Il patrimonio informativo di una qualsiasi organizzazione, cioè l’insieme delle informazioni relative a tutte le operazioni che fanno parte o influenzano la sua attività, degli oggetti (prodotti e servizi) ai quali queste si applicano e dei soggetti (clienti, fornitori, partner…) che a vario titolo vi partecipano, è, insieme alle persone e ai mezzi finanziari, l’asset di maggior valore di cui si possa disporre. E anche, dei tre, il più difficile da creare e gestire.
Trasformare la massa di dati che con flusso praticamente continuo confluisce nei Sistemi Informativi in modo d’avere la conoscenza ‘unica e vera’ di ciò che è avvenuto e avviene in un’impresa (e anche al suo esterno, se possibile) è un processo che assorbe importanti risorse umane, economiche e tecnologiche ed è tanto più complesso e oneroso quanto più i dati di partenza provengono da fonti diverse, con diversa struttura. Ma è proprio il basarsi su dati di fonti diverse ciò che dà valore all’informazione, fondendo in un’unica visione i punti di vista che di uno stesso evento hanno i diversi attori. Se riusciamo a integrare (per fare un facile esempio) dati relativi a produzione, vendite e amministrazione-finanza è chiaro che abbiamo informazioni (e conoscenza) di valore molto superiore a quello che possiamo trarre dai dati dei singoli comparti.
Un insieme di strategie
È da questa constatazione che nasce il concetto di Data Governance, che si può definire come l’insieme delle attività volte a gestire persone, processi, metodologie e tecnologie dell’informazione al fine di realizzare un costante e corretto trattamento di tutti i dati che abbiano importanza per un’organizzazione. In pratica, la maggior parte dei progetti di Data Governance punta a standardizzare la definizione dei dati da parte delle diverse funzioni aziendali, a stabilire regole di accesso e d’uso comuni e a identificare i soggetti coinvolti definendone le responsabilità. Pertanto, anche se la Data Governance comprende l’uso di strumenti di Data Quality, non è una tecnologia, ma un insieme di strategie, processi e regole da definire a monte dell’utilizzo dei dati, allo scopo appunto di esercitare un fattivo controllo sui processi e sui metodi usati dagli amministratori per prevenirne gli errori e per suggerire gli interventi necessari a risolvere i problemi creati da dati di scarsa qualità.
Il primo vantaggio dato dalla Data Governance è, evidentemente, quello di permettere ai cosiddetti ‘knowledge workers’ (che, ricordiamo, non sono solo decisori ma incominciano a comprendere dipendenti con mansioni operative e costituiscono una parte sempre più ampia della forza-lavoro) di accedere e condividere informazioni fornite da applicazioni e database diversi e di poter contare su dati di qualità. Insomma: di fare meglio il loro lavoro. Ma un efficace governo e controllo dei dati ha anche importanti effetti sulla sicurezza, con riduzione dei rischi derivanti dalle operazioni e dall’eventuale mancata osservanza di leggi e normative. E ha effetto anche sul Business Process Management. Infatti, dovendosi realizzare processi di gestione dati (sui quali si basano tutti i processi di business) standardizzati e ripetibili, si stabiliscono linee guida e parametri atti a valutare sviluppo, gestione e prestazioni dei processi stessi.
Come sviluppare un progetto
Un sistema di Data Governance si struttura su tre livelli. Al livello più basso si trovano gli strumenti tecnologici per l’Etl e la Data Quality. Le attività inerenti riguardano la funzione It, supportata però da responsabili del business, e sono finalizzate a garantire la qualità dei dati. Si devono raccogliere e confrontare le relative regole rimediando a eventuali sovrapposizioni, lacune e incongruenze. Al livello intermedio vi sono le funzioni per il monitoraggio delle regole di Data Quality e dei modelli relativi alla compliance normativa. Gli utenti sono gli uomini del business e pertanto si tratta di soluzioni di uso intuitivo, che non richiedono competenze informatiche e possono prevedere regole e modelli predefiniti. Al livello superiore, infine, vi sono le funzioni di gestione e valutazione dei processi di controllo della qualità dei dati, per controllare gli scostamenti rispetto ai parametri stabiliti. Qui vanno definiti ruoli e responsabilità degli operatori, nonché i piani di azione previsti per la correzione degli errori, con definizione di tempistica e modalità di intervento.
La realizzazione di un progetto di Data Governance è di solito affidata a un gruppo di lavoro formato da persone fornite di esperienza e competenze diverse in grado di seguire i vari aspetti del problema. Tipicamente, il team comprende data administrator e uomini della funzione It, ma anche responsabili delle linee di business e di altre funzioni aziendali, capaci di valutare i problemi da affrontare. Definire gli aspetti organizzativi diventa quindi fondamentale e nei gruppi di lavoro più numerosi e complessi occorre intervenire, prima di tutto, sull’organizzazione aziendale, eventualmente istituendo presso la funzione It degli uffici e delle figure responsabili delegate allo scopo.
