Digital readiness of Italian and multinational companies : an application of digital DNA framework

This study aims at analysing the results of Digital Readiness Assessments developed by P4I in Italian and multinational companies. P4I is a consulting company, composed by more than 100 professionals and based in Milan, working with large companies and supporting them in digital skills assessment projects. The projects analysed in this thesis have identified and evaluated the digital skills of human capital of 14 companies. The resulting mapping enables to identify the areas with the largest gaps in order to fill them through training and development initiatives. Literature analysis investigates the concept of digital competences at two levels. The first level consists in the analysis of the different meanings and typologies of competences, distinguishing among "knowledge", "skills" and "attitudes", to conclude with the concept of "orientation". The second level investigates digital skills. Around these themes, many researchers, companies and institutions, both at European and global level, have developed frameworks and theories. The Digital DNA model (acronym of Digital Native Attitude) is the result of a synthesis of existing models integrated into a unique approach by P4I. Digital DNA gathers digital skills in four main areas: Digital Soft Skills, ICT Skills, Job Related Skills and Innovation Skills. The study is based on a sample, of 14 companies and 88’000 people involved in 20 countries, that made it possible to design the DNA of 4 industries: Financial Services, Utility, Manufacturing and Services. The first interesting result is the identification of the main gap areas of each sector. The area of competence related to Data Driven Decision Making represents a weakness for all sectors analysed and also for each single company. Utility industry has the largest gaps, particularly in Digital Soft Skills and ICT Skills. Financial Services has some gaps in ICT skills and in new trends related to Machine Learning and Artificial Intelligence. Manufacturing, on the other hand, has gaps in the area of Manufacturing 4.0. Service industry achieves the best results with gaps only in the area of Data Driven Decision Making. A comprehensive reading of the results, which takes into consideration the redemption rate and the Digital Readiness of each single company, offers another interesting result. From the combination of these two sets of data, 4 clusters of companies have been identified. The clusters are: Little involvement (low participation and low Digital Readiness), Sceptical (low participation and high Digital Readiness), Enthusiastic (high participation and low Digital Readiness) and Ready (high participation and high Digital Readiness). For each of them, differentiated training and development actions have been identified according to their results. To conclude, this study can find future developments through the collection of additional data and the development of a more homogeneous data collection model.

Questo studio ha l’obiettivo di analizzare i risultati dei Digital Readiness Assessment sviluppati da P4I in imprese italiane e multinazionali. P4I è una società di consulenza, composta da oltre 100 professionisti e con sede a Milano, che lavora con imprese di grandi dimensioni e le supporta in progetti di assessment delle competenze digitali. I progetti analizzati nella tesi hanno identificato e valutato le competenze digitali del capitale umano di 14 imprese. La mappatura risultante consente di identificare le aree con i maggiori gap per poterli colmare attraverso iniziative di formazione e sviluppo. L’analisi della letteratura indaga il concetto di competenza digitale a due livelli. Il primo livello consiste nell’analizzare i diversi significati e tipologie di competenza, distinguendo tra concetti di “knowledge”, “skills” e “attitudes”, per concludere con il concetto di “orientation”. Il secondo livello investiga le competenze digitali. Attorno a questi temi, molti ricercatori, imprese ed istituzioni, sia a livello europeo che mondiale, hanno sviluppato diversi framework e teorie. Il modello del Digital DNA (acronimo di Digital Native Attitude) è frutto di un lavoro di sintesi, portato avanti da P4I, dei modelli esistenti integrati in un unico approccio. Il Digital DNA raggruppa le competenze digitali in 4 aree principali: Digital Soft Skills, ICT Skills, Job Related Skills e Innovation Skills. Lo studio si basa su un campione di 14 aziende e 88'000 persone coinvolte in 20 paesi che ha reso possibile elaborare il DNA di 4 settori: Servizi Finanziari, Energia, Manifatturiero e Servizi. Il primo interessante risultato consiste nell’identificazione delle principali aree di gap di ciascun settore. L’area di competenza relativa al Data Driven Decision Making rappresenta un punto di debolezza per tutti i settori analizzati e solitamente anche per ogni singola impresa. Il settore dell’Energia presenta i maggiori gap, in particolare nelle Digital Soft Skills e ICT Skills. I Servizi Finanziari presentano alcuni gap nelle competenze ICT e verso i nuovi trend legati al Machine Learning e Artificial Intelligence. Il Manifatturiero presenta invece gap nelle aree di Manifattura 4.0. Il settore dei Servizi ottiene i migliori risultati con gap soltanto nell’area del Data Driven Decision Making. La lettura comprensiva dei risultati, che tiene conto del tasso di partecipazione e della Digital Readiness delle singole imprese, offre un altro interessante risultato. Dalla combinazione di questi due dati, sono stati identificati 4 cluster di aziende. I cluster individuati sono: Poco coinvolte (bassa partecipazione e bassa Digital Readiness), Scettiche (bassa partecipazione e alta Digital Readiness), Entusiaste (alta partecipazione e bassa Digital Readiness) e Pronte (alta partecipazione e alta Digital Readiness). Per ciascuno di essi sono state identificate azioni differenziate di formazione e sviluppo sulla base dei risultati emersi. Per concludere, questo lavoro può trovare futuri sviluppi ed essere ampliato attraverso la raccolta di ulteriori dati e lo sviluppo di un modello di raccolta dati più omogeneo.