I dati nelle aziende sono tantissimi, ma sono affidabili?

Nelle aziende vengono accumulati numerosi dati, spesso senza che siano sfruttati in maniera strategica: nei diversi archivi sono nascoste opportunità che dovrebbero essere esplorate, valorizzandole, attraverso una corretta strategia di investimento. Una visione comune, riduttiva, valuta i dati come strumento per tagliare i costi e per ottimizzare i processi: invece, soprattutto negli ultimi anni, l’analisi dei dati può portare a importanti ritorni economici.

Fino a pochi anni fa, i dati erano usati solo come base per soluzioni aziendali di supporto alle varie business operation, utili ai fini decisionali; oggi, invece, nell’era dei Big Data, i vari settori di business si chiedono come utilizzarli al meglio per creare nuovi prodotti e servizi, come collaborare con altre organizzazioni per condividerli e creare nuove iniziative strategiche.

Le aziende si stanno concentrando sui vantaggi ottenibili dall’analisi di enormi quantità di dati, ma non possono perdere di vista le complessità associate alla loro acquisizione, alla loro preparazione e alla loro qualità, poiché la certezza di informazioni è cruciale per prendere decisioni efficaci e quindi per la buona salute delle aziende. Dati di scarsa qualità possono ridurre l’agilità del business, causare violazioni delle policy e produrre gravi sanzioni economiche da parte delle autorità. Di fatto, quasi 1 progetto su 2 fallisce per carenza di qualità dei dati.

Data Quality per una corretta Big Data Analytics

La domanda crescente di analisi su larga scala, Big Data Analytics, aumenta la necessità di una corretta governance dei dati e della garanzia di qualità dei dati stessi ed è altrettanto chiaro che, per avere dati accurati e utilizzabili nei progetti, la Data Quality debba essere integrata in ogni fase del ciclo di produzione e distribuzione dei dati: creazione (o inserimento), integrazione, scambio o arricchimento, fino al punto immediatamente precedente a dove il dato sarà caricato all’interno dei sistemi di destinazione.

È molto importante comprendere come la Data Quality non sia un esercizio tecnico che si fa una volta sola, ma è un processo continuo, da integrare negli altri processi aziendali che producono dati, che deve partire dalle sfide quotidiane del management, coinvolgendo tutti i settori aziendali.

Il valore dei dati in una strategia di business

Gartner prevede che entro il 2017, un terzo delle aziende Fortune 100 avrà riscontrato problemi legati alle informazioni, come ad esempio compromissione, mancanza di conformità o dati imprecisi. Tali problemi derivano dall’incapacità di valutare in modo adeguato il valore dei dati o considerare completamente attendibili le informazioni aziendali.

IDC prevede che i segmenti per il Data Quality nel mercato dell’integrazione dei dati e del software di accesso avranno un tasso di crescita annuo composto (CAGR) di 7,9% fino al 2019. Il segmento di software di qualità dei dati domain-specific è previsto in crescita, nello stesso periodo (2014-2019), con un CAGR del 9,6%. Il segmento generale del software per il Data Quality ha un CAGR previsto del 6,2%.

I CIO avvertono la necessità di integrare la Data Quality nei processi aziendali e di attuare una data governance coerente, che allinei la strategia sui dati con le strategie aziendali, orchestrando persone, processi e tecnologie di gestione del dato.

Cosa significa fare Data Quality?

  • Gestire la complessità, causata da fattori interni – organizzativi, di processo e così via – ed esterni, come espansione di mercato, servizi e prodotti diversificati per clienti più esigenti, e altro ancora.
  • Gestire la velocità: non ci si può più permettere di avere il conto economico cinque giorni dopo la fine del mese, o il lusso di ricostruire il dato a mano su Excel. Le informazioni per governare servono in tempo reale, meglio se in anticipo.

Sottovalutare la Data Quality: quali effetti negativi per le aziende?

