L’enterprise moderna diventa sempre più data-driven perché ha compreso il legame indissolubile tra il dato, la propria competitività e l’innovazione.
Le aziende moderne possono contare su enormi volumi di dati: quelli creati dalle applicazioni di business, quelli generati dai dispositivi IoT e quelli presenti nei data lake per progetti di data science, ma senza dimenticare il vasto universo documentale e dei dati destrutturati, come immagini e video. Nonostante la varietà e la quantità (nell’ordine dei PB) ne rendano complessa la valorizzazione, le aziende sono consapevoli del valore del dato e lo ritengono uno degli asset più preziosi in assoluto.
Il valore del dato fa sì che esso vada gestito con cura, vada protetto e valorizzato. In altri termini, che vada governato, ed è qui che entra in campo la data governance.
Data governance: cos’è un sistema di gestione del dato
Il dato va governato per due motivi: per massimizzare il suo potenziale (concetto della valorizzazione) e per minimizzare i rischi connessi al suo utilizzo.
Di data governance esistono molte definizioni. Una delle più calzanti (TechTarget) lo considera un processo gestionale il cui fine è garantire la disponibilità, l’usabilità, l’integrità e la sicurezza dei dati nei sistemi enterprise, sulla base di specifiche policy definite dall’azienda. Altre definizioni, allineate alla precedente ma più ampie, pongono l’accento anche sulla qualità e la privacy del dato.
In sostanza, data governance è il sistema di gestione dei dati che l’azienda adotta per massimizzarne il valore e per minimizzare i rischi legati alla sicurezza, alla privacy e alla compliance con la normativa in essere.
I pilastri della data governance, dalla qualità alla sicurezza
Un sistema di data governance ben strutturato è essenziale in qualsiasi azienda moderna. In primis, infatti, crea trust nei confronti dei dati, garantendo non soltanto un impiego conforme alle normative vigenti, ma anche l'affidabilità necessaria per supportare le decisioni più importanti. Ma perché si possa parlare di data governance, sono necessari alcuni pilastri.
1. Data quality
Non è possibile ottenere risultati attendibili partendo da dati di scarsa qualità. Un sistema di gestione dei dati comprende procedure atte a massimizzare la qualità in termini di accuratezza, completezza, affidabilità e rilevanza, permettendo decisioni informate e strategie efficaci.
2. Security e privacy
La sicurezza e la privacy dei dati sono necessarie per proteggere le informazioni sensibili. Le tecniche che si possono adottare sono molte, tra cui controlli rigorosi per l’accesso ai sistemi, crittografia su dati in transito e at rest, tecniche di data masking per nascondere informazioni sensibili e procedure adeguate alla cancellazione sicura delle informazioni non più utili all’azienda.
3. Compliance
La data governance deve assicurare che ogni processo di modifica, manipolazione e condivisione dei dati sia conforme alla normativa vigente, GDPR in primis. La compliance è essenziale non soltanto per evitare sanzioni legali, ma anche importanti danni reputazionali.
4. Usabilità
In azienda, i dati sono essenziali solo se è facile accedervi. Strumenti come i Data Catalog, i Data Dictionary e, soprattutto, le soluzioni di Data Lineage (ovvero la tracciabilità dell'origine, del movimento e della trasformazione dei dati all'interno di uno o più sistemi) migliorano la fruibilità e l’accessibilità delle informazioni. Nell’ambito dell’usabilità rientra inoltre il macro-capitolo del Metadata Management, che abilita una gestione efficace delle informazioni, nonché un accesso più rapido e immediato.
Come si realizza un programma di Data Governance
Un sistema di governo dei dati non è un’esclusiva delle grandi enterprise. Tutte le aziende che affrontano il percorso data-driven hanno a che fare, anche a fronte di un assetto organizzativo piuttosto lineare, con molteplici applicazioni dipartimentali e silos di dati, che potrebbero essere utili a tutta l’organizzazione se solo rientrassero in un paradigma sistemico di gestione, accesso e condivisione del dato.
