Data To Value, i risultati dei primi test sulla Project Valuation: “Non solo calcoli: un grande strumento di comunicazione per avviare il dialogo in azienda”

Oltre 50 data leader – appartenenti a più di 20 diverse industry – hanno partecipato al webinar in cui la community Data To Value, promossa da Irion, ha presentato i risultati della prima fase di test sul campo. In questi mesi di intenso confronto, professionisti in ambiti differenti hanno sperimentato nella propria organizzazione, fogli di calcolo alla mano, il modello di analisi dedicato alla Project Valuation, che aiuta a quantificare i benefici economici di un singolo progetto di Data Governance.

Gli obiettivi della community DTV

L’altro modello proposto nei gruppi di lavoro Data To Value si focalizza invece sulla Program Evaluation,ovvero l’impatto complessivo di un presidio di Data Governance, ampio e continuativo. L’applicazione pratica di questi modelli è fondamentale per riuscire a calcolare l’impatto sui bilanci aziendali delle attività di governo dei dati, come proposto all’avvio dei lavori: si veda il white paper Value Based Data Governance scritto da Franco Francia, Egle Romagnolli, Elena Testoni, Stefano Zoni e Mauro Tuvo. L’obiettivo di lungo periodo della community è far evolvere questi due modelli fino a farli diventare uno standard di mercato, in modo trasversale ai vari settori economici, per qualsiasi impresa che  abbia l’esigenza di corredare le progettualità di data management con una valutazione puntuale degli effetti economici delle sue attività e delivery in materia di gestione del proprio patrimonio informativo.

Come è nato il Data To Value

“Questo modello è stato testato nella realtà: non è rimasto solo su carta, ma impostato a partire da un progetto già concluso e successivamente applicato e verificato su un caso d’uso reale. La stima del valore dei benefici è stata fatta configurando i driver previsti ed il risultato è stato poi confermato dal CFO, che in quel caso era anche alla guida del progetto” ha raccontato Sara Giannetti, Information Technology Specialist nel Gruppo Credem.

“Affrontando la transizione digitale e il passaggio a un paradigma data driven, molte realtà oggi hanno iniziative in corso che riguardano il patrimonio informativo” spiega Mauro Tuvo, Principal Advisor Irion e autore di “Data Governance” (FrancoAngeli) il libro a cura di Egle Romagnolli che raccoglie 20 testimonianze sulle attività di governo dei dati.

“Ci sembrava il momento giusto per condividere un modello che aiutasse nel valutare quali ritorni aspettarsi da questi interventi. Abbiamo così iniziato una sorta di ‘roadshow’ tra Bologna, Milano, Roma e Torino per illustrare le caratteristiche del modello. Anche Douglas Laney, celebre autore di Infonomics, in occasione del DIAC, la convention annuale DAMA Italy in cui era guest speaker, ha manifestato apprezzamento per il lavoro svolto”.

Le presentazioni hanno coinvolto anche l’Osservatorio Big Data & Business Analytics del Politecnico di Milano, con il crescente interesse da parte di chi si occupa dei dati e ha bisogno di strumenti pratici per valorizzarli nella propria azienda. Fino al grande evento, con oltre 150 partecipanti in sala, che si è svolto lo scorso settembre a Reggio Emilia e ha dato il via ai tavoli di confronto.

Destinazioni d’uso dei dati e mitigazione rischi

“Abbiamo legato le ‘destinazioni d’uso’ dei dati al loro contributo al conto economico dell’azienda” spiega Tuvo. “Un certo use case può quindi concorrere a produrre valore, in termini di maggiori entrate o di risparmio sui costi”. In altri casi, invece, i data asset coinvolti (ad esempio: tabelle, data product, business term) parteciperanno al caso d’uso per una parte, insieme ad altri asset aziendali: con il modello è possibile calcolare anche questo contributo parziale.

