Data Governance: un imperativo per il Digital Business

Parliamo ormai da tempo di digital business e digital transformation, considerandoli determinanti per il futuro delle imprese. Fattori chiave sia del successo di aziende โ€œdigital nativeโ€, sia per la sopravvivenza di incumbent che stanno sperimentando lโ€™inattesa comparsa nel proprio ecosistema di una concorrenza in grado di operare con modelli di business innovativi.

Modelli interamente basati sulle tecnologie dellโ€™informazione, in grado di erodere significative quote di quel mercato fino ad allora di loro esclusivo appannaggio.

Si รจ parlato e scritto tantissimo su quanto una transizione verso il digital business comporti cambiamenti non solo nelle tecnologie, ma nei processi, nelle competenze, nella cultura dโ€™impresa. รˆ perรฒ innegabile che non cโ€™รจ digital business senza dati.

Qual รจ il ruolo dei dati nel disegno e nellโ€™esecuzione di una digital strategy?

Capiamolo tramite qualche esempio. Lโ€™interazione digitale con il cliente per mezzo di una app si esprime attraverso lo scambio di dati. Un processo complesso di gestione del customer journey digitale viene ideato, progettato, realizzato, eseguito, governato, grazie a dati raccolti, arricchiti, aggregati, acquisiti, trasformati, generati nelle varie fasi del suo ciclo di vita, dalla concezione allโ€™esercizio.

Consideriamo in maggior dettaglio queste fasi.

Esercizio

Servono dati per gestire lโ€™esercizio della relazione con il cliente, relazione che genera a sua volta informazioni: in un modello digital intensive questa interazione รจ automatizzata, anche perchรฉ parte del suo valore sta nella velocitร  della sua esecuzione, non interrotta da human task; lโ€™intervento umano รจ elevato e limitato a ruolo di supervisione, di decisione, ad esempio, in caso di scelte non automatizzabili (magari per oraโ€ฆ) tra piรน opzioni.

Questa delega della gestione operativa del processo alla sola tecnologia implica una fiducia non solo nella sua capacitร  di portarlo a termine con successo, ma nellโ€™attendibilitร  dei dati che essa tratta: si richiede che siano completi, accurati, tempestivi. Stiamo cioรจ parlando di soddisfare criteri di qualitร  del dato, qualitร  che deve essere garantita preventivamente, proattivamente.

Progettazione

Servono poi dati per supportare la fase di progettazione e realizzazione delle soluzioni tecnologiche a supporto del processo: cโ€™รจ bisogno di dati sia per testare la soluzione, sia per addestrare un modello di machine learning.

รˆ necessario identificare dati che configurino casi dโ€™uso rappresentativi, garantendo ad esempio il rispetto di vincoli di protezione dei dati personali (ad esempio pseudonimizzando i dati di test o i training set); ma questo richiede un corredo di metadati (ownership, semantica, regole di masking) che consenta di qualificare, di corredare di una โ€œcarta di identitร โ€ i dati impiegati a questo scopo.

Ricerca e sviluppo

Anche le fasi propedeutiche alla realizzazione della soluzione (quali la ricerca di opportunitร  di digitalizzazione, sostenibilitร /fattibilitร  di una business idea) richiedono dati opportunamente qualificati, cioรจ corredati di metadati in grado di determinarne nel dettaglio

  • lโ€™ubicazione nei sistemi informativi o
  • la disponibilitร  in fonti accessibili allโ€™azienda,
  • lโ€™attendibilitร ,
  • i percorsi di trasformazione a cui sono sottoposti (regole di discovery, quality, lineage).

Data strategy, รจ utile?

Ma soprattutto serve una data strategy allineata alla strategia digitale. Senza una visione strategica che piloti e programmi la trasformazione digitale, il successo o il destino di unโ€™azienda sono legati a un filo, quello dellโ€™occasionalitร , dellโ€™opportunitร  episodica, che non รจ certo garanzia di risultato. Allo stesso modo รจ necessario stabilire una strategia che governi quello che oggi รจ ancora piรน di prima un patrimonio chiave dellโ€™azienda: gli asset informativi. รˆ necessario verificare che si disponga di tutto quanto occorre perchรฉ i dati siano riconoscibili, valutabili, disponibili in tutte le fasi di espressione del digital business, dalla strategia allโ€™execution: metadati, processi, modelli organizzativi, tecnologie, competenze. รˆ necessario identificare i gap e programmare un piano di adeguamento che sia in linea con i requisiti e i tempi della strategia digitale. Significa portare la data governance a dignitร  di fattore abilitante di una visione strategica per il futuro dellโ€™impresa.

Molti CDO che ho avuto occasione di incontrare sono consapevoli di questa necessitร , ma quanti CEO, quanti altri C-level lo sono? Quasi tutte le banche e le assicurazioni italiane, ad esempio, hanno definito e attivato propri standard di data governance e hanno costituito specifiche unitร  organizzative a presidio di questi standard, ma lo hanno fatto soprattutto in risposta alle spinte regolamentari del settore (Basilea, Solvency, BCBS 239, eccโ€ฆ). Solo per alcune di esse la compliance alle normative รจ stata unโ€™occasione di maturazione, un punto di partenza di un percorso finalizzato ad una migliore qualificazione del patrimonio informativo per un suo impiego piรน strategico.

Per altre il sistema di data governance รจ rimasto unโ€™incombenza, un obbligo formale a cui conformarsi e ottemperare al minor costo possibile. In altri settori, meno caratterizzati da vincoli regolamentari, le imprese stanno intraprendendo programmi di qualificazione e valorizzazione degli asset informativi in modo piรน consapevole del ruolo chiave dei dati nelle strategie aziendali. Per esse รจ stato da subito chiaro che i dati sono la componente chiave del digital business e che solo una data governance in grado di garantirne un presidio costante consente di sfruttarne completamente il potenziale.

Torna in alto