Per fare questo, oltre a tutta l’evoluzione a livello di mindset, di processo, di architettura dei dati e di soluzioni tecnologiche a supporto, c’è bisogno di data governance. In particolare, le aziende devono porre in essere quello che si definisce un data governance program, che si basa su alcuni pilastri.
Definizione di policy e standard
Le regole di data governance vengono scritte in funzione della normativa in essere e delle best practice di ciascuna industry. Sono l’elemento cardine di qualsiasi programma di data governance e definiscono il modo in cui l’azienda deve acquisire, trattare, gestire, modificare, condividere ed eliminare ogni tipologia e categoria di dati. Per esempio, di solito vengono definite policy per il controllo degli accessi e per la classificazione dei dataset in funzione del livello di sensibilità, cui seguono regole di sicurezza, di encryption, di masking ecc.
Chiara suddivisione dei ruoli
A seconda della dimensione dell’azienda, la definizione di ruoli e responsabilità all’interno del sistema di gestione dei dati può essere molto complessa. Nelle grandi enterprise, per esempio, viene solitamente nominato un comitato di data governance la cui responsabilità spazia dalla stesura all’implementazione e all’evoluzione continua del programma.
A livello esecutivo, un ruolo chiave è quello dei data steward, professionisti che appartengono a più divisioni aziendali e si fanno carico di favorire l’applicazione delle policy all’interno delle varie strutture dell’organizzazione, come le vendite, l’HR ecc. Nel raggiungere questo obiettivo, sono coadiuvati dai data owner, figure tecniche e principali conoscitori di specifici dataset; gli owner implementano le policy di data governance sui loro dataset e approvano eventuali modifiche all’interno delle linee guida definite a livello centrale.
Metadata Management
Un programma di data governance ben progettato include strategie specifiche per la creazione, l'aggiornamento, la condivisione e il controllo dei metadati, assicurando che siano accurati, completi e conformi alle policy di cui sopra. Questo approccio non solo facilita la scoperta e l'integrazione dei dati, ma migliora la collaborazione tra le diverse funzioni aziendali e ottimizza l'efficienza operativa attraverso una gestione dati coerente e ben strutturata.
Processo di Quality Assurance
Si è visto che la qualità è fondamentale in un sistema di governance. Va dunque definito un processo di quality assurance che includa la selezione dei test da eseguire, definisca gli strumenti software per applicarli e la procedura per la correzione degli errori.
Data Governance Framework: cos’è e perché è essenziale
A seconda della dimensione dell’azienda e della sua maturità digitale, il percorso necessario per progettare, implementare e gestire un programma di data governance può essere molto oneroso e complesso. Realizzata la necessità di governare i dati, la stragrande maggioranza delle aziende ha quindi bisogno di un punto di riferimento metodologico su cui basarsi per creare un programma efficace ed efficiente.
Lo scopo dei data governance framework è fornire alle aziende un approccio strutturato alla pianificazione, all’esecuzione e alla gestione di un programma di data governance. Il framework è di fatto un insieme di processi e di linee guida basate su best practice, che ovviamente i responsabili del programma devono poi adattare alla loro realtà specifica. Il framework, infatti, non è mai uno strumento prescrittivo: non impone nulla, ma fornisce delle linee guida su cui costruire le policy, definire i ruoli, i processi e gli strumenti dello specifico programma aziendale.
Adottare un framework determina di per sé numerosi benefici. Innanzitutto, aiuta a evitare errori comuni e confusione a livello di implementazione, fornendo una struttura chiara e documentata su cui basare le decisioni e le azioni. Questo riduce il rischio di approcci disorganizzati o ad hoc, migliorando la coerenza e l'efficacia complessiva del programma. Inoltre, un framework facilita la comunicazione e la collaborazione tra i diversi professionisti e le funzioni aziendali coinvolte nella gestione dei dati, consentendo un allineamento migliore agli obiettivi definiti.
-1.png "002-Kirey Group - una riga - (color)-1")
