Il 54% dei professionisti legali ha dichiarato di aver investito in tecnologia legale aggiuntiva nell’ultimo anno, di fronte alle numerose pressioni del mercato per aumentare le entrate e la redditività.
La leadership dei singoli studi legali ha riconosciuto che la resistenza organizzativa all’intelligenza dei dati è quasi avventata, considerata la disponibilità e l’accessibilità economica di soluzioni tecnologiche di dati personalizzati e l’enorme ROI che possono generare. Tuttavia, per le aziende che hanno deciso di migliorare le proprie capacità di data intelligence, la scelta e l’integrazione degli strumenti giusti rappresentano un compito intimidatorio, una vera e propria “scatola nera tecnologica”.
Una volta che le aziende hanno chiarito il contenuto di quella scatola scegliendo le soluzioni e i fornitori giusti, il conseguente processo di gestione del cambiamento non è da meno, carico di una serie di domande, a partire da “da dove comincio”. Ecco alcune linee guida e best practice che possono aiutare ad alleviare i punti deboli associati alle aziende che si muovono verso e completano la loro trasformazione digitale.
Molti leader aziendali incaricati dell’implementazione di nuove tecnologie potrebbero immergersi immediatamente nella valutazione dei dati esistenti dell’organizzazione, poiché i leader IT o di analisi consiglieranno che i dati puliti e utilizzabili siano una priorità assoluta.
Tuttavia, contrariamente a quanto molte aziende potrebbero pensare, non è necessario che le loro “case di dati” siano completamente in ordine con progetti di pulizia dei big data prima di iniziare a utilizzare l’analisi avanzata. Sebbene la salute delle fonti di dati sia senza dubbio fondamentale, le aziende dovrebbero iniziare con una mentalità di “reverse engineering”, iniziando con la fine in mente attraverso una domanda aziendale mirata. Il team dovrebbe esaminare da vicino l’attuale panorama strategico dell’azienda e determinare quali domande aziendali chiave necessitano veramente di risposte. Ad esempio, l’azienda potrebbe dover scoprire dove si trovano le maggiori opportunità di crescita organica dei clienti, quali team sono più efficaci nella collaborazione incrociata in una rete di clienti, o prevedere quali clienti sono maggiormente a rischio di declino.
Una volta che un’azienda sa a quali domande è necessario rispondere, il team dovrebbe formare un elenco di ipotesi che possono essere testate con i dati per aiutarlo a concentrarsi su quali fonti di dati esaminare. Tuttavia, il team dovrebbe evitare di cercare di “ribollire l’oceano” tentando di affrontare troppe domande e ipotesi aziendali tutte in una volta. Testare nuovi programmi di analisi o strumenti di tecnologia dei dati solo su una o due domande aziendali mirate e di impatto preparerà il terreno sia per il successo iniziale che per un’implementazione più agevole a lungo termine, distillando chiaramente ciò che è più importante in termini di attenzione e priorità dell’azienda asset di dati.
Con domande chiave e ipotesi ben definite, l’azienda può iniziare rapidamente a determinare quali fonti di dati sono più importanti, che si tratti di dati finanziari, dati sulle persone, dati sul coinvolgimento dei clienti, dati sulle comunicazioni interne del team o altre fonti esterne. Una buona valutazione dei dati esamina la qualità dei dati, inclusi aspetti come la completezza dei dati nella fonte, quanti anni l’origine dati è stata utilizzata, la coerenza dei dati e la maturità dei dati in termini di adozione definitiva.
Forse l’azienda non è in grado di raccogliere informazioni accurate sui dati in metriche come il tempo dedicato a determinate attività lavorative o l’attività CRM del cliente. I fattori che potrebbero rendere meno utile un’origine dati potrebbero includere dati appartenenti a un fornitore di terze parti con accesso di licenza limitato, tassonomie interne disordinate, dati finanziari incoerenti a causa di fusioni e acquisizioni o un sistema software senza API moderne che rende difficile l’estrazione e l’aggregazione dei dati.
Tuttavia, le aziende non dovrebbero esitare ad andare avanti semplicemente perché non dispongono di fonti di dati perfettamente pulite su tutta la linea. Può essere un errore significativo ritardare l’avvio di progetti di analisi dei dati cercando e non riuscendo a raggiungere la perfezione. Le aziende spesso dispongono già di un ampio valore all’interno dei loro dati, con il potenziale per estrarre potenti intuizioni che possono trasformare in azione. La cosa migliore che le aziende possono fare è iniziare prima piuttosto che dopo, iniziando a misurare tutto ciò che hanno a disposizione nel tentativo di comprendere meglio i driver dei diversi risultati aziendali.
