EN 
IT 
Le organizzazioni non hanno mai avuto così tanti dati sulle persone. Dashboard, KPI e piattaforme di analytics promettono decisioni più razionali e tempestive.
Eppure, nella pratica, la trasformazione data-driven procede a strappi: gli insight restano nei report, mentre le decisioni continuano ad appoggiarsi a intuizioni e precedenti. L’abbondanza informativa, più che guidare, spesso disorienta.
È il paradosso delle organizzazioni data-driven: non manca il dato, manca la capacità di usarlo in modo efficace.
Il limite non è tecnologico
Per comprenderlo, bisogna spostare lo sguardo dalla tecnologia alle persone e alle organizzazioni. A partire dagli studi di Herbert Simon, sappiamo che le decisioni avvengono in condizioni di razionalità limitata: tempo, attenzione e capacità cognitive sono risorse scarse.
La ricerca sul choice overload mostra che, oltre una certa soglia, più informazione riduce la qualità delle scelte e ne rallenta l’esecuzione. Nei contesti organizzativi questo si traduce in analysis paralysis: dati disponibili, ma difficili da integrare e prioritizzare.
Il problema non è avere pochi dati, ma non avere un’architettura decisionale che li renda utilizzabili.
L’illusione dell’oggettività
Nei contesti data-rich, più informazione non significa decisioni migliori.
La letteratura in behavioral economics evidenzia che i bias cognitivi non scompaiono: cambiano forma. I decisori tendono a focalizzarsi sui segnali più visibili o coerenti con le proprie aspettative, trascurando quelli meno evidenti ma rilevanti.
Gli studi sulla limited attention mostrano che l’attenzione selettiva continua a guidare le scelte anche in presenza di molti dati. Il rischio è che i dati rafforzino lo status quo invece di metterlo in discussione.
In ambito HR, questo è evidente: indicatori facilmente disponibili – come performance storiche o assenteismo – pesano più di dimensioni meno osservabili ma centrali, come engagement o qualità delle relazioni. Il risultato è un uso dei dati apparentemente oggettivo, ma basato su assunzioni implicite.
HR analytics: tra promesse e limiti
Gli HR analytics nascono per rendere le decisioni sulle persone più evidence-based. Tuttavia, il loro impatto sulle scelte strategiche resta disomogeneo.
I limiti ricorrenti sono noti:
- dati non comparabili nel tempo
- strumenti utilizzati in modo episodico
- analisi poco integrate nei processi decisionali
A questo si aggiunge un altro punto critico: quando i dati quantitativi non sono bilanciati da informazioni qualitative sul contesto, il rischio è produrre decisioni formalmente corrette ma poco sostenibili.
Gli analytics funzionano solo quanto il sistema interpretativo che li circonda. Senza data literacy diffusa e senza riflessione sui limiti delle misure, i numeri diventano un vincolo più che una risorsa.
Dall’accumulo di dati alla data wisdom
Le evidenze più recenti sull’integrazione tra AI e lavoro umano convergono su un punto: i risultati migliori emergono quando i dati supportano il giudizio, non lo sostituiscono.
Gli algoritmi sono efficaci nell’individuare pattern e correlazioni. Le persone restano centrali nel valutare contesto, implicazioni e plausibilità.
Allo stesso modo, l’intuizione esperta non è alternativa ai dati: è un meccanismo di sintesi che aiuta a filtrare il rumore informativo.
La sfida non è scegliere tra dati e intuizione, ma progettare sistemi decisionali che li integrino.
La vera domanda
Il paradosso delle organizzazioni data-driven non si risolve con più dati o strumenti più avanzati. La questione è come i dati vengono selezionati, interpretati e tradotti in decisioni, all’interno di specifiche architetture organizzative.
La domanda, quindi, non è “quanto siamo data-driven“, ma:
“i nostri dati ci aiutano davvero a comprendere ciò che accade e ad anticipare ciò che accadrà?”
È in questo passaggio – dall’accumulo informativo alla data wisdom – che si gioca la maturità delle organizzazioni.
Fonti principali:
Simon, H. A. (1957). Administrative behavior: A study of decision-making processes in administrative organizations (2nd ed.). New York, NY: Macmillan.
Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing?. Journal of personality and social psychology, 79(6), 995. https://doi.org/10.1037/0022-3514.79.6.995
Hirshleifer, D., & Teoh, S. H. (2003). Limited attention, information disclosure, and financial reporting. Journal of accounting and economics, 36(1-3), 337-386. https://doi.org/10.1016/j.jacceco.2003.10.002 https://doi.org/10.1257/jep.37.3.123
Khatri, N., & Ng, H. A. (2000). The role of intuition in strategic decision making. Human Relations, 53(1), 57–86. https://doi.org/10.1177/0018726700531004
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3-26. https://doi.org/10.1080/09585192.2016.1244699