La Data Quality è una delle discipline del Data Management tra le più note e su cui le aziende lavorano da più tempo. Oltre ad affermarsi come abilitatore del corretto funzionamento dei processi decisionali data driven, la Data Quality è anche un requisito pervasivo di tante normative, soprattutto nell’ambito bancario, finanziario e assicurativo.
Dalla recente Survey di DAMA Italy sul Data Management, dedicata al mercato Insurance, emerge infatti che la Data Quality è ormai percepita come una vera e propria commodity, con quasi un 90% degli intervistati che si dichiarano dotati di un framework di controlli effettivamente efficaci e misurati.
Ma come si sono organizzate le aziende per l’impostazione dei propri modelli di Data Quality?
In assenza di indicazioni rispetto a normative precise, le aziende si sono basate su best practice e framework riconosciuti a livello globale, che, tuttavia, postulano principi generali, e che quindi richiedono approfondimenti per essere interpretati e risultare effettivamente operativi.
Pertanto, ad oggi, è difficile fare un reale confronto tra i modelli di Data Quality o comprenderne le differenze a livello di implementazione.
L’ISO (International Organization for Standardization) ha dedicato una serie di standard alla qualità, che prevedono l’ottenimento di precise certificazioni. Tra questi, di particolare interesse sono ISO/IEC 25012 e ISO/IEC 25024.
Il modello complessivo definito dai due standard può essere applicato indipendentemente dall’architettura e dalla tecnologia e quindi utilizzato per certificare la qualità di dati strutturati gestiti all’interno di un qualsiasi sistema informatico. Inoltre, le misurazioni di qualità coprono trasversalmente tutti i prodotti del ciclo di vita dei dati: dai modelli contestuali e concettuali al dizionario dati, dai documenti contenenti dati ai formati e alle interfacce, dai supporti cartacei di raccolta dati fino ai file, ai data base, alle banche dati.
Sulla base di tali standard, le aziende eseguono attività di Conformity Assessment propedeutiche alla certificazione formale che includono, ad esempio, una valutazione dello stato di maturità del framework adottato e una misurazione della distanza dallo standard.
Questo tipo di esercizio di documentazione, analisi e misurazione consente di assicurare un punto di vista oggettivo e indipendente sul sistema di Data Quality adottato e fornisce uno strumento efficace per orientare il proprio piano di miglioramento della qualità.
Vantaggi visibili sono anche la possibilità di migliorare la compliance normativa e valutare, nonché allontanare, possibili rischi, sensibilizzando data stakeholder e data steward/owner nell’attuazione di interventi di miglioramento continuo della qualità (continuous improvement).
Molte organizzazioni non ancora sono consapevoli dell’importanza del Data Quality per l’esecuzione dei processi aziendali e per la fornitura di informazioni gestionali sui risultati delle operazioni aziendali.
Compiendo attività di Conformity Assessment preliminari rispetto alle operazioni di Data Quality, però è possibile garantire più velocemente e consapevolmente l’avvicinamento verso la compliance con gli standard richiesti. I dati aziendali costituiscono la base del processo decisionale all’interno di un’organizzazione: è quindi fondamentale che la qualità dei dati sia sempre adeguata ed efficace nel supportare un buon processo gestionale, al fine di costituire un corpo aziendale solido e strutturato.
Marzia Blengino – Manager – SCAI Partners
