Dispositivi IoT, dispositivi indossabili, applicazioni SaaS e canali di social media sono solo alcune delle fonti da cui i dati entrano oggi in azienda. Se combinati e analizzati con cura, i dati provenienti da questi canali possono fornire nuove informazioni e sbloccare nuove opportunità. Le organizzazioni che istituzionalizzano e scalano tali informazioni in tutta l’azienda possono prendere decisioni informate più velocemente e garantire che non sia necessario imparare due volte la lezione.

La conversione di informazioni isolate in informazioni dettagliate a livello aziendale richiede una strategia per la governance dei dati e farlo nel modo giusto è più di uno sforzo una tantum. Nella migliore delle ipotesi, la governance dei dati può adattarsi e scalare in base all’evoluzione della strategia di un’azienda, accogliere una quantità crescente di dati e, non ultimo, fornire una nomenclatura e un’affidabilità condivise che facilitano la comunicazione tra le unità e le funzioni aziendali.

Se i dati sono il nuovo petrolio e la velocità è la valuta del business, allora la governance dei dati è il collegamento che unisce i due. È l’insieme di sistemi, politiche e procedure che un’organizzazione utilizza per garantire che i team dispongano dei dati giusti al momento giusto al fine di migliorare e automatizzare processi, prodotti ed esperienze. È una funzione sfidante e preziosa nel panorama competitivo odierno, ma arrivarci richiede la pianificazione di un percorso. In questo articolo illustreremo un processo in tre fasi per sviluppare un programma di governance dei dati che si muova alla velocità del business.

Step 1: stabilire i componenti fondamentali

In molte organizzazioni la governance dei dati è spesso limitata a conformità, privacy e sicurezza. Senza dubbio sono ambiti critici, ma ampliare il campo di applicazione e diversificare i rappresentanti che lo sovrintendono può introdurre più valore per il business attraverso un processo decisionale più rapido e informato e un’efficienza operativa. Qualsiasi programma di governance dei dati dovrebbe includere quattro componenti principali: un comitato direttivo per la governance dei dati, proprietari dei dati, amministratori dei dati e un team di gestione dei dati.

Innanzitutto, fate il punto sul vostro comitato direttivo per la governance dei dati. Se non ne avete uno, createlo includendo i responsabili di tutte le unità e funzioni aziendali. Ogni unità aziendale e funzione dovrebbe avere un rappresentante nel comitato, che può essere un dirigente di livello C o qualcuno che lavora a stretto contatto con i dati principali e i sistemi IT dell’unità aziendale.

Il primo compito del compitato è articolare gli obiettivi, che includono obiettivi aziendali e di conformità. Questa prima fase aiuterà a chiarire gli obiettivi di governance dei dati che il comitato direttivo dovrà realizzare. Si consideri per esempio un’organizzazione sanitaria che gestisce processi amministrativi per conto di grandi sistemi ospedalieri. Il comitato direttivo ha identificato un obiettivo per guidare una maggiore automazione nei processi di reporting. Per raggiungere questo obiettivo, stabilisce che il primo passo è dare definizioni comuni dei dati nella base di clienti.

Dopo aver creato un comitato direttivo e definito i suoi obiettivi, è il momento di assegnare i ruoli. Ciascuna business unit e funzione rappresentata dovrebbe avere un proprietario dei dati, che stabilirà e sosterrà le politiche e le procedure che, attraverso un processo iterativo, affronteranno i problemi di qualità dei dati nei rispettivi domini. Tornando all’esempio dell’organizzazione sanitaria, supponiamo che ciascuna business unit abbia definito i rifiuti dei reclami in modo leggermente diverso, il che ha impedito una più ampia adozione di soluzioni che consentano di automatizzare la segnalazione dei reclami. Riconoscendo la necessità di conciliare queste diverse definizioni, il comitato direttivo si allinea su una definizione comune di reclami-rifiuti che consenta l’aggregazione dei dati e la segnalazione automatizzata. Il comitato quindi incarica i proprietari dei dati di adottare questa definizione comune e di gestire l’allineamento dei dati ad essa all’interno delle rispettive unità o funzioni aziendali.

Successivamente, è necessario individuare gli amministratori dei dati. Gli amministratori sono funzionalmente allineati con i proprietari dei dati per promuovere l’aderenza alle politiche, guidare la gestione delle modifiche specifiche del dominio e segnalare problemi di qualità. Per esempio, un amministratore allineato al reparto marketing di una società di software B2B potrebbe essere responsabile di incoraggiare la pratica di classificare i lead per regione utilizzando una nomenclatura comune (diciamo Nord, Sud, Est, Ovest) nello strumento CRM dell’azienda. L’amministratore dei dati dovrebbe insegnare questa pratica ai responsabili delle vendite che utilizzano lo strumento, monitorarne l’adozione e suggerire come potrebbero essere migliorate le politiche che ne sono alla base.

Infine, è importante istituire un team di gestione dei dati. Questo team, generalmente composto da risorse IT tecniche, è la spina dorsale dell’iniziativa di governance dei dati. Lavora per abilitare e monitorare le politiche e le procedure stabilite. A tal fine, conduce audit per garantire il rispetto delle politiche di privacy e sicurezza; valuta l’accuratezza, la pertinenza e la completezza dei dati; guida la strategia del ciclo di vita dei dati, dalla creazione e archiviazione iniziale dei dati aziendali alla loro scadenza e distruzione.

Step 2: definire pratiche per introdurre nell’ecosistema nuovi dati in modo rapido e preciso

Una volta definiti il comitato direttivo e i suoi obiettivi, è il momento di impostare le strategie che renderanno la governance dei dati una fonte di agilità che aiuterà ad anticipare i problemi, cogliere le opportunità e ruotare rapidamente man mano che l’ambiente aziendale cambia e nuove fonti di dati diventano disponibili.

