Qualità dei dati: il livello di fiducia e qualità si misura con gli Sla

La scarsa qualità dei dati induce a errori, inefficienze e inoperatività. Un errore relativo a un codice prodotto, a un indirizzo, a un numero di partita Iva o anche a un numero civico, per fare degli esempi banali, potrebbe rallentare il processo di fatturazione impattando così sui ricavi aziendali oltre a provocare un disservizio nei confronti della clientela. E il caso è tutt’altro che infrequente.
“La scarsa qualità dei dati è un problema che determina danni non solo in termini di mancati ricavi, ma anche in rapporto all’operatività degli utenti aziendali, all’efficienza dei processi di business, ai costi (extra per correggere gli errori), alla fidelizzazione della clientela”, spiega Enzo Ferrari, Product Manager Data Integration e Data Quality di Sas. “La qualità, di fatto, rappresenta il livello di efficienza con il quale i dati servono gli obiettivi di business. È quindi un aspetto decisamente critico”.
Il controllo sulla qualità dei dati, assume quindi un ruolo determinante all’interno delle iniziative di Data Governance. Stabiliti i parametri con i quali poter identificare e riconoscere la qualità dei dati, che possono essere accuratezza (intesa come correttezza dell’informazione), consistenza (compatibilità tra valori, per esempio tra Cap e città, tra città e prefisso telefonico, ecc.), validità (aggiornamento delle informazioni), disponibilità (intesa come prontezza con cui il dato è disponibile a coloro che ne hanno bisogno e lo utilizzano), accessibilità (facilità e velocità con cui i fruitori hanno accesso ai dati), ecc., diventa importante controllare tali parametri. Ed è qui che entra in gioco il concetto di livello di servizio.
“Il concetto di Data Quality Service Level Agreements dovrebbe rappresentare uno dei tasselli fondamentali della Data Governance ed essere quindi preso in considerazione fin dalle primissime fasi di definizione dell’iniziativa”, osserva Ferrari, “perché contribuisce a garantire il più alto livello possibile di fiducia del dato aziendale, fondamentale non solo ai fini di business, ma anche per la conformità normativa”.
“I rischi legati alla bassa qualità dei dati possono infatti indurre anche in infrazioni legali – aggiunge Ferrari – come nel caso di inesattezze finanziarie, rilascio accidentale di dati sensibili, ecc. Considerando che nei prossimi anni le organizzazioni dovranno essere in grado di rispondere alle regolamentazioni in ambito audit, come successo nel mondo Finance con Basilea II, il valore dei dati sarà sempre più un asset aziendale, in grado di impattare direttamente sul bilancio d’esercizio. La qualità del dato sta infatti spingendo, già oggi, molte aziende a identificare nuove prassi contabili e di reporting per misurare il valore dei dati a supporto delle performance aziendali”.
Come in tutti i casi in cui si rende necessaria una valutazione basata su metriche in grado di definire il livello di servizio, anche nell’ambito della qualità dei dati è impensabile risolvere la problematica attraverso un mero approccio tecnologico. “Non si può parlare di Data Governance e di Data Quality come di soluzioni It – evidenzia Ferrari -. Si tratta di iniziative che impattano sul core business dell’azienda. Proprio per questo diventa distintiva, a livello di business, la capacità di introdurre il concetto di qualità e di misurazione del dato”.
Il concetto di Sla è familiare ai dipartimenti It che utilizzano determinate metriche per la misurazione e il controllo del livello di servizio dei sistemi. “Per applicare tale metodologia a livello di controllo della qualità dei dati occorre, prima di tutto, definire delle regole da applicare a differenti livelli di granularità – spiega Ferrari -. Ossia, per ogni parametro identificativo del dato (accuratezza, consistenza, validità, ecc.) è necessario individuare il tipo di controllo, definire le regole che attivino tali controlli, in quali punti e in quali momenti vanno effettuati e con quali automatismi; il tutto, sulla base delle esigenze specifiche di chi utilizza i dati per il proprio business”.
È dunque chiaro che prima di arrivare a implementare una soluzione di Data Quality Service Level Agreements, è necessario capire in dettaglio qual è l’utilizzo dei dati che si fa in azienda, da chi e per cosa, attraverso quali processi e anche con quali strumenti (Erp, Business Intelligence, Crm, Business Analytics, Risk Management, Compliance, ecc.). “È fondamentale estendere il concetto di qualità del dato al di fuori dei dipartimenti It perché impatta in modo diretto sulle performance aziendali”, conclude Ferrari.