La maggior parte delle imprese, ormai, ha bisogno dei dati per prendere delle decisioni, da quelle strategiche a quelle di carattere più operativo. L’efficacia delle decisioni, come abbiamo più volte avuto modo di raccontare tra le pagine di BNext, dipende non solo dall’uso che si fa dei dati, ma anche dalla loro gestione in termini di qualità, consistenza, validità, accessibilità e visibilità. Ecco perché la Data Governance è una “affare di tutti”, di coloro che custodiscono e gestiscono i dati (i reparti IT), ma anche di coloro che li utilizzano (tutte le persone in azienda), ecco perché c’è bisogno di un vero e proprio framework per la governance dei dati, un approccio metodologico e tecnologico che collega i dati e le architetture aziendali a livello strategico.
Dopo aver visto cos’è la Data Governance e quali sono i pilastri e gli ambiti tecnologici fondamentali, capiamo ora in che modo il governo dei dati definisce ruoli, responsabilità e processi per garantire proprietà, responsabilità, accesso ed utilizzo dei dati in tutta l’organizzazione aziendale, vediamo in sostanza quali sono i pilastri di un framework per la Data Governance.
Cos’è un Data Governance framework?
Guardando la governance dei dati da una prospettiva di framewrok metodologico e tecnologico, dobbiamo preventivamente rivederne la definizione in quest’ottica. Il Data Governance Institute definisce la Data Governance come “un sistema di diritti decisionali e responsabilità per i processi relativi alle informazioni, eseguito secondo modelli concordati che descrivono chi può intraprendere quali azioni con quali informazioni e quando, in quali circostanze, utilizzando quali metodi”.
Guardando al governo dei dati come ad un framework, dunque, esso va pensato come una funzione che supporta la strategia globale di gestione dei dati di un’organizzazione. Un framework di governance dei dati fornisce all’organizzazione aziendale un approccio olistico alla raccolta, gestione, protezione e archiviazione dei dati.
Per aiutare a capire cosa dovrebbe coprire un framework di Data Governance, la DAMA – DAta Management Association (DAMA) International – suggerisce di vedere la gestione dei dati come una ruota, con la governance dei dati come hub da cui si irradiano le diverse aree di conoscenza e competenza della gestione dei dati (che fanno capo ai pilastri della Data Governance, ossia Data Preparation, Data Visualization, Data Catalogue):
– architettura dei dati: la struttura complessiva dei dati e delle risorse relative ai dati come parte integrante dell’architettura aziendale;
– modellazione e progettazione dei dati: analisi, progettazione, costruzione, test e manutenzione;
– archiviazione e operazioni di dati: distribuzione e gestione dell’archiviazione di asset di dati fisici strutturati;
– sicurezza dei dati: garantire la privacy, la riservatezza e un accesso appropriato;
– integrazione e interoperabilità dei dati: acquisizione, estrazione, trasformazione, spostamento, consegna, replica, federazione, virtualizzazione e supporto operativo, nonché archiviazione, protezione, indicizzazione e accesso ai dati trovati in fonti non strutturate e messi a disposizione di per l’integrazione e l’interoperabilità con i dati strutturati;
– dati di riferimento e principali: gestione dei dati condivisi per ridurre la ridondanza e garantire una migliore qualità dei dati attraverso la definizione e l’uso standardizzati dei valori dei dati;
– data warehousing e Business Intelligence (BI): gestione dell’elaborazione dei dati analitici e accesso ai dati di supporto decisionale per il reporting e l’analisi;
– metadati (data catalogue): raccolta, categorizzazione, manutenzione, integrazione, controllo, gestione e distribuzione di metadati;
– qualità dei dati: definizione, monitoraggio, mantenimento dell’integrità dei dati e miglioramento della qualità dei dati.
