Nell’attuale contesto economico e tecnologico le aziende hanno a che fare con tantissime difficoltà e incertezze di varia natura, ma sicuramente non hanno il problema della carenza di dati. Anzi, la diffusione della connettività internet e della sensoristica IoT, unitamente a una digitalizzazione sempre più spinta, comportano la produzione di una notevole quantità di bytes, decisamente superiore rispetto al passato, nonché proveniente da fonti estremamente eterogenee. La gestione di questa marea crescente di dati può rivelarsi estremamente difficoltosa per le aziende, in mancanza di una strategia chiara e definita. Anche perché i dati in sé, in forma grezza e disaggregata, non hanno un valore effettivo: possono infatti portare valore aggiunto all’attività delle organizzazioni solo quando sono aggregati e analizzati, riuscendo così a trasformarsi in informazioni utili e rilevanti per le strategie aziendali.
Su questa massa potenzialmente sterminata di bytes va quindi messa in atto una strategia orientata alla Data quality: in definitiva si tratta di un processo di analisi a cui devono essere sottoposti i dati, con l’obiettivo di analizzarne e incrementarne la qualità, facendo leva su aspetti come accuratezza, consistenza, completezza e correttezza. È facile da comprendere come l’utilizzo di dati di bassa qualità (ad esempio incompleti o erronei) possa provocare scelte errate o inefficienti per tutte le organizzazioni, con ripercussioni che possono essere estremamente negative per l’attività di business. Soltanto una corretta Data Quality può dunque abilitare lo sviluppo di nuovi prodotti e servizi, proprio a partire dalle informazioni ricavate dai dati. Che, ad esempio, sono sempre più cruciali in un’ottica di moderna customer experience: a partire dal dato digitale è possibile conoscere le abitudini e le preferenze dei propri clienti, cercando di mantenerne alto il livello di coinvolgimento e ottenere benefici dal punto di vista del business.
Ma come è oggi possibile fare Data quality? Alla base del lavoro di Data Quality c’è, sicuramente, la Data Governance: quest’ultima può essere definita come una strategia che ha lo scopo di garantire che i dati nel loro ciclo di vita siano gestiti in modo efficace e sicuro, controllando o correggendo eventuali errori e garantendo il rispetto delle normative, grazie al controllo dei processi e dei metodi aziendali. Tutto questo presuppone, perlomeno nelle aziende di maggiori dimensioni, l’esistenza di una vera e propria struttura organizzativa espressamente dedicata al raggiungimento di questo obiettivo.
Ma oltre alla Data Governance, in tema di Data Quality in questi anni si sta assistendo allo sviluppo di metodologie e strumenti capaci di analizzare e migliorare la qualità dei dati, di fronte a un volume di bytes che si fa giorno dopo giorno sempre più intenso (i cosiddetti Big Data). Una crescita che impone senz’altro l’utilizzo di moderni strumenti tecnologici, basati sulle tecnologie di machine learning e di intelligenza artificiale, che possono permettere di migliorare la qualità dei dati a disposizione in tempi più rapidi e con maggiore efficienza.
In questo senso va la proposta di Neodata, che ha messo a punto una serie di tecnologie per l’analisi dei Big Data, concepite per adattarsi alle esigenze delle singole realtà aziendali. Tra queste c’è una Data Management Platform (exaudi), che consente di raccogliere e normalizzare set di dati provenienti da sorgenti disomogenee, nonché di generare profili utente basati su dati di prima, seconda e terza parte. Grazie a exaudi diventa possibile costruire segmenti attraverso regole di targeting specifiche, esportare i segmenti su piattaforme esterne per veicolare i messaggi di marketing. Inoltre questa DMP è equipaggiata con una serie di report di analytics che permettono di analizzare i dati di traffico, filtrandoli per attributi utente socio-demografici e comportamentali. Oltre ad exaudi Neodata da anni offre anche un motore di delivery, ad.agio, che consente di impostare e gestire regole di targeting e di erogare contenuti editoriali o pubblicitari in tempo reale. Da notare che sia exaudi che ad.agio si basano, da un punto di vista tecnologico, sui servizi cloud di Microsoft Azure, così da garantire sicurezza e prestazioni di alto livello. Infine, Neodata mette a disposizione dei propri clienti un motore di Content Recommendation capace di classificare i contenuti editoriali (testi, immagini e video) utilizzando tassonomie predefinite o Analisi Semantica, oltre che di associare contenuti e utenti in base al profilo di navigazione di questi ultimi.
Ma la sola tecnologia non è di per sé sufficiente a permettere alle aziende di giovare di una strategia di Data Quality: per iniziare un percorso di questo tipo le aziende hanno innanzitutto bisogno di concentrarsi su se stesse, consolidando la propria base dati. In una seconda fase, poi, occorre mettere a punto i cambiamenti – di processo, organizzativi e culturali – necessari a sostenere una svolta di questo tipo. Non a caso Neodata è in grado di offrire anche un servizio di supporto, formazione e consulenza a tutte quelle aziende che vogliono intraprendere un percorso profittevole basato sulla Data Quality.
