Che cos’è la data governance?
In un recente webinar, Aaren Stubberfield, Data Scientist in Microsoft, ha descritto come la data governance renda scalabile la data science, iniziando dalla domanda di base su cosa sia la data governance.
La data governance, come definita dalla Data Management Association (DAMA), è l’esercizio dell’autorità e del controllo (pianificazione, monitoraggio e applicazione) sulla gestione degli asset di dati.
(1) Pianificazione: creazione di regole a cui i dataset devono conformarsi (ad es. standardizzazione del formato dei campi data, per es. YYYY-MM-DD)
(2) Monitoraggio: misurazione della conformità alle regole definite nella fase di Pianificazione (ad es. tracciamento della percentuale di campi “Data” con valori mancanti)
(3) Applicazione: azioni correttive in caso di violazioni delle regole sui dati (ad es. intervento immediato se campi dati critici come il numero di previdenza sociale presentano gravi discrepanze)
Sebbene esistano diversi framework di data governance, tutti ruotano attorno agli stessi elementi chiave: le persone (ossia i data steward e gli stakeholder che supervisionano i programmi di governance), i processi (ossia policy e procedure che costituiscono le regole cui i dataset devono conformarsi), i dataset in questione e gli strumenti (ossia tecnologie e infrastrutture che consentono il monitoraggio e l’applicazione delle policy).
Perché la data governance è importante?
Perché i dati siano utili come asset strategico, devono essere mantenuti conformi, puliti e accessibili tramite procedure formali e responsabilità chiare. Lo scopo della data governance è definire metodi, processi e responsabilità che permettano alle organizzazioni di garantire qualità, conformità e usabilità dei propri dati.
La qualità dei dati è cruciale per la democratizzazione della data science perché la fiducia diffusa nei dati è di importanza fondamentale. Così come i consumatori non acquisterebbero né userebbero prodotti da rivenditori di cui non si fidano, gli stakeholder di business e i professionisti dei dati esiteranno a usare i dati (o gli insight derivati dai dati) per prendere decisioni se non ripongono fiducia in essi.
In definitiva, le aziende di maggior successo sono quelle che sanno gestire efficacemente i dati come un asset affidabile e riescono a coniugare le migliori capacità di data science con la migliore qualità dei dati.
Com’è una buona qualità dei dati?
I programmi di data governance garantiscono la scalabilità e il mantenimento della qualità dei dati, ma che aspetto ha concretamente una buona qualità dei dati? Atlan l’ha riassunta efficacemente con le seguenti sette caratteristiche:
- Accurati
- Disponibili e accessibili
- Completi
- Pertinenti e affidabili
- Tempestivi
- Con il giusto grado di granularità
- Di supporto al processo decisionale
Quali sono i benefici della data governance?
Se implementato correttamente, un solido framework di data governance può aiutare le aziende a ottenere numerosi benefici significativi:
-
Linguaggio dati comune - Una terminologia condivisa su metriche e dataset crea un linguaggio dati comune e una terminologia coerente, facile da usare e comprendere in tutta l’organizzazione.
-
Maggiore fiducia nella qualità dei dati - Una qualità dei dati migliorata grazie a una buona governance favorisce fiducia nei dati e nella relativa documentazione, portando a un utilizzo più ampio dei dati nelle decisioni.
-
Migliore riusabilità dei dati - La data governance crea standardizzazione e mappatura dei dati a livello enterprise. Questo aumenta notevolmente l’efficienza grazie al riuso dei dati tra diverse unità di business e casi d’uso all’interno dell’azienda.
-
Migliori meccanismi di gestione dei dati - Meccanismi di controllo centrali stabiliscono policy e regole chiare che guidano le best practice e i codici di condotta sull’uso dei dati. Ciò offre una visione d’insieme per una gestione coerente di aree chiave come conformità e sicurezza, riducendo al contempo i costi della gestione dei dati nel loro complesso.
-
Conformità scalabile - Un programma di data governance solido assicura che le organizzazioni rimangano conformi alle pressioni normative (ad es. California Consumer Privacy Act (CCPA) e General Data Protection Regulation (GDPR)) su come gestire correttamente privacy e riservatezza dei dati personali.
-
Single Source of Truth - La data governance facilita l’integrazione di diverse fonti così che i dati non siano più a silos. Questo stabilisce una fonte unica, coerente e completa della verità sui profili dei clienti (o di altre entità chiave) su cui gli stakeholder possano concordare per prendere decisioni più coordinate.
