{"id":48553,"date":"2023-11-27T15:44:00","date_gmt":"2023-11-27T13:44:00","guid":{"rendered":"https:\/\/www.irion-edm.com\/data-management\/data-governance-tuvo-romagnolli-francoangeli\/"},"modified":"2025-01-07T12:26:38","modified_gmt":"2025-01-07T10:26:38","slug":"data-governance-tuvo-romagnolli-francoangeli","status":"publish","type":"post","link":"https:\/\/www.irion-edm.com\/it\/eventi\/data-governance-tuvo-romagnolli-francoangeli\/","title":{"rendered":"Data Governance, nel libro di Tuvo e Romagnolli (FrancoAngeli) le buone prassi per gestire il patrimonio informativo"},"content":{"rendered":"\n
\n
\n

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<\/strong>, per non essere travolti da un \u201cdiluvio\u201d informativo? E come trasformare i dati in<\/strong> valore concreto<\/strong> per le aziende? Ovvero: quanto valgono le informazioni e come ci si assicura che (oltre a essere \u201ccorrette\u201d) diano un contributo concreto al business, quantificabile anche in termini economici?<\/p>\n\n\n\n

A queste domande risponde in modo approfondito il libro \u201cData Governance. Esperienze e modelli per creare valore d\u2019impresa\u201d<\/strong> edito nella collana Business 4.0 di FrancoAngeli<\/strong>, scritto da Mauro Tuvo<\/strong> (Irion Principal Advisor) e curato da Egle Romagnolli<\/strong> (Irion Head of Marketing), grazie anche alle 20 testimonianze e contributi<\/strong> dei \u201cdata leader\u201d di importanti realt\u00e0 italiane, dal settore finanziario all\u2019energy e utility. I proventi autoriali sono devoluti alla Lega del Filo d\u2019Oro. Negli ultimi anni il mondo del data management (la gestione dei dati nelle organizzazioni) \u00e8 stato animato da profondi dibattiti sui pi\u00f9 recenti paradigmi e framework architetturali necessari per governarel\u2019enorme quantit\u00e0 di informazioni<\/strong> prodotta oggi da ogni organizzazione, spesso elaborando dati in arrivo da innumerevoli fonti interne ed esterne e in formati diversi tra loro.<\/p>\n\n\n\n

Dai metadati all\u2019AI<\/h2>\n\n\n\n

Da qui l\u2019esigenza di \u201cfare chiarezza\u201d, da parte di chi ha dedicato tutta la carriera ad aiutare decine di aziende italiane e straniere nella tutela e valorizzazione delproprio patrimonio informativo<\/strong>. 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<\/strong> di data management, redigere i requisiti strumentali a supporto dei processi di gestione e di governo dei dati. <\/p>\n\n\n\n

Un esempio pratico: i metadati<\/a> (definiti come \u201cinformazioni che descrivono vari aspetti di un asset informativo, per migliorarne l\u2019usabilit\u00e0 durante il suo ciclo di vita\u201d) in quanto componenti essenziali di un presidio di Data Governance, rendono questa attivit\u00e0 fondamentale per rispondere a normative come l\u2019Artificial Intelligence Act<\/strong>, la pionieristica norma europea<\/a> sull\u2019AI.Data Governance e AI<\/strong> sono importanti per organizzare e ottimizzare il lavoro dei professionisti dei dati (ad esempio i \u201cdata engineer\u201d) diminuendo le attivit\u00e0 manuali e riducendo i tempi di elaborazione. Anche perch\u00e9 un \u201cdata scientist\u201d (l\u2019esperto in strategie di analisi dei dati) non pu\u00f2 lavorare correttamente se non sono stati superati determinati controlli di qualit\u00e0: la Data Quality<\/strong> \u00e8 tra i cardini della governance. Secondo una recente ricerca dell\u2019Osservatorio Big Data & Business Analytics\u202fdel\u202fPolitecnico di Milano<\/strong>,\u202fla scarsa qualit\u00e0 e integrazione dei dati\u202f\u00e8\u202fl\u2019ostacolo\u202fpi\u00f9 citato (35%)\u202fall\u2019implementazione\u202fdei progetti Advanced Analytics.<\/p>\n\n\n\n

Cinque fasi chiave per la Data Governance<\/h2>\n\n\n\n

Settori come il Finance<\/strong>, ovvero banche e assicurazioni, hanno pi\u00f9 esperienza su questo fronte per via delle esigenze regolamentari (le richieste di autorit\u00e0 come BCE e Banca d\u2019Italia) ma anche energy e utility, manifattura e altri ambiti produttivi o dei servizi si stanno attrezzando. Come sottolinea Roberto Monachino (gi\u00e0 Chief Data Officer di Unicredit) esistono \u201ccinque passaggi chiave<\/strong> in un percorso di governance dei dati di successo\u201d ovvero: <\/p>\n\n\n\n

    \n
  1. Qualit\u00e0 dei dati nei report identificati <\/li>\n\n\n\n
  2. Modello logico e catalogo dei dati <\/li>\n\n\n\n
  3. Glossario semantico universale <\/li>\n\n\n\n
  4. Fiducia e socializzazione <\/li>\n\n\n\n
  5. Cultura <\/li>\n<\/ol>\n\n\n\n

    Tuvo e Romagnolli si occupano da molti anni dei metodi per quantificare il valore economico<\/strong> 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 \u201cValue Based Data Governance<\/a> \u2013 Un modello per orientare la Data Governance al servizio del valore dell\u2019impresa\u201d pubblicato da Irion e Credem nel 2022.<\/p>\n\n\n\n

    Contributi e testimonianze nel libro<\/h2>\n\n\n\n