Enterprise Data Management: utility and necessity

introduzione

il nostro mondo digitale dipende dalle informazioni. I dati sono ovunque. Perché così tante aziende, organizzazioni, analisti e consulenti sono così preoccupati per questo?

I dati sono rappresentazioni di fatti. Inserendo i dati nel contesto, vengono create informazioni. L’assenza di una buona gestione dei dati spesso significa automaticamente che le informazioni di gestione e controllo sono inefficaci. A lungo termine, questo paralizzerà un’organizzazione a tal punto che non può più funzionare correttamente. La ragione di ciò è che le decisioni importanti vengono prese troppo tardi perché le informazioni di gestione non sono più attendibili. Inoltre, la gestione dei processi aziendali a livello di dipartimento richiederà sempre più tempo e impegno, perché le attività delle divisioni non sono ben coordinate. In questa situazione, ognuno crea e gestisce solo i dati necessari per svolgere il proprio lavoro e quindi utilizza il proprio set di definizioni di dati. Poiché i reparti si incolpano a vicenda per disattenzione, le misure di controllo sono impilate l’una sull’altra e il processo aziendale è ancora più eccitato, con conseguente spirale verso il basso. Pertanto, esiste una ragione commerciale convincente per dare alla gestione dei dati un posto indipendente e professionale all’interno delle organizzazioni.

inoltre, leggi e regolamenti impongono anche la gestione strutturata dei dati. Wetgeving in de financiële sector zoals Basel en Solvency vereist dat een mechanisme voor datakwaliteit en herleidbaarheid van in rapportages gebruikte informatie geborgd is binnen de organisatie. Basilea II stelt in dit verband: “La banca deve disporre di un processo di valutazione dei dati immessi in un modello statistico di previsione di inadempienze o perdite che comprenda una valutazione dell’accuratezza, della completezza e dell’adeguatezza dei dati specifici per l’assegnazione di un rating approvato”. La gestione dei dati di Kwalitatief è molto semplice. La corretta registrazione dei dati nei sistemi è una delle parti più dispendiose in termini di tempo di tale programma. In tale situazione, è difficile rispettare i requisiti esterni derivanti da leggi e regolamenti e accordi stipulati con fornitori e clienti.

La gestione dei dati aziendali è l’insieme di attività all’interno delle organizzazioni che si concentra sull’identificazione, la classificazione, la registrazione, la modellazione, lo sblocco, la protezione, l’archiviazione e la distruzione dei dati in modo strutturato. Il termine “impresa” riflette la natura organizzativa della gestione dei dati.

il fatto che la gestione dei dati svolga un ruolo così cruciale nelle operazioni aziendali è sottolineato dalle dichiarazioni di alcuni responsabili organizzativi. Aloys Kregting, CIO di DSM e eletto CIO dell’anno nel 2011, afferma: “il CIO dovrebbe essere particolarmente preoccupato per il valore delle informazioni. Bisogna sapere molto bene quali persone hanno bisogno di quali informazioni quando, e anche facilitare che. Ciò sottolinea ancora una volta l’importanza della relazione e della gestione dei dati anagrafici.’

Als de tweede CEO van een olie-exploratie – it productiebedrijf morire zich realiseert dat goed datamanagement voor zijn bedrijf een volgende stap naar business excellence è it orlo in staat stelt zich te onderscheiden van zijn concurrenten: ‘gli sforzi di miglioramento Continuo si concentrerà ora sull’approfittare di questi cambiamenti e scoprire il valore nascosto che essi offrono. Ciò significa guidare processi semplificati e una gestione dei dati rafforzata per fornire un processo decisionale più rapido e meglio informato, una maggiore reattività alle esigenze dei clienti e meno sprechi, il tutto con un conseguente aumento delle prestazioni competitive.”

