Analisi delle competenze manageriali in tema di Data Governance - Presentazione Iniziativa 06 maggio 2021
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Analisi delle competenze manageriali in tema di Data Governance Presentazione Iniziativa 06 maggio 2021
Presentazione di Inema
Da più di 30 anni
= innovazione Inema è leader nella
consulenza
Direzionale e
Operativa …
integrando lo
sviluppo di
organizzazione,
= management processi e sistemi
informativi
all’implementazione
Conoscenza del business, comprensione delle specificità del singolo dei progetti, fino
Cliente, proposta di soluzioni a valore aggiunto e passione per la all’ottenimento dei
gestione del cambiamento sono da sempre nel nostro DNA
benefici sul campo
3
I "pillars" dell'approccio Inema
Project Management Sustainable Industrial Engineering
pillar 06
pillar 01
I programmi di trasformazione L'applicazione di tecniche di Industrial
devono essere gestiti con tecniche di Engineering coniugate con i principi
Project Management per monitorare della sostenibilità consentono un
avanzamento, issue e rischi, costante allineamento con le sfide
garantendo il raggiungimento degli dell'ambito industriale di riferimento
obiettivi temporali e di costo definiti
Change Management Data & information Management
pillar 05
pillar 02
La gestione del Change Solo con l'utilizzo di tecniche di Data
Management sarà
fondamentale per garantire
TRASFORMAZIONE Management sarà possibile la
trasformazione Data –Driven
l'allineamento organizzativi e lo DIGITALE dell'Azienda sviluppando le capabilities
sviluppo delle competenze necessarie e rispettando criteri di
necessarie, mitigando al sicurezza dei dati e resilienza dei
contempo resistenze e criticità sistemi
Lean-Six Sigma
pillar 04
L'utilizzo del framework Lean
Metodologia Agile
pillar 03
Six Sigma consente una
costante ricerca di L'utilizzo della metodologia Agile consente di
miglioramento della produttività implementare sistemi e tecnologie in tempi
in un contest di continuous limitati garantendo fra l'altro Quick Win
INEMA 2020 improvement
4
Impostazione progettuale
Understand
«Analisi dellebusiness drivers
Competenze Manageriali in tema di Data Governance»
Foundational Concepts
OBIETTIVI ATTIVITÀ RICHIESTE
«In questo contesto si inserisce l’iniziativa progettuale promossa da A. Strutturazione survey (concepita per un campione selezionato di imprese), in grado di
indagare diversi aspetti fra loro correlati, In funzione dei diversi contesti aziendali quali:
FONDIRIGENTI che, attraverso l’analisi delle competenze manageriali in i. che cosa significa dover gestire in azienda basi dati molto più ampie ed
tema Data Governance in un panel di Aziende campione (almeno venti), ha eterogenee, con metodologie di analisi più sofisticate e sistemi di elaborazione
come obiettivi di verificare: delle informazioni sempre più performanti e rapidi
ii. che cosa significa avere una tecnologia di base abilitante con un'unica
• la sussistenza, presso le Aziende del territorio, di strategie di Data interfaccia per creare, validare, governare il proprio patrimonio di dati
Governance; iii. che cosa implica lo sviluppo di un'infrastruttura di Analytics dal punto di vista
• le modalità di implementazione di dette strategie; tecnologico, tale che essa possa eventualmente, integrare sistemi differenti, in
modo che possano comunicare tra loro
• lo sviluppo di tutte le competenze (tecniche e manageriali) di Data iv. quali sono gli strumenti che possono essere fruibili da utenti senza
Management necessarie per creare una "filiera del dato" interna e conoscenze
informatiche o statistiche avanzate Implementati in azienda
esterna, in linea con la propria "value chain";
v. quali sono i principali KPI che le aziende elaborano per rispondere a esigenze
• le aree di applicazione; di
• le metriche di utilizzo e di verifica dei processi e delle practice di Data interattività dinamica e personalizzabile
B. l'individuazione di un set rappresentativo di aziende campione (per settore e per
Governance.»
dimensione) a cui somministrare la survey, anche mediante interviste ai decisori
aziendali e responsabili di settore;
TARGET C. la realizzazione di un Focus Group con il management delle aziende campione nel
corso
del quale si potrà procedere alla raccolta delle evidenze;
Il campione che verrà preso in considerazione numericamente è pari ad D. l'elaborazione delle evidenze emerse;
almeno 20 imprenditori, manager e dirigenti di altrettante imprese della E. l'elaborazione di buone prassi che possano rispondere alle problematiche critiche
evidenziate;
provincia di Torino, di cui almeno l’80% aderenti al fondo. F. la diffusione dei risultati, in occasione di un convegno di chiusura delle attività, al
quale
parteciperanno tutti gli attori del progetto, i vertici delle parti Sociali e del Fondo e
coloro che a diverso titolo siano interessati alla tematica del progetto.
Understand
Contesto business drivers
di riferimento
Foundational Concepts
Le “domanda tipiche” del Business spesso aiutano ad illustrare come lo sviluppo di capabilities in Data &
Information Management supporta i “business driver” chiave
Business Drivers Chiave Domande chiave Data Management Capability
Offensiva
“Su quali segmenti di clienti voglio concentrarmi
o uscire?” Analisi Quantitative & Advanced
Profitto Analytics
"Quali strumenti sono disponibili in modo che i miei controller
possano concentrarsi sull'analisi e non sulla ricerca e pulizia dei
Business Intelligence & Reporting
dati?"
Data Governance Proattiva
Costi
"Come posso ridurre i costi generali relativi al reporting
trimestrale"
“Quanto sono accessibili i miei dati?”
