Data analytics per il procurement, ecco come una base dati può supportare una gara

Come una buona base dati può supportare un progetto di gara. La disponibilità di una articolata e congrua base dati, che le centrali di acquisto raccolgono in modo sistematico grazie all’utilizzo di piattaforme e di modalità digitali di gestione delle gare pubbliche, può svolgere un ruolo significativo nello svolgimento complessivo di progetto, realizzazione e controllo di una gara, poiché offre indicazioni utili e rilevanti al fine di un più informato processo decisionale e consente di ottimizzarne le varie fasi, migliorando l’outcome.

A ciò potrebbe accompagnarsi una componente aggiuntiva e parallela inserita in tali piattaforme che raccolga sistematicamente, in una prospettiva di marketing d’acquisto, l’andamento di alcuni prodotti e/o servizi con relativi prezzi di riferimento disponibili sul mercato, per adattarsi e rispondere alle mutevoli e dinamiche evoluzioni dei vari settori produttivi.

I vantaggi dei data analytics

Con riferimento al ciclo degli acquisti, i data analytics possono aiutare nelle varie fasi:

1. Progettazione: analisi del mercato e individuazione dei criteri di selezione dei partecipanti, attraverso i dati delle gare passate relativi ai criteri di selezione, al numero e tipologia dei partecipanti, ai prezzi e qualità offerti. Un’analisi dei pro e contro degli effetti delle scelte fatte in fase di selezione è utile per definire il perimetro del mercato a cui rivolgersi; valutare il rapporto tra il prezzo potenziale di mercato per formulare ipotesi di definizione di base d’asta, con riferimento al settore a cui ci si rivolge e a eventuali gare concluse da altre centrali/ organizzazioni pubbliche che hanno svolto acquisti simili; analizzare i rischi potenziali di altre gare svolte, sia in termini di requisiti e criteri del bando di gara, sia delle offerte ricevute e delle discrepanze degli OE che hanno risposto alle gare- o eventualmente gare andate deserte iv) analisi dei fabbisogni per prevedere in base ai dati raccolti nel passato, la domanda futura, l’andamento delle adesioni degli enti aggregati, gli acquisti effettuati individualmente, nonostante la presenza di una gara aggregata, o eventuali proroghe, al fine di allineare ordini eccessivi o insufficienti, che scoraggiano la partecipazione futura delle PA/ AASS coinvolte
2. Costruzione della gara: criteri di definizione della base d’asta, per individuare eventuali opportunità di risparmio, trend di crescita dei costi dovuti a scenari particolari, sia economici sia geopolitici, per bilanciare l’interesse alla partecipazione e l’ottimizzazione della spesa; analizzare termini e condizioni di definizione dei criteri e dei punteggi di qualità legati alla realtà e/o alla situazione contingente del mercato – anche per evitare gare deserte; costruzione di un sistema di risk analysis e risk management: i dati consentono il confronto di situazioni passate da cui trarre criteri di identificazione di rischi potenziali e del loro impatto
3. Gestione della gara: 

3.1 Valutazione delle performance: i) Monitorare e valutare le prestazioni dei fornitori utilizzando parametri basati sugli indicatori chiave identificati in fase contrattuale quali consegna puntuale, qualità e rispetto dei SLA- Service Level Agreement: l’’identificazione dei fornitori con prestazioni inferiori consente azioni correttive o la sostituzione del fornitore[1], nonché le basi per l’eventuale costruzione di un sistema di vendor rating ii) Tracciare e analizzare gli indicatori chiave di prestazione (KPI) relativi al processo di gara, come i tempi di approvvigionamento, i risparmi sui costi complessivi e le prestazioni dei fornitori, per un eventuale miglioramento durante l’esecuzione del contratto: in sintesi non dare per scontato l’andamento del contratto, ma usare i dati per il miglioramento continuo “nel durante”.

3.2 Trasparenza: Garantire la conformità ai requisiti legali e normativi anche al fine di fornire alle parti interessate informazioni dettagliate sul processo decisionale e sull’andamento delle performance dei fornitori

4. Monitoraggio attuale e prospettico: i) Analisi del feedback: Raccogliere e analizzare il feedback delle varie parti interessate coinvolte nel processo di gara, compresi i team di approvvigionamento, i fornitori e gli utenti finali,  ii) Analisi predittiva: Implementare modelli di analisi predittiva per anticipare le future esigenze di approvvigionamento e le tendenze del mercato, consentendo un processo decisionale proattivo, tra cui ottimizzare la gestione del magazzino e le relazioni con i fornitori.

