La Data Governance, o governance dei dati, è un concetto che racchiude in due semplicissime parole capacità in realtà complesse che garantiscono che in azienda vi siano dati di elevata qualità utilizzabili per tutto il loro ciclo di vita ed in funzione di precisi obiettivi aziendali.

Si va dunque ben oltre la “semplice” gestione dei dati, più che mai necessaria soprattutto ora che negli ambienti aziendali confluiscono grandi moli di dati diversificati e provenienti da molte fonti eterogenee, anche esterne; uno scenario che rende necessaria, quanto urgente, una disciplinata governance in grado di valorizzare un patrimonio da cui sempre più dipendono i risultati aziendali.

Una strategia di Data Governance è fondamentale, addirittura imprescindibile, in un’azienda che intende fare analisi sui dati e sui Big Data e guidare la propria evoluzione strategica in ottica data-driven, perché avere a disposizione tantissimi dati non è affatto sufficiente.

 

Cos’è la Data Governance

Per Data Governance si intende, di fatto, un insieme di processi, competenze e ruoli, policy e metriche finalizzate a garantire un uso efficiente ed efficace dei dati e del patrimonio informativo di un’organizzazione aziendale che consente al business di raggiungere i propri obiettivi. Ecco perché, in quest’ottica, la governace dei dati è forse il pilastro più importante della Data Strategy di un’azienda.

La Data Governance si focalizza dunque su aspetti critici come qualità, integrità, consistenza e coerenza, usabilità e disponibilità dei dati, ma disciplina anche processi, persone (competenze e ruoli) e policy atte a garantire una governance efficace lungo tutti i livelli aziendali interessati dall’utilizzo dei dati.

Ecco allora che la governance dei dati può essere definita come l’insieme delle regole e delle attività volte a gestire persone, processi, metodologie e tecnologie ICT al fine di abilitare un costante e corretto trattamento di tutti i dati che abbiano importanza e valore per un’organizzazione aziendale.

La Data Governance non è dunque una tecnologia, ma un insieme di strategie, processi e policy che vanno definite a monte della gestione e dell’utilizzo dei dati, con l’obiettivo primario di esercitare un fattivo controllo per prevenire errori, mitigare i rischi, suggerire interventi necessari, risolvere i problemi che possono derivare dai dati, in particolare da problematiche legate alla loro scarsa qualità.

E non è nemmeno da confondere con la gestione dei dati che – solitamente – si riferisce ad una gestione del dato più vicina ed inerente alle problematiche associate al ciclo di vita dei dati all’interno di un’organizzazione. La Data Governance ha una portata più ampia ed ingloba, come accennato, aspetti cruciali quali la Data Quality e la sicurezza, e va vista come un framework metodologico che definisce ruoli e responsabilità a livello strategico, tattico ed operativo.

 

I tre livelli della Data Governance

Proprio perché la governance dei dati deve essere vista e adottata come framework metodologico e non come mera tecnologia da implementare, è fondamentale capirne la “struttura”. Sono tre i livelli su cui solitamente si basa un sistema di Data Governance, step che attengono sia agli strumenti tecnologici che alle funzioni, quindi persone, ruoli e competenze, processi:

?️ Data Preparation – Il livello più basso è quello “occupato” dalle tecnologie e dalle funzioni strettamente IT che si occupano di ETL – Extract, Transform, Load (processo di estrazione, trasformazione e caricamento dei dati in un sistema di sintesi o di analisi) e di Data Quality. A questo livello le attività di orchestrazione dei dati riguardano l’area IT e sono finalizzate a garantire la qualità e l’integrità dei dati; tuttavia si tratta di attività che devono essere supportate dai responsabili delle linee di business, dato che i dati alimentano poi i sistemi in uso alle persone in azienda.

? Data Visualization – Nel secondo livello del framework di Data Governance ci sono le funzioni per il monitoraggio delle regole di Data Quality (nonché dei modelli e delle regole inerenti la compliance normativa, la sicurezza dei dati, la privacy). In questo caso, benché tale monitoraggio avvenga mediante le tecnologie, gli utenti coinvolti sono tipicamente persone di business (motivo per cui spesso si utilizzano sistemi intuitivi, con interfacce semplici e incentrare sulla Data Visualization). A questo livello c’è poi anche tutto il lavoro inerente la distribuzione dei dati verso i sistemi informativi (compresi i sistemi per l’analisi avanzata dei dati).

