Le scelte per adottare una strategia di utilizzo e governo efficace dei dati
Qualsiasi processo aziendale implica l’elaborazione e la produzione di informazioni, e il modo in cui queste vengono raccolte e analizzate può influire notevolmente sulle prestazioni dell’organizzazione. Dai dati deriva, infatti, non solo il corretto funzionamento dei processi operativi, ma soprattutto la conoscenza necessaria per prendere decisioni aziendali efficaci. Per questo motivo, Data Strategy e Data Governance sono diventate, negli ultimi anni, argomenti di discussione all’attenzione dei board aziendali, in quanto i dati sono sempre più riconosciuti come asset strategico.
Con l’esplosione, poi, dell’interesse per l’utilizzo di soluzioni digitali basate sull’Intelligenza Artificiale, le organizzazioni hanno man mano raggiunto una maggiore consapevolezza circa l’importanza di poter fare affidamento su un patrimonio informativo organizzato, documentato e affidabile [1].
In tal senso, la qualità dei dati è un elemento fondamentale per garantire il successo del proprio business, ed è di questo che si occupa la Data Quality, che serve, infatti, serve a misurare in maniera sistematica coerenza, accuratezza, completezza e stato di aggiornamento dei dati. Secondo la Data Management Association (DAMA), la Data Quality “consiste nella pianificazione, implementazione e controllo delle attività che applicano tecniche di gestione della qualità dei dati, al fine di garantire che siano adatti allo scopo e soddisfino le esigenze degli utilizzatori”.
Eppure, nel panorama aziendale, molto spesso i dati rimangono segregati in silos e sottoutilizzati, portando a una visione unidimensionale degli aspetti che riguardano il business e a un rallentamento dei processi decisionali. È questo il principale motivo per cui, secondo dati recenti [2], ben 9 imprese su 10 sono affette da un Data Decision Gap, ovvero non riescono ad affidarsi ai dati di cui dispongono per supportare le proprie decisioni strategiche e operative.
Oltre a questo aspetto, si riscontra una diffusa difficoltà nel migliorare la qualità dei dati: in un altro studio (condotto su 22 aziende per lo più di grandi dimensioni e attive nel settore delle soluzioni ICT) incentrato sulla ricerca degli ostacoli legati all’adozione dell’IA, circa il 64% delle aziende ha indicato come principale ostacolo l’insufficiente qualità dei dati [3]. L’esempio è particolarmente calzante considerando quanto la qualità dei dati possa influire sulla competitività di un’azienda: l’Intelligenza Artificiale, infatti, richiede che il dato sia gestito in maniera ottimale.
Secondo uno studio condotto da BARC [4], che ha coinvolto circa 400 rispondenti che ricoprono ruoli rilevanti nei dipartimenti IT (es. CIO, Head of BI, …) all’interno di medio-grandi organizzazioni europee e provenienti da una pluralità di industry, la percezione prevalente è che le decisioni di business facciano ancora leva in prevalenza sull’esperienza, piuttosto che sui dati.
Uno dei punti della survey, infatti, indagava sui processi decisionali data-driven o, invece, basati sulle “sensazioni” (intuito ed esperienza). In questo caso, metà dei rispondenti ha dichiarato che, nella propria organizzazione, le decisioni vengono guidate sia dai dati, che da un mix di esperienza e intuito. Un terzo delle persone, invece, ha dichiarato di basare le proprie decisioni esclusivamente sull’analisi dei dati. Unica, forse, nota positiva è che la percentuale di coloro che hanno affermato di trascurare quasi del tutto i dati sta effettivamente diminuendo progressivamente.
Per concludere, sempre secondo lo studio, il ritorno sull’investimento in una cultura aziendale incentrata sui dati è chiaro alla maggior parte delle organizzazioni: quasi la metà delle aziende partecipanti ha riferito di aver ottimizzato i propri processi decisionali e oltre un terzo ha constatato un miglioramento costante dei processi e una riduzione dei costi.
Dopo aver delineato le sfide e i benefici legati all’adozione di cultura e strategia dei dati, nell’articolo che segue forniremo alcuni suggerimenti pratici per implementare una Data Strategy e una Data Governance in linea con gli obiettivi e la strategia aziendale.
