Ecco come Straumann Group sta trasformando l’odontoiatria attraverso i dati e l’IA

Sridhar Iyengar, dello Straumann Group, ha una missione coraggiosa: trasformare l’organizzazione dei dati e della tecnologia della sua azienda, che ha quasi 70 anni, per farla diventare un produttore e vendor globale digitale e data-driven di impianti dentali, protesi, ortodonzia e odontoiatria, nonché fornire agli stakeholder aziendali anche il machine learning sotto forma di servizio.

“La mia visione è quella di poter dare alle mie aziende le chiavi per gestire i loro dati e per farli funzionare, invece di essere subalterne ai team che si occupano di dati e di tecnologia più in generale”, dice Iyengar, direttore Data & Tech di Straumann Group North America.

Non sarà un’impresa da poco. L’azienda di Basilea, in Svizzera, che opera in oltre 100 Paesi e dispone di petabyte di dati, molti dei quali altamente strutturati sui clienti, sui trattamenti e sulle richieste di laboratorio, dati operativi e un volume enorme e crescente di dati non strutturati, in particolare di imaging. L’attività di ortodonzia dell’azienda, per esempio, fa un uso massiccio dell’elaborazione delle immagini, al punto che i dati non strutturati crescono a un ritmo di circa il 20-25% al mese.

I progressi della tecnologia di imaging offrono al Gruppo Straumann l’opportunità di fornire ai propri clienti nuove funzionalità. Un esempio: i dati di imaging possono essere utilizzati per mostrare ai pazienti come un allineatore cambierà il loro aspetto nel tempo.

“Questo dà molto potere ai nostri fornitori nella vendita dei loro servizi e, allo stesso tempo, ci fa ottenere più NPS (net promoter score) dai pazienti”, aggiunge Iyengar, con la certezza che l’IA giocherà un ruolo fondamentale nelle attività di elaborazione delle immagini e dei trattamenti di laboratorio di Straumann. Da qui la spinta a fornire il ML come servizio ai clienti interni del team Data & Tech.

“Tutto ciò che devono fare è costruire il loro modello e utilizzarlo”, afferma.

Ma, per potenziare le varie attività con il ML e con l’IA, il team di Iyengar ha dovuto prima rompere i silos di dati all’interno dell’azienda e trasformare le relative operation.

“La digitalizzazione è stata la prima tappa del nostro viaggio nei dati”, spiega il manager.

Vendere il valore della trasformazione dei dati

Iyengar e il suo team si trovano a 18 mesi di distanza da un percorso di tre-cinque anni iniziato con il raggruppamento di fonti di dati come ERP, CRM e database legacy in data warehouse per quelli strutturati, e nella creazione di data lake per le risorse non strutturate.

Questo passo, intrapreso principalmente da sviluppatori e data architect, ha stabilito la governance e l’integrazione dei dati. Ora, gli architetti dell’informazione che fanno parte del team, in collaborazione con gli analisti aziendali, stanno lavorando al livello semantico, che alimenta le informazioni dai data warehouse e dai data lake nei data mart: finanziario, vendite, supply chain, e per il mercato. Il prossimo obiettivo, con l’aiuto del partner Findability Sciences, sarà quello di costruire pipeline di ML e AI a un livello di fornitura di informazioni in grado di supportare analisi predittive e prescrittive.

“Quando il livello informativo sarà maturo, il ML e l’IA cominceranno a fare capolino”, ha dichiarato, aggiungendo che, sebbene la trasformazione dei dati fosse un’esigenza impellente quando ha firmato nel 2021, voleva una visione più forte, per convincere il consiglio di amministrazione e i leader aziendali ad affrontare la sfida.

Per la sua strategia sui dati, si è affidato, quindi, a una metafora difensiva e offensiva allo stesso tempo. Nel primo caso, ha incluso gli elementi tradizionali della gestione, come la data governance [in inglese] e la qualità dei dati, mentre sul lato offensivo ha previsto il dominio dell’intelligenza artificiale e delle analisi avanzate con un ruolo che va oltre la semplice comprensione e ottimizzazione del business.

