Che cos’è e a cosa serve Data Management in azienda

Negli ultimi anni è sempre più diffuso nel campo informatico il concetto di Data Management, ossia lo sviluppo, l’esecuzione e la supervisione di piani, politiche, programmi e pratiche che controllano, proteggono e valorizzano il valore delle attività di dati e informazioni.

ll Data Management non può essere approcciato come in passato, quando le priorità si riducevano a una governance del dato a livello IT e alla sua fruizione da parte di alcuni utenti ristretti. Oggi gli scenari sono cambiati e la definizione della corretta strategia di Data Management, dovrebbe tenere conto di alcune importanti considerazioni, obiettivi e caratteristiche:

• le fonti di big data continuano ad evolvere e crescere: “ondate” di nuovi dati continuano a essere generate non solo dalle app aziendali interne, ma da risorse pubbliche (come per esempio il web e i social media), piattaforme mobile, data services e, sempre di più, da cose e sensori (Internet of Things). Secondo gli analisti esperti in questo ambito, la strategia di un data analyst non può non tenere conto di questi aspetti, spesso ricondotti alle caratteristiche di volume, velocità e varietà dei Big data in continua crescita ed evoluzione. Per le aziende diventa fondamentale riuscire, secondo una logica di continuous improvement, a identificare le nuove fonti e incorporarle nelle piattaforme di Data Management;
• catturare, gestire e archiviare tutti i dati aziendali per preservare storia e contesto: i dati depauperati del contesto servirebbero a poco, nell’era della gestione dei big data diventa quindi fondamentale riuscire a catturare ed archiviare tutti i dati utili all’azienda. Ma poiché la loro utilità spesso non è valutabile a priori, diventa una sfida riuscire ad averli tutti a disposizione e poi, appunto, trarre il significato dei big data raccolti;
• analizzare scientificamente i dati per arricchirli di senso utile: l’obiettivo dei progetti di big data analytics non è generare report su ciò che è accaduto ma comprendere come questo possa aiutare a prendere decisioni migliori. Ciò significa cambiare il modello di data analysis dei dati optando per approcci cosiddetti descrittivi, predittivi, prescrittivi, ossia sfruttando applicazioni di big data analytics attraverso le quali generare insights, conoscenza utile ai processi decisionali (anticipando per esempio i bisogni del cliente conoscendone in realtime preferenze ed abitudini). Riuscire in questo obiettivo richiede nuove competenze: in particolare quelle dei data scientist, che, utilizzando machine learning algorithms e advanced visualization tools possono generare informazioni significative e non scontate, a sostegno della competitività e della redditività aziendale;
• rilasciare dati velocemente e liberamente a tutti coloro che hanno necessità: sarà sempre più necessario dotare le piattaforme di gestione dei big data di funzionalità innovative attraverso le quali poter rendere disponibili e accessibili i dati lungo tutti i livelli aziendali.