La priorit\u00e0 assoluta degli investimenti ICT nel banking per il 2021 sar\u00e0 nelle iniziative di Data Governance<\/a>. \u00c8 quanto emerge dalla ricerca ABI Lab presentata alla chiusura dei tavoli di lavoro del 2020.<\/p>\n\n\n\n Seguono le altre priorit\u00e0 per il 2021: modernizzazione del core banking system, digital onboarding, mobile banking, gestione e mitigazione del rischio cyber.<\/p>\n\n\n\n In questo scenario i metadati giocano e giocheranno un ruolo determinante<\/strong>, che Irion ha illustrato nel webinar \u201cInformation Governance tra strategia e implementazione\u201d. Ma come farli lavorare per noi?<\/p>\n\n\n\n Tutte le ricette di cucina sono pi\u00f9 o meno organizzate in sezioni: tempo di preparazione, difficolt\u00e0, ingredienti e modalit\u00e0 di preparazione. I fogli illustrativi dei farmaci (bugiardini) presentano sempre paragrafi distinti che descrivono le indicazioni, la posologia e gli effetti collaterali.<\/p>\n\n\n\n Le ricette e i bugiardini sono due tra i tanti sistemi di metadati che conosciamo: mettono ordine <\/strong>e ci permettono di recuperare le informazioni che ci servono in modo pi\u00f9 semplice e preciso. A maggior ragione nel nostro lavoro, in cui i dati che utilizziamo e trattiamo sono sempre pi\u00f9 numerosi ed eterogenei.<\/p>\n\n\n\n Queste differenti categorie di metadati si parlano tra loro attraverso relazioni, ad esempio di Lineage<\/a> verticale, di mapping di un termine di business con i campi lo rappresentano nei sistemi informatici.<\/p>\n\n\n\n Dall\u2019inizio, quando si esprimono e raccolgono i requisiti di nuove applicazioni informatiche o di nuovi processi di trattamento di informazioni, le data pipeline<\/strong>. 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 \u00e8 possibile organizzarli in un sistema di metadati<\/strong>. Problemi simili hanno caratteristiche simili, esprimibili in un modello.<\/p>\n\n\n\n In questo modo la data governance non insegue, non ricostruisce pi\u00f9 la storia (come siamo stati costretti a fare per gli ambiti regolamentati) ma ne \u00e8 parte integrante e attiva. Questa pratica prende il nome di Data Governance by Design<\/a>. Se dovessi mappare un nuovo processo, raccoglierei informazioni sulle diverse attivit\u00e0 che ogni azienda attiva per calcolarlo, le regole che vengono applicate, gli attori coinvolti e cos\u00ec via: tutte queste informazioni sono rappresentabili in metadati che aiutano a chiarire in modo pi\u00f9 formale e preciso i requisiti<\/strong> della soluzione<\/strong> da realizzare<\/strong>.<\/p>\n\n\n\n Mappando questi elementi e le loro relazioni \u00e8 possibile esplorare le caratteristiche di quanto desiderato, navigando ad esempio un Knowledge Semantic Graph<\/strong> (uno dei pilastri del design concept Data Fabric<\/a>) che consente di esplorare visivamente tutti gli elementi del processo, facilitandone il governo. Da l\u00ec in poi, disponendo di un modello di requisiti, pu\u00f2 partire un processo di implementazione e attivazione dell\u2019applicazione o del processo che generer\u00e0 e far\u00e0 uso di nuovi metadati.<\/p>\n\n\n\n In particolare, le applicazioni informatiche costruite su una piattaforma di Enterprise Data Management<\/a> metadata driven saranno pilotate da una serie di parametri, anch\u2019essi 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<\/strong>. I metadati dei requisiti, quelli tecnici\/attuativi e quelli operativi sono una risorsa indispensabile nell\u2019applicazione dei principi DataOps<\/a>. L\u2019impiego attivo di tutti questi metadati \u00e8 un altro dei pilastri del design concept Data Fabric.<\/p>\n\n\n\n Possiamo cercare di metterli al servizio dell\u2019impresa,<\/strong> 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.<\/p>\n\n\n\n Questo \u00e8 il principio su cui si fonda il paradigma della Data Governance orientata ai servizi<\/strong>, di cui ABI Lab ha parlato molto da un anno a questa parte. Un modo di erogare questi servizi \u00e8 attraverso una rappresentazione grafica che risponde alla richiesta del mio Cliente interno, spiegando anche il percorso logico che ha portato a questa risposta. \u00c8 convinzione condivisa che il presidio, il governo del patrimonio informativo migliora i processi decisionali, sostiene la digital trasformation<\/strong> e rende un\u2019organizzazione realmente data driven.<\/p>\n\n\n\n Gli analisti di Gartner (Adaptive Data and Analytics Governance to Achieve Digital Business Success<\/em>, 21 Luglio 2020, Saul Judah, Remi Gulzar) hanno identificato una progressione di quattro distinti stili di Data Governance. L\u2019hanno 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 possibilit\u00e0 di accrescere nel tempo il patrimonio di metadati, in modo da erogare nuovi servizi, rispondere a nuovi bisogni.<\/a><\/p>\n\n\n\n Lavorando su tre piani:<\/p>\n\n\n\n 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\u2019interesse della propria organizzazione.<\/p>\n\n\n\n Il tavolo di lavoro ABI Lab Information Governance<\/a><\/p>\n\n\n\nCirconDati dai Metadati<\/h2>\n\n\n\n
Di quali metadati stiamo parlando?<\/h2>\n\n\n\n
\n
Dove iniziare: dal modello ai requisiti<\/h2>\n\n\n\n
Knowledge Graph e metadati \u201cconnessi\u201d<\/h2>\n\n\n\n
Come utilizzare al meglio questo patrimonio di metadati?<\/h2>\n\n\n\n
Come possiamo prepararci e preparare i nostri metadati a queste sfide?<\/h2>\n\n\n\n
\n