cancel
Showing results for 
Show  only  | Search instead for 
Did you mean: 
lgarello
MEGA
MEGA

1. L’evoluzione della data governance

 

1.1. L’importanza della data governance per proteggere e guidare il business

Nella maggior parte delle organizzazioni i due fattori chiave per una iniziativa di data governance sono l'aumento delle prestazioni e la conformità. Con la digitalizzazione della maggior parte delle attività, i dati sono più che mai un asset chiave per guidare le prestazioni aziendali e sviluppare nuovi servizi e prodotti innovativi attraverso modelli di business basati su dati e approfondimenti. Le organizzazioni stanno cercando di acquisire, analizzare e utilizzare i dati generati in tutto il ciclo di vita del cliente per comprendere meglio le loro esigenze, ma anche per avere una visione più chiara di come l'esperienza del cliente possa essere migliorata, basando le loro decisioni aziendali appunto sugli stessi dati. Questo approccio è un forte fattore di differenziazione competitivo per sviluppare prestazioni aziendali ottimali.

 

La digitalizzazione delle attività sta inoltre causando molteplici violazioni in termini di dati e normative vincolanti. Alcune sono specifiche del settore, come SOX, HIPPA, Basilea III, Solvency II, HACCP, e altri possono essere specifici per paese. Altri come GDPR, CCPA e LGPD potrebbero non riguardare il tuo settore, ma l'interazione tra la tua azienda e i suoi clienti per proteggere la privacy e limitare l'utilizzo dei dati (riduzione, distruzione o gestione del ciclo dei dati, ad esempio). La conformità normativa, così come i requisiti di privacy e sicurezza, hanno costretto le organizzazioni a identificare la governance per la protezione dei dati, la sicurezza e lo storage, nonché a stabilire politiche che garantiscano la protezione dei dati da accessi non autorizzati, uso e altre minacce alla sicurezza informatica.

 

In questo contesto, gli investimenti in iniziative di dati continuano a crescere, con l'85% delle organizzazioni statunitensi che prevedono di aumentare la spesa in queste iniziative nei prossimi 12-18 mesi. * (Il ruolo strategico della Data Governance, Indagine ESG, settembre 2022). Tuttavia, nonostante i crescenti investimenti, il 40% delle organizzazioni afferma che gli individui all'interno dell'azienda non si fidano delle informazioni dettagliate sui dati* (Fonte: Companies lack trusted, governed data to execute on critical business initiatives, Experian, 2020)

 

Questa mancanza di fiducia nei dati influisce negativamente sulle prestazioni aziendali, rendendo la data governance non più una sfida IT, ma un imperativo a livello aziendale. Una volta raggiunta la fiducia, i dati possono essere condivisi su un mercato regolamentato per generare ulteriore valore aziendale (come proposto dal nuovo European Data Governance Act - garantire e definire regole e ruoli per promuovere l'innovazione).

 

1.2. Costruire un approccio collaborativo di data governance per la creazione di valore

La data governance è iniziata come una pratica IT incentrata principalmente sulla catalogazione di grandi quantità di dati transazionali e sulla mappatura di come sono stati strutturati nei database. Oggi le aziende leader stanno scoprendo come utilizzare i propri dati per fornire informazioni e approfondimenti che aiutino a migliorare l'esperienza del cliente e promuovere l'innovazione di prodotti e servizi. Garantiscono inoltre che l'uso dei dati sia conforme alle normative applicabili e sia protetto da accessi non autorizzati o violazioni.

 

Di conseguenza, la data governance è diventata un’attività più collaborativa, che coinvolge diversi team all'interno di un'organizzazione. Le aziende stanno creando team e processi interfunzionali per gestire i dati aziendali, garantendo una migliore comprensione di quali dati sono disponibili, come vengono utilizzati e come possono contribuire a migliorare le prestazioni aziendali e rafforzare la conformità.

 

1.3. Istituzione di una community di data governance

La data governance è un esercizio collaborativo che coinvolge la maggior parte dei dirigenti del C-level dei reparti IT, legal, conformità e commerciale. Fornisce assistenza e supervisione al team di data governance guidato dal Chief Data Officer (CDO).