Efficienza "Dov'è la fonte migliore per ottenere informazioni sui Data Architecture
clienti?"
Data Governance Preventiva
“Quanto sono buoni i miei dati?”
Data Quality
“Chi è responsabile dei miei dati?”
Compliance
Normativa /
Risk Approach “La struttura di governance esistente soddisfa i requisiti normativi Data Governance
e aiuta ad individuare i rischi?» Reattiva
Difensiva
ESEMPLIFICATIVO
Framework di riferimento
Data Management Body of Knowledge (DMBOK)
DAMA WHEEL Environmental Factors hexagon Knowledge Area Context Diagram (SIPOC)
8
Dal framework ai tools di riferimento
Assessment Completo
DMMA
Data Management Maturity Assessment
• 11 Knowledge Area • 8 Component
• 74 Sub-Area • 36 Capability
• 5 livelli di maturità • 112 Sub-Capability
• 6 livelli di maturità
In relazione al panel di Aziende individuate ed ai risultati della raccolta dati preliminare sarà scelto lo strumento di analisi più idoneo e il livello di
profondità da adottare
Un approfondimento sui tools
DMMA
Valutazione
0 - non coerente con situazione
Disciplina del
ID Sotto-categoria Domande Azienda
Data Management
5 - coerente con situazione
Azienda
Le strategie di business, le priorità, gli obiettivi e i KPI relativi all'Information management sono presenti e
1 Data Governance Data Management Planning
condivisi all'interno dell'azienda
2 Data Governance Data Management Planning E' stata pubblicata una Information Strategy
La nostra Information Strategy è legata alla strategia di business dell'azienda e viene utilizzata per guidare
3 Data Governance Data Management Planning
ogni attività di data management
4 Data Governance Data Management Planning La nostra Information Strategy è condivisa all'interno dell'azienda e liberamente accessibile
5 Data Governance Data Management Control Siamo in grado di calcolare il valore totale dei nostri dati
Il valre complessivo di nostri dati/informazioni è stato comunicato e viene promosso/utilizzato come
6 Data Governance Data Management Control
elemento strategico
La finalità della nostra Information Strategy è chiara e ha degli obiettivi specifici sulle attività di gestione
7 Data Governance Data Management Planning
dei dati, definendo ruoli e profili organizzativi responsabili del raggiungimento di questi obiettivi
8 Data Governance Data Management Planning E' presente una roadmap per l'implementazione della Information Strategy
I rischi relativi ai dati e alle informazioni vengono identificati, valutati e mitigati, assicurando che tali rischi
9 Data Governance Data Management Control
siano gestiti secondo gli opportuni requiisiti di compliance
Sono state definite policy, principi e standard dei dati, nonché specifici processi finalizzati alla gestione
10 Data Governance Data Management Control
delle informazioni all'interno dell'azienda
Abbiamo un approccio sistemico, basato sugli standard e sulle policy, per la gestione dei dati e delle
11 Data Governance Data Management Control infomazioni, che comprenda tutte le fasi del ciclo-vita (dalla creazione/acquisizione del dato siano
all'utilizzo e all'eliminazione / cancellazione del dato)
Abbiamo un'organizzazione di gestione e governance dei dati a livello aziendale che comunica, monitora
12 Data Governance Roles & Responsibilities
e applica la conformità con le politiche, gli standard, le procedure e l'architettura dei dati.
E' presente una struttura di data governance che monitora ed assicura che le informazioni da noi gestite
13 Data Governance Data Management Planning
siano pienamente compliance con le nostre procedure e con i requisiti normativi
Abbiamo identificato i nostri asset informativi (dati prioritari o critici) e li abbiamo assegnati a specifiche
14 Data Governance Roles & Responsibilities
figure organizzative come i data steward
Il loro ruolo e le responsabilità dei data stewards sono stati propriamente definiti e loro li hanno compresi
15 Data Governance Roles & Responsibilities
pienamente
16 Data Governance Data Management Control Sono presenti standard e specifici processi per gestire e risolvere problematiche di data governance
17 Data Governance Data Management Control Sono presenti processi di data management e vengono utilizzati sistematicamente all'interno dell'aziendaDal tools ai risultati
Dai risultati al percorso di crescita
Advanced
Fase 4
Analytics
Machine Learning
Piano di Implementazione: obiettivi per disciplina Big Data
Reference &
Document &
Masterdata
DWH & BI
Fase 3
LEVEL 1 INIZIALE LEVEL 2 RIPETIBILE LEVEL 3 DEFINITO LEVEL 4 GESTITO LEVEL 5 OTTIMIZZATO
Content
Data Singoli comitati di progetto e aree Gruppo informale di campioni di Vision for Data Governance definita Sponsorizzazione a livello esecutivo e Riconosciuto dai dirigenti di livello C
funzionali che reagiscono ai dati / esperti in materia senza ma non completamente acquistato in . termini completi di riferimento e sotto con riunioni e decisioni regolari
Governance problemi di dati quando vengono budget che consigliano aree Problemi relativi ai dati affrontati dalla gruppi in vigore. comunicate
Council &
Fase 2
generati. funzionali e progetti. gestioneTRANSITION
dei programmi
PLAN o Responsabilità per tutti gli aspetti dei DG Consiglio parte dei controlli interni
AS-IS TO-BE
Organisation CDO a livello aziendale non dall'architettura aziendale. CDO / DGO dati definiti e regolarmente esaminati. alle imprese.
realmente capito. in discussione. Ruolo di tipo CDO compreso per la Organizzazione CDO & DGO attivo
supervisione dei dati a livello aziendale
Ownership / Nessuna responsabilità chiaramente Champions dei dati o utenti con Proprietà e gestione definite e I principali soggetti di dati hanno La maggior parte dei soggetti di dati
Data Integration & Interoperability
assegnata. Sistema individuale e privilegi avanzati nelle funzioni applicate liberamente a un oggetto proprietari / steward nominati con sono attivamente gestito in conformità
Stewardship analisti ritenuti responsabili dei dati aziendali Master Data. responsabilità misurate e premiate. con le forze di polizia e gli standard e
Roles & o auto-nominati collaborazione limitata per i dati
AS-IS TRANSITION
Responsabilità parte delle descrizioni
PLAN TO-BE
sono accettati in tutta l'organizzazione.
