Trasformazione digitale

Enterprise Data Management (EDM): cos’è e best practice

L’obiettivo della disciplina consiste nell’offrire supporto al processo decisionale data-driven aziendale, ottimizzando l’efficienza dei processi di business

Pubblicato il 16 Feb 2023

Analisi dell’Enterprise Architecture: definizione, vantaggi e implementazione

L’Enterprise Data Management (EDM) è la gestione dei dati aziendali, il cui volume, secondo Idc, aumenterà al tasso del 40% su base annua entro il 2025. Esprime la capacità, da parte di un’azienda, di definire, integrare e raccogliere con accuratezza, attenzione ed efficacia i dati sia per le app interne che per quelle esterne.

L’EDM permette a imprese e organizzazioni di realizzare contenuti coerenti, puntuali, omogenei e trasparenti. Ecco cos’è e quali sono le best practice.

Enterprise Data Management (EDM): cos'è e best practice

Cosa significa EDM nella gestione dei dati

L’Enterprise Data Management è la disciplina che assicura un’efficiente gestione dei dati end-to-end. Nei processi aziendali descrive, il più obiettivamente possibile, la capacità di un’azienda di governare, integrare, distribuire e garantire la cyber sicurezza dei dati che provengono da svariate sorgenti (streaming, video, dispositivi IoT, social media, canali supply chain, omnichannel eccetera).

Opera in un ambito IT molto vasto che spazia da quanto avviene sui sistemi di dati on-premise e in cloud, fino al trasferimento in completa sicurezza dei dati fra molteplici app che li sfruttano. Il tutto, mentre aumenta la complessità delle filiere che coinvolgono le supply chain dei processi nell’era della trasformazione digitale.

La digital transformation infatti punta a rendere più efficiente l’uso dei dati lungo tutti i processi aziendali, al fine di estrarre valore dai dati. La data preparation e la qualità dei dati permettono di centrare i target di business.

L’EDM è l’apice di una strategia data-driven, che coniuga un approccio scrupoloso e accurato con la consapevolezza, grazie a una conoscenza capillare dei processi aziendali, oltre a saper adottare metodologie e tecniche d’uso dei dati.

Enterprise Data Management: What does good look like?

Enterprise Data Management: What does good look like?

Guarda questo video su YouTube

I vantaggi dell’Enterprise Data Management

Per estrarre quel valore, occorre raccogliere, organizzare, gestire, centralizzando e soprattutto rendendo fruibile l’eterogeneità sia quantitativa che qualitativa di dati, strutturati e non.

L’obiettivo è offrire supporto al processo decisionale data-driven aziendale, ottimizzando dunque l’efficienza dei processi di business.

Una giusta strategia di data governance permette di adottare un approccio data-driven, per conseguir benefici sia nel breve termine che sulla lunga distanza.

Sono vantaggi concreti che riguardano l’uso di molteplici fonti per acquisire dati, migliorando il volume adatto per le operazioni richieste.

Altro beneficio tangibile è l’alta data quality, essenziale per rendere più puntuali i processi di data analytics, indipendentemente dal contesto applicativo.

Un altro oggettivo vantaggio riguarda l’utilizzo di database e sistemi di dati scalabili con semplicità in vari ambienti, sia on-premise che multicloud.

Inoltre ottimizza la tutela dei dati e la conformità alle normative che si riferiscono alla conservazione e al trattamento degli stessi, spaziando dalle disposizioni vigenti (GDPR) alle specifiche intese siglate tra i vari stakeholder.

L’Enterprise Data Management consente di produrre un grande valore aggiunto al business aziendale, senza espedienti. Per centrare determinati risultati, servono perseveranza e costanti investimenti su una strategia basata sul continuo progresso, dove a ricoprire un ruolo cruciale è la conoscenza minuziosa e profonda dei processi aziendali.

Enterprise Data Management (EDM): cos'è e best practice

Le componenti dell’EDM

L’Enterprise Data Management (EDM) richiede una mappatura completa del data journey, che permette di scegliere le sorgenti utili e di azzerare le fonti ridondanti, evitando così di sprecare ingenti risorse senza ottenere risultati utili dal punto di vista dell’analytics.

Grazie a una vasta varietà di dati, sia sotto il profilo quantitativo che qualitativo, non è necessario effettuare l’acquisizione, la preparazione e l’analisi di tutti i dati potenzialmente disponibili. Invece bisogna mettere in atto una strategia di data management, fondata sull’analisi reale delle peculiarità dei processi aziendali in cui si richiede l’intervento.

Le componenti dell’EDM sono quattro: data governance, data integration, master data management e cybersecurity dei dati.

Enterprise Data Management (EDM): cos'è e best practice

La data governance

La data governance consente a imprese e organizzazioni di svolgere il percorso digitale in grado di estrarre valore dai dati. E compie questo iter, definendo in maniera accurata le policy e i procedimenti per garantire l’integrità, la qualità e la sicurezza dei dati trattati.

Rappresenta il contributo delle regole interne all’azienda e delle procedure cruciali per effettuare continuamente migliorie.

La data governance è una priorità e al contempo una best practice. In grado di definire le linee guida per migliorare l’efficienza delle policy aziendali sull’uso dei dati, incrementa la responsabilità condivisa tra tutti gli stakeholder dell’azienda o dell’organizzazione.

La data integration

La raccolta dei dati è facile, ma farne uso richiede scelte oculate e ragionate. Lo scenario dei software utili per l’analisi e l’integrazione dei dati è vasto, ma è il processo che consente di utilizzare i dati in modo efficiente, al fine dell’analytics.

