Data management, che cos’è e come trovare tesori tra i dati

Fare data management per un’azienda non significa, semplicemente, gestire i propri dati. Oltre la traduzione letterale dell’espressione, il data management è un’attività complessa e composita, che merita la massima attenzione se è vero (ed è vero, per quanto ormai sia banale ricordarlo) che i dati sono il nuovo petrolio nel mondo, sempre più digitalizzato, in cui viviamo. Le aziende di ogni dimensione e settore devono proteggerli, innanzitutto, ma anche imparare a raccoglierli, catalogarli, conservarli, analizzarli e, se necessario, cancellarli. 

Obiettivi impegnativi, che richiedono attività di raccolta, indicizzazione, archiviazione, backup, trasferimento, analisi.Tutto questo è data management e rappresenta una sezione sempre più ampia nella sfera di delle attività di gestione informatica, ma anche di gestione del valore, del sapere e della proprietà intellettuale di un’azienda. La figura di riferimento è quella dell’amministratore di database ma il data management coinvolge anche professionisti che ricoprono ruoli decisionali e, nelle realtà più strutturate, i responsabili della privacy e della protezione dei dati. 

Secondo la definizione dell’associazione no-profit Dama International, punto di riferimento per i professionisti del settore, il data management è lo “sviluppo ed esecuzione di architetture, policy, pratiche e procedure che consentono di gestire propriamente le esigenze legate al ciclo di vita dei dati all’interno di un’azienda”. Bisogna quindi curarsi di tutto il percorso dei dati, dalla loro creazione all’archiviazione o cancellazione, tenendo conto di aspetti propriamente tecnologici così come di regole e di procedure. Sono queste le tre anime del data management: tecnologie, policy e processi. 

Un mercato in crescita

A detta della società di ricerca MarketsAndMarkets, su scala mondiale il mercato dei software e dei servizi di data management crescerà a un tasso Cagr del 9,5% fra il 2020 e il 2025. Si passerà dal valore di 77,9 miliardi di dollari registrato nel 2020 a un giro d’affari stimato di 122,9 miliardi di dollari nel 2025. Non c’è da stupirsi: le aziende avranno sempre più bisogno di metodi e strumenti per mettere ordine fra i propri dati. Continueremo, infatti, ad assistere a un’impetuosa crescita dei dati, trainata dall’uso dei dispositivi mobili, dall’Internet of Things, dal commercio online, dai social media, dalla migrazione sul cloud e dai molti fenomeni di digitalizzazione della società. 

A far da traino al mercato sarà anche il crescente bisogno delle aziende di soddisfare i requisiti di compliance a normative come il General Data Protection Regulation (Gdpr), tra i cui principi spiccano l’accuratezza, la trasparenza sul trattamento e la cosiddetta minimizzazione (i dati personali devono essere “adeguati, pertinenti e limitati a quanto necessario rispetto alle finalità per le quali sono trattati”).

Le principali tecnologie di data management

Possiamo intendere il data management in senso lato, includendo nella categoria tutte le soluzioni digitali che aiutano a gestire e a proteggere i dati, dall’archiviazione al backup, ai sistemi di gestione delle identità, e via dicendo. Nell’accezione più ristretta, il mercato è fatto di software e servizi che permettono di raccogliere, manipolare,  indicizzare, correlare, analizzare, archiviare, interrogare tramite query,  integrare e distribuire dati su diverse piattaforme. A seconda delle proposte dei vendor e delle necessità del cliente, il modello di deployment può prevedere l’impiego di infrastrutture on-premise, di risorse totalmente in cloud o di un mix delle due cose all’interno di ambienti “ibridi”.

Si tratta complessivamente di un mercato piuttosto frammentato, sia dal punto di vista dei vendor sia dal punto di vista tecnologico, con l’accostamento di software proprietari e open-source. Ricca è l’offerta di soluzioni verticali, indirizzate per esempio ai settori bancario e finanziario, telecomunicazioni, IT, manifattura, commercio, energy & utilities, sanità, enti governativi e difesa. L’aggiunta di funzionalità di automazione e di intelligenza artificiale è la nuova frontiera, su cui alcuni vendor stanno premendo l’acceleratore. 

Molte delle soluzioni svolgono più di una delle funzioni elencate, ma a grandi linee è possibile distinguere:

-Gestione di database (database management systems, Dbms)

-Data warehouse

-Data lake 

-Data integration

-Data migration

-Data mining

-Analytics/visual analytics

-Machine learning

-Data protection (archiviazione, backup, recovery)

Perché il data management è importante

Perdere dati per un’azienda significa perdere denaro, lavoro, reputazione, proprietà intellettuale: le conseguenze spaziano dall’interruzione di servizio alle multe per mancata compliance, dal danno d’immagine al tempo perso per ripristinare interi sistemi. Chiunque abbia subìto un attacco ransomware o DDoS, oppure un guasto hardware o un’interruzione sulla rete sa quanti problemi possano derivarne. 

Per un’azienda può essere deleterio anche possedere dati di cui non è consapevole, dati che restano nell’ombra, che non vengono efficacemente correlati gli uni agli altri. Il disordine fra i dati è una grande opportunità mancata, perché significa avere un potenziale tesoro senza sapere dove cercarlo. La questione non è banale: con il moltiplicarsi delle fonti di dati (dispositivi, utenti, applicazioni, oltre al grande calderone del Web) e dei luoghi che li contengono (data center interni alle aziende, cloud pubblici, privati e ibridi) è molto facile perdere il controllo.