“Problemi di qualità dei dati, mancanza di ownership, non conoscenza o mancato rispetto della semantica: tutte queste criticità possono abbattere il valore dei dati” prosegue l’esperto. “Ogni progetto ha quindi l’obiettivo di ridurre le probabilità e gli impatti di questi rischi, facendo in modo che la riduzione di valore venga mitigata proprio dagli interventi di governo dei dati che abbiamo previsto”.

Per questo, secondo i modelli Data To Value, è così importante stabilire un “obiettivo di mitigazione”: ogni iniziativa di Data Management deve mirare a ridurre i rischi (legati alla gestione dei dati) di una certa percentuale. Nei modelli proposti è presente una formula che lega il valore complessivo dell’intervento di Data management alla somma, per tutte le destinazioni d’uso dei dati, dell’effetto di mitigazione dei rischi indotto dal progetto stesso.

I template di calcolo inseriti nel modello permettono di stimare con sufficiente precisione il ROI (in termini di redditività) del singolo progetto di governo dei dati. “Il valore del dato, come fattore produttivo, deve diventare una dimensione del controllo di gestione con la quale il CFO può monitorare gli effetti della gestione dei dati sul conto economico dell’azienda” sottolinea Mario Vellella, principal domain advisor Irion.

Primi test su insurance e regulatory reporting

“La possibilità di sapere quanto valgono i nostri dati ha creato stupore e interesse. Questo modello ci permetterà di dare più forza nel presentare i progetti relativi ai dati: la maggiore difficoltà è mettersi in gioco, cambiare mentalità. È un confronto tra colleghi, utile per superare i timori iniziali” ha sottolineato Luca Fioretti, risk management data quality team leader, raccontando lo scenario e il processo di calcolo impiegato da Reale Mutua Assicurazioni per mettere alla prova il modello su due destinazioni d’uso (DDU) legate alla compliance normativa.

La prima si concentrava sul Solvency Capital Requirement (SCR), tipologia di DDU inquadrata nella Tipologia (macroarea) Gestione Rischi; la seconda riguardava IFRS17, gli standard per il reporting finanziario internazionale, inquadrati nella Reportistica Regolamentare. Il contributo della destinazione d’uso a una Tipologia viene stimato in percentuale (0-100%). Il contributo del singolo dato alla DDU segue una scala di cinque livelli, in ordine crescente: nullo, basso, condiviso, critico, esclusivo. Se pensiamo ad esempio ai dati di portafoglio, possiamo affermare sia che non servano solo per calcolare polizze (quindi il loro apporto non sarà “esclusivo”) sia che il loro contributo specifico non sarà nullo; quindi, lo attesteremo su un livello intermedio.

Dai servizi fiscali alla finanza pubblica

“Questo modello è stato un grande strumento di comunicazione in azienda. Aver fatto una stima della redditività del progetto, collegata alla percentuale di ownership dei dati, ha convinto tutti: non è stata solo una valutazione economica, ma una vera e propria ridefinizione degli obiettivi” ha raccontato Mauro Artico, team leader business intelligence di Servizi CGN. Il principale provider italiano nella consulenza B2B fiscale e del lavoro ha analizzato con il modello DTV i macro-processi in cui sono coinvolti i dati: le DDU individuate sono il supporto al business (CRM), il reporting direzionale e operativo, la compliance e le business operations.

“È cruciale la capacità di leggere il dato e parlare la stessa lingua – ha raccontato Sabrina Adamo, specialista data governance di Cassa Depositi e Prestiti –  il modello rispecchiava abbastanza la struttura del nostro bilancio, anche se in questa fase sfoltiremo le voci più piccole. Per usarlo a regime dovremo rivedere le regole di ingaggio della Data Governance e coinvolgere tutti gli stakeholder”. Gli ambiti di CDP: segnalazioni di vigilanza, monitoraggio PNRR (business) e monitoraggio del credito (risk management). Una volta calibrato il modello all’inizio, sono iniziate le simulazioni. “Siamo abbastanza maturi da dialogare già con i business owner. Sul controllo di gestione è invece più complesso interloquire, anche per la difficoltà nel ripartire i costi: Data To Value è una grande occasione per porsi le giuste domande” conclude l’esperta.