Approccio di BNova: un framework per la Governance 2.0
Guardando al framework suggerito dalla DAMA, che invita a considerare la Data Governance come un hub, appare subito evidente che le iniziative di governo dei dati non possono essere viste né gestite come singoli piani IT. Ciò che contraddistingue un efficace framework di Data Governance, infatti, è l’approccio collaborativo che mette al centro le persone, prima ancora delle tecnologie (una sorta quindi di framework per la Governance 2.0 che esce dai confini dell’IT). Persone che, benché abbiano ruoli, funzioni e responsabilità differenti (specialisti IT e di Data Integration, data scientists, data stewards, data owners, analisti funzionali, management, responsabili della compliance e della sicurezza), sono tutte chiamate a collaborare affinché la Data Governance non rimanga un “esercizio IT” ma diventi un pilastro fondamentale di una strategia di business data-driven. L’approccio collaborativo alla Data Governance di BNova si fonda su quattro pilastri importanti:
- Mappatura e qualità del dato (Data preparartion – Data Lineage)
In un sistema di Data Governance efficace si deve poter accedere con facilità e rapidità a qualsiasi tipo di fonte, ecco perché è importante definire un framework che tenga conto della mappatura del ciclo di vita dei dati (Data Lineage) con la possibilità di analizzare tutta la catena di gestione delle informazioni con il duplice obiettivo di rilevare errori e inefficienze, da un lato, prevedere l’impatto di eventuali modifiche ai sistemi IT, dall’altro
- Riconoscimento e gestione dei metadati (Data catalogue)
Con sempre maggiore frequenza, soprattutto in presenza di data lake, le informazioni sono corredate da tag e metadati che aiutano i sistemi a riconoscere rapidamente gli input, evitando ridondanze e selezionando gli elementi più utili a corroborare le analisi. La capacità di attribuire tag ai nuovi dati inseriti nei repository è essenziale per affrontare la complessità determinata dalla crescita esponenziale della mole di informazioni a disposizione delle piattaforme analitiche.
- Democratizzazione dei dati (Business Dictionary)
Un business dictionary definisce e classifica tutte le informazioni disponibili all’interno dei sistemi aziendali ma, cosa ancor più importante, è uno strumento di democratizzazione del dato perché consente a tutti di accedere ai dati di cui necessitano, di sapere quali sono disponibili e come poterli visualizzare;
- Sicurezza by default
Una delle caratteristiche che deve soddisfare la data governance è quello dei requisiti minimi di security e data protection, sia per la salvaguardia delle proprietà intellettuali dell’azienda, sia per ottemperare agli obblighi di legge – a partire dal GDPR – in materia di tutela della privacy dei propri clienti. La Data Lineage assume un ruolo determinante anche dalla prospettiva della security by default perché rappresenta lo strumento con il quale garantire la tracciabilità dei dati (indicando infatti da dove i dati provengono, dove stanno andando e quali trasformazioni vengono loro applicate attraverso molteplici processi) ed è quindi efficace anche per la validazione dei dati ed il controllo relativo al loro utilizzo, anche a scopo di audit e di conformità alle normative. Il framework per la Data Governance di BNova rappresenta un importante pilastro sul quale definire una strategia di business data-driven perché consente di garantire accesso ed utilizzo dei dati, in modo controllato e sicuro, da parte di chiunque ne abbia bisogno: i data owner responsabili di un set specifico di informazioni (ad esempio, i dati finanziari); i data steward che devono assicurare la qualità e l’accessibilità delle informazioni; i data custodian che si occupano dell’ambiente tecnico e della struttura del database; i data scientist che definiscono i modelli attraverso i quali poter sfruttare i dati per fare analisi; gli utenti di business che utilizzano i dati per svolgere le proprie attività e prendere decisioni.
Categoria: DATA GOVERNANCE
Data Lineage: come assicurarsi qualità e integrità dei dati
Tracciare i dati attraverso il loro ciclo di vita è un tema di valenza strategica.… Leggi tutto
Cos’è la Data Quality e le metriche di riferimento
La Data Quality è una misura della condizione dei dati basata su fattori quali accuratezza,… Leggi tutto
Data as a Service: cos’è a cosa serve
I modelli a servizi disponibili in cloud consentono di avere nuove opzioni di utilizzo dei… Leggi tutto