Responsibilities condivisi. dei ruoli.
Principles, Nessuna policies o norme che Numero limitato di politiche Principi e policies per tutti gli Vengono adottati e raggiunti i processi Policies e standards regolarmente Data Storage &
coprano specificamente i temi formali, ma modalità di lavoro o argomenti concordati e pubblicati per assicurare politiche e standard. riesaminati e approvati dal Consiglio
Policies & pertinenti. progetti avviati. AS-IS TRANSITION
Norme adottate PLAN
o in fase di TO-BE
Dispensazioni e problemi risolti della DG. Operations
Standards implementazione Cambiamenti prontamente adottati
nelle operazioni e nei progetti
Data Security Data Modeling
Data Questioni relative ai dati sollevate e I singoli progetti di dati coprono le La governance dei dati e la strategia di Principali componenti della DG coperti. Programma completato e
considerate come parte dei requisiti iniziative locali con una certa gestione in tutta l'organizzazione sono 2a iterazione per perfezionare i miglioramento continuo dei
Governance per i progetti. Nessun mandato per
AS-IS
interazione
TRANSITION PLAN
state sviluppate e comunicate. processi e la gestione in corso.
TO-BE
componenti di Governance attraverso
Programme l'area di business incrociata Il programma ha preso il via per Comunicazione costante e DG parte il ciclo di revisione e raffin maggiore
istituire i processi della DG della formazione di induzione Comunicazione e aggiornamento della
formazione in corso
Data Architecture
Reporting & Livelli limitati, ad hoc e diversificati Standard per i progetti e la
AS-IS
Esiste un archivio condiviso per Documenti e misure regolarmente
TRANSITION PLAN
DG Consiglio che lavora sulla base
TO-BE
Metadata
di reporting allineati alle iniziative segnalazione operativa dei documenti e modelli correlati ai dati. rivisti e approvati. Processi in atto per della segnalazione delle eccezioni.
Assurance locali di aree funzionali, processi problemi di dati e dell'architettura Requisiti per le misure di qualità dei fornire la garanzia e per controllare la Pochi problemi di garanzia e di audit
aziendali o progetti dati sviluppati documentazione. evidenti, ma risolti rapidamente Data Quality
Data Governance Data Governance
INEMA 2020 42
Fase 1Modalità operative
1. Analisi delle Competenze
Manageriali in tema di Data 2. Min 20 Aziende in
Governance Provincia di Torino
4. Elaborazione dei risultati dei 3. Metodo di ricerca misto con
Focus Group e della survey focus group e survey online
quantitativa quantitativa.
5. Analisi delle evidenze da
parte del Gruppo di Lavoro della 6. Presentazione
Survey 2021 e stesura report risultati
finaleEsempio domande focus group (1 di 2)
BUSINESS DRIVER ANALYSIS
ISTRUZIONI:
1. Definire i driver principali per lo sviluppo della funzione di data management
2. Definire i benefit principali che l'organizzazione riceverà con l'implementazione del data management
3. Gli stakeholders devono associare un punteggio da 1 a 10 per ogni driver
DEFINIZIONI:
Data management driver = Key business driver per lo sviluppo della funzione di data management. Si tratta di risorse, processi o condizioni che hanno un impatto importante sulle
prestazioni dell'organizzazione.
Benefits = Benefit che l'organizzazione riceverà implementando la funzione di data management
Total score = Durante la valutazione di un driver specifico, si assegna un punteggio da 1 a 10. In questa colonna viene riportata la somma dei punteggi.
DM DRIVER BENEFITS SCORE TOTALE
Incrementare Ridurre i rischi Miglirare i Business Ridurre i Costi Migliorare Proteggere la
Fatturato Processi Continuity l'efficienza reputazione
Relativi al Business
Relativi ai DatiEsempio domande focus group (2 di 2)
Focus Group Focus Group Focus Group
Modello dei dati Esiste un «artefatto» all’interno dell’azienda Strategia Sono definiti politiche, principi, standard e processi Criteri per i dati di il criterio per la definizione di cosa significa avere dati di
riconosciuto come «modello dati aziendale»? richiesti per la gestione dei dati all'interno alta qualità alta qualità è definito e allineato alla strategia di
dell'organizzazione? business?
Allineamento Il Modello dei Dati aziendale è allineato con obiettivi e
Allineamento Data La strategia sui dati è guidata dalla strategia di business Consapevolezza L'impatto della qualità, o non qualità, dei dati è
Modello dei Dati e strategie di business?
Strategy con aziendale ed è utilizzata per guidare tutte le attività di degli impatti largamente compreso nelle nostre attività?
Business Needs
Business Strategy Data Management?
