Sempre più aziende stanno puntando verso un approccio data-driven della loro gestione. Questo significa che le decisioni vengono prese basandosi su dati, tradotti in informazioni e fatti oggettivi, e non sensazioni; più corrette e precise saranno queste informazioni migliori saranno di conseguenza le decisioni.  

Ed è proprio da questo attuale contesto, caratterizzato da un’inarrestabile crescita dei volumi dei dati, dalla loro varietà sempre meno omogenea e dai data needs sempre più rapidi, che emerge l’esigenza delle aziende di avere un dato certificato realmente: qui nasce la Data Quality.  

Nonostante l’implementazione di processi di Data Integration, Data Warehouse, Data Lake ecc. che riconducano i dati a un tracciato definito, non c’è la sicurezza che i dati siano corretti e di qualità. E come è ben risaputo, dati di qualità portano alle aziende una serie di benefici: 

• decisioni migliori, 
• maggiori introiti,
• risparmio di tempo, 
• maggior confidenza nei sistemi analitici, 
• minori costi,  
• maggior customer satisfaction. 

Le misure della qualità dei dati 

Ma in base a che cosa viene valutata la qualità dei dati? Al fine di elaborare degli standard per la Data Quality è stato introdotto in Horsa un framework che consente di misurare la qualità dei dati attraverso 6 dimensioni: 

• Completezza: la percentuale di dati di qualità rispetto al totale
• Tempestività: quanto i dati rappresentano la realtà nel momento richiesto
• Validità: i dati sono conformi alla sintassi (formato, tipo, intervallo) della loro definizione? 
• Unicità: nessuna entità unica verrà salvata più di una volta nei sistemi
• Accuratezza: i dati descrivono correttamente il “mondo reale”? 
• Consistenza: c’è differenza, quando si confrontano due o più rappresentazioni di un’entità con la loro definizione? 

Se prendiamo ad esempio il campo “indirizzo” nella base dati di un’azienda che fa consegne e questo campo manca di alcune delle informazioni fondamentali (completezza), o non è aggiornato (tempestività) o contiene il civico al posto del CAP (validità), ne conseguiranno delle consegne sbagliate e tutti i relativi problemi collegati. 

La Data Quality come processo 

Il tema della Data Quality è una questione di processo iterativo e continuo, che fa da cappello a tutto quello che è la Data Governance, intesa come governo del dato comprensivo di obblighi normativi e individuazione di una platform che consenta di gestire ruoli, metadati, regole di business, regole di quality e infine la tecnologia. Dunque, non è un processo strettamente tecnologico, ma iterativo e fatto soprattutto di persone e di coinvolgimento continuo, dove alla base ci sono la definizione di ruoli e processi aziendali.  

Conclusioni 

La Data Quality rappresenta quindi un ambito di fondamentale importanza all’interno di un’azienda. Necessita di attenzione e investimenti in quanto primo step verso la garanzia della bontà delle informazioni aziendali, base per fare decision making in modo più efficiente. 

L'articolo Data Governance e… Data Quality proviene da Horsa Blog.

Il problema è diventato particolarmente attuale negli ultimi anni, e non solo per gli obblighi normativi a partire dal GDPR. La trasformazione digitale ha infatti moltiplicato nel giro di poco tempo utenti, dispositivi utilizzati e modalità di accesso. Una situazione impossibile da ignorare o gestire manualmente, se trascurata fonte di problemi, anche seri, nell’efficienza dei processi.

Il Data Catalog, primo passo verso l’ordine digitale

Il Data Catalog è una premessa fondamentale per ricavare informazioni strategiche dal proprio patrimonio acquisito nel tempo. Pensare di mettere in piedi progetti di Data Analytics senza basi solide rischia infatti di rivelarsi prima di tutto una perdita di tempo e denaro. In casi limite, anche una semplice operazione di ricerca può rivelarsi una vera e propria impresa. Una perdita di tempo in grado di mettere a rischio il rispetto di una scadenza o il semplice assolvimento di un compito.

Viceversa, applicare una soluzione di Data Catalog non tarderà nel dimostrarsi valida nel raggiungere diversi obiettivi. A partire da un riferimento unico e certo per tutti i dati. Di conseguenza, maggiore facilità nell’organizzarli e soprattutto relazionarli in funzione degli obiettivi di business. Infine, poter fornire un input di qualità a un sistema di Business Intelligence e sfruttare il potenziale dell’intelligenza artificiale in sede di analisi.

Dal punto di vista più semplice, quella sorta di censimento aziendale rappresentato dal Data Catalog può essere visto come un inventario delle risorse riconducili alla produzione, archiviazione e trattamento dei dati. Deve essere organizzato in modo da permettere agli utenti di recuperare le informazioni desiderate e interpretarle secondo gli obiettivi.

L’anticamera della Data Governance

Una soluzione di Data Catalog al servizio della Data Governance deve garantire due funzioni principali: riuscire a raccogliere e collegare tutte le fonti informative sparse nei vari sistemi per organizzarle in un modello strutturato con i metadati e la relativa disponibilità delle informazioni in modo guidato, controllato ed esaustivo.

Fondamentale è l’attenzione dedicata ai metadati. Le chiavi di ricerca devono essere compilate secondo criteri rigidi e noti a tutti. Voci duplicate, mancanti o imprecise, contribuiscono ad aumentare la confusione e diminuire la produttività. Basti pensare per esempio ai diversi modi di definire una località, a partire dalla lingua originale o quella locale. Affrontare il problema sin dai primi passi del Data Catalog significa ridurre gli errori nei database e fornire a tutti i reparti aziendali un insieme di informazioni condivise e affidabile.

