{"id":48543,"date":"2023-11-28T09:24:24","date_gmt":"2023-11-28T07:24:24","guid":{"rendered":"https:\/\/www.irion-edm.com\/data-management\/come-gestire-controlli-data-quality-governance-execution\/"},"modified":"2025-01-07T12:26:37","modified_gmt":"2025-01-07T10:26:37","slug":"come-gestire-controlli-data-quality-governance-execution","status":"publish","type":"post","link":"https:\/\/www.irion-edm.com\/it\/data-management\/come-gestire-controlli-data-quality-governance-execution\/","title":{"rendered":"Creare valore con la Data Quality: la gestione avanzata \u00a0dei controlli, dalla governance all\u2019execution"},"content":{"rendered":"\n
\n
\n

L\u2019esplosione della Generative AI<\/strong> modifica e allarga i confini della Data Quality<\/strong>: costruire il miglior modello di AI costituisce un\u2019impresa difficile senza grosse moli di dati che siano giudicati affidabili. Tutte le aziende hanno oggi un estremo e urgente bisogno<\/strong> di mettere sotto controllo la qualit\u00e0 delle informazioni utilizzate nei propri processi data intensive<\/strong> e devono farlo in modo capillare, strutturato, flessibile e sostenibile. Da un lato, infatti, la quantit\u00e0 di dati e informazioni che i modelli ML e AI richiedono per funzionare amplifica i rischi derivanti dalla scarsa qualit\u00e0<\/strong> di tali informazioni e rende necessario un presidio (AI Governance<\/strong><\/a>). Dall’altro l’intelligenza artificiale pu\u00f2 essere di grande supporto nei processi di Data Quality (es. Augmented Data Quality), dalla progettazione fino alla esecuzione dei controlli stessi. <\/p>\n\n\n\n

Generare valore, governando<\/h2>\n\n\n\n

L\u2019attenzione alla qualit\u00e0 del dato ha vissuto diverse fasi nel tempo<\/strong>: da tema per lo pi\u00f9 sconosciuto e relegato a questione tecnica per addetti ai lavori, poi attivit\u00e0 limitata all’introduzione di controlli per la validazione dei dati nei processi operativi (ad esempio, i check di primo livello), a requisito vincolante per la conformit\u00e0 normativa che in alcuni settori (come la Finanza o l\u2019Energy e Utility) ha imposto l’attivazione di presidi e controlli di secondo livello, fino a diventare una vera e propria disciplina<\/strong>.  <\/p>\n\n\n\n

La Data Quality si \u00e8 ritagliata quindi un segmento di mercato specifico<\/strong> all\u2019interno della pi\u00f9 vasta arena del Data Management, un vero e proprio ecosistema fatto da vendor di tecnologia, consulenti, advisor, analisti, buyer, Data Quality “personas” nelle organizzazioni, ecc. Disciplinare per\u00f2 vuol anche dire governare, assegnare responsabilit\u00e0, definire budget, controllare gli investimenti fatti<\/strong> per generare valore dalla qualit\u00e0 delle informazioni utilizzate. Il termine disciplina richiama la necessit\u00e0 di definire metodologie, tecniche, strumenti, adottare best practices, configurare processi. <\/p>\n\n\n\n

Il white paper \u201cLa fabbrica dei controlli\u201d\u00a0<\/h2>\n\n\n\n

Scarica il white paper gratuito dei nostri esperti Renato Valera<\/strong> (Irion Head of Consulting & Analytics) e Gabriele Seno<\/strong> (Irion Product Evangelism & Advisory Leader) per scoprire nel dettaglio la definizione e l\u2019evoluzione dei controlli di Data Quality (dimensioni di qualit\u00e0, scopo, processo, volumi) e il modello di funzionamento di un sistema reale di DQ, nonch\u00e9 come avviene la \u201cfabbrica dei controlli\u201d<\/strong> nelle 3 fasi di progettazione, operazionalizzazione e messa in esercizio.  <\/p>\n\n\n\n

Infine, sempre nel documento in download qui sotto, troverai una overview e la value proposition<\/strong> della piattaforma Irion EDM e delle sue tecnologie distintive, i vantaggi dell\u2019approccio dichiarativo e nativamente metadata-driven<\/strong> che la contraddistingue e la sua adattabilit\u00e0 a tutti i settori e le dimensioni aziendali con processi data intensive.  <\/p>\n<\/div>\n<\/div>\n\n\n\n

\n
\n
\n
\n
\n
\"La<\/a><\/figure>\n<\/div>\n\n\n\n
\n
<\/div>\n\n\n\n

Scarica il white paper gratuito di Renato Valera e Gabriele Seno<\/p>\n\n\n\n

La fabbrica dei controlli<\/strong>
Dove nasce il valore della Data Quality<\/em><\/p>\n\n\n\n

Tra le tematiche trattate:<\/p>\n\n\n\n