I dati come attività

I dati sono, come indicato, rappresentazioni di fatti. Proiettati su un ambiente aziendale sono i “fatti sulle operazioni aziendali”. Senza contesto o struttura, questi dati non hanno alcun valore aggiunto per un’azienda. Mancano di contenuti e significato per aggiungere davvero valore all’azienda. Distinguiamo tra dati strutturati (memorizzati e ordinati in un database) e dati non strutturati (sotto forma di documenti, file, immagini, messaggi di testo, moduli, registrazioni video o audio che non possono essere contenuti in righe, colonne o record).

senza ulteriori informazioni, è difficile se non impossibile classificare, registrare e accedere a questi dati. Nel momento in cui aggiungiamo contesto a questi dati, i dati diventano significativi. Aggiungiamo quindi un riferimento, una data e un’ora, il significato del messaggio, un formato. Questo dà la struttura dei dati e diventa informazione. Se mettiamo in relazione diverse fonti di informazione tra loro, creando relazioni e identificando modelli, allora l’informazione diventa conoscenza. Questo è anche il valore aggiunto della business intelligence( BI): collegare diverse unità di informazione in un’organizzazione ai fini del processo decisionale da parte della direzione aziendale. Vedi anche Figura 1.

Figura 1. Metti il valore dei dati nel contesto.

le organizzazioni che sono meglio in grado di strutturare i propri dati in informazioni significative e rendere queste informazioni logicamente accessibili ai lavoratori della conoscenza all’interno dell’azienda saranno meglio in grado di dominare i loro concorrenti. Sfruttare il potere commerciale intrinseco di questi dati darà alle aziende e alle organizzazioni un vantaggio strategico rispetto ai loro concorrenti. Eric Schmidt, allora CEO di Google, ha detto nel 2010: “Non credo che la società capisca cosa succede quando tutto è disponibile, conoscibile e registrato da tutti tutto il tempo.”It Gartner stelt:” Nel settore privato stimiamo, ad esempio, che un rivenditore che utilizza i big data al massimo abbia il potenziale per aumentare il proprio margine operativo di oltre il 60%.”()

Maar het gaat niet alleen om het goed structureren en ontsluiten. Een aantal jaren era de heersende gedachte dat BI het probleem van goede managementinformatievoorziening zou oplossen. Tutte le principali aziende e istituzioni del mondo hanno eseguito costosi programmi di BI e implementato costose applicazioni. Tuttavia, la direzione aziendale non è soddisfatta. La BI non sblocca tutti i dati aziendali, in pratica si concentra principalmente sui dati strutturati, con un’attenzione insufficiente al valore dei dati non strutturati. Inoltre, le relazioni non possono essere facilmente adattate, quindi spesso non sono sufficientemente focalizzate sulle esigenze dell’azienda in un dato momento. KPMG, basato sulla ricerca: “Gli enormi investimenti in IT non garantiscono necessariamente una migliore informazione. Ciò che è più importante è cambiare radicalmente il modo in cui i dati vengono raccolti, elaborati e presentati.”()

Gestuctureerde data die door een datawarehouse worden ontsloten, zijn waardeloos als de kwaliteit van die data niet goed is. Ongestructureerde gegevens (ca. 85% van alle bedrijfsgegevens) kunnen niet via een datawarehouse worden ontsloten. De vraag è dan hoe je deze dati’ goed ‘ krijgt en wat goed datamanagement voor ongestructureerde gegevens è. In questo contesto, buoni mezzi in conformità con i requisiti di qualità stabiliti per esso dall’organizzazione. È chiaro che i buoni dati non sono qualcosa che viene naturalmente. È necessario un quadro di gestione. Il quadro di gestione include attività che un’azienda deve organizzare e investire logicamente e con cura nell’organizzazione. Questa è la gestione dei dati e include tutte le attività all’interno delle organizzazioni volte alle operazioni aziendali per identificare, classificare, registrare, modellare, accedere, proteggere, archiviare e distruggere i dati in modo strutturato. Usiamo il termine Enterprise Data Management (EDM) per questo, perché riguarda le attività che vengono svolte a livello aziendale tra le organizzazioni.

