Di Data Governance si sente spesso parlare ed è anzi spesso invocata come la chiave per la sopravvivenza aziendale in un mondo ormai caratterizzato da una vera e propria esplosione di dati digitali, provenienti dalle più disparate fonti.
Il problema è particolarmente accentuato nelle organizzazioni complesse, dove sono presenti numerosi sistemi gestionali e applicativi dedicati a funzioni specifiche, con database separati e poco comunicanti tra di loro: il risultato, spesso e volentieri, è quello di una ridondanza delle informazioni e, al contempo, di un disallineamento dei dati. In queste condizioni, è facile da capire, diventa difficile estrarre del valore dai dati aziendali, né tantomeno farsi guidare da essi per prendere le migliori decisioni possibili dal punto di vista del business, in un’ottica data-driven.
Tutto questo è possibile soltanto se, alla base, viene attuata una seria e non improvvisata politica di Data Governance. Ma vediamo più nel dettaglio di che cosa stiamo esattamente parlando.
Cosa si intende per Data Governance
La Data Governance può essere definita come l’insieme di metodologie e attività necessarie per integrare sistemi eterogenei, standardizzare i dati e il loro significato rendendoli tra loro consistenti.
Sotto un altro punto di vista, la Data Governance è costituita da una combinazione di persone, processi, metodologie e tecnologie che mira a realizzare un costante e corretto trattamento di tutti quei dati rilevanti per una organizzazione, garantendo così un’elevata qualità dell’informazione a disposizione dei decisori aziendali.
Per raggiungere questo scopo è necessario dotarsi di strumenti adeguati e sviluppare processi in grado di garantirne integrità, affidabilità e buona qualità, ossia renderli pronti all’utilizzo.
Un processo che dovrebbe essere standard ma che, invece, come mettono in evidenza gli Osservatori del Politecnico di Milano, ancora oggi, in molte realtà, il passaggio dai dati grezzi alle informazioni è vincolato a operazioni poco standardizzate e ridondanti. Nella maggior parte dei casi, le grandi aziende non sono dotate di figure di responsabilità e modelli organizzativi efficaci, nonostante il tema sia percepito come imprescindibile. Altre realtà, più mature sul tema, hanno sviluppato modelli organizzativi che permettono alla Data Governance di acquisire una sua autonomia dall’IT vero e proprio, favorendo un approccio strategico all’utilizzo e valorizzazione dei dati, ad esempio tramite la creazione della figura professionale del Chief Data & Analytics Officer) capace di collegare il mondo della Data Governance con quello della Data Science.
Quali sono i vantaggi della Data Governance
È ormai opinione comune che i dati rivestano un ruolo fondamentale nello sviluppo delle organizzazioni di tutti i settori e dimensioni, tanto che i dati digitali vengono spesso definiti come il petrolio dell’età moderna. Ma senza un dominio efficace dei dati, servono a poco le poderose (e costose) operazioni di trasformazione digitale che vengono messe in atto, né tantomeno possono essere implementate strategie data driven per migliorare i processi o alimentare nuove iniziative di business. In altre parole, affinchè i dati possano alimentare queste iniziative, devono essere prontamente disponibili, di alta qualità e pertinenti.
Il primo vantaggio di una buona governance è proprio questo: mettere a disposizione delle organizzazioni dei dati con queste qualità, che possono consentire di mettere in atto delle iniziative di valore. Dunque, senza una data governance fatta bene, innanzitutto le imprese perdono quotidianamente delle opportunità per aumentare la propria competitività sul mercato.
Ci sono poi una serie di effetti collaterali, che MCKinsey ha messo in luce, come ad esempio la perdita di risorse: quando le imprese non fanno bene la Data Governance, tendono a perdere molto tempi. L’elaborazione e la pulizia dei dati possono consumare più della metà del tempo di un team di analisi, compreso quello di data scientist altamente pagati, limitando la scalabilità dei progetti e generando una diffusa frustrazione. Inoltre, una Data Governance mal gestita rischia di impattare negativamente sulla produttività dei dipendenti e dei collaboratori, costretti a impiegare diverse ore alla ricerca del dato più verosimile.
