Data governance per le PMI

L’intelligenza artificiale, così come la materia della Data Science in senso più ampio, rappresenta oggi lo stato dell’arte alla quale sottendono le strategie delle business unit della grande maggioranza delle aziende mondiali, qualsiasi sia il loro settore di mercato e qualsiasi sia il fine che queste ambiscono a perseguire attraverso tali tecnologie.

Tuttavia, l’efficace uso dei data analytics è percepito da una parte delle piccole e medie imprese del nostro paese quale soluzione a sé stante e acquisibile a catalogo, a prescindere dal punto di origine del percorso di innovazione e di acquisizione di consapevolezza digitale all’interno della propria realtà.

L’analisi dati si configura, invece, quale l’ultimo dei passaggi, la ricompensa, di una preesistente sana struttura di gestione del dato, che possiamo riassumere come:

1)     Governance e Strategia del dato;

2)     Infrastruttura hardware e software di conservazione, elaborazione, gestione del flusso dati;

3)     Analisi del dato e relativo utilizzo.

La progettazione, la realizzazione e l’implementazione delle infrastrutture sono temi centrali delle aziende da decenni e, le soluzioni di cloud storage e cloud computing rappresentano  solo l’ultima delle evoluzioni che le ha caratterizzate a partire dai tempi dei mainframe IBM e, in alcuni casi, anche prima.

Ciò che in realtà distingue in maniera netta la fattibilità e il successo delle strategie data driven dalle soluzioni applicative e infrastrutturali di vecchia generazione, è ciò che orbita attorno al macromondo della Data Governance & Strategy.

Fino ai tempi immediatamente precedenti alla diffusione delle infrastrutture dati di stampo moderno (Data Warehouse e varianti), infatti, l’unico tema non tecnologico legato al dato utilizzato era rappresentato dalla metadatazione di primo livello, ovvero lo strumento che assicurasse agli sviluppatori impegnati nella realizzazione degli applicativi di utilizzare il dato corretto, ma con un disinteresse di fondo ad entrare nel merito dell’effettivo significato business e di eventuali difformità dovute da fenomeni diversi rispetto alla non correttezza del codice sviluppato.

Nell’ultimo decennio, però, è emersa l’incredibile opportunità legata al riutilizzo del dato:

• Un dato di produzione del resource planner poteva diventare un indicatore legato alla performance produttiva aziendale;
• Le informazioni relative ai contratti presenti in un CRM hanno iniziato ad essere sfruttati per la realizzazione di modelli, quali il Churn, per preventivare l’abbandono di un cliente;
• I dati legati all’anagrafica dei dipendenti sono diventati utilizzabili contestualmente ad azioni di comunicazione esterna in materia di pari opportunità e di sviluppo del lavoro dei giovani.

Quanto sopra rappresenta solo un esempio della nuova potenzialità del patrimonio informativo aziendale, che però porta con sé nuovi punti di attenzione, tra i quali spiccano:

• Una più netta separazione, in termini di dipartimenti aziendali, tra 1) colui che è responsabile della produzione del dato, 2) colui che utilizza il dato e 3) colui che realizza le piattaforme di sfruttamento del dato.
• La necessità di avere una visione più chiara rispetto al passato delle traiettorie in uscita del dato, prevedendo, ad esempio, i possibili utilizzi commerciali di un dato di produzione per includere nel momento in cui viene progettato il ERP.

Tali tematiche hanno generato una nuova intera branca nel mondo del data management, chiamata Data Strategy e Data Governance, che ha l’obiettivo di impostare ex-ante, ad alto livello:

1. La struttura del dato, attraverso una metadatazione profonda (sia business che tecnica) raccolta all’interno di strumenti dedicati quali i data catalog, a scopo strategico e di compliance (soffermandosi sui diversi aspetti del dato quali GDPR, retention, segretezza e policy di retention e backup).
2. Il flusso di fruizione dei dati, per avere una visione chiara di tutti i sistemi e gli stakeholder coinvolti nel loro ciclo di vita, con lo scopo di rendere più fluide le successive introduzioni di sistemi di gestione e applicativi e garantire che l’intero patrimonio informativo sia trattato in maniera armonizzata e coerente e sia sempre possibile avere visione degli obiettivi strategici e degli indicatori finali per i quali quel dato è gestito.
3. La governance aziendale del dato, ovvero l’esplicitazione delle meccaniche di responsabilità in capo a ciascun stakeholder, per avere completa coscienza e condivisione di coloro che sono responsabili della correttezza formale e tecnica di un determinato dato, chi è chiamato a definire le policy di accesso (sia a livello di unit che di singoli utenti), con lo scopo, tra gli altri, di risolvere il classico problema di non essere in grado di identificare con certezza l’individuo in grado di agire in caso di difformità tecniche e/o sostanziali dell’informazione registrata.

La data governance e la data strategy, prima presente solo all’interno di grandi aziende strutturate, ha iniziato a diffondersi anche all’interno delle piccole e medie aziende italiane, alla luce dei vantaggi che è in grado di portare all’organizzazione, specie alla luce del ruolo sempre più centrale che svolge il dato, dando vita ad interi percorsi end-to-end, ovvero non necessariamente finalizzati all’implementazione di soluzioni informatiche.