Marginal Column
Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh

Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh

dirige da settembre 2002 la Cattedra di Sistematica della Produzione presso l’Università RWTH di Aquisgrana ed è membro del Comitato Direttivo del Laboratorio Macchine Utensili (WZL) e dell’Istituto Fraunhofer per le Tecnologie di Produzione (IPT) di Aquisgrana. Da ottobre 2004, è inoltre Direttore dell’Istituto di Ricerca per la Razionalizzazione (FIR) presso l’Università RWTH di Aquisgrana.

Copyright Photo: WZL Aachen

“Un valido Customer Care richiede processi stabili”.

Content

Marzo 2017

 

Per il professore Günther Schuh, Docente ad Aquisgrana, informazioni ben preparate e le conoscenze che ne derivano sono il presupposto per le offerte di Customer Care del futuro, orientate al Cliente.

Nella maggior parte delle aziende, ci si concentra ancora sui classici servizi di Customer Care: lo ritiene un fatto sorprendente?

Decisamente no: anche le nostre indagini confermano senz’altro questo dato di fatto; i servizi di concezione classica non perderanno a breve la loro legittimità. Tuttavia, già da tempo, diverse aziende si stanno portando più avanti, offrendo Smart Service, creando piattaforme, facendo evolvere i modelli aziendali. In tutto questo, le aziende ottengono nozioni estremamente preziose, consolidando rapidamente il loro vantaggio rispetto a quelle che osservano quasi dall’esterno il tema dell’integrazione digitale.

Quale vantaggio possono trarre tali servizi base dalla crescente digitalizzazione?

Un valido Customer Care – sia esso di livello base, a valore aggiunto o Smart Service – richiede processi stabili. Dalla digitalizzazione di questi processi, innanzitutto, ottengo un diretto incremento di efficienza; l’aspetto cruciale della digitalizzazione, tuttavia, è la disponibilità di dati ed informazioni. Potrei, ad esempio, citare la pianificazione e l’assegnazione dei tecnici del Customer Care, supportate da un appropriato sistema informatico, oppure la verifica di disponibilità delle parti di ricambio. Oggi, in una tipica azienda di medie dimensioni, i collaboratori spendono buona parte del loro orario di lavoro in ricerche ed attese, molto spesso a causa dell’assenza di informazioni. A nostro modo di vedere, i processi digitalizzati sono Industry 3.0: da qui parte l’Industry 4.0, che significa integrazione in tempo reale, orizzontale e verticale.

Quali passi dovrebbero compiere le aziende di fronte alle sfide del Customer Care?

Nell’offerta di Smart Service, oltre ad una serie di aspetti tecnologici, le aziende devono affrontare tre problematiche essenziali.

Innanzitutto, occorre un accesso tecnico e contrattuale ai dati del Cliente: un Business Case deve innanzitutto dimostrare sensibili vantaggi economici per il Cliente stesso. In secondo luogo, gli Smart Service non vengono di norma sviluppati già pronti e venduti come fossero tolti da uno scaffale: in genere, ogni nuovo Cliente richiede uno sforzo d’implementazione. Tale competenza in materia d’implementazione va costruita. In terzo luogo, gli Smart Service, siano essi prodotti o servizi, sono spesso talmente complessi che la loro commercializzazione mette a dura prova le strutture di vendita e, soprattutto, di acquisto. Spesso, infatti, tali strutture devono convincere più di uno stakeholder presso il Cliente, poiché un’implementazione ragionata comprende sempre più ambiti: tipicamente, almeno gli ambiti Produzione, Manutenzione ed Informatica. Possono, quindi, constatare come, per risolvere nuove sfide, occorra innanzitutto fare sparring con il proprio Cliente.

All’orizzonte si stanno delineando molti Smart Service: quale si affermerà per primo? Sarà la Predictive Maintenance con sistemi di avviso anticipato ben funzionanti?

Innanzitutto, tipo ed estensione dei servizi implementabili dipendono dall’ambito industriale e dal relativo Business Case. Inoltre, le soluzioni singole non hanno senso: tipicamente, un parco impianti è composto da macchine di diversi costruttori; se da ciascun costruttore di macchine acquisto un suo servizio di Predictive Maintenance, sostanzialmente non ne trarrò alcun guadagno. Soltanto con l’integrazione, ad esempio con i sistemi di pianificazione per manutenzione e produzione, posso generare un autentico valore aggiunto con tali servizi. Qui, le nostre stesse esperienze dimostrano che la leva non è sviluppare sistemi di avviso anticipato ancora più efficienti, che possano rilevare gli errori ancora prima, bensì implementare tali sistemi, a livello organizzativo, nei processi di Customer Care e di manutenzione.

Che cosa intende con l’espressione “ombra digitale”, da Lei coniata? La cosa ha effetto sui servizi?

Con l’espressione “ombra digitale” si intende un quadro digitale adeguatamente preciso dei processi di produzione, sviluppo e negli ambiti contigui, ossia anche nel Customer Care. Tale quadro costituisce il presupposto, a livello dati, per ottenere valutazioni in tempo reale. Nello specifico si tratta, ad esempio, di descrivere i necessari formati dei dati, di selezionare i dati stessi e di stabilire con quale grado di finezza suddividerli. L’ombra digitale, inoltre, ha sempre anche una componente economica: il rilevamento di determinati dati, ad esempio le previsioni di avaria delle macchine, può avere economicamente senso se svolge un ruolo chiave nel processo di produzione, mentre potrebbe non averne in un altro caso.

Come possiamo preparare al futuro i collaboratori del Customer Care?

In futuro, apprendimento e training si svolgeranno “on the job”, supportati da appositi sistemi, anziché prevalentemente nei corsi di formazione. A tale scopo, occorrono fiducia nei sistemi e, nel contempo, la capacità di utilizzo critico dei contenuti digitali. Da un lato, vogliamo che il collaboratore del Customer Care venga supportato al meglio nelle sue decisioni, ad esempio non dovendo più pensare alla ricerca delle informazioni, né agli aspetti più banali nella soluzione delle problematiche; dall’altro, le persone devono comunque restare in grado di valutare le proposte, o le decisioni, di un sistema. Già oggi, alcuni esempi pratici dall’ambito delle intelligenze artificiali dimostrano come uomo e macchina possano apprendere di pari passo. In tale modo, gli specialisti guadagneranno in velocità ed efficienza.