Ovviamente c’è poi il cruciale problema della compliance: le aziende che investono in modo insufficiente nella governance dei dati hanno esposto le loro organizzazioni a un rischio normativo reale, con conseguenze che possono essere anche significative, come dimostrano le multe che iniziano a essere comminate in seguito alla violazione del GDPR.
L’importanza dell’avere un framework
Un passaggio fondamentale per la Data Governance è la definizione di un framework di governance dei dati, ovvero di un insieme di regole, procedure, processi e ruoli volti ad aumentare il valore dei dati all’interno di un’organizzazione aziendale. Consentendo così alle aziende di prendere decisioni informate su come gestire i dati e alla fine ricavarne valore, minimizzando costi e complessità, stabilendo le priorità e naturalmente soddisfare la conformità ai requisiti normativi, legali e statali.
Ma cosa deve esserci dentro un framework di Data Governance? Una buona indicazione arriva dal framework realizzato dalla DAMA – Data Management Association International. Di seguito, tutte le operazioni previste dal Framework di Data Governance:
- Data Architecture Management: pianificazione della gestione degli asset dati, allineandola alle strategie dell’azienda, con l’obiettivo di definire i requisiti globali e progettare soluzioni in grado di soddisfarli.
- Data Development: analisi, progettazione, implementazione, test e manutenzione dei dati.
- Database Operations Management: progettazione, implementazione e gestione delle strutture di memorizzazione e archiviazione dei dati.
- Data Security Management: definizione, sviluppo e messa in opera di policy e procedure a garanzia della corretta autenticazione degli utenti, autorizzazione agli accessi e audit dei dati.
- Reference & Master Data Management: il riferimento è a una gestione condivisa dei dati finalizzata a raggiungere gli obiettivi aziendali minimizzando i rischi associati alle ridondanze, assicurando la qualità e riducendo i costi di integrazione.
- DWH & BI Management: pianificazione, implementazione e controllo dei processi di produzione di dati finalizzati al supporto alle decisioni, e assistenza ai knowledge worker nella elaborazione di query, dashboard, report e analisi.
- Document & Content Management: pianificazione, implementazione e controllo dei processi relativi a dati e informazioni di qualunque tipo e in qualunque formato.
- Meta-data Management: pianificazione, implementazione e controllo dei processi relativi ai metadati.
Gli strumenti utilizzati nella Data Governance
Ovviamente, per tenere sotto controllo i dati servono delle soluzioni tecnologiche apposite. Anche se, come abbiamo scritto già in precedenza, la Data Governance non può essere ridotta soltanto a questo aspetto, per quanto cruciale e importante. Si tratta piuttosto di un insieme di strategie che si avvalgono di tecnologie per realizzare i propri obiettivi.
Attualmente, delle buone soluzioni di Data Governance (ambito su cui sono impegnati tutti i principali vendor IT) devono fornire funzionalità di sicurezza e privacy per garantire la conformità alle policy, ma anche strumenti di collaborazione per coinvolgere tutte le parti interessate. Più in generale, i software moderni di data Governance cercano di assicurare un equilibrio costruttivo tra facilità d’uso e profondità di funzionalità. Non meno importante, in un momento in cui il volume di dati è in continuo aumento, è contare sul supporto di soluzioni di automazione, che consentano di precisione ed efficienza, magari anche attraverso soluzioni di query arricchite dall’intelligenza artificiale.
Nell’era della Digital Transformation, in cui i dati arrivano da un numero di fonti sempre più numeroso, è fondamentale anche il compito della Data Integration: quest’ultima può essere vista l’insieme delle attività e dei processi che permettono di combinare dati provenienti da sorgenti eterogenee e distribuite, anche esterne, in una vista unica, rendendo così i dati fruibili per tutte le applicazioni e per i processi di un’organizzazione.
Altro aspetto sicuramente importante è la presenza di soluzioni di Data Quality Management: il riferimento è a tools di pianificazione, implementazione e controllo dei processi che garantiscano una qualità del dato conforme alla sua finalità e alle necessità degli utilizzatori, consentendo un monitoraggio costante e un miglioramento continuo.
Infine, non si può dimenticare come sempre più spesso i software di data Governance siano basati sul cloud, che può garantire ai team aziendali una migliore scalabilità, assicurando al contempo una migliore facilità di accesso ai dati e una più efficace protezione dal cybercrime (grazie alle misure di protezione top di gamma predisposte dai cloud provider).
