La Commissione europea prevede, entro il 2025, un aumento del 530% del volume dei dati prodotti a livello globale: 175 zettabyte contro i 33 del 2018. Come gestire questa crescita esponenziale e organizzarsi in modo adeguato, per non essere travolti da un “diluvio” informativo? E come trasformare i dati in valore concreto per le aziende? Ovvero: quanto valgono le informazioni e come ci si assicura che (oltre a essere “corrette”) diano un contributo concreto al business, quantificabile anche in termini economici?
A queste domande risponde in modo approfondito il libro “Data Governance. Esperienze e modelli per creare valore d’impresa” edito nella collana Business 4.0 di FrancoAngeli, scritto da Mauro Tuvo (Irion Principal Advisor) e curato da Egle Romagnolli (Irion Head of Marketing), grazie anche alle 20 testimonianze e contributi dei “data leader” di importanti realtà italiane, dal settore finanziario all’energy e utility. I proventi autoriali sono devoluti alla Lega del Filo d’Oro. Negli ultimi anni il mondo del data management (la gestione dei dati nelle organizzazioni) è stato animato da profondi dibattiti sui più recenti paradigmi e framework architetturali necessari per governarel’enorme quantità di informazioni prodotta oggi da ogni organizzazione, spesso elaborando dati in arrivo da innumerevoli fonti interne ed esterne e in formati diversi tra loro.
Dai metadati all’AI
Da qui l’esigenza di “fare chiarezza”, da parte di chi ha dedicato tutta la carriera ad aiutare decine di aziende italiane e straniere nella tutela e valorizzazione delproprio patrimonio informativo. Solo per citare alcune delle fasi necessarie in un progetto di questo tipo: definire standard e policy aziendali, disegnare e attuare modelli organizzativi e operativi di data management, redigere i requisiti strumentali a supporto dei processi di gestione e di governo dei dati.
Un esempio pratico: i metadati (definiti come “informazioni che descrivono vari aspetti di un asset informativo, per migliorarne l’usabilità durante il suo ciclo di vita”) in quanto componenti essenziali di un presidio di Data Governance, rendono questa attività fondamentale per rispondere a normative come l’Artificial Intelligence Act, la pionieristica norma europea sull’AI.Data Governance e AI sono importanti per organizzare e ottimizzare il lavoro dei professionisti dei dati (ad esempio i “data engineer”) diminuendo le attività manuali e riducendo i tempi di elaborazione. Anche perché un “data scientist” (l’esperto in strategie di analisi dei dati) non può lavorare correttamente se non sono stati superati determinati controlli di qualità: la Data Quality è tra i cardini della governance. Secondo una recente ricerca dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano, la scarsa qualità e integrazione dei dati è l’ostacolo più citato (35%) all’implementazione dei progetti Advanced Analytics.
Cinque fasi chiave per la Data Governance
Settori come il Finance, ovvero banche e assicurazioni, hanno più esperienza su questo fronte per via delle esigenze regolamentari (le richieste di autorità come BCE e Banca d’Italia) ma anche energy e utility, manifattura e altri ambiti produttivi o dei servizi si stanno attrezzando. Come sottolinea Roberto Monachino (già Chief Data Officer di Unicredit) esistono “cinque passaggi chiave in un percorso di governance dei dati di successo” ovvero:
- Qualità dei dati nei report identificati
- Modello logico e catalogo dei dati
- Glossario semantico universale
- Fiducia e socializzazione
- Cultura
Tuvo e Romagnolli si occupano da molti anni dei metodi per quantificare il valore economico dei dati e sono coautori (con Franco Francia, docente universitario e vicepresidente DAMA Italy; Elena Testoni, information governor Credem Banca; Stefano Zoni, chief data & analytics Officer Credem Banca) del white paper gratuito “Value Based Data Governance – Un modello per orientare la Data Governance al servizio del valore dell’impresa” pubblicato da Irion e Credem nel 2022.
Contributi e testimonianze nel libro
- Fabio Baraghini (head of data platform, Unipol Group)
- Denis Benati (data analytics & intelligent automation, Gruppo Hera)
- Noemi Brattico (responsabile data governance office, Gruppo BCC Iccrea)
- Fabio Decontardi (ex CDO, Il Sole 24 Ore – head of data quality & valorization Generali Jeniot)
- Giovanni Deretta (principal management consulting financial services, KPMG Advisory)
- Irene Di Deo (ricercatrice senior, Osservatorio Big Data & Business Analytics, Politecnico di Milano)
- Simona Di Felice (partner, SCAI Partners Management Consulting – responsabile media & communications DAMA Italy, board member AIEA)
- Giovanni Fendillo (chief data officer, Cedacri)
- Luca Fioretti (data quality risk management, Reale Mutua Group)
- Franco Francia (docente a contratto, Sistemi manageriali per la performance UniMORE – vicepresidente, DAMA Italy – senior partner INEMA e FIT Strategy)
- Stefano Gatti (head of data analytics, Nexi – coautore “La Cultura del Dato” e AI expert)
- Alessandro Giaume (general manager, 4cLegal – curatore collana Business 4.0 FrancoAngeli)
- Gianluca Grilli (responsabile data management, Reale ITES)
- Giuseppe Mastrodomenico (data governance manager, Gruppo Iren)
- Roberto Monachino (executive data leader in Banking and former CDO – senior advisor Deloitte Consulting)
- Monica Ripoldi (head of data quality, Banco BPM)
- Marco Rotoloni (coordinatore IT & operations e intelligenza artificiale, ABI Lab)
- Alberto Scavino (CEO, Irion)
- Giovanni Scavino (chairman, Irion)
- Fabio Schiera (senior data expert, former group head of data governance and reporting management MPS)
- Renato Valera (head of consulting & solution, Irion)
- Stefano Zoni (chief data & analytics officer, Gruppo Credem)
Disponibile online e nelle principali librerie:
Data Governance
Esperienze e modelli per creare valore d’impresa
Mauro Tuvo, Egle Romagnolli