Data Lineage Esistono modalità strutturate (documentazione statica
Piano delle azioni Esiste una roadmap definita di implementazione per la Gestione dei difetti Applicando le metriche di qualità dei dati definite, noi
o tools software dinamici) per tracciare il flusso di un
strategia sui dati dell’organizzazione? siamo in grado di identificare specificatamente tutti i
elemento dati dal suo ingresso nei sistemi aziendali fino
difetti importanti sui dati raccolti?
alla sua pubblicazione finale o utilizzo in una decisione
di business? Ruoli Esiste un'organizzazione per la governance e la gestione
dei dati a livello aziendale che comunica, monitora e Gestione delle E’ definito un meccanismo consolidato per la
Data Esistono modalità strutturate per tracciare i requisiti di applica la conformità attraverso politiche, standard, segnalazioni segnalazione e il monitoraggio di incidenti e di attività
Requirements business sui dati e per verificare come nuove esigenze procedure e architetture dei dati? sulla qualità dei dati, ma anche e soprattutto per
possano integrarsi con lo stato attuale ricercare e risolvere tali incidenti?
nell’organizzazione? Leadership e Il livello di attenzione da parte della leadership e il
Commitment commitment sono mantenuti alti grazie alla
promozione e comunicazione del valore delle iniziative
di data management?
DAMA Survey 2 DAMA Survey 8 DAMA Survey 6Survey online quantitativa
Core Data Management Capabilities
Data Data
Data Quality Data Modeling
Governance Architecture
Domande a risposta chiusa che
Capabilities IT di supporto
affrontano diverse «dimensioni»
e capabilities del Data Architettura Architettura Data Lifecycle Infrastructure
Applicativa Tecnologica Management Management
Management e dei sistemi e
processi a supporto
Altre Capabilities
Project Change
Data Security Audit
Management Management
Business Business
Architecture Process
ManagementIl framework Data Management Body of Knowledge
Allineare Data Strategy e Business Strategy
Diventare una Data Driven Company significa essere capaci di utilizzare i dati per
migliorare processi e servizi disegnati sui bisogni degli stakeholders, ottimizzare i costi e il
livello di servizio, migliorare la soddisfazione del cliente, attraverso un uso efficace del
dato
Dalla Qualità dei Dati dipende la
Qualità delle Decisioni Decisioni di Impatto/
Business Risultato
Automazione (p.e. Regolazione Intelligente)
Decision automation
Advanced Analytics Prescrittivi/Recommendation
Analytics Decision support
Necessità di Analytics Predittivi
una "Single Dati
Cosa succederà?
Source of
Truth" Dashboards Interattivi
Perché è accaduto?
BI
B
I Reporting "statico" Attività Manuale
Cosa è accaduto?
Livello di automazione
INEMA 2021 CONFIDENTIAL 18Allineare Data Strategy e Business Strategy
La catena del valore del Dato
Grezzi Finalizzati
DATI INFORMAZIONI CONOSCENZA DECISIONI
sono collegate a deriva da si basano su
• I dati sono la rappresentazione digitale di eventi ed oggetti
(“input grezzi”)
• Le informazioni sono dati collegati ed organizzati (“dati LA QUALITÀ DEI NOSTRI DATI
contestualizzati”)
CONDIZIONA LA QUALITÀ DELLE
• La conoscenza è la consapevolezza che deriva dall'avere
NOSTRE DECISIONI
interpretato le informazioni (“interpretazione”)
• Decisioni sono le valutazioni e le scelte che facciamo basandoci
sulle informazioni acquisite (“risultati”)
INEMA 2021 CONFIDENTIAL 19Allineare Data Strategy e Business Strategy
Una Data Strategy di successo è collegata agli obiettivi di Business con soluzioni sia
organizzative, sia tecnologiche
Allineamento "Top-down" con
priorità al business
Gestione del personale, dei processi,
delle policies e della cultura aziendale
a partire dai dati
Sfruttamento e gestione dei
dati per un vantaggio strategico
Coordinamento e integrazione di
numerose fonti di dati
Gestione "Bottom Up" e
inventario delle fonti dei dati
INEMA 2021 CONFIDENTIAL 20Da dove iniziare?
Valutazione della Data Strategy & RoadMap
0. Obiettivi Aziendali e Strategia
1. Valutazione dello stato attuale 2. Definizione modello To-Be 3. Roadmap di Implementazione
(Workshop)
Identificazione degli obiettivi Autovalutazione della Proposta sulla struttura organizzativa, Programmazione delle
aziendali e allineamento coi dati maturity aziendale di processo e sulle capabilities priorità e identificazione
aziendali punti di ”Quick wins”
Modello di motivazione aziendale Data Management Maturity Assessment Struttura organizzativa & Framework Framework di Data Governance
Problemi dei dati e
Obiettivi aziendali
relative sfide
Vision e Strategia
Organizzazione & Processi & flussi di lavoro Data Management & Cultura & Comunicazione
personale Misure
Strumenti e Tecnologia
Indicatori Ruoli,
Riepilogo e e Misure Processi & Responsabilità Roadmap a 3-12-24 mesi
e Competenze
raccomandazioni Procedure
Definizione Driver aziendali per
iniziative strategiche sui dati
Raccomandazioni sull’architettura
tecnologica
Comunicazione
INEMA 2021 CONFIDENTIAL 21Da dove iniziare?