- Data Readiness: comprendere il panorama dei dati e identificare i punti critici
- Valutare il portafoglio tecnologico
- I vantaggi di un approccio basato sul valore dei dati
Data Readiness: comprendere il panorama dei dati e identificare i punti critici
Prima di iniziare a implementare la governance dei dati, è necessario comprendere il panorama informativo aziendale tramite una valutazione dei processi di acquisizione, manutenzione e diffusione dei dati dell’organizzazione. Per iniziare, si consiglia di organizzare sessioni e workshop in cui le persone provenienti da diverse aree aziendali possano esporre i loro punti critici, le sfide e i problemi legati a tali processi.
Durante queste sessioni, spesso utilizziamo mappe visuali (e tanti post-it 😉) per ottenere una panoramica delle sfide e dei problemi resi noti dai partecipanti. Una volta censito un buon numero di tematiche, classifichiamo le voci e iniziamo a capire relazioni e duplicazioni. Questo ci aiuta a prioritizzarle in modo corretto e a identificare un elenco di punti critici da affrontare prima di implementare la governance dei dati (prerequisiti).
Ad alto livello, una modalità spesso efficace per la classificazione dei punti critici consiste nel suddividerli in quattro ambiti:
- acquisizione dei dati,
- accesso ai dati,
- manutenzione dei dati
- diffusione dei dati.
Acquisizione dei dati comprende, ad esempio, la loro creazione e la presenza di più fonti per lo stesso tipo di informazione.
Accesso ai dati raccoglie tutte le problematiche relative al loro utilizzo sia a livello operativo che analitico (es. qualità, disponibilità, …).
Manutenzione dei dati si focalizza sui processi manuali di gestione degli stessi (es. attività di reinserimento manuale e pulizia manuale dei dataset).
Diffusione dei dati si riferisce ai diversi modi di memorizzare le stesse informazioni in aree diverse e all’assenza di convalida dei dati (es. mancanza di coerenza dello stesso dato presente su più sistemi).
Al termine di questo step, solitamente si ottiene una buona comprensione dei punti critici, che è essenziale iniziare a tracciare in modo sistematico (a noi piace chiamarlo “Data Issue Backlog”), cercando di quantificare, per quanto possibile, l’impatto che questi hanno su obiettivi e KPI Aziendali.
Queste informazioni vi aiuteranno a creare un business case che evidenzi i vantaggi dell’implementazione della Data Strategy e Data Governance nella vostra organizzazione.
Valutare il portafoglio tecnologico
Grazie alle informazioni raccolte nella fase precedente, è possibile esaminare il portafoglio tecnologico e informativo dell’organizzazione, in modo tale da capire meglio quali sono le tecnologie in uso all’interno dell’organizzazione e come sono interconnesse le diverse applicazioni. Queste informazioni andranno poi poste in relazione con le Data Issue rilevate.
Questa ricognizione aiuta a identificare le aree in cui la Data Strategy e Data Governance possono essere implementate in modo più efficace e quelle in cui potrebbe essere necessario apportare modifiche ai sistemi e alle tecnologie in essere.
La comprensione del panorama tecnico e informativo di un’organizzazione è fondamentale quando si tratta di implementare un programma di governance dei dati. Ciò comporta una comprensione dell’infrastruttura IT dell’organizzazione, delle fonti di dati, dei flussi di dati e dei sistemi di archiviazione dei dati.
Per cominciare, è essenziale identificare le fonti di dati critiche dell’organizzazione, ad esempio quali Database, Data Warehouse e Data Lake. Questo aiuterà a capire dove sono i dati a maggior valore e soprattutto come questi fluiscono attraverso l’organizzazione.
È inoltre fondamentale avviare una valutazione della qualità dei dati di queste fonti. Secondo la nostra esperienza, i problemi legati alla qualità dei dati, quali, ad esempio, incongruenze, dati mancanti o imprecisi, sono tra le prime cause di fallimento dei progetti di valorizzazione dei dati, siano essi tradizionali o basati su Intelligenza Artificiale. Identificare e risolvere questi problemi è fondamentale per garantire l’accuratezza e la coerenza dei dati a maggior valore per l’organizzazione.