Evoluzione dei ruoli coinvolti nei programmi di data governance.@2x.png

Il CDO è responsabile del successo dell'iniziativa di data governance; opera internamente per garantire il finanziamento e il personale del programma, monitora i progressi e comunica i risultati ai diversi stakeholder. Secondo un sondaggio pubblicato da ESG Research, il 65% delle aziende statunitensi dichiara di avere un team di data governance dedicato e il 25% condivide questa responsabilità tra i dipartimenti, dimostrando che nella maggior parte delle organizzazioni l'implementazione di iniziative di data governance è diventata la nuova norma.

Esistenza di team dedicati alla Data Governance@2x.png

Questi team che lavorano con i dati sono composti da esperti di diverso genere che raccolgono, classificano e ripuliscono i dati per poi produrre insight e report che aiutano le aziende a prendere le decisioni giuste. È importante creare una comunità di dati che favorisca la collaborazione tra esperti di dati e utenti aziendali nei confronti di interessi o progetti comuni. Questa collaborazione è fondamentale per costruire un'organizzazione data-driven.

 

2. Fornire valore con un'iniziativa di data governance connessa

 

2.1. Cosa significa “ Data Governance connessa”

Una data governance connessa è progettata per soddisfare le esigenze, gli obiettivi e i casi di utilizzo del business, come migliorare i servizi ai clienti, le operazioni e prevedere le esigenze dei clienti con le raccomandazioni. Collegare la data governance ai processi aziendali, all'architettura aziendale e alla gestione dei rischi è fondamentale per accelerare le iniziative di data governance consentendo agli esperti di dati di vedere come tutto è connesso e interdipendente da un punto di vista aziendale e strategico. Questa visione olistica di come i dati vengono utilizzati e trasformati nell'organizzazione è supportata da un archivio comune in cui tutti i dati vengono memorizzati con le proprie connessioni e interdipendenze, consentendo a diversi stakeholder di vedere “The Bigger Picture”, il grande disegno.

 

"Impara a vedere. Renditi conto che ogni cosa è connessa con tutte le altre." - Leonardo da Vinci

 

Questo approccio di data governance connessa favorisce la collaborazione tra la comunità che lavora con i dati e gli altri stakeholder interni, aiutando a chiarire il contesto aziendale, capire come e perché le applicazioni raccolgono e trasformano i dati e identificare i rischi associati all'uso improprio dei dati.

 

2.2. Principali vantaggi di unmodello di data governance connessa

Collegare data governance e enterprise architecture, la gestione dei processi aziendali e la governance, il rischio e la conformità, aiuta le organizzazioni a comprendere meglio dove sono memorizzati i dati, come fluiscono, come le persone li utilizzano nei processi, e come gestire al meglio rischi e normative.

 

2.2.1. Connettere i dati ai processi per capire il contesto di business

Una delle principali sfide per il Chief Data Officer e gli esperti di dati è capire il contesto aziendale dell'utilizzo dei dati. Perché stiamo immagazzinando questi dati, a cosa servono, quanto sono critici per il successo aziendale? Queste sono domande tipiche a cui il team cerca di dare risposte.

 

Collegando la data governance ai processi, si possono comprendere rapidamente l'intenzione di utilizzo dei dati e rispondere a queste domande. In molte aziende i processi aziendali sono documentati e potrebbero accelerare le iniziative di data governance fornendo informazioni sul valore aziendale dell'utilizzo degli stessi, se solo fossero stati collegati tra loro. La documentazione dei processi può anche essere utilizzata come acceleratore per costruire il glossario aziendale.

 

2.2.2. Connettere i dati all’enterprise architecture per comprendere come

I dati sono utilizzati e trasformati dai sistemi iT Collegare i dati ai processi aziendali è un buon modo per comprendere il contesto aziendale, ma in un mondo digitale in cui i processi si basano su applicazioni, è utile sfruttare l'inventario delle applicazioni perché aiuta a capire come i dati vengono utilizzati e scambiati tra loro. I flussi applicativi documentati dagli architetti delle soluzioni sono un ottimo acceleratore per costruire la data lineage e vedere come i dati vengono trasformati.