Valutazione della Data Strategy & RoadMap
0. Obiettivi Aziendali e Strategia
1. Valutazione dello stato attuale 2. Definizione modello To-Be 3. Roadmap di Implementazione
(Workshop)
Identificazione degli obiettivi Autovalutazione della Proposta sulla struttura organizzativa, Programmazione delle
aziendali e allineamento coi dati maturity aziendale di processo e sulle capabilities priorità e identificazione
aziendali punti di ”Quick wins”
Modello di motivazione aziendale Data Management Maturity Assessment Struttura organizzativa & Framework Framework di Data Governance
Problemi dei dati e
Obiettivi aziendali
relative sfide
Vision e Strategia
Organizzazione & Processi & flussi di lavoro Data Management & Cultura & Comunicazione
personale Misure
Strumenti e Tecnologia
Indicatori Ruoli,
Riepilogo e e Misure Processi & Responsabilità Roadmap a 3-12-24 mesi
e Competenze
raccomandazioni Procedure
Definizione Driver aziendali per
iniziative strategiche sui dati
Raccomandazioni sull’architettura
tecnologica
Comunicazione
INEMA 2021 CONFIDENTIAL 22Framework di riferimento
Data Management Association
DATA MANAGEMENT ASSOCIATION (DAMA)
• La Data Association Management fu fondata negli anni 80 per affrontare i problemi del DM (Data Management).
• DAMA conta oltre 60 capitoli in più di 25 paesi e oltre 60.000 associati
• DAMA è “Vendor Indipendent”, “Technology Indipendent” e “Method Indipendent”.
DATA MANAGEMENT ASSOCIATION CAPITOLO ITALIANO (DAMA ITALIA)
• DAMA Italia è il capitolo italiano affiliato ufficialmente, attivo e riconosciuto dell’International Data Management Association dal Novembre
2018 (https://dama-italy.org/)
STRUTTURA DEL DATA MANAGEMENT
• DM coinvolge un insieme di funzioni interdipendenti, attività e responsabilità, ognuna coi suoi scopi. Per tenere traccia di tutto, serve avere
una struttura (framework) per capire il DM nella sua totalità e vedere le relazioni fra le sue parti.
• Organizzazioni diverse hanno approcci diversi al DM e implementano le varie strutture differentemente, a seconda dei fattori chiave
come l’industria specifica, il range di dati utilizzato, la cultura, la maturità aziendale, la strategia e le sfide che si devono affrontare.
• Struttura DAMA DMBOK (DAMA Wheel, Hexagon e Context Diagram) descrive le Aree di Conoscenza del DM che creano lo scopo
dell’intero network del DM.
INEMA 2021 CONFIDENTIAL 23Framework di riferimento Data Management Body of Knowledge (DMBOK) INEMA 2021 CONFIDENTIAL 24
Framework di riferimento
Data Management Body of Knowledge (DMBOK)
1.Data Governance: Controllo e ownership dei dati
› Analisi della Supply Chain
2.Data Architecture Management: Definire i requisiti informativi ›
›
Specifiche
Analisi
› Architettura dei dati correlati
› Gestione del ciclo di vita
›
dell’organizzazione e un modello dati ›
Misurazione
Miglioramento
DATA
› Modellazione di dati
3.Data Modelling & Development: Implementazione dei dati DATA QUALITY
ARCHITECTURE
MANAGEMENT aziendali,concettuali e
› Progettazione MANAGEMENT logici
› › Analisi
4.Data Storage e Operation: Policy per il controllo e supporto dei dati (dalla
Integrazione
› Controllo › Database Design
› Consegna › Implementazione
loro creazione alla loro archiviazione / bonifica) META DATA
DATA
MANAGEMENT
5.Data Security Management: Policy per garantire sicurezza nell’accesso ai MODELLING
dati DATA › Acquisizione
DATA GOVERNANCE DATA STORAGE & › Recupero
› Progettazione DW › Messa a punto
WAREHOUSE ›
6.Data Integration & Inoperability: descrive i processi relativi al movimento & BUSINESS ›
Implementazione
Formazione e supporto › Strategia
OPERATIONS
MANAGEMENT
›
›
Conservazione
Eliminazione
e al consolidamento dei dati tra i sistemi INTELLIGENCE › Monitoraggio e › Organizzazione e Ruoli
›
ottimizzazione
MANAGEMENT › Big Data Policies & Standards
› Problematiche
7.Reference and Master Data Management: Policy per garantire REFERENCE & › Valutazioni
DATA SECURITY
MANAGEMENT
consistenza/corrispondenza dati e fonti originarie MASTER DATA
MANAGEMENT › Standards
› Classificazioni
8.Data Warehousing & Business Intelligence: Processi che generino › Codici esterni ›
›
Amministrazione
› Codici interni DOCUMENT & DATA
Autenticazione
dati/informazioni di supporto al decision-making ›
›
Dati del consumatore
Dati del prodotto
CONTENT INTEGRATION &
› Controllo
› Dimensione MANAGEMENT INTEROPERABILITY
9.Document and Content Management: Gestione dati documentali (sia Management
› Acquisiszione e stoccaggio
› Backup & Recupero
fisici che file) ›
›
Gestione dei contenuti › Modelli di integrazione
Recupero › Applicabilità
› Conservazione › Dati in movimento
10.Meta-data Management: Policy gestione Meta-data › Sfide
11.Data Quality Management: Policy di qualità del dato
INEMA 2021 CONFIDENTIAL 25Data Management & Data Governance
Troppo,
troppo presto? Alcune più avanzate discipline
del Information Management
• Master & Reference Data Management
• Data Quality Management
• Estrazione dati
• Big Data Analytics
• BI (Business Intelligence) & DW (Data
Warehouse)
• SOA (Service Oriented Architecture)
Discipline "di base"
del Data Management
E’ possibile acquisire alcune delle
• Data Governance
competenze avanzate, provarci • Data Stewardship
senza avere le basi significa: • Data Development
• Metterci più tempo • Organisational Data
• Consegnare meno Integration
• Spendere (e costare) di più • Data Management Function
• Correre rischi maggiori • People DM capabilities
CONFIDENTIAL 26Dai risultati al percorso di crescita
Advanced
Fase 4
Analytics
Machine Learning
Piano di Implementazione: obiettivi per disciplina Big Data
Reference &
Document &
Masterdata
DWH & BI
Fase 3
LEVEL 1 INIZIALE LEVEL 2 RIPETIBILE LEVEL 3 DEFINITO LEVEL 4 GESTITO LEVEL 5 OTTIMIZZATO
Content
Data Singoli comitati di progetto e aree Gruppo informale di campioni di Vision for Data Governance definita Sponsorizzazione a livello esecutivo e Riconosciuto dai dirigenti di livello C
funzionali che reagiscono ai dati / esperti in materia senza ma non completamente acquistato in . termini completi di riferimento e sotto con riunioni e decisioni regolari
Governance problemi di dati quando vengono budget che consigliano aree Problemi relativi ai dati affrontati dalla gruppi in vigore. comunicate
Council &
Fase 2
generati. funzionali e progetti. gestioneTRANSITION
dei programmi
PLAN o Responsabilità per tutti gli aspetti dei DG Consiglio parte dei controlli interni
AS-IS TO-BE
Organisation CDO a livello aziendale non dall'architettura aziendale. CDO / DGO dati definiti e regolarmente esaminati. alle imprese.