-
Maggiore agilità grazie alla democratizzazione dei dati - L’alta qualità dei dati generata da una buona governance li rende prontamente disponibili anche per unità non tecniche, a supporto dei loro obiettivi di business. Questa democratizzazione consente alle unità di business di essere più agili tramite analytics self-service.
Tutti questi benefici permetteranno alle aziende di ridurre i costi grazie a una maggiore efficienza, minimizzare i rischi tramite un uso accorto dei dati, restare conformi alle normative e massimizzare le performance aziendali attraverso un uso costante di decisioni basate sui dati.
Come rendere operativa la data governance?
Un recente studio KPMG ha evidenziato che solo il 35% dei data leader si fida dei propri dati, mentre un sondaggio Gartner ha rivelato che ben il 42% dei data leader non valuta né monitora le strutture di data governance delle proprie aziende.
Ciò dimostra che molte organizzazioni sono ancora indietro nei loro percorsi sulla qualità dei dati. Nel webinar, Aaren ha citato numerose best practice per aiutare le organizzazioni a iniziare a rendere operativa la data governance.
-
Parti dalle persone giuste - Una data governance di successo si fonda sull’agenda definita dalle persone giuste. È importante iniziare coinvolgendo i talenti migliori e gli stakeholder chiave per formare il team centrale che guiderà l’implementazione della governance.
-
Monitora le tue metriche - Le metriche di qualità dei dati devono essere identificate e monitorate fin dall’inizio per tracciare i progressi e il valore dei sistemi di governance. Alcuni esempi includono la percentuale di completamento del glossario dei dati e la percentuale di recapiti che sono completi, validi e accurati.
-
La comunicazione è fondamentale - Il supporto e la sponsorship continua dei programmi di governance dipendono da una comunicazione frequente e costruttiva di successi, difficoltà e progressi agli stakeholder di business chiave.
-
Pensala sul lungo periodo - Implementare un programma di data governance è un investimento a lungo termine che richiede lavoro costante. Ciò significa che l’operativizzazione della governance va inquadrata come un processo iterativo di miglioramento continuo, non come un’iniziativa estemporanea.
-
Investi in strumenti di data governance - I volumi di dati in continua espansione rendono impossibile svolgere manualmente le attività di governance. Qui entrano in gioco gli strumenti di data governance, abilitatori fondamentali per automatizzare le operazioni di governance e le attività di data stewardship.
-
Evita di partire da zero - Esistono molte risorse che documentano casi d’uso di successo, framework ed esempi di data governance efficace, quindi non è necessario partire da zero. Ad esempio, DAMA, EDM Council e PwC dispongono di framework che le organizzazioni possono sfruttare e riadattare.
Esempio di un framework completo di data governance | Fonte: PwC
Costruire il business case
Per promuovere un cambiamento di lungo periodo e ottenere il supporto del management sulle iniziative di data governance, è importante presentare un business case solido agli stakeholder per mantenere un forte sostegno esecutivo. Si può iniziare identificando i pain point in cui la bassa qualità dei dati è il problema. Ad esempio, dettagli di contatto incompleti dei clienti potrebbero causare una perdita significativa di opportunità di vendita.
Da lì, i benefici di business (ad es. aumento dei ricavi, migliore esperienza del cliente, ecc.) derivanti dal miglioramento della qualità dei dati ottenuto grazie alla data governance possono essere messi in evidenza e comunicati con chiarezza.
Le competenze sui dati abilitano una data governance di successo
Uno studio BCG ha mostrato che oltre il 60% delle aziende ha valutato le proprie capacità di data governance come “sottosviluppate”, con conseguente incapacità di sfruttare le analytics avanzate nel business. Ciò evidenzia che ci sono molte sfide nell’implementazione efficace della governance, tra cui una rappresentanza insufficiente dei data steward, una proprietà disallineata degli elementi di governance e una bassa priorità organizzativa.
Un filo conduttore di queste sfide è che le persone in azienda sono al centro della riuscita. Per raggiungere i risultati della data governance, le persone devono essere dotate delle competenze giuste per gestire i compiti di governance coinvolti. Per abilitare una governance di successo, le organizzazioni dovrebbero puntare a potenziare le competenze su un’ampia gamma di temi, dalla data literacy al data cleaning e all’esplorazione dei dati, e oltre.
In definitiva, la data governance è uno sforzo di squadra costruito su un linguaggio dati comune in tutta l’azienda.