Infine, la comprensione del panorama tecnico dell’organizzazione implica l’identificazione degli strumenti e delle tecnologie utilizzati per l’elaborazione, l’analisi e la reportistica dei dati. Ciò include l’identificazione dei diversi sistemi software e hardware utilizzati per l’elaborazione dei dati, come gli strumenti ETL (Extract, Transform, Load), le piattaforme di integrazione dei dati e gli strumenti di business intelligence.
I vantaggi di un approccio basato sul valore dei dati
I vantaggi principali che l’utilizzo di un approccio come quello proposto può portare alle organizzazioni interessate a implementare una strategia di utilizzo e governo efficace dei dati sono molteplici.
Innanzitutto, valutare il proprio ambiente dati e identificare i punti critici consente di ottenere una visione chiara delle sfide e delle priorità legate alla gestione dei dati. Questo permette alle organizzazioni di concentrare le risorse e gli sforzi dove sono più necessari, risolvendo i problemi che ostacolano l’efficienza e la qualità dei dati. In questo modo, sarà possibile ottenere un miglioramento generale delle operazioni aziendali, riducendo errori e duplicazioni, ottimizzando i processi e aumentando l’affidabilità delle informazioni.
Inoltre, la creazione di un elenco strutturato di punti critici consente di avere una visione chiara delle aree che richiedono interventi prioritari. Questo permette di pianificare e implementare una roadmap di adozione della Data Governance che affronti in modo sistematico e mirato le problematiche emerse.
L’implementazione di una strategia di utilizzo e governo dei dati ben definita permette di promuovere l’allineamento delle pratiche aziendali, facilitando la collaborazione tra i dipartimenti dell’organizzazione e promuovendo una cultura basata sui dati. Identificare i punti critici legati all’acquisizione, alla manutenzione e alla diffusione dei dati consente di individuare le principali fonti di errore e di prendere le misure necessarie per garantire l’accuratezza e la coerenza dei dati. Questo impatto positivo sulla qualità dei dati si traduce in una migliore capacità di presa decisionale, poiché basata su informazioni affidabili, e nel miglioramento delle prestazioni aziendali, abilitando l’utilizzo di soluzioni basate su algoritmi di Intelligenza Artificiale.
L’implementazione di una Data Strategy e di una Data Governance chiaramente collegate alla strategia aziendale e ai suoi obiettivi, unita ad una conoscenza solida dello stato dell’arte del proprio patrimonio dati, fornisce un vantaggio competitivo concreto alle organizzazioni.
La corretta gestione dei dati consente, infatti, di sfruttare appieno il loro potenziale, abilitando l’identificazione di nuove opportunità di business, il miglioramento di processi operativi e decisionali, e l’innovazione di prodotti e servizi, fino ad arrivare, in alcuni casi, alla possibilità di monetizzazione diretta dei dati.
doDigital, grazie ad un’esperienza pluriennale nel campo della strategia e del governo dei dati aziendali nei diversi settori, conosciamo bene l’importanza del dato come fonte di valore per il business.
Scopri come possiamo aiutare la tua organizzazione a trarre il massimo valore dai propri dati!
Inoltre, se vuoi saperne di più sull’argomento, scarica il nostro whitepaper o accedi a un breve questionario per calcolare il tuo Data Value Index, un indicatore sintetico che ti permette di avere un’idea della capacità attuale della tua azienda nel trarre valore dai dati.
[1] Anitec – Assinform, L’IA a tre dimensioni. Approfondimenti su policy, tecnologie ed esperienze aziendali, 2022, https://d110erj175o600.cloudfront.net/wp-content/uploads/2022/04/20151324/WP_IA_20042022.pdf
[2] Quantexa, Data in Context: Closing the Data Decision Gap EMEA Research Benchmarking Study 2021, 2021
[3] Anitec – Assinform, L’IA a tre dimensioni. Approfondimenti su policy, tecnologie ed esperienze aziendali, 2022, https://d110erj175o600.cloudfront.net/wp-content/uploads/2022/04/20151324/WP_IA_20042022.pdf
[4] Carsten Bange, Timm Grosser, BARC data culture survey 2023 – how to liberalize data access to empower data users,2022