realmente capito. in discussione. Ruolo di tipo CDO compreso per la Organizzazione CDO & DGO attivo
supervisione dei dati a livello aziendale
Ownership / Nessuna responsabilità chiaramente Champions dei dati o utenti con Proprietà e gestione definite e I principali soggetti di dati hanno La maggior parte dei soggetti di dati
Data Integration & Interoperability
assegnata. Sistema individuale e privilegi avanzati nelle funzioni applicate liberamente a un oggetto proprietari / steward nominati con sono attivamente gestito in conformità
Stewardship analisti ritenuti responsabili dei dati aziendali Master Data. responsabilità misurate e premiate. con le forze di polizia e gli standard e
Roles & o auto-nominati collaborazione limitata per i dati
AS-IS TRANSITION
Responsabilità parte delle descrizioni
PLAN TO-BE
sono accettati in tutta l'organizzazione.
Responsibilities condivisi. dei ruoli.
Principles, Nessuna policies o norme che Numero limitato di politiche Principi e policies per tutti gli Vengono adottati e raggiunti i processi Policies e standards regolarmente Data Storage &
coprano specificamente i temi formali, ma modalità di lavoro o argomenti concordati e pubblicati per assicurare politiche e standard. riesaminati e approvati dal Consiglio
Policies & pertinenti. progetti avviati. AS-IS TRANSITION
Norme adottate PLAN
o in fase di TO-BE
Dispensazioni e problemi risolti della DG. Operations
Standards implementazione Cambiamenti prontamente adottati
nelle operazioni e nei progetti
Data Security Data Modeling
Data Questioni relative ai dati sollevate e I singoli progetti di dati coprono le La governance dei dati e la strategia di Principali componenti della DG coperti. Programma completato e
considerate come parte dei requisiti iniziative locali con una certa gestione in tutta l'organizzazione sono 2a iterazione per perfezionare i miglioramento continuo dei
Governance per i progetti. Nessun mandato per
AS-IS
interazione
TRANSITION PLAN
state sviluppate e comunicate. processi e la gestione in corso.
TO-BE
componenti di Governance attraverso
Programme l'area di business incrociata Il programma ha preso il via per Comunicazione costante e DG parte il ciclo di revisione e raffin maggiore
istituire i processi della DG della formazione di induzione Comunicazione e aggiornamento della
formazione in corso
Data Architecture
Reporting & Livelli limitati, ad hoc e diversificati Standard per i progetti e la
AS-IS
Esiste un archivio condiviso per Documenti e misure regolarmente
TRANSITION PLAN
DG Consiglio che lavora sulla base
TO-BE
Metadata
di reporting allineati alle iniziative segnalazione operativa dei documenti e modelli correlati ai dati. rivisti e approvati. Processi in atto per della segnalazione delle eccezioni.
Assurance locali di aree funzionali, processi problemi di dati e dell'architettura Requisiti per le misure di qualità dei fornire la garanzia e per controllare la Pochi problemi di garanzia e di audit
aziendali o progetti dati sviluppati documentazione. evidenti, ma risolti rapidamente Data Quality
Data Governance Data Governance
INEMA 2020 42
Fase 1Data Governance Framework: alcune definizioni
La Data Governance è l’esercizio dell’attività di
authority e controllo sulla gestione dei dati” -
DAMA
La Data Governance è un sistema di gestione
della disponibilità, usabilità, integrità, e sicurezza
dei dati utilizzati in azienda” - Dataversity
La Data Governance: è un sistema di regole e di
responsabilità sui processi di informazione, messi
in atto in base a modelli condivisi che definiscono
chi intraprenda quali azioni, con quali
informazioni e quando, in quali circostanze,
usando quali metodi ” - Data Governance
Institute
INEMA 2021 CONFIDENTIAL 28Data Governance Framework
La progettazione e l'adozione di standard e
policies (Data Governance) ricopre…
› La progettazione e l'operatività di un sistema di gestione che
assicuri che i dati forniscano valore e non siano solo un costo
› Chi può fare cosa con i dati e come può farlo
› Assicurarsi che gli standard vengano implementati e rispettati
› Una visione strategica dall’alto dell’intera organizzazione
Per assicurarsi…
› Che i principi e processi chiave del DM vengano applicati
› Continuo miglioramento attraverso la progettazione di una
strategia per il DM
Data Governance NON è …
› Un'attività "una tantum"…
› Responsabilità unicamente delle strutture ICT
INEMA 2021 CONFIDENTIAL 29Modelli di Data Governance
G O V E R N A N C E R E AT T I VA
• Esercizio tattico
• Sforzi concentrati a “risolvere” un problema specifico (es. sanzioni legate a If your main
nuove normative) motivation for
• L’organizzazione ha subito una perdita o un furto di dati Data
Governance is
G O V E R N A N C E P R E V E N T I VA Regulation &
• L’organizzazione sta affrontando cambiamenti o "minacce" significativi Compliance,
• Designata per salvaguardare l’azienda da crisi probabili o prossime the best you
• Guidata da imminenti bisogni di regolazione e conformità aziendali can ever hope
to achieve is
GOVERNANCE PROATTIVA just to be
• Sforzi concentrati nel migliorare l’abilita di risoluzione dei problemi “compliant”
• Crea una governance reattiva per definire meglio regole, modelli etc.
