Il Data Management comprende tutte le attività di gestione e governance dei dati. Come funziona, come si applica in azienda e quali sono i vantaggi che porta con sé.
Cos’è il Data Management
Per Data Management si intende l’insieme delle attività associate alla gestione ed alla governance dei Dati.
La principale organizzazione internazionale di settore, la DAMA – Data Management Association, lo definisce come “lo sviluppo e l’esecuzione di architetture, politiche, pratiche e procedure che gestiscono correttamente le esigenze dell’intero ciclo di vita dei Dati di un’Azienda” o anche come “la pianificazione, l’esecuzione e la supervisione di politiche, pratiche e progetti che acquisiscono, controllano, proteggono, consegnano e aumentano il valore dei Dati e delle risorse informative“.
I Dati costituiscono infatti uno dei maggiori asset aziendali: come raccoglierli da fonti eterogenee, in tempi differenti, e organizzarli, integrarli, certificarli e renderli accessibili e utili alle decisioni?
Il Data Management si occupa dell’intero processo: dalla pianificazione all’esecuzione fino al monitoraggio.
Potrebbe anche interessarti: Business Intelligence: cos’è e come funziona
Come funziona il Data Management
Il Data Management è un processo che prevede tutta una serie di attività specifiche. Vediamo assieme in che cosa consistono.
Data Preparation
La Data Preparation, o preparazione dei Dati, è l’attività che serve a organizzare i Dati provenienti da fonti eterogenee e non ancora elaborati, prima dell’inserimento nel Database.
A sua volta si divide in altre fasi.
Data Cleaning
La fase di pulizia dei Dati o Data Cleaning serve per unire i Dati doppi, riconoscere i cosiddetti outliers – vale a dire le eccezioni – ed eliminare i Dati non completi ed i valori non utili all’analisi.
Feature Selection
La Feature Selection è una fase della Data Preparation nella quale vengono definite le caratteristiche dei Dati più rilevanti rispetto agli scopi di analisi ed escluse quelle irrilevanti e ridondanti attraverso specifici filtri, confronti statistici e metodi di apprendimento automatico.
Feature Transformation
Si tratta della fase finale di trasformazione dei Dati nel formato più utile che si applica attraverso operazioni di scaling – che scalano il valore delle grandezze considerate per un confronto più immediato – di aggregazione – che combinano i valori di caratteristiche simili – o di filtraggio, che rimuovono caratteristiche indesiderate.
La Data Preparation è fondamentale per un Data Management efficace e richiede la maggior parte del tempo dell’intero processo di gestione: i Dati non elaborati vengono così trasformati in output pronti per essere analizzati.
Data Access
La seconda attività prevista in un processo di Data Management è quella di Data Access, che racchiude tutte quelle azioni utili a favorire l’accesso ai Dati ed a permettere il recupero delle informazioni da qualsiasi fonte ed in qualsiasi formato, come file di testo, database, email, feed dei social ecc.
Fanno parte delle tecnologie di Data Access i driver di Database e i convertitori di documenti, che servono a valutare il formato del dato, i luoghi e i modi della sua archiviazione.
Data Quality
La Data Quality racchiude tutte le operazioni che servono a garantire che il Dato sia accurato e utilizzabile per gli scopi previsti: più il Dato è accurato, più è valorizzabile al momento dell’analisi.
La Data Quality monitora i diversi processi del ciclo di vita del Dato, dall’accesso al database aziendale ai punti di integrazione con Dati differenti fino al caricamento nei sistemi di destinazione.
Data Integration
La Data Integration si occupa appunto della combinazione dei Dati, unificando i risultati provenienti da sistemi diversi per una visione complessiva del fenomeno da analizzare.
Un’Azienda può avere infatti a disposizione diverse tipologie di Dati al suo interno. Vediamone alcune.
- Dati Machine To Machine: sono generati dall’interazione tra dispositivi elettronici
- Dati People To Machine: sono generati dall’interazione tra persone e dispositivi
- Dati People To People: sono generati dall’interazione tra persone
- Public Admin Data: sono Dati presenti in Database pubblici
- Enterprise Data: sono Dati presenti all’interno di Database aziendali
Queste diverse categorie tradizionalmente venivano immagazzinate per silos, ovvero in repository (depositi) organizzati per dipartimento aziendale e isolati tra loro.
Si è poi passati al Data Warehouse – l’archivio che integra tra loro dati strutturati – ed al Data Lake – l’archivio che conserva i Dati non strutturati da diverse fonti nel loro formato – fino a modelli che fanno funzionare contemporaneamente entrambi gli archivi.
