Con la crescita e la maturazione dei team di insight, ottimizzare il flusso di insight e dati tra i ricercatori è sempre più essenziale.
Con l’aumento del volume e del ritmo delle ricerche, i “silos” di insight possono creare enormi grattacapi ai team di insight. Non c’è niente di peggio che scoprire che un progetto di insights è ridondante rispetto al lavoro già svolto. O che un ricercatore avrebbe potuto risparmiare ore su un progetto in corso se solo avesse saputo di uno studio fatto da un suo collega sei mesi prima.
L’abbattimento dei silos di ricerca e l’ottimizzazione del flusso di informazioni sugli insight tra ricercatori e team è un imperativo per i team di insight ad alte prestazioni.
Come rompere i silos della ricerca
L’ottimizzazione del flusso di informazioni tra i team di ricerca e i ricercatori richiede l’ottimizzazione di due dinamiche correlate:
- Manageriale (per promuovere e rendere possibile una cultura di condivisione delle informazioni)
- Tecnologico (per archiviare, organizzare e sintetizzare i dati della ricerca tra i vari team)
Il manageriale Il problema è sempre verde ed è stato studiato e affrontato dagli studiosi di management per decenni. La conclusione è che è imperativo costruire una cultura della trasparenza in cui i ricercatori abbiano le risorse necessarie per comunicare (e interpretare) le informazioni.
Ottimizzare il tecnologico La dinamicità rimane una sfida significativa per molti team di insight. In particolare, i tassi di adozione degli archivi di insight sono inferiori a quelli di altre soluzioni research-tech (o ResTech). Inoltre, l’innovazione tecnologica degli archivi specifici per l’insight non ha tenuto il passo con l’innovazione delle soluzioni di archiviazione dei dati per i diversi casi d’uso (ad esempio, i CRM per i team di vendita o le piattaforme di gestione del capitale umano per i dipartimenti HR).
Ma quali di queste cause sono all’origine dell’altra? La tecnologia degli insight repository è in ritardo perché i tassi di adozione sono bassi? Oppure l’adozione di un insights repository è in ritardo perché la tecnologia insights non riesce ad aggiungere valore?
Chiunque lavori nel settore degli insight lo sa: la scarsa tecnologia è la causa di questo problema.
La maggior parte dei tentativi di risolvere il problema degli insight repository funzionali e di valore deve ancora tenere conto delle sfumature insite nel lavoro di insight. Inoltre, il rapido ritmo dell’innovazione nel settore degli insight ha reso difficile per le piattaforme di repository di insight tenere il passo: la rigidità della piattaforma, la staticità e (ironia della sorte) la scarsa UI/UX pongono i responsabili degli insight di fronte a sfide frustranti per convincere i loro team (soprattutto i ricercatori sul campo) del valore di investire il loro tempo ed energia nell’aggiornamento e nella manutenzione del loro repository di insight.
IMPARARE SU: Repository della ricerca UX
Se un repository di insight crea più lavoro per i ricercatori in rete, allora annulla qualsiasi vantaggio ottenuto con la sua adozione.
Il giusto tipo di strumento per il repository degli insight
Gli archivi di insight efficaci dovrebbero basarsi su tre elementi chiave, come definito da Kristi Zuhlke:
- Le intuizioni, i temi e le storie vengono etichettati, indicizzati e unificati tra i vari team e progetti. Osservazioni e pepite d’informazione che mettono in mostra le conoscenze tribali di studi isolati, affinché tutti possano cercarle e vederle.
- Dati e prove di ricerca grezzi, in modo che i team possano rivedere e rielaborare i dati delle fonti primarie con nuove intuizioni.
- Inoltre, la tecnologia di backend dei repository di insight dovrebbe raggruppare automaticamente i risultati per i ricercatori di insight. Non dovrebbero essere progettati per affidare ai ricercatori il lavoro manuale di collegare gli insight rilevanti per scoprire nuove scoperte tra i vari progetti.
Un archivio di insight, in altre parole, non è solo un wiki o una “base di conoscenza”. Sebbene tutte le voci di testo debbano essere ricercabili, un buon repository di insight non deve richiedere agli utenti di inviare e pubblicare grandi volumi di risultati narrativi perché la piattaforma colleghi temi e idee comuni tra i vari progetti, rendendolo un sistema di gestione della conoscenza.
Ecco perché il collegamento dei dati grezzi della ricerca è essenziale per il miglioramento continuo di un archivio di insight e per aumentare l’agilità di un team di insight. Le tecnologie predittive e l’intelligenza artificiale possono fare riferimento a questi dati grezzi per spingere i ricercatori verso scoperte completamente nuove, oltre a (e a migliorare) i temi che i ricercatori inseriscono da soli.
Un repository di insight efficace risolverà i problemi legati alla scarsa adozione del repository da parte dei team di insight, aggiungendo – e non rubando – tempo ed energia ai ricercatori. Inoltre, abbatterà i silos di insight facilitando connessioni rapide e automatiche tra punti di dati correlati tra progetti e programmi, attingendo sia agli input dei ricercatori che ai file di dati grezzi.
Il risultato: Team di insight in grado di operare in modo rapido e indipendente, ma con una prospettiva più completa del tipo di lavoro di insight svolto in tutte le iniziative di ricerca della loro organizzazione. Questo equivale a una maggiore qualità degli approfondimenti, a una riduzione della ridondanza e a una maggiore agilità della ricerca.
Di recente abbiamo pubblicato un blog che mette in evidenza i silos di dati. Perché non dare un’occhiata per scoprire alcuni spunti interessanti?
Conclusione
I team di insight sempre più isolati sono uno sfortunato effetto collaterale di un dipartimento di insight in crescita e in via di maturazione, che offre ai suoi vari team una maggiore indipendenza operativa. Ma i silos di insight non sono inevitabili. Le organizzazioni possono abbattere le barriere e facilitare la comunicazione a valore aggiunto tra questi progetti in rapida evoluzione e interrelati utilizzando un repository di insight come InsightsHub, costruito per tenere conto delle idiosincrasie insite nei complessi flussi di lavoro di insight.