la consapevolezza che la gestione dei dati può aggiungere valore alle operazioni aziendali e ai profitti ha portato analisti e consulenti a equiparare i dati ad altri asset aziendali, come terreni, edifici e macchinari. In questo contesto, i dati sono anche descritti come una risorsa aziendale. Le risorse devono essere ben gestite: ben mantenuto, ben protetto, ci deve essere un proprietario che supervisiona e un bene deve anche essere sostituito in modo tempestivo. Come altre attività, i dati possono anche essere venduti. Il valore può essere derivato da esso. Basti pensare ai file di indirizzi che rappresentano un certo valore sia per le società in buona fede che per quelle canaglia.

i leader di aziende leader nel mondo ne sono ben consapevoli. I programmi relativi ai dati sono in primo piano nella loro lista di azioni. Il Gruppo Hackett afferma: “Ciò che le aziende stanno riconoscendo è che hanno gettato un sacco di soldi alle applicazioni, ma senza standardizzare e la pulizia dei loro dati sono ancora ottenere informazioni che non ha senso. Hanno aziende che utilizzano definizioni diverse, che calcolano le metriche in modo diverso, che utilizzano gerarchie diverse. L’intero concetto di gestione dei dati master è assolutamente fondamentale per le aziende per essere in grado di arrivare al punto in cui dispongono di analisi predittive.’. De businesscase om master data management (MDM) programma te starten lijkt evident: “Entro il 2013, MDM ridurrà la ridondanza dei dati delle organizzazioni, che può far risparmiare l’80% dei costi associati alla gestione dei dati ridondanti”. ()

Modellen voor Enterprise Data Management

Over het beheersen van data wordt al tijden nagedacht en er zijn dan ook modellen en methodieken te over, die allemaal claimen het beste antwoord voor de inrichting van Enterprise Data Management te hebben. L’Organizzazione Internazionale per la standardizzazione, beter bekend als ISO, kent talloze standaarden die elk op zich weer een deelaspect van het spectrum van data behandelen. Ad esempio, ISO 27001 affronta la sicurezza delle informazioni. ISO 15489 è lo standard utilizzato per la gestione delle informazioni dal punto di vista dell’archiviazione. ISO 23081 è lo standard per i metadati. Inoltre, ISO 19005 può essere utilizzato come linea guida per l’aspetto dei dati. Gli standard abbondano. Altri framework come COSO e framework come Cobit e ISF parlano dell’importanza dei dati in senso più ampio, ma solo da una prospettiva di rischio.

Data Management Body of Knowledge

un modello più completo sembra essere quello di DAMA-DMBOK. Include una raccolta di “best practice” nel campo della gestione dei dati, che sono state integrate nel corso di diversi anni con nuove intuizioni dalla pratica. La Guida DAMA-DMBOK (Full: Data Management Body of Knowledge) è una pubblicazione della Data Management Association, un’organizzazione internazionale che si concentra sui data manager e sui professionisti dei dati per diffondere le conoscenze sulla gestione dei dati.

il DMBOK distingue dieci diverse funzioni di dati. Queste funzioni sono mostrate in Figura 2. Data governance è la funzione che collega gli altri domini. Per ciascuno dei settori, i fattori ambientali devono essere presi in considerazione, come i metodi e le procedure di lavoro attuali, la tecnologia utilizzata e la cultura organizzativa.