Tra i più comuni strumenti di Data Integration ci sono gli ETL – Extract, Transform, Load e gli ELT – Extract, Load & Transform, algoritmi che si differenziano rispetto ai tempi di esecuzione della “trasformazione/integrazione”, svolta prima o dopo il caricamento sul Database finale.
Data Federation
La Data Federation è un’evoluzione della Data Integration, perché integra virtualmente i Dati archiviati in luoghi diversi senza creare un altro “contenitore” fisico.
Riesce così a coprire contemporaneamente più sistemi e database, aggiornando il risultato “alla fonte” e riducendo i tempi di rilascio di nuovi archivi virtuali, utilizzabili in modo più flessibile rispetto alle esigenze.
Data Governance
La Data Governance allinea la gestione dei Dati alle strategie aziendali: dagli obiettivi di sviluppo alla compliance normativa, detta le regole di funzionamento e monitoraggio dei processi.
Automatizza processi operativi ma garantisce la tracciabilità della filiera di gestione all’interno e all’esterno dell’organizzazione.
Potrebbe anche interessarti: Advanced Analytics: la nuova frontiera della Business Intelligence
Come fare Data Management in Azienda
Per mettere in pratica un Data Management efficace per la propria Azienda, non possiamo prescindere dal porci le seguenti domande:
- Qual è la cultura del Dato all’interno dell’organizzazione?
- Quanto le decisioni prese sono supportate dall’analisi dei Dati a disposizione?
- Da dove vengono estratti i Dati e dove e come vengono conservati ed incrociati?
A questo deve obbligatoriamente seguire poi un’approfondita analisi del contesto che descriva i processi esistenti, identifichi i bisogni dell’organizzazione e solo dopo si focalizzi sulle modalità che consentano di soddisfarli e che siano quindi allineate agli obiettivi complessivi di sviluppo strategico.
Ricordiamoci che il Data Management impatta sui comportamenti delle persone oltre che sui processi di business.
Una volta definiti gli obiettivi da raggiungere, è necessario quindi formare un team di lavoro multidisciplinare che definisca un vocabolario comune, vale a dire quelle definizioni che stabiliscano un linguaggio comune sul significato e l’uso di ciascun dato, sulla divisione delle responsabilità nei processi, sui criteri che definiscono la qualità del dato e sulla condivisione delle procedure da parte di tutta l’Azienda.
Sarà utile in questo caso creare un business case specifico su cui testare il modello, ed impostare un sistema di monitoraggio che misuri i progressi e i risultati raggiunti.
Una volta definiti gli obiettivi, esistono diverse soluzioni informatiche che possono supportare l’Azienda nel raggiungerli.
Ad esempio i Dati Anagrafici – o Master Data -, non solo quelli di prodotto ma anche quelli relativi a fornitori, trasportatori, distributori e clienti, vengono oggi gestiti attraverso soluzioni di Master Data Management, piattaforme che si integrano con i software già esistenti in Azienda per creare un unico archivio/repository che aggiorna automaticamente tutti i Database secondari.
Le soluzioni più avanzate di MDM si integrano comunemente con i seguenti Software Aziendali:
- ERP (Enterprise Resource Planning) per la gestione dei processi
- PLM (Product Life Management) per la gestione del ciclo di vita dei prodotti
- CRM (Customer Relationship Management) per la gestione delle relazioni con i clienti
- CMS (Content Management System) per la gestione dei contenuti
- E-Commerce
Potrebbe anche interessarti: Analisi Dati: cos’è e come si applica in Azienda
I vantaggi del Data Management per le Aziende
Il capitale dei Dati è capitale aziendale: il Data Management consente di valorizzare un asset strategico ponendolo a servizio degli obiettivi di sviluppo dell’organizzazione.
Dati dalla qualità certificata, inseriti in processi di elaborazione finalizzati su misura, diventano un concreto supporto alle decisioni, migliorando la produttività e la reattività dell’Azienda.
Gestire i Dati in modo efficace porta ad identificare, monitorare e anticipare i rischi legati alla sicurezza, alla privacy e alla compliance normativa.
Permette di evitare sprechi di tempo e risorse nella correzione di errori, a chiarire le richieste e distinguere le diverse responsabilità dei dipartimenti aziendali.
Porta ad aumentare la trasparenza nei processi – anche informatici – sull’impostazione delle metriche di risultato e a migliorare la collaborazione dentro e fuori l’Azienda.
Infine, aiuta a risparmiare risorse attraverso l’automazione e la semplificazione delle attività.
Potrebbe anche interessarti: Come diventare un’Azienda Data Driven
