I leader senior delle aziende e i loro diretti sottoposti comprendono profondamente e si preoccupano degli obiettivi di business, del profitto e delle perdite delle loro aree di business, dei processi chiave e degli indicatori di performance (KPI) e di rischio (KRI) che li sostengono. Secondo Gartner, i problemi di dati che impattano negativamente sulle loro priorità principali saranno qualcosa a cui presteranno attenzione; la tesi è contenuta nel report “12 Actions Data and Analytics Leaders Can Take to Improve Data Quality”.
Pertanto, i leader di dati e analisi devono creare un collegamento causale tra iniziative e risultati di business, definendo l’essenza di ciò che i dati di buona qualità significano per gli stakeholder chiave. Devono identificare i processi aziendali critici, i loro KPI e KRI e gli asset di dati sottostanti che hanno un legame diretto con le priorità mission-critical dell’organizzazione. È fondamentale coinvolgere le parti interessate rilevanti per valutare il beneficio aziendale del miglioramento della qualità dei dati e identificare le metriche di qualità dei dati rispetto ai KPI/KRI che impattano sui processi aziendali identificati.
Sviluppare un approccio bilanciato al miglioramento della qualità dei dati
I leader di dati e analisi che mirano a migliorare la qualità dei dati nelle loro organizzazioni si rivolgono istintivamente prima alle soluzioni tecnologiche che offrono funzionalità utili di qualità dei dati. Secondo Gartner, le soluzioni moderne forniscono spesso eccellenti capacità di qualità dei dati, incluse funzionalità di augmented, che possono aiutare le organizzazioni ad automatizzare i flussi di lavoro dei processi e ridurre il time-to-value. Tuttavia, gli strumenti di qualità dei dati sono solo abilitatori per i programmi di qualità dei dati e non possono essere utilizzati come sostituti per la pratica della qualità dei dati.
È necessario investire anche nello sviluppo di processi di qualità dei dati per il profiling dei dati, la pulizia e la standardizzazione, l’integrazione, il monitoraggio e il controllo. Le organizzazioni devono comprendere, concordare, documentare e comunicare gli obiettivi per il miglioramento della qualità dei dati che producono i risultati aziendali desiderati.
Per sviluppare solide basi per il miglioramento continuo della qualità dei dati, secondo Gartner, i leader di dati e analisi devono utilizzare il profiling della qualità dei dati in modo tempestivo e frequente per valutare le lacune dei dati e le loro implicazioni aziendali, stabilire processi di feedback e feedforward che prevedono, monitorano e correggono i problemi di qualità dei dati, e costruire un modello basato sulla fiducia per guidare l’adozione a livello aziendale delle iniziative.
Stabilire una governance efficace per la qualità dei dati
Sebbene i team di dati e analisi svolgano un ruolo molto importante nel miglioramento della qualità dei dati, sono tipicamente gli stakeholder aziendali all’interno di un contesto di processo aziendale/operativo che sono gli autori e i principali consumatori dei dati. È quindi essenziale che questi stakeholder aziendali riconoscano e accettino di essere responsabili della qualità dei dati che creano. Tuttavia, è responsabilità dei team di dati e analisi chiarire quali dati forniti agli stakeholder aziendali sono stati creati all’interno dell’organizzazione, quali sono stati creati all’esterno e dove risiedono tali dati.
Quando i ruoli e le responsabilità sono ben compresi, gli organi di governance sono molto più in grado di utilizzare le politiche e gli standard di qualità dei dati per abilitare i risultati aziendali. Inoltre, ruoli come quello del data steward sono meglio attrezzati per far rispettare l’applicazione delle politiche e degli standard di qualità dei dati nei processi aziendali operativi.
Secondo Gartner, i leader di dati e analisi devono rendere la qualità dei dati un punto all’ordine del giorno nelle riunioni del consiglio di governance di dati e analisi, stabilire responsabilità e procedure operative per la qualità dei dati come parte del ruolo del data steward, e istituire un gruppo di interesse speciale per la qualità dei dati tra le unità aziendali e l’IT, guidato dal team del Chief Data and Analytics Officer (CDAO) o un organo equivalente. Questo consente di stabilire un modello di responsabilità per la qualità dei dati, identificare e affrontare le lacune nella gestione della qualità dei dati che impattano sugli obiettivi delle aree aziendali, e condividere problemi comuni di qualità dei dati e possibili soluzioni in tutta l’organizzazione.
Migliorare la cultura della qualità dei dati nell’organizzazione
Affinché il miglioramento della qualità dei dati diventi un’area di focus principale per l’organizzazione, secondo Gartner, devono essere intraprese azioni per integrare la qualità dei dati e la sua gestione nell’ecosistema dei dati aziendale, nell’architettura aziendale, nelle operazioni aziendali, nella gestione del rischio e nelle operazioni di audit interno. Tali opportunità di migliorare la maturità della qualità dei dati sono più probabili nelle organizzazioni che hanno già raggiunto un maggiore livello di maturità rispetto a quelle in fasi di sviluppo meno consolidate. I leader di dati e analisi dovrebbero tenere revisioni periodiche delle iniziative, comunicare i benefici e celebrare i successi per favorire l’impegno e la fiducia tra tutti gli stakeholder per il programma.
Integrare la necessità di qualità dei dati e comunicare i risultati aiuterà a far passare la cultura organizzativa da una mentalità reattiva a una proattiva verso la qualità dei dati, che accelererà i risultati. Gartner raccomanda inoltre di stabilire una revisione della qualità dei dati come “stage gate” (processo di revisione e assicurazione formale) per il rilascio, comunicare regolarmente i benefici di una migliore qualità dei dati ai reparti aziendali e sfruttare gruppi di pari esterni o del settore, come i gruppi utenti, per condividere idee e best practice sulla qualità dei dati.