Figura 2. Domini di dati secondo DAMA ().Tuttavia,

DAMA conosce anche i suoi punti deboli. Ad esempio: il fatto che le funzioni nominate si riferiscano solo l’una all’altra in termini generali, in modo che un utente non veda sempre la relazione tra le funzioni e quindi l’importanza più ampia. Inoltre, DAMA sembra concentrarsi su dati tradizionali e strutturati per il momento. Ad esempio, si parla ancora poco dell’importanza dei contenuti dei social media. La sicurezza dei dati all’interno di DAMA si concentra principalmente sulla protezione tecnica dei dati. Inoltre, la differenza nel modo in cui le generazioni gestiscono i dati non è stata ancora inclusa esplicitamente come fattore rilevante (fattore ambientale). Infine, e questa è forse la più grande obiezione, si tratta soprattutto di un quadro concettuale. Mancano esempi pratici per rendere concetti e termini sufficientemente chiari al lettore. C’è il rischio di un’interpretazione incoerente. Anche come dovrebbe essere attuato il quadro non è chiaro. Ciò è contrario all’obiettivo primario di un corpo di conoscenza. Ciò dovrebbe mirare a garantire che il loro uso promuova la coerenza nell’applicazione della gestione dei dati.

KPMG Enterprise Data Management model

i modelli di cui sopra contengono elementi importanti che devono essere presi in considerazione quando si realizza un’organizzazione di gestione dei dati professionale. Per l’operatività della gestione dei dati, tuttavia, sono importanti una serie di altri aspetti, che non sono coperti da questi modelli.

in primo luogo, ciò riguarda il fatto che i dati vengono scambiati tra sistemi sia all’interno dell’organizzazione che tra l’organizzazione e terze parti. La gestione dei dati dovrebbe quindi garantire buoni accordi sul formato in cui vengono forniti i dati, sulla convalida della qualità dei dati forniti, sulle possibili fasi di arricchimento prima che i dati vengano ulteriormente elaborati e su eventuali procedure in caso di errori nel processo. Raggruppiamo queste attività sotto i termini “acquisizione e authoring” e “distribuzione”.

inoltre, l’EDM deve anche garantire che la struttura dell’EDM nel suo complesso possa essere mantenuta. L’organizzazione dovrebbe disporre di processi per la registrazione di prove documentali e problemi identificati durante l’implementazione operativa delle attività di EDM. Che questi siano discussi negli organi di consultazione sulla governance dell’EDM e che conducano all’adeguamento delle procedure e delle tecniche esistenti. Questo può essere pensato come una situazione in cui il dashboard della qualità dei dati utilizzato all’interno di un’organizzazione deve essere adattato perché l’organizzazione desidera monitorare un nuovo oggetto dati. Ci dovrebbe quindi essere un “processo di cambiamento” che prepara il processo decisionale su questo cambiamento e implementa il cambiamento nel cruscotto dopo la decisione.

infine, tutte le attività di EDM svolte da un’organizzazione dovrebbero essere valutate per l’efficacia e l’efficienza. Proprio come i processi primari all’interno di un’organizzazione, EDM dovrebbe avere un ‘piano, fare, controllare, act’ meccanismo che può essere utilizzato per verificare se l’attuazione delle attività EDM è in conformità con gli accordi che sono stati fatti su di esso. Il “monitoraggio del processo” rende questo possibile e consente all’organizzazione EDM di identificare in modo indipendente eventuali deviazioni e adottare misure correttive.

questo si traduce nel modello KPMG EDM mostrato in Figura 3.

Figura 3. Modello di gestione dei dati aziendali KPMG.

di seguito è riportata una breve descrizione degli elementi chiave del modello.