 

Inoltre, l'utilizzo delle mappe delle capacità aziendali sviluppate dal team di enterprise architecture, è un modo semplice per vedere se il programma di data governance sia in linea con le priorità aziendali e supporti le funzionalità strategiche chiave. L'architettura aziendale aiuta anche a scoprire come si evolveranno i sistemi IT (Data Mesh, Data Virtualization, ecc.) per mantenere la conoscenza dei dati e sfruttare quelli che guideranno l'innovazione.

 

2.2.3. Connettere la data governance ai sistemi GRC per garantire la conformità e mitigare i rischi

Uno dei fattori chiave di un'iniziativa di data governance è garantire che l'utilizzo dei dati dell'organizzazione sia conforme alle politiche interne e alle normative esterne. La promozione della collaborazione tra la comunità dei dati e il team Governance, Risk & Compliance (GRC) consente a questi gruppi di identificare rapidamente le normative applicabili. Sfruttando l'inventario esistente di rischi e controlli creati dal team GRC, si possono comprendere meglio i rischi associati alle violazioni dei dati e conoscere i controlli da implementare per mitigare tali rischi.

 

Questa collaborazione aiuta a comprendere meglio il livello di rischi associati a ogni tipo di violazione dei dati. Inoltre, possono ottenere feedback sugli incidenti dei dati e sui loro potenziali impatti per concentrarsi su rischi più significativi.

 

3. Come trasformare i dati in un asset strategico

Qualsiasi iniziativa di data governance strategica parte dalla strategia aziendale, dagli obiettivi chiave e dai casi d'uso. Quindi, la strategia di governance dei dati si concentrerà sui dati necessari e prioritari per migliorare il servizio clienti, le operazioni interne o per dimostrare la conformità alla parte regolatoria, per evitare pesanti multe - per raggiungere gli obiettivi, in modo efficiente e agile.

 

3.1. Dalla conoscenza dei dati alla loro alfabetizzazione

Il passo successivo è costruire l'inventario dei dati prioritari utilizzati dall'organizzazione. I dati possono essere memorizzati in database relazionali o in file non strutturati come testo, audio, video. Questo rappresenta una grande quantità di dati che devono essere organizzati, classificati per tipo, fonte e qualsiasi altro criterio che possa semplificare il loro riutilizzo. Il catalogo dati è il prodotto chiave per raggruppare sia i metadati tecnici organizzati in dizionari di dati, sia i metadati aziendali presentati come glossario aziendale.

Data Dictionary.PNG

3.1.1. Crea velocemente un catalogo dati con la data discovery

L'inizializzazione del catalogo dati può essere automatizzata utilizzando strumenti di individuazione che scansionano fonti di dati strutturate o non, inventariando tutti i metadati utilizzati dall'organizzazione e identificati in archivi di dati.

 

Il secondo passo richiede l'organizzazione e la categorizzazione di questi dati per tipologia, categoria, dominio aziendale, ecc. consentendo alle persone di trovare poi più facilmente i dati, comprenderne la sensibilità, vedere dove vengono memorizzati e, più in generale, tutte le proprietà a loro collegate. Questa fase può anche essere parzialmente automatizzata utilizzando algoritmi di apprendimento automatico e intelligenza artificiale (AI) per riconoscere automaticamente il tipo di dati e categorizzarlo.

 

Il catalogo dati gestisce i metadati tecnici e aziendali ed è realizzato per esperti di dati, come i data steward o gli data analyst che lo utilizzeranno per curare i dati o utilizzare il contenuto per creare report d'analisi.

 

3.1.2. Condividi il glossario aziendale per favorire il riutilizzo dei dati

Il glossario aziendale è un sottoinsieme del catalogo dati, incentrato sui termini aziendali descritti in un linguaggio chiaro, in modo tale che tutti possano capirlo. Il suo scopo principale è quello di garantire che tutti nell'organizzazione parlino la stessa lingua, eliminando così le ambiguità.

 

Un glossario aziendale è fondamentale per consentire alle persone di comunicare e collaborare al meglio, utilizzando la stessa lingua e condividere una comprensione dell’insieme comune. Un glossario aziendale è anche il punto di ingresso per il riutilizzo dei dati e l'acquisto degli stessi.

 

Per implementare i casi d'uso aziendale, gli scienziati aziendali e dei dati possono cercare nei glossari aziendali per identificare i dati aziendali e ulteriori dati collegati che potrebbero essere utilizzati e accedere direttamente ai dati effettivi memorizzati nei sistemi per implementare la nuova intelligenza artificiale (AI), innovazioni per la ricerca e lo sviluppo (R&S).