? Data Control / Data Management – Al livello superiore, infine, vi sono le funzioni di gestione e valutazione dei processi di controllo della qualità dei dati, area molto importante nell’orchestrazione dei dati perché permette di verificare gli scostamenti rispetto a parametri e policy stabilite. A questo livello vengono definiti ruoli e responsabilità delle persone, in funzione dei processi e dei piani di azione previsti per la gestione ed il controllo sui dati nonché per la correzione di eventuali errori (quindi con definizione di tempistiche e modalità di intervento).

 

Pilastro fondamentale della Data Governance è la Data Quality. Per assicurare un livello corretto di qualità del dato sono necessari:

  • conoscenza della filiera di produzione del dato stesso, che consenta di definire i controlli necessari a verificare il corretto funzionamento di tutto il flusso;
  • gestione efficace del ciclo di vita del dato (dalla fonte alla distribuzione all’interno dei sistemi di analisi fino all’utilizzo da parte degli utenti);
  • definizione di indicatori qualitativi e quantitativi di misurazione della qualità del dato;
  • sistema di controllo delle regole e di monitoraggio delle metriche stabilite per verificare qualità ed integrità dei dati;
  • definizione di un processo di gestione delle anomalie che tenga conto di ruoli, competenze e processi per la risoluzione e il follow-up delle anomalie riscontrate;
  • una vista chiara e trasparente su tutti i processi aziendali coinvolti nella Data Quality (e di conseguenza anche nella più ampia Data Governance) al fine di monitorarne sia i requisiti tecnici e funzionali sia l’aderenza con gli obiettivi di business.

 

I vantaggi della Data Governance

Adottare una strategia – ed un framework metodologico – di Data Governance genera numerosi vantaggi per un’organizzazione aziendale. Ne riassumiamo alcuni:

? Vista unica e trasparente per una maggiore comprensione dei dati: la governance dei dati consente all’azienda di avere una vista unica sui dati, una terminologia coerente e comune, una trasparenza sui processi e sulle operazioni tali da assicurarne non solo una più efficace gestione ma anche un utilizzo più produttivo in funzione delle esigenze e degli obiettivi aziendali.

 

? Migliore qualità dei dati: come accennato, la Data Quality è un pilastro fondamentale della Data Governance che assicura l’accuratezza, l’integrità, la consistenza e la coerenza dei dati, la loro completezza affinché possano essere correttamente distribuiti ed utilizzati dai sistemi aziendali e dalle persone.

 

? Mappatura e controllo sui dati più efficace: uno degli aspetti spesso più critici nelle aziende riguarda l’integrazione dei dati; un efficace framework di Data Governance consente di mappare i dati e di effettuare controlli rigorosi in modo da assicurare una comprensione avanzata della posizione di tutti i dati in relazione alle entità chiave, aspetto cruciale per l’integrazione dei dati.

 

? Maggiore sicurezza dei dati: vista unica, mappatura, controllo a tutti i livelli sui dati in uso in azienda sono i pilastri grazie ai quali la Data Governance consente anche di rispondere alle esigenze della compliance normativa, al regolamento generale sulla protezione dei dati europeo (GDPR) e ad altri regolamenti e policy.

 

? Più efficace Data Management: definendo modelli operativi, regole di “condotta” e controllo, best practice e modelli di gestione dei dati, la Data Governance non è un mero strumento tecnologico di governo dei dati, ma come vero e proprio orchestratore che permette all’azienda di gestire in modo efficace tutti gli aspetti legati ai dati, compresi quelli legali, di sicurezza e conformità e analisi.

 

Data Governance a supporto del business – Il caso CPL Concordia

La capacità di vedere i dati in maniera diversa con una maggiore consapevolezza sulle attività di raccolta, gestione e consumo delle informazioni è un plus di valore per qualsiasi impresa digitalizzata. Da qui infatti passa l’opportunità di ottimizzare qualsiasi processo aziendale e abilitare preziose funzionalità analitiche.

