Nel pieno boom della data economy, la corretta gestione del dato diventa ben più di un requisito normativo: è un fattore di business differenziante.
A cura di Giovanna Fazio, Project Manager, Information Management, Kirey Group
Non abbiamo mai avuto così tanti dati a disposizione: si prevede che entro il 2025 il loro volume globale raggiungerà i 175 zetabyte, mentre il valore della data economy nell’Unione Europea ha raggiunto i 73 miliardi, suscitando anche un fermento normativo culminato nel Data Governance Act, applicabile dallo scorso 24 settembre e mirato ad “aumentare la fiducia nella condivisione dei dati, rafforzare i meccanismi per elevare la disponibilità dei dati e superare gli ostacoli tecnici al loro riutilizzo”.
Se da un lato l’applicazione del Regolamento apre le porte a nuove possibilità e crea valore per le aziende, che potranno avere accesso facilitato ad alcune tipologie di dati pubblici, dall’altro rende ancora più impellente il bisogno di dotarsi di un sistema di Data Governance efficace.
Il perché è presto detto: per alimentare al meglio qualsiasi iniziativa di business, i dati devono essere qualitativamente rilevanti e sempre disponibili all’occorrenza.
Fasi, ruoli e competenze per una Data Governance efficace
A livello generale, è possibile individuare quattro diverse fasi che compongono il processo di Data Governance:
- Il primo step è rappresentato dalla pianificazione, per individuare le attività da mettere a terra in termini di governance, in modo coerente rispetto alle strategie aziendali.
- In seguito, si procede con la definizione dei metadati, standardizzando le attività di raccolta e di catalogazione dei metadati fisici e logici in un glossario, che consente l’identificazione univoca dei termini utilizzati all’interno del business.
- La terza fase consiste nel mantenimento dei metadati e comprende tutte le attività di integrazione e modifica funzionali al processo, nonché di valorizzazione del modello stesso.
- Infine, il monitoraggio per verificare il dinamismo del sistema di Data Governance attraverso indicatori oggettivi.
Vari ruoli si inseriscono in questo processo: il Data User, che rappresenta l’utilizzatore del dato ed esprime le esigenze in termini di qualità; il Data Owner, responsabile di una determinata area di dati e il System Owner, incaricato degli aspetti tecnici dei sistemi informativi coinvolti. Inoltre, la figura di sorveglianza e garanzia del Chief Data Officer è chiamata a sorvegliare l’intero processo di Data Governance aziendale, insieme al Tavolo di Data Governance (TDG) che vigila sul piano di interventi per assicurarsi che le iniziative siano coerenti con le funzioni aziendali, compliant con la normativa e in linea con il budget.
Data Governance: strumento o scopo?
Il motore che ha spinto grandi imprese a dotarsi di un sistema di Data Governance, soprattutto nei settori bancario e assicurativo, è stato inizialmente l’adeguamento normativo. Si tratta, infatti, di comparti fortemente regolamentati, che gestiscono enormi moli di dati e che devono garantirne validità e qualità. Tutti gli attori coinvolti hanno presto intuito, tuttavia, i vantaggi di implementare un sistema di Data Governance, che oltre a garantire gli adempimenti normativi, può rappresentare uno strumento di crescita e una leva di business.
Secondo uno studio condotto da Precisely e la Drexel University’s LeBow Center for Business Analytics, tre quarti di tutti gli intervistati hanno dichiarato come il miglioramento della qualità e dell’integrità dei dati fosse l'obiettivo più importante per i loro programmi di data governance, offrendo importanti vantaggi come l'ottimizzazione dei dati per l'efficienza operativa (66%), l'utilizzo di dati e analisi per promuovere nuovi modelli di business (63%), la mitigazione dei rischi normativi e di conformità (53%) e la riduzione dei costi operativi (50%). Un esempio efficace e attualissimo è legato al rating ESG: la Data Governance può svolgere un ruolo importante, supportando l’inserimento di numeriche valide, legate alle performance aziendali in materia di sostenibilità e responsabilità sociale, nel proprio conto economico. Ma quali soluzioni soddisfano al meglio l’esigenza di Data Governance rendendola pienamente efficiente?
Strumenti che semplificano la Data Governance
Per rispondere ai massimi criteri di efficienza, la soluzione software atta a governare i dati della propria organizzazione deve essere “liquida” e altamente flessibile, adattabile, con moduli che consentono di scegliere le funzionalità più adatte alle proprie esigenze.
Fra le funzioni fondamentali:
- Data Quality, dal lineage alla reportistica, passando per l’importazione/esportazione dei dati, fino alla visualizzazione anche antecedente dei dati;
- gestione dei processi di Remediation, ovvero di bonifica del dato;
- inoltre, la possibilità di comporre una suite personalizzabile dove si registri la perfetta integrazione con altri servizi, prodotti o suite di prodotti esistenti, assicurando la copertura dei processi di Data Governance e Data Quality con una soluzione “mista”.
La soluzione software per la Data Governance dovrebbe, in conclusione, configurarsi come uno strumento di accelerazione, capace di adattarsi ad una disposizione dei dati sia bottom up sia top down, ovvero per ambito logico e fisico; ma anche come una roadmap evolutiva per rispondere alle richieste emergenti di un mercato in continuo cambiamento.
Un percorso sempre più consapevole verso l’ottimizzazione delle opportunità e l’efficienza delle risorse
Sebbene sia difficile attribuire un valore diretto alla data governance, senza di essa le aziende non solo non coglierebbero le opportunità offerte dalla gestione dei dati, ma rischierebbero di sprecare le loro risorse. Eppure, molti programmi di data governance sono ancora in una fase iniziale di maturità: c'è un ampio spazio di miglioramento, che non dovrà riguardare solo la base organizzativa ed informatica, ma anche la consapevolezza della leadership aziendale sul valore aggiunto della gestione dei dati.
Chi sarà il leader virtuoso di questo processo? Chi riuscirà a rinnovarsi ed integrare, non prendendo semplicemente in prestito le soluzioni presenti sul mercato, ma anticipandole.
-1.png "002-Kirey Group - una riga - (color)-1")
