La data governance non è un progetto It, ma una necessità di business; ha lo scopo non solo di definire responsabilità e competenze sui dati, ma soprattutto di capire come ottimizzare il valore dell’intero patrimonio informativo. Di conseguenza è responsabilità sia delle Lob sia del team It e dovrebbe essere assegnata a una specifica funzione di business: necessita infatti di persone dedicate, processi definiti, criteri precisi per misurare risultati e conformità.
Ma come si disegna una strategia di data governance olistica ed efficace? A partire da un assessment accurato per verificare lo stato di maturità dell’azienda rispetto alla gestione dei dati. Informatica suggerisce un modello strutturato in dieci punti.
Figura1 – I dieci aspetti della data governance secondo Informatica
Fonte: Informatica
- Si inizia con la definizione della vision, per delineare l’obiettivo strategico ad ampio raggio, e del business case, per esprimere con chiarezza le opportunità di business specifiche di fronte ai decision makers.
- Fondamentali sono le persone coinvolte nel programma. Non devono mancare: gli executive sponsor (da ricercare preferibilmente tra i C-level cross-funzionali); i data steward (lato It e business), detentori di conoscenze specifiche e ottimi comunicatori (devono tradurre i risvolti della data governance sui processi aziendali); i leader della data governance, che coordinano i data stewards e mediano con gli stakeholders.
- La tecnologia (“strumenti e architetture” nella terminologia di Informatica) è il terzo asset, che include tutti i sistemi / applicazioni on-premise e cloud dell’ecosistema aziendale che generano e utilizzano informazioni, nonché un business glossary condiviso e tool per la gestione dei dati lungo l’intero ciclo di vita (funzionalità di profilazione e discovery, gestione dei metadati, data quality e security, modellazione dei processi, collaboration e così via).
- Le policy sono un’altra componente imprescindibile e servono a definire una serie di aspetti, tra cui: responsabilità e proprietà dei dati, ruoli e competenze dei soggetti coinvolti nel progetto, standard per l’acquisizione e la convalida dei dati, regole di accesso, utilizzo e conservazione.
- Il quinto punto del programma riguarda l’allineamento strategico per regolare le relazioni di lavoro tra ruoli.
- Il sesto concerne la misurazione delle performance su tre livelli distinti: l’impatto sull’organizzazione aziendale, l’efficacia delle policy e degli standard di convalida, i ritorni sul business (tra cui riduzione delle penali per mancata compliance, miglioramento delle efficienze operative, crescita dei profitti e della customer satisfaction).
- Il change management (attraverso formazione e comunicazione) deve essere perseguito con costanza, perché la data governance e l’uso corretto delle informazioni comporta un salto culturale in tutta l’organizzazione.
- Un progetto vincente deve agire su tutte le attività interconnesse del data management, ovvero sui processi dipendenti di upstream (raccolta, trasformazione e aggiornamento dei dati), stewardship (applicazione di policy e standard), downstream (analisi, pulizia, protezione).
- Le attività di data governance necessitano infine di program management, ad opera di esperti gestionali per coordinare interazioni, formazione e monitoraggio.
- E, infine, di processi definiti che riguardano la discovery (analisi dello stato dei dati e delle attività / strumenti / competenze a supporto del data management), la definizione (di business glossary, standard e policy), l’applicazione (di regole e procedure, responsabilità e ruoli ecc.), la misurazione (del Roi, nonché della compliance normativa e ai requirements aziendali).
