Trasformarsi in una “data driven company”. Fare diventare i propri dati un asset strategico, fonte di differenziazione competitiva. Sempre più spesso i business plan e le comunicazioni agli analisti di aziende dei più diversi settori industriali, riassumono in questo modo l’ambizione legata alla trasformazione digitale del modello di business.
A tale ambizione tuttavia spesso non corrisponde un’adeguata attenzione manageriale allo sviluppo di pratiche e competenze organizzative di data management che rappresentano uno tra i più importanti fattori abilitanti per la trasformazione “data driven”.
Definizione di Data Management
“The orchestration of people, processes and technology to manage the company’s critical data assets by using roles, responsibilities, policies and procedures to ensure the data is accurate, consistent, secure and aligns with the overall company objectives”.
Data Management significa saper gestire il dato lungo l’intero ciclo di vita. Per esempio progettando adeguatamente il modello dati nel momento in cui si disegna un nuovo sistema informativo, definendo le relazioni tra i dati attraverso la rappresentazione dei metadati. Ma significa anche operare sulla qualità dei dati nel momento stesso in cui vengono creati (attraverso le imputazioni manuali da parte degli utenti o il caricamento automatico tramite interfacce o streaming da sistemi di tipo Internet delle cose). Infine, il dato richiede governo e controllo in fase di consumo, regolandone l’accesso in modo sicuro a chi lo deve utilizzare sia a supporto dell’esecuzione di processi aziendali che della presa di decisioni tramite sistemi di analitica.
Gestione dei dati, aziende ancora restie
L’esperienza conferma come ancora oggi, nonostante gli investimenti in digitale, vi sia ancora scarsa sensibilità da parte della direzione aziendale sull’importanza di rafforzare le competenze organizzative relative alla gestione dei dati. Nel migliore dei casi, essa viene, erroneamente, considerata come responsabilità della sola Direzione IT.
Una delle difficoltà principali è quella di giustificare il ritorno dell’investimento, identificando razionali solidi che sostanzino il business case per iniziative di Data Management.
La difficoltà è legata al fatto che i benefici sono ritenuti difficilmente quantificabili e in ogni caso solo indirettamente riconducibili a driver di valore quali l’incremento dei ricavi o la riduzione dei costi operativi.
I benefici del data management
In realtà i benefici sono diversi e riconducili a tre categorie: efficienza, abilitazione di opportunità legate al business digitale, riduzione del rischio operativo e compliance.
Efficienza
Applicare normalizzazione e controlli di data quality in fase di acquisizione dei dati significa ridurre considerevolmente il tempo necessario per la fase di preparazione e riconciliazione prima di renderli fruibili per l’utilizzo. Adottare una tassonomia comune dei dati significa ridurre la complessità all’interno di organizzazioni con perimetri variabili di copertura geografica, linee di business e silos organizzativi. Il tutto si traduce in riduzione delle ridondanze, minore complessità del sistema informativo e in ultima analisi in maggiore agilità della macchina operativa.
Abilitazione per il business digitale
Lasciamo da parte per un attimo le opportunità legate alla monetizzazione dei dati (data monetization) che pure esistono e vanno considerate. I dati raccolti dall’utilizzo di prodotti e servizi da parte dei Clienti possono essere impiegati da chi si occupa di Ricerca e Sviluppo o di Product Development per migliorare il prodotto e la sua aderenza ai bisogni reali e alle aspettative di chi lo utilizza. Sempre più spesso la nostra vita di consumatori e cittadini sarà caratterizzata dall’utilizzo di servizi connessi. Pensiamo per esempio ai connected vehicles o ai servizi di sanità elettronica e telemedicina. I servizi connessi della nuova economia cui andiamo rapidamente incontro saranno basati su dati caratterizzati da volume, velocità, frequenza e requisiti di qualità sempre più elevati. Qualsiasi caso d’uso si fonda sulla capacità di gestire i dati (e.g., in tempo reale) e integrarli in modo sicuro all’interno di un ecosistema digitale.
Riduzione rischio operativo e compliance
Acquisire una maturità elevata nelle pratiche di Data Management significa ridurre i rischi operativi, e.g., legati a compromissione o sottrazione di dati (data breach), rispettare la normativa in materia di privacy (i.e., GDPR) ma soprattutto consente di mettere al centro il Cliente, lasciandolo in pieno controllo, adottando principi di trasparenza su come i dati vengono utilizzati.
Costi e competenze
A fronte di questi benefici, è necessario sostenere dei costi legati sia alle competenze, all’introduzione di nuovi processi di gestione dei dati e infine all’adozione di soluzioni tecnologiche.
Rispetto a queste ultime, esistono oggi diverse famiglie di prodotti che indirizzano una molteplicità di requisiti. Parliamo di soluzioni software di Master Data Mgmt per la gestione dei cosiddetti reference data (e.g., anagrafica clienti, prodotti, condizioni commerciali), per la gestione dei metadati e la modellazione, e sistemi per garantire la componente di operations sui dati, ossia data migration, data collection, data integration e data protection. Il mercato offre sia suite applicative che ricomprendono diversi moduli sia prodotti specialistici. Senza considerare la possibilità, peraltro oggi sempre meno utilizzata in quest’ambito, di sviluppare internamente soluzioni custom.
Sul fronte delle competenze interne, l’investimento va fatto per diffondere la data literacy, ossia la cultura dei dati. L’obiettivo ultimo è quello di democratizzare l’utilizzo dei dati a supporto dei processi decisionali, evitando la polarizzazione delle competenze all’interno di gruppi ristretti di super utenti, quali i team di data science.
Il percorso per il data management in azienda
Chiariti i benefici, quale è il percorso da intraprendere e quale il punto di partenza? Proviamo a sintetizzarli in alcuni punti.
Per prima cosa occorre guadagnarsi la sponsorship da parte del management per iniziative di data management.
Secondo. Occorre creare consapevolezza (awareness) all’interno dell’organizzazione, per esempio istituendo figure di ambasciatori (data ambassadors) che siano responsabili di concepire e condurre campagne di sensibilizzazione.
Va inoltre eliminata l’ambiguità rispetto alle responsabilità (accountability) organizzative afferenti la gestione dei dati. Va compreso e normato che il business ha una primaria ownership dei dati che deve essere esercitata attraverso ruoli di data stewardship, data ownership e processi di data governance.
Infine, occorre partire evitando di lanciare un programma omnicomprensivo di Data Management. Piuttosto, va identificata una singola iniziativa progettuale rilevante per il business e strategica per il piano industriale e dimostrare nell’esecuzione che gli investimenti fatti per migliorare la gestione dei dati portano benefici concreti. E di lì, estendere e scalare le pratiche in modo progressivo.
Non investire o rimandare gli investimenti sulla gestione dei dati può rappresentare per un’azienda nel medio termine un fattore di significativo svantaggio competitivo. In questo caso non vale dunque l’opzione “Do Nothing”.
