CirconDati dai Metadati: quali sono e perché avranno un ruolo determinante nei trend ICT del banking

Notizie

9  Dicembre 2020

DataGovernance come abilitatore del valore

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 banking system, digital onboarding, mobile banking, gestione e mitigazione del rischio cyber.

In questo scenario i metadati giocano e giocheranno un ruolo determinante, che Irion ha illustrato nel webinar “Information Governance tra strategia e implementazione”. Ma come farli lavorare per noi?

CirconDati dai Metadati

Tutte le ricette di cucina sono più o meno organizzate in sezioni: tempo di preparazione, difficoltà, ingredienti e modalità di preparazione. I fogli illustrativi dei farmaci (bugiardini) presentano sempre paragrafi distinti che descrivono le indicazioni, la posologia e gli effetti collaterali.

Le ricette e i bugiardini sono due tra i tanti sistemi di metadati che conosciamo: mettono ordine e ci permettono di recuperare le informazioni che ci servono in modo più semplice e preciso. A maggior ragione nel nostro lavoro, in cui i dati che utilizziamo e trattiamo sono sempre più numerosi ed eterogenei.

Di quali metadati stiamo parlando?

  • dei metadati di business, di un Business Glossary che descrive le entità in gioco nel nostro lavoro e le mutue relazioni che tra esse intercorrono;
  • dei metadati fisici, di un data dictionary che descrivono le caratteristiche delle informazioni gestite nei nostri sistemi informatici;
  • dei metadati specifici del nostro settore di attività o di finalità particolari che ci interessa supportare;
  • dei metadati operazionali, parametri in grado di far funzionare i nostri motori di data quality, integration e così via, nel caso in cui si utilizzino piattaforme di data management metadata driven.

Queste differenti categorie di metadati si parlano tra loro attraverso relazioni, ad esempio di Lineage verticale, di mapping di un termine di business con i campi lo rappresentano nei sistemi informatici.

Dove iniziare: dal modello ai requisiti

Dall’inizio, quando si esprimono e raccolgono i requisiti di nuove applicazioni informatiche o di nuovi processi di trattamento di informazioni, le data pipeline. Solitamente questi requisiti sono disponibili in documenti o vengono raccolti attraverso interviste che esprimono le caratteristiche di quello di cui abbiamo bisogno in modo non strutturato. Ma è possibile organizzarli in un sistema di metadati. Problemi simili hanno caratteristiche simili, esprimibili in un modello.

In questo modo la data governance non insegue, non ricostruisce più la storia (come siamo stati costretti a fare per gli ambiti regolamentati) ma ne è parte integrante e attiva. Questa pratica prende il nome di Data Governance by Design. Se dovessi mappare un nuovo processo, raccoglierei informazioni sulle diverse attività che ogni azienda attiva per calcolarlo, le regole che vengono applicate, gli attori coinvolti e così via: tutte queste informazioni sono rappresentabili in metadati che aiutano a chiarire in modo più formale e preciso i requisiti della soluzione da realizzare.

Knowledge Graph e metadati “connessi”

Mappando questi elementi e le loro relazioni è possibile esplorare le caratteristiche di quanto desiderato, navigando ad esempio un Knowledge Semantic Graph (uno dei pilastri del design concept Data Fabric) che consente di esplorare visivamente tutti gli elementi del processo, facilitandone il governo. Da lì in poi, disponendo di un modello di requisiti, può partire un processo di implementazione e attivazione dell’applicazione o del processo che genererà e farà uso di nuovi metadati.

In particolare, le applicazioni informatiche costruite su una piattaforma di Enterprise Data Management metadata driven saranno pilotate da una serie di parametri, anch’essi metadati, che potranno essere connessi ai metadati che rappresentano i requisiti. In fase di esercizio della soluzione vengono raccolti nuovi metadati, ad esempio gli esiti dei controlli di data quality. I metadati dei requisiti, quelli tecnici/attuativi e quelli operativi sono una risorsa indispensabile nell’applicazione dei principi DataOps. L’impiego attivo di tutti questi metadati è un altro dei pilastri del design concept Data Fabric.

Come utilizzare al meglio questo patrimonio di metadati?

Possiamo cercare di metterli al servizio dell’impresa, identificare una serie di soggetti e di funzioni che necessitano di informazioni per svolgere il proprio lavoro, capire quali sono queste informazioni e vedere se siamo in grado di aiutarli a trovare risposte esplorando i nostri metadati.

Questo è il principio su cui si fonda il paradigma della Data Governance orientata ai servizi, di cui ABI Lab ha parlato molto da un anno a questa parte. Un modo di erogare questi servizi è attraverso una rappresentazione grafica che risponde alla richiesta del mio Cliente interno, spiegando anche il percorso logico che ha portato a questa risposta. È convinzione condivisa che il presidio, il governo del patrimonio informativo migliora i processi decisionali, sostiene la digital trasformation e rende un’organizzazione realmente data driven.

Gli analisti di Gartner (Adaptive Data and Analytics Governance to Achieve Digital Business Success, 21 Luglio 2020, Saul Judah, Remi Gulzar) hanno identificato una progressione di quattro distinti stili di Data Governance. L’hanno chiamata Adaptive Data Governance. Ad ogni stile corrispondono nuove tipologie di metadati. Per essere pronti a questa evoluzione dobbiamo essere in grado di garantirci la possibilità di accrescere nel tempo il patrimonio di metadati, in modo da erogare nuovi servizi, rispondere a nuovi bisogni.

Come possiamo prepararci e preparare i nostri metadati a queste sfide?

Lavorando su tre piani:

  • adottando metodi e tecniche di analisi e implementazione di soluzioni data intensive che siano fondati sull’’uso di metadati;
  • utilizzando tecnologie di Enterprise Data Management che siano metadata driven, tool di rappresentazione dei metadati attraverso grafi semantici, piattaforme di gestione delle applicazioni in grado di sostenere un approccio AGILE;
  • diffondendo cultura: non solo sulla data literacy, ma anche sulla metadata literacy

Non serve essere esperti di metadati, basta solo riconoscerli in quanto tali per farsi aiutare da loro ad utilizzare al meglio le informazioni disponibili per i propri scopi, nell’interesse della propria organizzazione.

Il tavolo di lavoro ABI Lab Information Governance

Vuoi saperne di più?

Ti illustreremo con esempi pratici come le altre realtà
hanno già avviato la loro trasformazione.

Approfondisci gli argomenti:

Data Governance Conoscere e governare gli asset informativi aziendali

Data Governance
Conoscere e governare gli asset informativi aziendali per sostenere il Valore d’Impresa

di Mauro Tuvo

Data Governance Le dimensioni del Data Lineage

Data Governance
Le dimensioni del Data Lineage

di Mauro Tuvo

Regulatory Reporting L'evoluzione degli adempimenti

Regulatory Reporting
L’evoluzione degli adempimenti segnaletici in Europa: un modello orientato al rispetto sostenibile delle scadenze regolamentari

di Roberto Fasano