Con il passaggio del testimone alle nuove generazioni, il panorama decisionale all’interno delle aziende familiari è cambiato radicalmente. I manager e imprenditori di seconda e terza generazione si trovano ad affrontare un contesto di mercato molto più complesso, globalizzato e competitivo rispetto ai loro predecessori. In questo nuovo scenario, l’intuizione non è più sufficiente; le decisioni devono essere supportate da dati solidi, analisi accurate e una strategia ben definita.
Il contesto competitivo moderno: complessità e globalizzazione
Il mercato odierno è caratterizzato da una globalizzazione spinta, dove la concorrenza non è più solo locale, ma arriva da ogni parte del mondo. Le aziende devono confrontarsi non solo con competitor locali ma anche con colossi globali, startup innovative e nuovi entranti che possono rapidamente destabilizzare il mercato.
La tecnologia ha rivoluzionato ogni settore, portando a una digitalizzazione massiccia dei processi aziendali, alla nascita di nuovi modelli di business e a un’accelerazione dei cicli di vita dei prodotti. Questa evoluzione richiede alle aziende di essere estremamente agili, innovative e data-driven.
L’importanza dei dati nel processo decisionale
A differenza della prima generazione, che si affidava prevalentemente all’intuizione, le nuove generazioni di leader vedono i dati come il cuore della strategia aziendale. Utilizzano strumenti avanzati di Business Intelligence (BI), Big Data e analisi predittive per comprendere meglio il mercato, anticipare i trend, ottimizzare le operazioni e prendere decisioni informate.
I dati non solo aiutano a comprendere meglio i clienti e il loro comportamento, ma forniscono anche informazioni cruciali per migliorare la gestione delle risorse, ridurre i costi e aumentare l’efficienza operativa.
Dalla raccolta dei dati all’analisi avanzata
La raccolta di dati è solo il primo passo; il vero valore sta nella capacità di analizzarli e di estrarre informazioni utili per prendere decisioni strategiche. Gli strumenti di analisi avanzata, come il machine learning e l’intelligenza artificiale, consentono alle aziende di individuare pattern, prevedere comportamenti futuri e identificare opportunità di mercato.
Le aziende guidate dalle nuove generazioni stanno investendo pesantemente in piattaforme tecnologiche che permettono un’analisi in tempo reale dei dati, garantendo così una risposta rapida alle dinamiche di mercato in continua evoluzione.
Il ruolo della pianificazione strategica basata sui dati
La strategia aziendale non può più essere basata esclusivamente su ipotesi o sensazioni. Oggi, una pianificazione strategica efficace deve essere supportata da dati dettagliati che permettono di simulare scenari, valutare i rischi e prendere decisioni ponderate. Questo include l’analisi SWOT basata su dati concreti, previsioni finanziarie precise, analisi del rischio e pianificazione a lungo termine.
Le nuove generazioni sono più propense ad adottare metodologie di gestione che combinano l’analisi dei dati con obiettivi misurabili per monitorare le performance aziendali in modo continuo.
Cambiamento culturale e resistenza al cambiamento
L’introduzione di un approccio data-driven spesso comporta un cambiamento culturale significativo all’interno dell’azienda. Le nuove generazioni devono affrontare la sfida di introdurre nuove metodologie e strumenti senza alienare la generazione precedente, che può percepire queste novità come una minaccia al proprio modo di lavorare.
La resistenza al cambiamento è naturale e può essere superata solo attraverso la formazione continua, la comunicazione efficace e l’inclusione di tutte le generazioni nel processo di trasformazione digitale dell’azienda.
Verso un approccio integrato: intuizione supportata dai dati
Le nuove generazioni comprendono che i dati da soli non bastano: devono essere combinati con l’intuizione e l’esperienza che la generazione precedente ha accumulato negli anni. In un mercato complesso e incerto, un approccio integrato che sfrutti il meglio di entrambi i mondi può rappresentare un vantaggio competitivo significativo.
In questo contesto, l’intuizione viene riformulata: non più come sostituto dei dati, ma come complemento. Gli insight derivanti dai dati possono confermare o sfidare l’intuizione, portando a decisioni più robuste e informate.
LA DEFINIZIONE DEL PREZZO DI VENDITA
Immaginiamo un’azienda familiare che produce macchinari industriali. L’azienda è stata fondata 40 anni fa e ha costruito la sua reputazione grazie alla qualità dei suoi prodotti e all’abilità del fondatore di concludere affari vantaggiosi. Oggi, l’azienda è gestita sia dal fondatore (prima generazione) che dai suoi figli (seconda generazione), i quali sono entrati in azienda dopo aver studiato economia e gestione aziendale.
Scenario 1: il prezzo di vendita definito dalla prima generazione (intuizione e poche informazioni)
Il fondatore dell’azienda è abituato a stabilire i prezzi dei macchinari in base alla sua profonda conoscenza del settore, del mercato e dei clienti. Ha sempre basato le sue decisioni di prezzo su alcuni fattori principali:
- Esperienza personale e intuizione: conosce bene i suoi clienti e sa, basandosi sulla sua esperienza diretta, quanto sono disposti a pagare.
- Stima dei costi di produzione: utilizza una stima rapida dei costi diretti (materiali e manodopera), aggiungendo un margine di profitto che ritiene ragionevole.
- Concorrenti locali: si basa su informazioni informali raccolte durante conversazioni o osservazioni di mercato per posizionare il suo prezzo appena sotto quello dei concorrenti principali.
Questo approccio ha funzionato bene in passato perché il fondatore è riuscito a creare relazioni personali con molti dei suoi clienti, negoziando spesso i prezzi in modo diretto e basandosi su fattori come il volume degli ordini e la fidelizzazione.
Scenario 2: il prezzo di vendita definito dalla seconda generazione (parametri di preventivazione solidi e certificati)
I figli del fondatore, che ora lavorano in azienda, propongono un approccio diverso, basato sull’analisi dei dati e su parametri più scientifici per stabilire i prezzi di vendita dei macchinari.
Suggeriscono l’adozione di una struttura di pricing più rigorosa, che includa:
- Analisi dei costi dettagliata: utilizzo di un modello di contabilità analitica per identificare con precisione tutti i costi diretti e indiretti associati alla produzione di ogni singolo macchinario. Questo approccio permette di determinare con maggiore precisione il costo di ogni componente e il margine di profitto necessario.
- Benchmarking dei concorrenti: utilizzo di strumenti di Business Intelligence per monitorare in tempo reale i prezzi dei concorrenti a livello locale e internazionale. L’analisi include anche lo studio delle strategie di prezzo utilizzate dai concorrenti per diverse segmentazioni di mercato (es. qualità, servizio post-vendita, garanzia).
- Simulazioni e previsioni: utilizzo di modelli predittivi e analisi dei dati storici di vendita per simulare diversi scenari di prezzo e prevedere l’impatto sulle vendite e sui margini di profitto.
Con questo approccio, la seconda generazione intende garantire che i prezzi siano competitivi, ma allo stesso tempo riflettano il valore reale offerto e coprano tutti i costi, garantendo una redditività sostenibile.