La tua ultima iniziativa di AI Generativa non sta dando i risultati sperati? I report di business richiedono giorni di riconciliazioni manuali? Probabilmente, non è un problema di algoritmi o di persone, ma di fondamenta: la qualità dei tuoi dati. Non costruiamo case su basi incrinate: perché dovremmo costruire il nostro business su dati inaffidabili? […]
In un post del 2023 avevamo passato in rassegna alcune caratteristiche di un artefatto sempre più presente tra gli hype dei professionisti di data management, il Data Product. Il post, riprendendo una serie di concetti di letteratura (in particolare il testo di riferimento sul Data Mesh di Zhamak Dehghani), provava a suggerire un approccio concreto
Guida ai Data Product: benefici, modelli di valutazione e monetizzazione Leggi tutto »
L’Augmented Data Quality consiste nell’applicazione di funzionalità avanzate per automatizzare alcuni processi di qualità dei dati (DQ) con l’ausilio di “active metadata” e di tecnologie quali l’Artificial Intelligence e il Machine Learning. Oggi gli specialisti dei dati affrontano sfide sempre più complesse: volumi in crescita, data source sempre più eterogenee e la necessità che il patrimonio informativo “AI-ready”. Queste esigenze hanno guidato Irion nello sviluppo di DAISY
Che cos’è e come funziona l’Augmented Data Quality? Leggi tutto »
Negli ultimi anni, le banche hanno beneficiato di una certa “tolleranza” da parte dei regolatori sulla qualità dei risk data e del risk reporting. Ma quel periodo è finito. La BCE parla chiaro: le norme in materia esistono da tempo, ora è il momento di applicarle davvero. Immaginate un istituto finanziario sotto stress: i mercati
La crisi finanziaria globale del 2007 ha messo in evidenza la fragilità e l’inadeguatezza dei modelli di gestione dei dati aziendali, rivelando gravi carenze nella capacità delle banche di identificare e mitigare i rischi in modo efficace. La corretta aggregazione delle esposizioni al rischio e l’individuazione delle concentrazioni di rischio a diversi livelli—di Gruppo, di
BCBS 239, che cos’è? Cosa richiede? Come essere compliant? Leggi tutto »
Nell’affascinante mondo del Data Management, circolano spesso storie curiose che fanno riflettere sull’importanza della qualità dei dati. Talvolta anche sorridere, finché non capita a noi stessi o a un nostro cliente, magari nel tanto temuto ambiente di produzione! Mentre ci godiamo l’estate, perché non divertirci con aneddoti curiosi che ricordano quanto sia cruciale presidiare la
Le architetture business composable rappresentano oggi un approccio innovativo alla progettazione e alla gestione dei sistemi aziendali. Questo concetto si basa sulla creazione di un ambiente aziendale altamente flessibile, in cui le risorse e i servizi possono essere facilmente assemblati e riorganizzati per adattarsi alle esigenze mutevoli del business. Piattaforma composable, l’orchestratore Il cuore di
L’esplosione della Generative AI modifica e allarga i confini della Data Quality: costruire il miglior modello di AI costituisce un’impresa difficile senza grosse moli di dati che siano giudicati affidabili. Tutte le aziende hanno oggi un estremo e urgente bisogno di mettere sotto controllo la qualità delle informazioni utilizzate nei propri processi data intensive e
Intelligenza Artificiale: microstoria, stato e prospettive Il dibattito globale sulle potenzialità, sulle opportunità, sul ruolo e sui rischi derivanti dall’adozione e dalla diffusione di sistemi di intelligenza artificiale è in questo periodo giunto ad uno dei suoi punti più alti per intensità e ampiezza. Ma come molti sanno questa disciplina, che risorge periodicamente agli onori
AI Governance: come presidiare e valorizzare i sistemi di Intelligenza Artificiale Leggi tutto »
La scarsa qualità dei dati costa – in media – alle aziende una cifra variabile tra 10 e 15 milioni di dollari annui (12,9 milioni secondo l’ultima stima Gartner nel 2021), cifre destinate ad aumentare con l’aumento della complessità del business e dei sistemi informativi. Soltanto negli Stati Uniti, gli errori nei dati hanno un
Tra i numerosi progetti di machine learning avviati, pochissimi vengono poi effettivamente realizzati negli ambienti di produzione: questa tendenza, emersa da un’indagine del magazine specializzato KDnuggets, evidenzia le difficoltà riscontrate dalle aziende che non adottano un approccio corretto, quando cercano di creare applicazioni basate sull’intelligenza artificiale o sulle advanced analytics. Commentando il sondaggio, Eric Siegel
