un contratto di servizio di stampa, il fornitore decide autonomamente il momento in cui sostituire le cartucce di inchiostro del parco macchine del cliente. Il momento ottimale si basa sull’analisi dei dati raccolti dal parco macchine connesso, che le persone e gli algoritmi del centro operativo del servizio eseguono periodicamente per determinare il tempo residuo prima dell’esaurimento dell’inchiostro.
Interactive services (3)
In questo caso (vedi Figura 3 – C) le decisioni vengono prese in collaborazione tra il cliente e il fornitore. A livello collettivo, non ci sono vantaggi sotto forma di strategia di focalizzazione. Inoltre, presumibilmente, questi servizi basati sui dati non sono più convenienti dei precedenti. Tuttavia, il cliente può aspettarsi la massima efficacia dalla combinazione delle conoscenze più specializzate di entrambe le parti. Di solito, il fornitore ha il diritto di sviluppare modelli e introdurre tecnologie all’avanguardia. Il cliente è tenuto a fornire dati puliti e rappresentativi, a convalidarli ed eventualmente a integrarli con nuove informazioni. Inoltre, il cliente deve facilitare la definizione dei problemi e l’analisi dei casi d’uso.
Anche in questo caso, le azioni vengono solitamente eseguite da alcuni attori dell’ecosistema del fornitore in base ad accordi di livello di servizio ben definiti. Le persone che interagiscono in questo processo ricevono principalmente benefici cognitivi e sociali.
Un esempio è dato da Caterpillar, che ha recentemente sviluppato un servizio di consulenza data-driven per i clienti dei suoi camion e delle sue macchine movimento terra. Attraverso il controllo a distanza del consumo di lubrificante, gli esperti di Caterpillar discutono con le controparti dei clienti per identificare i problemi e rilevare le opportunità di miglioramento e ottimizzazione del modo in cui viene gestito il parco macchine del cliente. L’uso corretto di queste macchine è, infatti, fondamentale per migliorare la produttività e ridurre i rischi per la sicurezza nei cantieri.
Data-Driven Self-Service (4)
Infine, abbiamo la configurazione della Figura 3 (D). In questo caso, il fornitore distribuisce le tecnologie che il cliente utilizza anche per la fase di analisi dei dati. Le decisioni vengono prese dal cliente sulla base delle informazioni raccolte dall’SCP, analizzate e trasformate in approfondimenti.
A livello individuale, la maggior parte dei benefici deriva dall’empowerment delle persone (beneficio cognitivo). A lungo termine, questa responsabilizzazione può portare a una maggiore efficacia e, presumibilmente, efficienza: infatti, il cliente mantiene il controllo del processo e il suo personale apprende dalle migliori tecnologie disponibili (prodotti e servizi guidati dai dati) che i produttori di apparecchiature e/o i fornitori di servizi specializzati possono mettere in atto.
Anche in questo caso, le azioni possono essere svolte dal cliente stesso o dalla rete del fornitore in base a contratti di manutenzione. In quest’ultimo caso, il personale del cliente ha anche vantaggi economico-funzionali.
Conclusioni e sviluppi futuri
La servitizzazione digitale rappresenta un cambiamento paradigmatico per le aziende manifatturiere, aprendo la strada a nuove opportunità di creazione di valore basate su tecnologie avanzate e servizi data-driven. Tuttavia, la comprensione approfondita dei meccanismi di co-creazione del valore rimane critica per il successo di queste iniziative.
Il modello concettuale proposto evidenzia l’importanza di considerare le diverse dimensioni del valore, sia a livello collettivo che individuale, e il ruolo cruciale delle interazioni tra utenti e fornitori. Per il futuro, sarà essenziale sviluppare metodologie per misurare il valore generato, testarlo con casi concreti, e integrare tecnologie emergenti come l’intelligenza artificiale generativa.
Questi i prossimi passi della ricerca targata ASAP.
Bibliografia:
- Paschou, T., Rapaccini, M., Adrodegari, F., & Saccani, N. (2020). Digital servitization in manufacturing: A systematic literature review and research agenda. Industrial Marketing Management, 89, 278-292.
- Rapaccini, M., & Adrodegari, F. (2022). Conceptualizing customer value in data-driven services and smart PSS. Computers in Industry, 137, 103607.
- The Digital Servitization of Manufacturing Companies: the ASAP International Observatory – http://dx.doi.org/10.13122/ASAP_RsR_1
La ricerca presentata in questo articolo è ispirata e supportata dal “Centro interuniversitario di ricerca sull’innovazione e la gestione dei servizi nelle imprese industriali-ASAP SMF” costituito dall’Università di Bergamo, di Brescia, di Firenze, e del Piemonte Orientale. ASAP è la community italiana sul service management e sulla servitizzazione. Centri di ricerca universitari e aziende collaborano per l’innovazione nella progettazione e gestione dei servizi, per lo sviluppo strategico del “service business” e la gestione del cambiamento. ASAP è il punto di riferimento del panorama nazionale, e uno dei principali a livello Europeo, in materia di service management. Realizza attività di ricerca, formazione, workshop e convegni, favorendo il networking e la disseminazione.