La capacità di governance dei dati è responsabile dell’identificazione, della classificazione e dell’integrazione di queste origini dati nuove e mutevoli, che possono arrivare attraverso eventi come fusioni o tramite l’implementazione di nuove tecnologie. Si attua definendo e applicando un insieme ripetibile di politiche, processi e strumenti di supporto attraverso un processo controllato, una sequenza di punti di controllo che i nuovi dati devono attraversare per garantirne la qualità.

Il primo passo del processo è determinare cosa è necessario fare per introdurre i nuovi dati in modo armonioso. Consideriamo, per esempio, uno dei nostri clienti software B2B che ha acquisito un’azienda complementare e ha cercato di consolidare i dati dei clienti dell’azienda. Il team di governance dei dati ha rilevato che ogni organizzazione disponeva di un modo diverso di gestire le gerarchie di entità-cliente, che definiscono le relazioni tra clienti che sembrano essere diverse ma che vengono trasferite alla stessa organizzazione principale. Il comitato direttivo ha stabilito che la società acquisita doveva ereditare la gerarchia cliente-entità della società acquirente per proteggere le metriche chiave di Wall Street. Per raggiungere questo obiettivo, l’organizzazione ha dovuto azionare le seguenti leve.

  • Modellazione e progettazione dei dati: mappatura della gerarchia dei clienti dell’azienda acquisita sulla gerarchia in carica e aggiornamento di strumenti e risultati di modellazione dei dati (per esempio, diagrammi di relazione tra entità).
  • Dizionario dei dati: aggiornamento del dizionario dei dati e dello strumento di gestione dei dati anagrafici con il contesto storico, per specificare in che modo i dati dei clienti dell’azienda acquisita sono stati mappati nella gerarchia dei clienti storici.
  • Conformità e accesso ai dati: valutare se la situazione di conformità esistente si adatta ai dati dei nuovi clienti e decidere se implementare ulteriori disposizioni di accesso o sicurezza.
  • Progettazione e implementazione della qualità dei dati: creare controlli nelle applicazioni chiave per impedire agli utenti del team di vendita di creare record duplicati o inserire testo in formato libero (invece di cercare record esistenti).
  • Comunicazione e gestione del cambiamento: gli amministratori dei dati comunicano le modifiche agli utenti interessati e gestiscono le modifiche successive a processi e tecnologie.

Gestire l’introduzione di nuovi dati è impegnativo, ma resistete alla tentazione di adottare soluzioni una tantum che offrano velocità a scapito della scalabilità e del riutilizzo a lungo termine. Investite nel processo e utilizzatelo per creare le basi per rendimenti futuri. Un’analisi e un’implementazione approfondite, mentre forse portano a una “perdita” a breve termine, possono portare a guadagni significativi e scalabili a lungo termine.

Step 3: formalizzare le pratiche operative per garantire la qualità continua dei dati

Il passaggio finale consiste nel codificare gli strumenti e le pratiche di gestione che preservano la qualità dei dati esistenti e supportano i risultati aziendali target. I migliori programmi di gestione dei dati in genere hanno procedure, cadenze e strumenti definiti che supportano quanto segue.

  • Master Data Management: i sistemi e i processi che supportano la creazione di un’unica fonte di riferimento master per tutti i dati aziendali critici (cliente, prodotto) e che a loro volta riducono il numero di errori e ridondanze nei processi aziendali
  • Audit e monitoraggio della qualità dei dati: l’implementazione di strumenti e processi automatizzati che aiutano a identificare i dati che non sono allineati alle regole aziendali o di conformità e quindi non soddisfano il livello di qualità stabilito
  • Reporting sulla qualità dei dati: la pratica di definire parametri di qualità dei dati o KPI, rivederne regolarmente i progressi e determinare piani d’azione per migliorarli
  • Operazioni di Data Storage: la pratica di definire dove e come archiviare vari tipi di dati durante il loro ciclo di vita, dall’introduzione alla distruzione, tenendo conto delle regole aziendali sulla privacy e sulla conformità
  • Data Stewardship: la pratica di allocare le risorse tra le unità e le funzioni aziendali chiave al servizio delle politiche di qualità dei dati e di gestire le modifiche relative all’introduzione di nuovi dati nell’ambiente.

La codifica di queste pratiche può portare a una maggiore qualità dei dati in termini di accuratezza, completezza, coerenza, tempistica, validità e unicità. Dati di alta qualità possono fare la differenza tra un cliente soddisfatto e uno scontento. Per un cliente in ambito sanitario, investire pesantemente in tecnologie di controllo e monitoraggio ha contribuito a garantire la qualità dei dati per le informazioni in movimento e inattive. Questo ha permesso di fornire ai clienti informazioni in tempo reale e offrire esperienze coerenti attraverso i canali fisici e digitali.

Un buon programma di governance dei dati può migliorare le prestazioni delle singole funzioni e unità aziendali. Uno ottimo sfrutta i dati dell’organizzazione per alimentare la trasformazione a livello aziendale, garantendo maggiore velocità, agilità e, in definitiva, migliori risultati aziendali.

*Michael Bertha è Managing Director della società di consulenza Metis Strategy, specializzata nell’intersezione tra strategia aziendale e tecnologia. Bertha offre consulenza ai CIO e ai responsabili digitali di aziende Fortune 500 sul ruolo svolto dalla tecnologia nel differenziare l’esperienza del cliente, nello sviluppo di nuovi prodotti e servizi, nell’apertura di nuovi modelli di business e nel miglioramento delle operazioni organizzative.