Data Product: una soluzione al mancato deploy dei progetti di machine learning Leggi tutto »
Il termine “data product”, grazie anche all’interesse suscitato dal framework Data Mesh, è ormai uno dei mantra del modern data management, indicato dai professionisti dei dati, con differenti accezioni e in differenti contesti, come un concetto portante di un’organizzazione data driven. Ma in pratica in cosa si differenzia da un semplice dataset? Quali sono le
Data Product, che cos’è? Contesti applicativi e ruolo dei metadati Leggi tutto »
I rischi di ridondanza e inefficienza illustrati nel primo articolo sul Data Mesh sono in buona parte mitigati da un terzo principio del framework: la Self-Serve Data Platform. Si tratta di una componente dell’architettura Data Mesh che ha proprio lo scopo di ridurre il carico cognitivo dei team nei singoli Domini, rendendo loro disponibile una
Chiunque si occupi professionalmente o si interessi di dati certamente avrà sentito parlare di Data Mesh o sarà stato coinvolto in conversazioni su questo argomento, su cui si è dibattuto e scritto molto recentemente. Non che il mondo del data management sia stato avaro di novità in questi ultimi anni. Potremmo definirli hype, buzzword o
IEEE Spectrum, la rivista ufficiale dell’associazione tecnica più importante del mondo – quasi mezzo milione di iscritti tra ingegneri, informatici e ricercatori – celebra il ruolo decisivo di SQL nell’informatica odierna e in un’enorme varietà di applicazioni e settori, dal retail all’e-commerce fino allo streaming. Un successo che trova conferma nel mercato del lavoro: nella
Quasi tutte lee figure professionali che operano all’interno dell’Information Technology partecipano ai processi di gestione dei dati lungo il loro ciclo di vita. E non solo quelle, anche rappresentanti del business sono sempre più coinvolti in attività finalizzate al presidio del patrimonio informativo di un’organizzazione. Ce ne dà un quadro organico il Data Management Body
Professionisti dei dati: la mappa dei ruoli tra IT, Business e figure ibride Leggi tutto »
Sotto l’ombrellone o al fresco in montagna: è il momento di ricaricare le batterie. Spesso l’estate offre anche l’occasione di scegliere con maggior calma il prossimo corso da frequentare. E la Data Science – secondo Il Sole 24 Ore – è uno degli ambiti più rappresentati, con ben sette nuove richieste di attivazione, tra i
Studiare data management e data science: i corsi universitari Leggi tutto »
Estrarre e integrare i dataset per le successive analisi da parte dei data scientist, business analyst e in generale i Data Consumer all’interno dell’azienda. Aiutare queste figure professionali a comprendere meglio i dati e collaborare nella loro gestione. Usare il Data Catalog aziendale (se presente) per individuare i dati da estrarre. Coniugare il linguaggio IT
Cosa fa un data engineer e quali sono le sue competenze cruciali Leggi tutto »
La strada verso l’uso consapevole dei dati per creare valore in azienda è ancora tutta da percorrere per la maggior parte delle organizzazioni italiane: il 55% sono “immature” sul fronte del data management, secondo l’ultima ricerca presentata da Osservatori.net del Politecnico di Milano. Il mercato italiano dei dati (software, servizi e risorse) è però in
Uno dei termini più usati, ricercati e forse abusati oggi nel modo dei data & analytics è “augmented”. E’ richiesto che tutto sia “augmented” spesso prima ancora di esistere: una contraddizione in termini perché per definizione posso aumentare qualcosa di cui già dispongo. E così si parla di augmented data quality… quando ancora non si
Data Fabric: hype o realtà? Qual è la differenza tra augmentation e automation? Leggi tutto »
Come scegliere le metriche più opportune per misurare gli impatti dell’Information Governance in azienda? Gli indicatori chiave di performance (KPI) dovranno avere tre caratteristiche fondamentali: essere efficaci, sostenibili e adatti a comunicare il valore di business del sistema. Come scegliere metriche di valore Ad esempio, sarà meglio concentrare l’attività di reporting su un numero ristretto di indicatori, che siano al contempo abbastanza semplici da rappresentare. Occorre