Sono infatti diverse le figure in gioco da tenere in considerazione, dai classici utenti IT e di business, ai più specializzati data analyst, data engineer e data scientist, per arrivare agli sviluppatori. Ricordando anche come ciascuno di questi abbia la necessità di gestire linguaggi e seguire procedure diverse, le stesse in grado di tradursi in benefici per l’azienda.

Da materia prima di qualità, in questo caso il Data Catalog, è di conseguenza più facile costruire applicazioni valide a supporto delle strategie aziendali, nello specifico attraverso la Data Governance. Affiancando inoltre una gestione in ottica di sicurezza, con raggio d’azione in termini di accesso, modifica o semplice lettura correlato ai rispettivi ruoli, alla fine i benefici si riveleranno ad ampio raggio.

A partire da quelli interni, sul monitoraggio dei processi, per assicurare il pieno sfruttamento del patrimonio informativo aziendale, fino a una gestione ottimale delle procedure amministrative. Inoltre, una valutazione più accurata dei servizi in cloud, una maggiore capacità di rilevare segnali di potenziali inefficienze e in generale il supporto ai processi decisionali.

L'articolo Obiettivo Data Governance, perché il primo passo è il Data Catalog proviene da Horsa Blog.

Le aziende e la difficoltà nella ricerca ed accesso ai dati

Negli ultimi anni la Digital Transformation, e l’inarrestabile ascesa di tutti gli scenari ad essa correlati, hanno fatto crescere in maniera esponenziale il volume dei dati trattati dalle aziende ed anche l’eterogeneità dei sistemi informatici che li producono e li consumano. Molto spesso, a questa crescita impetuosa, non corrisponde un percorso evolutivo organico e sostenibile (sia dal punto di vista architetturale che di processo) che la vada ad affiancare. Ci si può quindi ritrovare, ad un certo punto, di fronte ad una matassa di fili difficile da districare. Si pensi a:

• Conoscenza non completa e capillare di:
  • Patrimonio informativo
  • Architettura dei sistemi
• Decentralizzazione dei dati (assenza di Master Data)
• Conseguente difficoltà nel comprendere chi sono i Data Owner.
• Incapacità di recuperare il Lineage tecnico (dei dati) e di Business (dei flussi tra i processi).
• Assenza di un’orchestrazione di tali flussi
• Difficoltà nel segregare i dati per profilo di visibilità
• Incapacità di comprendere in quale punto della supply chain del dato si siano generati degli errori

In scenari di questo tipo, e senza un’azione mirata e tarata sulla singola situazione aziendale, anche la semplice operazione di ricerca ed accesso ai propri dati può diventare molto difficoltosa. Si pensi per estremizzare a quanto diventi complesso, sotto queste condizioni, raggiungere l’obiettivo data driven che ogni azienda moderna deve porsi.

Data Catalog: perché aiuta ad orientarsi tra i dati aziendali

Un Data Catalog è sostanzialmente l’inventario aziendale dei dati, dei metadati e delle entità ad essi correlate. È la bussola che permette ad un’azienda di navigare tra i suoi dati e soprattutto di iniziare ad andare della direzione data driven.

Una soluzione Data Catalog infatti permette di raggiungere i seguenti obiettivi:

• Accentrare i dati: l’esistenza del catalogo dei dati, di per sé, rappresenta un traguardo perché si ha la mappa del patrimonio informativo aziendale.
• Definizione di Business Glossary aziendale e dell’interpretazione personale sul significato di dati, logiche di Business ecc.
• Documentazione architetturale e delle relazioni tra le componenti.
• Implementazione delle tecniche di Lineage su dati, flussi di processo ecc. e conseguente documentazione (anche dei metadati).
• Supporto (via AI e ML) alla Data Quality, così da intercettare per tempo problematiche sulla qualità del dato, e più in generale su tutti gli automatismi che possano portare valore alla catena del dato.
• Segregazione logica dei dati: il Data Catalog permette l’automazione delle politiche di masking dei dati abbinate ad una gestione della profilazione degli stessi che vada di pari passo con la Data Governance aziendale.
• Supporto alla Data Governance anche attraverso la definizione dei profili che vanno in relazione diretta coi ruoli previsti (appunto) da una politica di Data Governance.

Data Catalog: possibili pattern implementativi

L’adozione di un Data Catalog, che va di pari passo con quella di una Data Governance aziendale, può spesso spaventare perché sembra essere un processo lungo, complesso e che coinvolge persone, processi e tecnologie differenti. Come in ogni data journey efficace, l’adozione di un Data Catalog dev’essere vista come un insieme di step propedeutici al raggiungimento del traguardo finale. Quest’iniziativa, inoltre, rientra all’interno dell’adozione del più ampio processo di Data Governance che ogni azienda data driven deve intraprendere. Diventa essenziale dunque, per capire quali sono gli step che la tua azienda deve fare, comprendere essenzialmente a che punto l’azienda è oggi.

Si rimanda a tal proposito al webinar sotto riportato in cui abbiamo raccontato come adottare un percorso di Data Governance in una realtà aziendale italiana e, per estensione, come approcciare questo percorso alla parte di Data Catalog.

L'articolo Data Catalog: perché ti serve, e come implementarlo proviene da Horsa Blog.