Ottieni i dati «corretti»@2x.png

 

3.2 Dalla conoscenza dei dati alla fiducia nei loro confronti

Secondo uno studio di HFS Research, il 75% dei dirigenti aziendali non ha un alto livello di fiducia nei propri dati e il 70% vede i dati come uno strumento per la sopravvivenza e la crescita top-line. Questo spiega perché il miglioramento della fiducia dei dati è diventato un obiettivo così importante per i team di data governance. Le organizzazioni devono concentrarsi su tre leve chiave per sviluppare la fiducia nei dati: migliorare la qualità dei dati, applicarne la conformità e mapparne la data lineage.

 

3.2.1. Aumentare la fiducia migliorando la qualità dei dati

I problemi di qualità dei dati possono rapidamente portare sfiducia da parte dei diversi utenti che li utilizzano per monitorare le prestazioni aziendali, la qualità dei servizi forniti ai clienti o la rilevanza delle decisioni prese sulla base di modelli di apprendimento automatico. Misurare la qualità dei dati è fondamentale per garantire che le persone possano utilizzare i dati con fiducia e per identificare come migliorarli. La qualità dei dati può essere misurata a diversi livelli. In genere, viene misurata in base a sei dimensioni chiave: completezza, accuratezza, coerenza, validità, unicità e integrità. Misurare la qualità dei dati aiuta a identificare se i dati possono essere utilizzati con sicurezza o se è necessario implementare regole e controlli appropriati per evitare futuri errori.

 

3.2.3. Garantire la conformità dei dati implementando politiche e controlli

Le aziende devono rispettare gli standard di conformità dei dati per mantenere riservate le informazioni sensibili. Le normative variano ampiamente da industria e paese, ma per essere conformi, le organizzazioni dovrebbero sempre considerare alcuni aspetti:

  • quali disposizioni sono applicabili?
  • quali dati devono essere protetti?
  • quali misure devono essere adottate per proteggere i dati?
  • qual è il rischio di sanzioni se tali misure non vengono applicate correttamente?

Per evitare l'uso improprio dei dati o problemi di conformità, le organizzazioni devono definire le proprie politiche interne sui dati. Questi criteri possono essere memorizzati in un archivio centrale che li rende disponibili a tutti gli utenti implementandone il controllo.

l'utilizzo e la trasformazione dei dati mappando la data lineage  @2x.png

3.2.4. Comprendere l'utilizzo e la trasformazione dei dati mappando la data lineage

Una delle sfide chiave per le organizzazioni è quella di padroneggiare la data lineage, per capire come vengono utilizzati i dati identificando il percorso dall'origine alla posizione attuale dei dat,i e la trasformazione avuta durante il percorso.

 

La data lineage può essere fatta manualmente o automatizzata con gli strumenti tecnici come MANTA che può esplorare i sistemi e disegnare automaticamente una rappresentazione visiva della data lineage, con le capacità avanzate di filtro che permettono di vedere le giuste informazioni e capire come i dati fluiscono tra i sistemi e la loro trasformazione.

 

Questa data lineage tecnica è utile agli esperti di dati ma è troppo complessa per gli utenti aziendali, quindi deve essere tradotta a livello aziendale per diventare utile a tutti. Gli elementi dei dati tecnici (ad es. dati "customer" nelle tabelle) devono essere riassunti in concetti di business (concetto "customer") e le trasformazioni tecniche che avvengono nei sistemi (ad es. regole ETL, codice PL/ SQL, programmi COBOL, ecc.) devono essere analizzati per documentare la trasformazione in un linguaggio semplice e professionale.

 

3.3 Dalla fiducia a una cultura basata sui dati

Sviluppare una cultura dei dati significa che la cultura organizzativa dà priorità al processo decisionale basato sui dati. Le aziende che hanno una forte cultura dei dati tendono ad avere dirigenti che prendono decisioni basate su quest’ultimi e in cui i manager e i dipendenti ne conoscono l’importanza per lo sviluppo dei propri progetti.