I criteri

Naturalmente per la costruzione e l’alimentazione progressiva di una buona e coerente base dati, da utilizzare anche per la costruzione delle gare, devono essere chiari e sistematici criteri che rendano fattibile l’analisi e significativo e utilizzabile il risultato. Non entriamo ora nell’ambito specifico di ciascun bando, ma evidenziamo gli elementi trasversali e comuni a ogni buon bando di gara.

Ecco un elenco essenziale di “prescrizioni”.

Relativamente ai requisiti di metodo di raccolta e immagazzinamento, è necessario aver presente:

1. Qualità dei dati:

• Garantire che i dati raccolti e archiviati nel database siano accurati, completi, coerenti e aggiornati.
• Implementare regole di convalida dei dati e processi di pulizia dei dati per mantenere la qualità dei dati nel tempo.

2. Integrazione dei dati:

• Integrare dati provenienti da varie fonti rilevanti per il processo di gara, inclusi altri appalti suddivisi per tipologia merceologica o altri schemi predefiniti, database dei fornitori, dati di mercato e registri storici delle gare.
• Creare format e schemi di dati standardizzati per facilitare l’integrazione.

3. Sicurezza e conformità dei dati:

• Implementare solide misure di sicurezza per proteggere i dati sensibili, tra cui crittografia, controlli di accesso e controlli di sicurezza regolari.
• Garantire la conformità alle normative sulla privacy dei dati, come ad esempio GDPR

4. Architettura del sistema:

­ Scalabilità: Progettare il database per gestire volumi crescenti di dati man mano che la base dati inseriti aumenta, tra cui soluzioni basate su cloud.­   Ottimizzazione: Ottimizzare le prestazioni del database creando indici e query appropriati, e meccanismi di memorizzazione.­   Modellizzazione: Progettare un modello di dati che rifletta le relazioni tra diverse entità di dati rilevanti per la progettazione delle gare d’appalto, come quelli relativi a fornitori, prodotti, offerte e track record storici delle gare d’appalto.­   Accessibilità: Garantire che gli utenti autorizzati possano accedere e interrogare facilmente il database per recuperare informazioni rilevanti per la progettazione della gara e implementare interfacce e strumenti di reporting di facile utilizzo.

5. Governance del sistema:

5.1 Gestione: Stabilire politiche e procedure per mantenere la qualità dei dati e l’accesso ai dati, tra cui l’assegnazione di responsabilità di gestione dei dati a individui o team all’interno dell’organizzazione. Mantenere una documentazione completa che descriva lo schema del database, i dizionari dei dati e i metadati per facilitarne la comprensione e l’usabilità. Definire politiche di conservazione dei dati che specificano per quanto tempo devono essere conservati i diversi tipi di dati e quando i dati devono essere eliminati o archiviati 5.2 Metodi: Incorporare strumenti e tecnologie di analisi in grado di elaborare e analizzare i dati in modo efficace, inclusi strumenti di visualizzazione dei dati, apprendimento automatico e analisi statistica, nonché sistemi di back up e piani di ripristino di emergenza per prevenire la perdita di dati in caso di guasti o disastri del sistema. 5.3 Feedback e miglioramento continuo: Sollecitare feedback da utenti e analisti di dati per migliorare continuamente la struttura, le prestazioni e l’usabilità del database in base all’evoluzione dei requisiti.

L’adesione a questa check-list può dare una guida alla creazione e/o riprogettazione di un robusto data base che supporti l’utilizzo dei dati nel progetto, gestione e valutazione di una gara, con un processo decisionale data-driven che tenda al miglioramento dell’esito finale.

Conclusione

Un’ultima considerazione a chiosa della ricognizione di metodi e azioni sopra elencata. Ad oggi chi si occupa di procurement pubblico non ha un problema di quantità di dati e di repository di varia natura e finalità che ne raccolgono in modo ampio e, a volte disparato, enormi volumi. Semmai la focalizzazione sull’uso dei dati, che deve essere costruita in modo tecnicamente esperto, efficace e efficiente, non può avere impatti e benefici se interpretata con mere finalità di tracciatura formale, ma deve avere a monte un mindset manageriale di governo e utilizzo che, fatta salva ogni compliance normativa, vada oltre, a costruire cioè un vero ciclo di verifica di esito e di apprendimento basato sulle evidenze.

In altre parole, i dati sono certamente gli enabler di un sistema di evoluzione e miglioramento, che esprimono il proprio valore- e giustificano l’investimento e lo sforzo di elaborazione- solo se guidati da persone, organizzazioni e sistemi di gestione competenti non solo tecnicamente ma anche orientati all’obiettivo di generare, attraverso processi di acquisto data-driven, valore per tutti gli stakeholder.

Note

[1] Aspetto questo di particolare rilievo nelle gare centralizzate in cui l’esecuzione del contratto avviene “in periferia”