I software e i sistemi di data management possono portare alla luce i tesori nascosti fra i dati. Per qualsiasi azienda essi sono strategici per lo studio del mercato, dei clienti e della concorrenza, per la ricerca di ottimizzazioni, per la scoperta di nuove opportunità (di vendita, marketing, ottimizzazione dei costi, apertura su nuovi mercati, eccetera) e per la crescita di lungo periodo. Un buon data management è il lavoro fondamentale e fondativo sopra al quale costruire altre attività più specifiche e sofisticate, come la Business Intelligence, gli analytics, le applicazioni di intelligenza artificiale, la manutenzione predittiva, e via dicendo. 

Un’ottimale gestione dei dati favorisce anche la velocità, l’efficacia e il buon funzionamento delle operations aziendali, limitando i ritardi, gli sprechi e i potenziali problemi (pensiamo alla manutenzione predittiva, resa possibile da alcuni tipi di analytics). Il data management aiuta anche a rispettare la compliance alle normative specifiche del settore aziendale e a regolamenti come il Gdpr, nonché a soddisfare le necessità di tutela della privacy e quelle del reporting finanziario.

Quali sono i dati da gestire 

Oggigiorno le aziende producono, raccolgono e gestiscono un’ernome quantità e varietà di dati. Dati interni, come quelli prodotti dalle operations o dalle interazioni con clienti e fornitori, e dati esterni, come quelli di mercato o quelli acquisiti da società terze. Dati strutturati, come i numeri di un bilancio o le statistiche di vendita, e dati non strutturati, come le interazioni social e le immagini che popolano il Web. Non dimentichiamo le tante tipologie di dati relativi all’universo IT di un’azienda, all’infrastruttura, alle applicazioni, agli eventi di sicurezza, e molto altro ancora. Potenzialmente, qualunque “oggetto”, relazione o interazione produce dati, in uno scenario di esponenziale crescita delle informazioni e di estrema eterogeneità. 

Ma quali sono i dati di cui tener conto? Potenzialmente, tutti. Nessuna categoria può essere esclusa a priori. Ciascuna azienda, però, deve valutare quali dati siano rilevanti e quali “rumore di fondo”, e attuare strategie di selezione per non restare travolta. Un modello standard non esiste, ma in tutti i casi il primo passo da compiere è eseguire un assessment di tutti i dati posseduti o potenzialmente raggiungibili. A volte i dati più preziosi sono quelli che giacciono inutilizzati o quelli che l’azienda ancora non sa di avere.

Le sfide del data management

Più i dati crescono in quantità, varietà e provenienza, più la loro gestione diventa complessa. Il mix di risorse on-premise e cloud rappresenta un’ulteriore potenziale complicazione. Vediamo le principali sfide del data management e alcuni consigli per affrontarle:

-L’eterogeneità dei dati: tipologie di dati, fonti, modalità di raccolta differenti e talora non comparabili fra loro. Incoerenze interne e dati duplicati sono problemi ricorrenti. Per i dati acquistati da terze parti o raccolti dal Web, inoltre, è più elevato il rischio di inaccuratezza. Da qui l’esigenza di attività di data quality e data preparation.

-La frammentazione dell’IT: presenza di diverse infrastrutture cloud e on-premise, applicazioni interne ed esterne alle aziende. Un noto rischio è la formazione di “silos” non comunicanti fra loro. Soluzioni specifiche per gli ambienti ibridi possono però risolvere il problema, offrendo strumenti di gestione centralizzati e prevedendo integrazioni con applicazioni estere. L’obiettivo è quello di ottenere una visione unificata, complessiva.

-La dispersione dei dati: mancata opportunità su dati che non vengono censiti o raccolti. Può esserci valore nascosto anche all’interno di data warehouse e data lake non strutturati, che conservano dati di vario tipo in un unico repository. È opportuno non dare nulla per scontato ed eseguire un assessment sui dati visibili e “nascosti”, anche coinvolgendo personale esterno al reparto IT (marketing, vendite, customer service, HR) per ottenere diversi punti di vista.

-Le esigenze di archiviazione: serve spazio per contenere un volume di dati sempre in crescita. Il cloud può fornire risorse di storage a costi affrontabili e con vantaggi di flessibilità e scalabilità.

-La velocità: in molte applicazioni è una primaria esigenza. Al crescere dei volumi di dati, bisogna mantenere elevate le prestazioni delle applicazioni: un hardware potente in certi casi può fare la differenza, ma sono importanti anche le connessioni di rete e, all’interno dei database, una corretta e sempre aggiornata indicizzazione. Se cambiano le esigenze del business, allora cambiano anche le query e di conseguenza avremo bisogno di nuovi metadati per trovare le giuste risposte.

-La compliance: relazioni finanziarie e trattamento dei dati personali sono aspetti particolarmente sottoposti a regolamentazione. Si rischiano sanzioni in caso di errori in attività come la raccolta, l’analisi, la pubblicazione di dati dei clienti, oppure la mancata notifica di incidenti informatici.  Per questo è importante innanzitutto avere visibilità sui dati, poterli tracciare ed esaminare in qualsiasi momento e conoscere la loro esatta collocazione. 

Data management, non una semplice gestione dei dati

Di fronte al proliferare dei dati, non è semplice capire quali informazioni siano davvero importanti. Non è semplice mettere ordine in un mare di dati eterogenei. Non è semplice gestire la frammentazione che caratterizza la maggior parte degli ambienti informatici aziendali. Diventare “data-driven” richiede impegno, ma le soluzioni di data management permettono di vincere queste sfide. Che si tratti di database, repository di dati grezzi, software di analisi evoluti o intelligenza artificiale, il data management è oggi una tra le attività più strategiche per qualsiasi tipo di azienda, e sempre più lo sarà domani.