 

Ci sono quattro fattori chiave che influenzano lo sviluppo di una cultura basata sui dati:

  • Data-driven leadership: la cultura dei dati inizia al vertice, con leader che guidano le decisioni basandosi sui dati. Spstiene la data governance un'iniziativa strategica con il compito di migliorare con continuità la qualità dei dati per promuovere l'innovazione aziendale basata sugli stessi.
  • Data maturity: La maturità dei dati dipende dalla capacità di un'organizzazione di gestirli, garantendo un elevato standard di qualità e adempiendo a tutti i controlli necessari. Richiede inoltre che la gestione dei dati sia allineata con gli obiettivi aziendali e fornisca il giusto livello di visibilità sulla data lineage per capire come i dati vengono acquisiti, utilizzati e trasformati dall'organizzazione. Un altro elemento chiave è l'usabilità e l'accessibilità dei dati da parte delle operations.
  • Data literacy: alfabetizzazione dei dati significa che le persone capiscano come utilizzare al meglio i dati per svolgere il proprio lavoro. Un'altra componente dell'alfabetizzazione dei dati è garantire che tutti in un'organizzazione usino la stessa lingua, eliminando possibili ambiguità in termini commerciali o tecnici.
  • Decision-making process: l'adozione di un processo decisionale basato sui dati è fondamentale per ottenere il massimo valore dagli stessi.

IT_DG_Blog Post_7 Key Steps_Community Banner Blog - 1440 x 330px.png

4. Utilizzare un tool di data governance connesso per supportare le organizzazioni

Per implementare una pratica di data governance connessa, i Chief Data Officer hanno bisogno di una nuova generazione di strumenti di governance dei dati che facilitino la comunicazione e l'allineamento in tutta l'organizzazione, per comprendere meglio il contesto aziendale dell'utilizzo dei dati e accelerare il lavoro degli esperti collegando i dati con i processi aziendali e i sistemi IT.

 

Un tool di data governance che condivide un unico archivio su piattaforma comune è fondamentale per promuovere la collaborazione tra esperti di dati e IT, business e risk & compliance, assicurando che tutti collaborino per raggiungere obiettivi di business comuni.

 

4.1. Unisci la comunità dei dati su una piattaforma condivisa e collaborativa con un archivio centrale

Per unire la comunità dei dati e promuovere la collaborazione con tutti gli altri stakeholder interni, è fondamentale che i dati siano condivisi in tutta l'organizzazione. I moderni strumenti di data governance forniscono flussi di lavoro collaborativi e intuitivi per accelerare la creazione e la convalida di archivi di dati e modelli.

 

Inoltre, l'implementazione di un efficace programma di data governance richiede un unico archivio che migliori la consapevolezza dei dati in tutta l'organizzazione e promuova la loro alfabetizzazione, consentendo agli utenti di sfruttare meglio le informazioni sui dati per guidare la crescita del business.

 

4.2. Migliora la produttività dei team data con l'automazione

Migliorare la produttività degli esperti di dati è fondamentale per accelerare le iniziative di data governance, permettendogli di dedicare più tempo sull'analisi dei dati e sul loro utilizzo piuttosto che sulla discovery o sulla cura dei dati. Pertanto, i tool moderni di data governance devono automatizzare l'individuazione dei dati e l'inizializzazione del catalogo, che è il primo compito per qualsiasi iniziativa di data governance. Quindi, utilizzare una combinazione di intelligenza artificiale e machine learning per automatizzare la categorizzazione dei dati, identificare i tipi di dati e organizzarli per categoria.

 

4.3. Prendi decisioni basate sui dati con report intelligenti

Per prendere decisioni basate sui dati, un tool moderno di data governance dovrebbe fornire a tutti i membri dell'organizzazione gli strumenti per analizzare e utilizzare facilmente i dati di cui hanno bisogno, per prendere decisioni basate su informazioni accurate. Questi strumenti includono dashboard dedicati per monitorare le prestazioni in corso delle iniziative di data governance, un portale aziendale out-of-the-box e applicazioni mobile per condividere informazioni in tutta l'organizzazione e assicurarsi che tutti parlino la stessa lingua, con report pronti all'uso per analizzare e comprendere facilmente le risorse dei dati.

IT_DG_Practical Guide_Community Banner Blog - 1440 x 330px.png

IT_DG_White Paper_Community Banner Blog - 1440 x 330px.png

 

Contributors