IFRS 17: le sfide del Data Management Il principio internazionale per la contabilizzazione dei contratti emessi da compagnie di assicurazione è stato rinviato al 1° gennaio 2023, segnando una svolta nel mondo assicurativo. IFRS 17 si pone infatti l’obiettivo di garantire una maggiore trasparenza informativa, attraverso la definizione dei principi che devono essere applicati per
IFRS17: le sfide del Data Management e gli impatti sull’insurance Leggi tutto »
Pronti per l’entrata in vigore dell’EBA Reporting Framework 3.0? Questo articolo è incentrato sul filone Resolution Planning e si pone l’obiettivo di evidenziare gli impatti delle novità regolamentari in termini organizzativi e di processo per gli enti segnalanti, proponendo un’ipotesi di approccio per affrontare con successo questa sfida. Il nuovo EBA reporting framework 3.0 –
MREL e TLAC cosa sono? Timeline e impatti dell’EBA Reporting Framework 3.0 Leggi tutto »
Secondo Gartner (Hype Cycle for Data Management, 2020, 15 Luglio 2020, Guido De Simoni) le Metadata Management Solution sono applicazioni che includono una o più delle seguenti funzionalità: La diffusione di sistemi Big Data, il progressivo aumento di dati a disposizione delle aziende, strutturati e non, derivanti da molteplici e differenti sorgenti e il proliferare di
Che cosa sono le Metadata Management Solution? Leggi tutto »
Dal tavolo di lavoro ABI Lab priorità ai progetti di Data Governance La priorità assoluta degli investimenti ICT nel banking per il 2021 sarà nelle iniziative di Data Governance. È quanto emerge dalla ricerca ABI Lab presentata alla chiusura dei tavoli di lavoro del 2020. Seguono le altre priorità per il 2021: modernizzazione del core
La Data Governance by Design è la modalità di gestione e manutenzione dei processi e delle applicazioni informatiche di un’azienda che garantisce un presidio dei dati coinvolti lungo tutto il loro ciclo di vita, ad iniziare dalla definizione dei requisiti alla gestione in esercizio. Procediamo con ordine, partendo dalla Data Governance. Il suo obiettivo è
Che cos’è la Data Governance by Design? Leggi tutto »
L’Augmented Data Management prevede l’utilizzo di tecnologie avanzate per l’ottimizzazione e il miglioramento dei processi di gestione dei dati all’interno di un’organizzazione. Il Data Management (DM) è un irrinunciabile fattore abilitante per gli analytics, la Data Science, il Regulatory Reporting e la digital business transformation. È la pratica che consente di raccogliere, conservare, trasformare, collegare
Che cos’è l’Augmented Data Management? Leggi tutto »
Since releasing the University of San Francisco research paper on “How to Determine the Economic Value of Your Data” (EvD), I have had numerous conversations with senior executives about the business and technology ramifications of EvD. Now with the release of Doug Laney’s “Infonomics” book that builds upon Doug’s EvD work at Gartner, I expect these
3 Theorems on the Economic Value of Data – by Bill Schmarzo Leggi tutto »
Un caso pratico del percorso verso la sostenibilità degli adempimenti normativi Abbiamo visto come nel contesto del regulatory reporting armonizzato in Europa si stia assistendo ad un progressivo incremento degli adempimenti richiesti agli intermediari vigilati, avente tra le proprie finalità anche quella di prevenire – quando possibile – o comunque porre tempestivo rimedio alle potenziali
Il data lineage è attualmente uno degli argomenti di maggiore interesse in materia di data governance. Le tecnologie, le pratiche, gli approcci alla gestione delle relazioni source-target tra dati sono stati oggetto negli ultimi anni di un importante percorso di maturazione, soprattutto nel settore Finance che in Europa si è trovato per questioni regolamentari a
Le dimensioni del Data Lineage Leggi tutto »
Quali sono le componenti funzionali di un sistema informatico per la data governance? Governare i dati di una organizzazione vuol dire esercitare una serie di processi specifici, che come tutti i processi consumano e producono informazioni (in questo caso metadati) e spesso sono supportati da indicatori. Il cuore di tutto è un sistema di gestione
Un metadata management system è il cuore della data governance. Ma non basta. Leggi tutto »
Data first! Avere dati davvero utili senza rischiare sanzioni e rilievi dalla vigilanza Big Data per l’industria bancaria e finanziaria Milano, 6 e 7 novembre 2017