“Il lato offensivo consiste nel generare entrate, insight dai dati storici che abbiamo raccolto e, di fatto, prevedere le tendenze in arrivo”, spiega Iyengar. “La maggior parte delle risorse che otteniamo su questo versante sono non strutturate, e vogliamo assicurarci che abbiano un senso per i leader aziendali, aiutandoli nella loro armonizzazione e nel loro arricchimento, in modo tale che possano servire i loro clienti in modo più efficiente, e che questi ultimi sfruttino i servizi di Straumann in modo molto più solido e senza attriti”.

Non sorprende che sia stato proprio questo aspetto offensivo a far sì che il consiglio di amministrazione di Straumann investisse nel piano di trasformazione di Iyengar.

“Quando, poi, sono state proposte anche la centralità del cliente e la trasformazione digitale, insieme alla trasformazione dei dati, il tutto è risultato fortemente amplificato”, sottolinea il manager.

Prepararsi al futuro

Il team di Iyengar è arrivato al successo adottando un approccio per casi d’uso, non dissimile da quello di una delle attività principali di Straumann. “Abbiamo adottato lo stesso principio delle immagini pre-trattamento e post-trattamento che mostriamo ai nostri pazienti”, spiega Iyengar.

Lo staff ha chiesto ai dirigenti dell’azienda di scegliere una serie di vettori incentrati sul cliente per illustrare come le innovazioni dei dati potessero essere utilizzate per ottenere risultati di business. Uno degli obiettivi era la riduzione del tasso di abbandono dei clienti. Il team ha iniziato dividendo questa propensione in due valori: uno per la conservazione dei clienti esistenti, e uno per l’acquisizione di nuovi clienti. Ha utilizzato i valori tipici del ciclo di vita della clientela e ha analizzato i modelli di acquisto per fornire al team di marketing e al team di vendita informazioni che potessero essere utilizzate per guidare le loro strategie.

Iyengar sostiene che l’adozione di questo approccio alla vendita interna della trasformazione digitale abbia reso il lavoro molto più semplice. “Stiamo assistendo all’approvazione di molti investimenti da parte di tutte le aziende per sostenere questa iniziativa”, tiene a precisare.

Nel frattempo, mentre il team inizia a sviluppare le capacità di ML e AI, diventa anche indispensabile trasformare il team Data & Tech stesso.

“Il set di competenze che abbiamo internamente, da un punto di vista tradizionale non è adatto alla parte che riguarda ML e AI”, dice Iyengar. “Ciò di cui si ha bisogno sono statistici e matematici, non programmatori e codificatori, giusto? Quindi, anche noi ci stiamo trasformando, sia culturalmente che sotto il profilo delle competenze. Questo richiede tempo. Abbiamo una curva di apprendimento per costruire il giusto set di skill al nostro interno”.

Iyengar sta integrando le conoscenze del suo team con l’aiuto di Findability Sciences, azienda specializzata in intelligenza artificiale. La piattaforma Findability.ai dell’azienda combina il machine learning, la computer vision e il Natural Language Processing (NLP) per aiutare i clienti nel loro percorso di IA.

“Nel mio team ho molte competenze tradizionali di ETL”, spiega. “Quello che non ho è il set di competenze ML/IA, in questo momento. I partner ci stanno aiutando in questo spazio”.

In definitiva, secondo Iyengar, questi cambiamenti trasformeranno il modo in cui il team Data & Tech si interfaccia con l’azienda. Per ora, opera secondo un modello centralizzato “hub and spokes”. Ma, l’assunzione di statistici e matematici nel suo team non sarà scalabile. L’obiettivo, entro tre-cinque anni, è invece quello di inserirli in squadre più vicine alle linee di business, in modo che le aziende possano gestire i modelli da sole.

“In questo momento, stiamo guidando l’autobus a 150 chilometri all’ora, cambiando le gomme allo stesso tempo, il che non sarà assolutamente scalabile, anche se sono orgoglioso del mio team per il fatto che lo stiamo facendo”, conclude.