Lo sanno bene, per esempio, in CPL Concordia, gruppo cooperativo emiliano del settore energia e servizi, che, a seguito di una riorganizzazione aziendale (con una gamma d’offerta crescente e la complessità intrinseca di una struttura con 120 anni di storia, 1.500 dipendenti e dieci sedi operative in Italia oltre al quartier generale di Concordia sulla Secchia, in provincia di Modena) si è “scontrata” con l’impatto di attività molto diversificate sull’organizzazione dei sistemi informativi e sulla varietà dei dati da gestire.

Una sfida che ha richiesto un nuovo approccio alla Data Governance e che ha permesso all’azienda di «guardare i dati sotto una prospettiva differente e fare luce su processi di business che spesso risultavano non del tutto intellegibili all’IT perché definiti e consolidati nel corso degli anni», sostiene Anja Belloni, analista software presso CPL.

Secondo Belloni, la realizzazione del progetto ha portato anche altri vantaggi: ad esempio, la possibilità di rilevare eventuali inefficienze nei processi di gestione del dato e di provvedere alla loro ottimizzazione; l’opportunità di riutilizzare le tecnologie testate durante il pilota in modo trasversale su altre iniziative; la capacità di stabilire una maggiore collaborazione con il business e un terreno di lavoro comune, basato su un linguaggio condiviso.

Per capire quali sono stati le fasi progettuali e in che modo CPL Concordia ha raggiunto tali benefici, leggi il case study dedicato.

 

New call-to-action

Approfondimenti da BNext:

Data Governance: governare processi e responsabilità sui dati. Un use case in ambito finance.

Secondo Gartner erwin by Quest è la soluzione di Data Governance leader di mercato. Ecco i vantaggi in un use case in ambito finance

Le tecnologie di data virtualization e di metadata management

Le tecnologie di data virtualization e di metadata management sono fondamentali per una data governance efficace in azienda. Ecco perché

La virtualizzazione dei dati per una efficace data lineage

La data virtualization come tecnologia di integrazione dati. Cos’è e perché è efficace per la data lineage

La data lineage nella Data Governance aziendale

Data lineage: l’origine dei dati, dove e come si spostano nel tempo. Consente di “mappare” tutto il ciclo di vita del dato.

erwin: l’acquisizione di Quest Software

Nel mondo IT molte sono le joint venture, è il caso di Quest, società software e servizi IT. erwin: l’acquisizione di Quest a dicembre 2020

Data Governance: superare i colli di bottiglia con erwin

La #DataGovernance è qualcosa di più della mera gestione del rischio: la conformità rispetto alle regolamentazioni in merito a queste tematiche è un valore aggiunto, ma la sua applicazione è spesso difficile a causa di una serie di colli di bottiglia che la frenano: data lineage assenti, qualità dei dati non certificata, contesto aziendale non pronto. Con erwin però puoi superarli!

Un framework per la Data Governance 2.0

La aziende hanno bisogno dei dati per prendere decisioni, la loro efficacia dipende anche dalla loro gestione. Scopri il framework per la Data Governance 2.0 per garantire l’accesso e uso dei dati in modo controllato e sicuro da chiunque ne abbia bisogno

​Data Preparation e Data Visualization, i pilastri e le tecnologie per un’adeguata Data Governance

La Data Governance è una vera e propria strategia di valorizzazione del dato stesso, il patrimonio aziendale più prezioso. La Data Preparation e la Data Visualization sono i pilastri fondamentali alla base di un’efficace orchestrazione dei dati

BigData4Business Toolkit: la metodologia per una strategia aziendale che incorpori i Big Data

BNova lavora da anni nell’ambito dei dati e dell’innovazione, con un approccio tecnico, ma con uno sguardo sempre rivolto al business per cogliere le esigenze dei clienti anche a livello strategico. Da questo approccio che nasce il nostro Big Data 4 Business Toolkit

Big Data 4 Business Toolkit

Big Data 4 Business ToolkitBNova Big Data 4 Business ToolkitL'unione di metodi, concetti, strumenti ed esercizi praticia supporto dei business user.Identificare dove, come e perché utilizzare i Big Data in azienda. Lo scopo è quello di fornire un toolkit che aiuterà i...