  • Spreco di risorse: gli errori relativi ai dati influiscono negativamente sulle operazioni, comportando costi più elevati e perdita di profitti (ad es. un pacco che viene spedito all’indirizzo sbagliato);
  • Sanzioni normative: sono previste sanzioni per il reporting non accurato, ad esempio da normative come GDPR;
  • Analytics inaffidabili: il valore aziendale ottenuto tramite gli analytics è affidabile solo se lo sono i dati sottostanti alle dashboard. Ciò può influire negativamente sulle operazioni, la pianificazione, le previsioni e in definitiva sui profitti;
  • Danno della reputazione con i clienti: la reputazione con clienti, prospect, partner o fornitori può risultare danneggiata, a volte in modo irreversibile, se i dati sbagliati raggiungono il pubblico sbagliato;
  • Dati inaffidabili: per poter aggiungere dati al bilancio o utilizzarli come base di una differenziazione strategica, è necessario poterne dimostrare il valore come asset. Per farlo, devono essere della massima qualità possibile.

La Data Quality porta ritorni dell’investimento, sia qualitativi che quantitativi

Secondo gli esperti di IDC, i dati non saranno mai puliti e corretti al cento per cento. Le organizzazioni hanno bisogno di sapere quanto sono non precisi i loro dati, al fine di regolare il grado di fiducia e di rischio associato con l’utilizzo dei dati. I vendor specializzati possono aiutare non solo negli sforzi di pulizia, ma anche nella misurazione della pulizia stessa.

Gli strumenti a disposizione rendono più semplice scoprire se ci sono imprecisioni sui dati, permettendo di esaminarle a fondo con delle preview sui dati, fornendo la possibilità di impostare un processo replicabile per mantenere un elevato livello di qualità, con la possibilità di lavorare dove risiedono i dati, senza la necessità di spostarli: in questo modo le operazioni sono più veloci ed efficienti, e non si mettono a rischio i propri dati sensibili.

La Data Quality e l’impatto sul business

A cosa serve la Data Quality per il business di un’azienda? Che valore hanno le informazioni di qualità?

L’investimento nella gestione della Data Quality ha effetti concreti sul business di un’azienda, ad esempio nell’identificazione delle transazioni e dei processi legati ai dati che contribuiscono al successo della strategia di business. Questo consentirà di valutare l’impatto di un’iniziativa relativa ai dati affidabili rispetto ai principali indicatori di performance della strategia generale.

Che impatto hanno i dati di bassa qualità?

Ci si può chiedere quale sia l’impatto della scarsa qualità delle informazioni in termini di effetti che provocano sui diversi processi aziendali e sul tempo sottratto ad attività capaci di portare ricavi. Per esempio: «Chi viene danneggiato da questo problema di qualità dei dati?»,  «Quando e dove si verifica il problema?», «Quanto spesso si pone il problema?». Le risposte possiamo trovarle nei report del Data Warehouse.

Data Warehouse

Per fare un esempio, si può illustrare questa tecnica rispetto al problema relativo alla scarsa qualità delle informazioni nei report che provengono dal Data Warehouse: i compensi dei commerciali si basano su questi report ma, se sono sbagliati, i commerciali non si fidano dei loro compensi e perdono tempo nella creazione dei propri fogli di calcolo e a controllare e ricontrollare le cifre dei compensi. Questo tempo perso potrebbe essere più proficuamente impiegato nelle attività commerciali per aumentare il fatturato dell’azienda.

Più qualità = più strategie di business mirate

L’importanza di essere in grado di mostrare l’impatto sul business non può essere sottolineata abbastanza, dato che è essenziale per ottenere qualsiasi tipo di supporto per la qualità dei dati e delle informazioni, che si tratti di tempo, risorse, denaro o esperienza. È ormai indubbio che ogni azienda oggi, grazie alla Data Quality, può ottimizzare il proprio business in modo strategico, risparmiando tempo e denaro.