Un fattore significativo per diventare uno studio legale basato sui dati è la creazione di una cultura basata sui dati. Ciò significa ottenere il consenso delle principali parti interessate dell’organizzazione dimostrando che le intuizioni sono effettivamente utilizzabili e creano un impatto aziendale tangibile. Conquistare i cuori e le menti spesso significa mostrare alle persone che questa nuova tecnologia migliorerà la loro vita lavorativa.
Una volta che un’azienda ha determinato le fonti di dati potenzialmente più fruttuose da aggregare per rispondere alla sua domanda aziendale chiave, deve decidere a quali reparti e manager verrà distribuito per primo lo strumento di analisi. Alcuni entusiasti sostenitori dell’analisi presumeranno che non ci sia nulla di male nel distribuire un nuovo strumento o sistema a molte aree di pratica contemporaneamente o addirittura all’intera azienda.
Ma non c’è un ROI sostenibile in una soluzione appariscente che cerca di servire troppi padroni, troppo frettolosamente. Invece, se un piccolo gruppo di parti interessate vede i vantaggi concreti e se un caso di prova può portare a nuovi processi che consentono agli avvocati di migliorare l’efficienza o ridurre i costi, allora quella manciata di leader disponibili osserverà il ROI e socializzerà le intuizioni. L’azienda può quindi perfezionare il posizionamento della tecnologia in base alle esigenze per un pubblico più ampio e una distribuzione più ampia.
Una strategia di implementazione tecnologica di successo sarà stratificata in base ai gruppi di stakeholder. Questo gruppo di test iniziale di parti interessate, utenti finali e partner o leader utilizzerà le informazioni fornite dallo strumento e quindi intraprenderà azioni che creano valore. Sono fondamentali per ridimensionare la tecnologia perché si sentiranno autorizzati a prendere decisioni più informate o ti diranno che lo strumento non sta generando intelligenza tattica. Le vittorie rapide e riuscite del proof of concept creano slancio, dimostrano il ROI e forniscono la visibilità di cui le organizzazioni hanno bisogno per ridimensionare e acquisire un valore significativo.
I proprietari di sistemi e gli esperti di dominio dell’azienda sono un gruppo fondamentale: persone che ogni giorno mangiano, dormono e respirano i sistemi di dati da cui estrai informazioni. Senza il giusto livello di contesto aziendale, interpreterai male e produrrai insight errati, anche con gli algoritmi e le analisi più potenti.
Il terzo gruppo sarà costituito da “sponsor del progetto”, persone anziane che possono evangelizzarlo con altri leader senior per aiutare a sostenere l’adozione del cambiamento.
I team dedicati alla scienza dei dati e agli analisti aziendali sono il quarto gruppo, che può riunire tutte queste parti interessate per eseguire l’analisi, produrre approfondimenti e trasformare i risultati in una narrativa aziendale che soddisfi tutti.
Le aziende dovrebbero fare attenzione a implementare soluzioni di data intelligence in stile “ticket IT”, in cui finiscono con troppe richieste su misura. Questo approccio eccessivamente personalizzato può portare a una sorta di pipeline di attività di servizio piuttosto che a uno strumento di intelligence riutilizzabile e scalabile.
È inoltre sconsigliabile omettere uno dei suddetti gruppi di stakeholder nelle fasi iniziali perché inevitabilmente crea problemi in cui il progetto potrebbe cadere dalla sua parte e non avere successo a lungo termine. Se uno dei gruppi di stakeholder cruciali non è disponibile, l’azienda dovrebbe attendere fino a quando non può coinvolgere tutti i gruppi necessari nel progetto.
L’adozione della tecnologia dei dati, in particolare per le grandi organizzazioni, consiste nel raccontare storie positive sulle varie fasi dell’impatto e sull’adozione da parte degli utenti. Questo livello di coinvolgimento positivo ha un effetto valanga che induce le persone a credere nel valore dei dati e ad averne fiducia, e successivamente crea evangelisti che rafforzano comportamenti di adozione positivi. Una grande azienda può quindi distribuire con sicurezza un nuovo strumento di data intelligence a un centinaio di avvocati che altrimenti potrebbero non essere naturalmente interessati a portare la tecnologia nelle loro attività lavorative quotidiane.
La pandemia ha spinto numerosi settori, inclusi i servizi professionali, verso la trasformazione digitale e l’adozione della tecnologia dei dati.
La tecnologia legale che incorpora capacità di data intelligence sarà presto la posta in gioco nel nostro settore, ma fino ad allora gli studi legali che sfruttano la digitalizzazione precoce possono godere di un vantaggio