• Data Governance si concentra su (dirigere)attività di gestione dei dati. Questioni come la strategia, la politica, i ruoli, i compiti e le responsabilità sono coperti.
• L’architettura dei dati riguarda la creazione e la registrazione degli oggetti dati e delle strutture dati all’interno di un’organizzazione in modelli di dati. Questi costituiscono la base per l’analisi delle informazioni e la costruzione di processi e sistemi.
• Master Data Management è di garantire la qualità dei dati master e di riferimento. L’obiettivo finale è quello di creare record unici (‘d’oro’).
• Il Data Warehousing è l’attività che prevede la definizione dell’architettura di archiviazione dei dati nei database relazionali.
• La Business Intelligence è responsabile dello sblocco dei dati contenuti nei data warehouse in modo tale da fornire informazioni per la gestione dell’organizzazione, sulla base delle quali può prendere decisioni.
• La gestione della qualità dei dati comporta la definizione strutturata di criteri di qualità, l’analisi della qualità effettiva dei dati e la relativa segnalazione.
• La gestione dei contenuti si concentra sulla classificazione dei dati, sulla strutturazione dei flussi documentali e sulla loro accessibilità.
• l’archiviazione si concentra sullo spostamento dei dati inattivi in altri ambienti.
• Onder de Governance Operations is metadata de informatie over datamanagementelementen, zoals technische en functionele beschrijvingen van dataobjecten en datamodellen. Gestione database richt zich op het operationele technisch beheer van database. Sicurezza dei dati richt zich op het beveiligen van dati tegen ongeoorloofde inbreuken op die dati. Gestione delle identità tot slot regelt de toegang dati tot.

per una descrizione più dettagliata di alcuni di questi elementi di EDM, si prega di fare riferimento ai singoli contributi sugli elementi EDM inclusi in questo Compatto.

EDM dal punto di vista organizzativo

in questo articolo, abbiamo ancora la risposta alla domanda su come il modello EDM può essere implementato praticamente.

se si passa attraverso le diverse parti di EDM come mostrato in Figura 3 e si lascia che agiscano su se stessi, si avrà rapidamente l’impressione che ci sia poco ordine logico in queste parti. La figura 3 mostra che non vi è alcuna priorità o graduale proposta per la costruzione e l’implementazione degli elementi. È chiaro che la governance dei dati collega tutti gli altri elementi. Con questo vogliamo indicare che non esiste un ordine tra i domini e che l’ordine in cui le parti di EDM sono trattate è di natura arbitraria. Un’eccezione è data governance. Il collegamento che la governance dei dati è tra tutte le altre parti di EDM riflette bene che in realtà nessuna attività di gestione dei dati può essere sviluppata e implementata con successo se non esiste una governance dei dati all’interno delle organizzazioni.

Data governance pone le basi per tutte le attività di gestione dei dati. Senza la fondazione, sono blocchi sciolti che pendono più o meno nel vuoto senza struttura e connessione. Può portare all’acquisto e all’implementazione di soluzioni di BI mentre non ci sono standard di dati o definizioni di dati insufficienti o che la qualità dei dati necessaria per arrivare a informazioni di gestione affidabili lascia molto a desiderare. Può contribuire alla progettazione e all’acquisto di sistemi che non si connettono ad altri sistemi, perché non esiste un modello di dati aziendale globale che serva da base per lo sviluppo di tutti i sistemi. Infine, può portare a un’organizzazione che utilizza attivamente le tracce lasciate dagli utenti di Internet sui siti Web, senza riguardo alle norme sulla privacy, il che porta a danni all’immagine e alla responsabilità.

Data governance garantisce una visione e una strategia a livello aziendale per la gestione dei dati, che è supportata dalla gestione dell’azienda. La Visione ci dice cosa vogliamo raggiungere. La strategia su come raggiungere questo obiettivo. Riflettono, per così dire, l’ambizione dell’organizzazione. Tutte le attività relative ai dati devono rientrare in questa visione e la strategia garantisce la coerenza di queste attività. La strategia determina anche l’ambito della gestione dei dati all’interno di un’organizzazione. Nonostante il modello DAMA generale, le organizzazioni possono scegliere di lasciare alcune questioni fuori considerazione, perché potrebbero già essere compilate in modo decentrato. Un fenomeno comune è, ad esempio, che HR crea una propria organizzazione di gestione dei dati e fa un uso limitato delle linee guida e degli standard sviluppati dall’organizzazione centrale di gestione dei dati.