• E’ parte di una strategia più grande di Information Management C.M.Bradley (2013)
INEMA 2021 CONFIDENTIAL 30Fattori di successo per l'implementazione della Data Governance…
Chiara comprensione degli obiettivi aziendali
– Motivazioni
– Metriche
Sviluppare un Business Case di Data Governance
con obiettivi chiari e definiti
Gestione proattiva e realistica del Change
Management
Organizzazione efficace
– Chiara distinzione fra "ownership" e "accountability" dei
dati
– Forte leadership
– Sponsor dalle direzioni chiave
Project Management
– Sviluppo e implementazione delle discipline del Data
Management gestite da un modello di Data Governance
INEMA 2021 CONFIDENTIAL 31… e possibili ostacoli • Mancanza di risorse e conflitto sulle priorità • Data Ownership e altri problemi organizzativi Effort • Mancanza di coordinazione fra le attività aziendali • Mancanza di comprensione della DG • Resistenza al cambiamento • Mancanza di sponsor o fondi • Resistenza alle responsabilità • Carenza nelle motivazioni di Business • Inesperienza riguardo a iniziative "cross-functional" Controllo • Sostituzione di personale INEMA 2021 CONFIDENTIAL 32
Principali Business Driver per l’adozione della DG (esempi)
Driver Legali, Regolatori e di Compliance Corporate Strategy Drivers
• Basel & LEI (Legal Entity Identifier) – Settore Finanziario • Business Mission, Vision, Obiettivi
• Regolamento 38 – Settore Assicurativo • IT Mission, Vision, Obiettivi
• Principi di Risk Data Aggregation (BCBS 239) • Incrementare quota di mercato, ricavi
• Standard per Industria, ecc. (Norme ISO, , ---DMBOK) • Cost Management
• Iniziative di trasformazione
Information Technology Drivers
• Scarsa Qualità dei Dati • Costi e andamenti di spesa per il settore IT
• Fallimento implementazioni SW • eBusiness (Portals, EDI, Social Media, etc.)
• Ottimizzazione infrastrutture • Implementazione/aggiornamento delle app principali
• Crescita di contenuti non strutturati • Sfide tecnologiche associate a BI/DW
Industry Trend Drivers
• Incremento dei costi • Distribuzione "On Demand" di prodotti, servizi dati, informazioni
• Miglioramento soddisfazione degli Stakeholders & knowledge
• Cambiamenti emergenti nei modelli di delivery • Standardizzazione di Dai & Informazioni
• Comportamento della Clientela • Convergenza delle Business Platforms
• Trasparenza verso gli Stakeholders
INEMA 2021 CONFIDENTIAL 33Tipologie di modelli operativi per la Data Governance
• Centralizzato
• Approccio ”top-down”
Centralizzato Decentralizzato
• Decentralizzato
• Struttura piatta, più virtuale
Ibrido Federato
• Ibrido/Federato
INEMA 2021 CONFIDENTIAL 34Tipologie di modelli operativi per la Data Governance: centralizzato
Pros: DG DG
Executive Steering
Posizione di Data Governance executive Sponsor Committee
formalizzata
Data Governance Steering Committee
riporta direttamente all'Executive Data
Data Governance Lead – una persona al Governance
Lead
top: facilitazione nel decision making
Maggiore semplicità di gestione per
tipologia/famiglia di dato Supporto di Business Supporto Tecnico
Business Data Data Technical Data
Cons: Analysis Management Architecture Analysis
Group Group Group
35 Group
Elevato impatto organizzativo
Nuovi ruoli formali (approvazione da parte
HR)
Separazione fra ruoli di business e ruoli
tecnici
B.U./Linee di Business
INEMA 2021 CONFIDENTIAL 35Tipologie di modelli operativi per la Data Governance: decentralizzato
Pros:
Organizzazione relativamente piatta B.U./Linee di Business
Organi di Data Governance informali Data Governance Steering
Relativamente veloce da implementare Committee
Cons:
Consenso più difficile da raggiungere
Strutture di Governance più difficili da
consolidare
Sostenibilità nel tempo più difficile da mantenere
Fornisce meno valore BU/LdB Data Governance Working
36
Group
Difficoltà di coordinamento
Data Application Business
"Business as usual" Data Analysts
Stewards Architects Analysts
La co-ownership dei dati complica la
responsabilità sugli stessi
INEMA 2021 CONFIDENTIAL 36Tipologie di modelli operativi per la Data Governance: ibrido
Pros: Data Governance Organization
Struttura centralizzata per definire le strategie di DG
La posizione di "leadership" della DG è in un unico punto di contatto di
responsabilità centralizzata
La posizione di "comando" della Data Governance Lead è un ruolo
Data Governance Steering
dedicato full time – DG riceve l'attenzione che merita Committee
Ampi Gruppi di Lavoro per facilitare la collaborazione e la costruzione
del consenso
Potenzialmente un modello più semplice da implementare inizialmente