La data integration sfrutta applicazioni e risorse in cloud, in grado di sostenere i metodi e le tecniche di virtualizzazione, federazione e consolidamento, le metodologie più comuni fra gli specialisti. L’era multicloud e ibrida richiede nuovi strumenti anche nel mercato della data integration.

La virtualizzazione dei dati permette l’esecuzione di query distribuite contro fonti di dati disparate che sono virtualmente integrate. Si avvale di adattatori per le fonti di dati, repository di metadati e query engine distribuiti che possono avere un impatto sul consumo downstream in vari modi (come API, JDBC).

La data integration aumentata ottimizza le operazioni di integrazione dei dati, grazie a un impiego estensivo dei metadati (dati d’uso, transaction log, flussi di lavoro di sistema) e algoritmi preconfezionati di machine learning (ML). Questi sono capaci di informare e automatizzare le attività di data ingestion, trasformazione, unione e conferimento dei dati.

L’integrazione dei dati ha come obiettivo principale l’unificazione e l’accessibilità dei dati, all’origine frammentari, disorganici o incoerenti.

Il master data management

Il master data management usa metodologie affini alla data integration, ma con obiettivi strategici. La finalità consiste nel rendere fruibili i dati con una visione indirizzata al business.

L’importanza della data quality e del master data management dipende dal fatto che è possibile prendere le decisioni corrette solo sulla base di dati affidabili e coerenti.

I modelli possono effettuare previsioni accurate grazie a dati corretti. Elevati standard di data quality sono essenziali per incrementare la flessibilità per gli utenti business.

I master data forniscono la struttura per capire e usare i dati. Attraverso i master data, che sono dati transazionali, i dati IoT e flussi di clic ottengono significato e contesto.

Armonizzando i master data, si ricava una comprensione uniforme dei dati e l’interazione delle divisioni aiuta a garantire una reportistica coerente e operazioni data-driven. Nell’attuale era digitale, in cui i dati stanno emergendo sempre più come fattore di produzione, c’è un’esigenza crescente di impiego flessibile e di produzione di dati ad elevata qualità per rendere possibili e lanciare nuovi servizi e prodotti.

I fattori critici di successo per una data quality sostenibile sono ruoli e responsabilità, processi di garanzia della qualità, il continuo monitoraggio della salute dei dati aziendali e la consapevolezza e la trasparenza riferiti all’impatto di una scarsa data quality.

La cybersecurity dei dati

La data security di fascia enterprise ormai è una priorità, a causa delle crescenti cyber minacce che rendono cruciale la protezione del dato.

La sicurezza informatica non è più una voce di costo o un layer aggiuntivo alla fase operativa. Oggi rappresenta un investimento in grado di fornire valore aggiunto, tanto da richiedere un’implementazione nativa nei processi. L’obiettivo è mettere in sicurezza sia i “data in transit”, quelli in fase d’uso, sia i “data at rest” ovvero quelli archiviati e memorizzati nei data storage.

Best practice

La più efficace strategia di Enterprise Data Management, in grado di generare valore aggiunto nei processi aziendali, consiste nel coinvolgere adeguatamente tutti gli stakeholder.

Prima di stabilire risorse e individuare tecnologie ad hoc, occorre che tutte le figure professionali, adibite ad operare sui dati, condividano la visione dei target aziendali. La condivisione deve riguardare la totalità delle linee di business, dall’amministrazione fino a chi interagisce direttamente con i clienti.

Le organizzazioni devono considerare l’Enterprise Data Management (EDM) un processo centrale della loro attività, dunque i C-level e tutti i soggetti coinvolti nella filiera d’uso dei dati devono affrontare il cambiamento culturale necessario.

Le best practice partono dalla definizione del processo in chiave strategica: individuare gli obiettivi, le policy e gli standard procedurali (a partire dal GDPR); valutare il data journey; la formazione degli stakeholder; coinvolgere consulenti dotati di know-how concreto e tecnici o manager esperti in Enterprise Data Management.

Enterprise Data Management (EDM): cos'è e best practice

Le pratiche nei dettagli

Una volta definiti gli obiettivi di business, i decisori aziendali devono limitare il campo d’azione sui dati. L’enterprise data journey inizia dall’analisi dello stato di fatto, per accendere i fari su tutti i flussi e i tipi di dati coinvolti dall’EDM. Un assessment ben calibrato e svolto con efficacia migliora infatti il processo decisionale data-driven.

Un rapporto collaborativo con gli specialisti dei dati delle aziende, con una quotidiana pratica su queste tematiche, permette di migliorare i processi. Prevede un uso de i dati nella maniera più efficace.

Servono inoltre linee guida. Esse consentono a consulenti esterni, fornitori e perfino clienti finali di operare in conformità con le policy. Ma anche con le procedure previste dall’Enterprise Data Management (EDM).

I settori dell’healthcare, della finanza e il comparto delle infrastrutture critiche sono soggetti a normative rigorose e stringenti. Questi settori devono focalizzarsi sulle policy e sulle procedure per evitare costose sanzioni in caso di violazione delle normative.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale Digital360Awards e CIOsumm.it

Tutti
Update
Round table
Keynote
Video
Digital360Awards e CIOsumm.it, i momenti salienti
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo
Video
Digital360Awards e CIOsumm.it, i momenti salienti
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo

Articoli correlati

Articolo 1 di 4