Data governance garantisce anche attenzione alla stesura delle regole politiche. Ciò include una politica di sicurezza delle informazioni, politiche riguardanti l’architettura dei dati, l’archiviazione e la qualità dei dati. Inoltre, data governance garantisce l’incorporamento organizzativo della gestione dei dati: chi è in ultima analisi responsabile, dove e come vengono prese le decisioni su strategia, politica, standard, ruoli, proprietà. Ad esempio: come e quando vengono segnalate le attività di gestione dei dati all’interno dell’organizzazione? Come organizziamo l’esecuzione delle attività di manutenzione dei dati anagrafici?

da questa elaborazione può essere chiaro che la governance dei dati è la base per una buona gestione dei dati. Indipendentemente dalla fase di maturità in cui si trovano le organizzazioni, vale sempre la pena tenere d’occhio la qualità della governance dei dati e verificare se la sua implementazione è soddisfacente.

supponiamo che un’organizzazione abbia la governance dei dati in ordine. Esistono linee guida o best practice che chiariscono quali degli altri componenti di gestione dei dati sono idonei per l’ottimizzazione in termini di priorità? In realtà, non è così. Cioè, la nostra esperienza dice che questo dipende dalle priorità derivanti dall’agenda dell’organizzazione stessa.

supponiamo che un’organizzazione decida di sostituire un sistema informativo legacy con un nuovo sistema ERP. Ci si potrebbe quindi chiedere quale impatto questo ha sulla gestione dei dati. Allora qual è la priorità più alta? Ciò può portare alla priorità della “Gestione della qualità dei dati” a seguito della migrazione dei dati necessaria. I dati contaminati vengono puliti, la documentazione dei metadati viene indirizzata e la gestione dei dati principali viene migliorata. Ad esempio, l’implementazione di un’applicazione di integrazione dei dati può comportare l’aggiornamento del modello di architettura dei dati e la selezione e l’implementazione di un’applicazione di qualità dei dati per pulire e arricchire i dati prima che vengano scambiati con altre piattaforme.

Figura 4. Relazione tra modello di business ed EDM.

in conclusione, riteniamo che dalla base di governance dei dati, a seconda dell’agenda aziendale dell’organizzazione, debbano essere intraprese quelle attività di gestione dei dati che forniscono il maggior valore aggiunto in quel momento nella realizzazione di tale agenda. Questo è mostrato in Figura 4. Dal punto di vista della visione e della strategia, si realizza il modello di business necessario per realizzare gli obiettivi stabiliti nella visione e nella strategia. Questo modello di business pone esigenze ai processi primari e di supporto. Affinché questi processi funzionino, sono necessarie risorse. Questi possono essere ulteriormente suddivisi in risorse umane, dati e risorse IT. Cosa e quanto è necessario sul lato dei dati in un caso particolare è determinato dall’agenda aziendale. EDM fornisce strumenti per come questo dovrebbe essere organizzato. Questo è fatto su misura e non si lascia intrappolare in un modello fisso di attività di gestione dei dati.

conclusione

in questo contributo, abbiamo delineato EDM come un approccio alla gestione di tutti i dati che un’organizzazione genera. Una buona interpretazione di ciò garantisce che questi dati soddisfino i requisiti di qualità stabiliti dalle organizzazioni per l’it. Garantisce che i dati necessari per eseguire i processi e consentire alla gestione di prendere decisioni informate siano accurati, completi e disponibili in modo tempestivo. Ciò rende i dati una “risorsa” che deve essere gestita proprio come tutte le altre attività aziendali. Abbiamo ulteriormente elaborato le parti costitutive di EDM. Ciò ha creato un quadro di attività di gestione che costituiscono la base per garantire la qualità dei dati. Infine, abbiamo sostenuto che l’attuazione di queste componenti non può avvenire secondo un quadro fisso. È la strategia aziendale e la priorità che determina quali delle parti di EDM vengono raccolte e ottimizzate nell’operazionalizzazione. Un ruolo cruciale in questo è svolto dalla governance dei dati, che garantisce una visione e una strategia a livello aziendale e supportata dalla gestione per l’EDM.