e da sostenere nel tempo
Abbassa il processo decisionale Data Governance Office
Capacità di concentrarsi su entità dati specifiche
Risoluzione dei problemi senza coinvolgere l'intero team
Cons: Data Governance Working Group
Il Data Governance Leader è una posizione full-time interamente
dedicata
I gruppi di lavoro numerosi possono portare a conflitti di priorità Business Stakeholders Abilitazione IT
aziendali
Troppi “livelli”
INEMA 2021 CONFIDENTIAL 37Tipologie di modelli operativi per la Data Governance: federato
Pros: Data Governance Organization
Strategia aziendale centralizzata con esecuzione e implementazione
decentralizzate Enterprise Data Governance Steering
Il ruolo di DG Leader assegnato univocamente per la gestione Committee
Il “Federated” DG agisce per Linea di Business (LOB) per
autorizzare divisioni con diversi requisiti
Potenzialmente un modello più facile da implementare e sostenere
nel tempo Enterprise Data Governance Office
Facilita le decisioni
Abilità nel concentrarsi su dati specifici, controversie fra le divisioni e
bisogni territoriali
Risoluzione dei problemi senza ricorrere all’intera squadra Data Governance Groups
Cons: Divisional DG Divisional DG Divisional DG
Office Office Office
Troppi livelli
L’autonomia al livello LOB può essere complessa da gestire Business Business Business
Difficile equilibro fra priorità LOB e aziendali Stakeholders Stakeholders Stakeholders
IT Enablement IT Enablement IT Enablement
INEMA 2021 CONFIDENTIAL 38Modello di Data Governance vs. razionali?
Quale modello e quale razionale sui dati scegliere?
Iniziamo a parlare di Ruoli e Competenze
INEMA 2021 CONFIDENTIAL 39Ruoli, responsabilità, strutture organizzative e principi tipici per la DG
ALCUNI RUOLI STANDARD (definiti da DAMA I e DAMA Italy)
• Chief Data Officer: parte dell’Esecutive Team ed a capo delle attività relative al Data Management dell’azienda.
Provvede Leadership per iniziative volte alla data-driven culture. Possibilimente Budget Holder.
• Data Owner: solitamente parte del Senior o Middle Management Team a cui fa capo una linea di Business o
Dipartimento. Le responsabilità sui Dati di propria competenza sono relative alla definizione dei requisiti di
mantenimento e aggiornamento, nonché di accesso all’informazione ed utilizzo.
• Data Steward: solitamente SME (Subject Matter Experts) con una conoscenza di tutti i fondamenti di Data
Management che operano come «liaison» fra il Business e l’ICT. Spesso non sono full-time su questo ruolo
perquanto le attività di Stewardship debbano essere formalizzate e documentate.
• Data Scientist: con l’avvento delle nuove tecnologie di BI e metodologie predittive e preventive basate sul concetti
introdotti dal Big Data, coloro che storicamente erano conosciuti come Data Engineers stanno vivendo un revamp.
Oggi i Data Scientists si occupano principalmente delle attivita’ di Data Mining, utilizzo nuove tecnologie a supporto
dei Data Lake e, purtoppo...soprattutto al Data Cleansing!
• Data Analyst: solitamente afferenti al Business (PMO o team di Analisti) e si occupano della parte di «analisi
contestuale» dei dati, nonche’ della loro interpretazione e reportistica per il Business.
INEMA 2021 CONFIDENTIAL 40Ad ogni ruolo corrisponde un set di Skills Tecniche e di Business
DATA OWNER DATA SCIENTIST
DATA STEWARD
DATA ANALYST
INEMA 2021 CONFIDENTIAL 41Case Study: Implementazione di un programma di DG
Con gestione
guidata dalla Modelli di Dati
Data Governance appropriati all’impresa
1. Che dati
servono per
Collegati a
gestire la
nostra Modelli di processo
impresa?
INEMA 2021 CONFIDENTIAL 42Case Study: Implementazione di un programma di DG
Glossario
d’impresa
Accordi sulle Registrate nel
definizioni
2. Siamo
d’accordo su
cosa
significhino?
Stakeholders
INEMA 2021 CONFIDENTIAL 43Case Study: Implementazione di un programma di DG
Modelli di dati a
livello di impresa
Glossario
di impresa Definiti nel
Sappiam
o dove si
trovano?
I cui dati sono catalogati nel
Sistemi
Modelli di
dati fisici
INEMA 2021 CONFIDENTIAL 44Case Study: Implementazione di un programma di DG
Responsabilità,
abilità,
competenze,
4. La nostra
capacità e
bisogni di
struttura sviluppo
responsabile
ha le capacità
e le risorse
per poter
gestire tutto?
INEMA 2021 CONFIDENTIAL 45Case Study: Implementazione di un programma di DG
Qualità dati e
metriche normative, Collocate nei
misure e processi
5. E’ richiesti?
adatto
Ruoli appropriati
Avere le corrette
competenze e prassi
agli scopi
richiesti?
azionisti
Sicurezz
a
INEMA 2021 CONFIDENTIAL 46Puoi anche leggere
