«Sono un manager impegnato a gestire un’azienda e ho un importante progetto tecnologico in corso. Perché dovrei preoccuparmi della qualità dei dati»?
Come è possibile dare una risposta concreta a questa domanda? La qualità dei dati c’è ogni volta che qualcuno in azienda tira fuori il nome e l’indirizzo di un cliente per prendere un ordine, preparare una spedizione, inviare materiali di marketing oppure mandare una fattura, e si può contare che si tratti di informazioni corrette che permettono di completare efficacemente le transazioni di business. Anche se può sembrare ovvio, vorrei sottolineare che cosa questo significa per il cliente, cioè colui che fornisce i mezzi che mantengono attiva la vostra azienda. Il cliente è felice che l’ordine sia stato preso in fretta perché la corretta informazione era disponibile e che il rappresentante abbia confermato che il prodotto desiderato è in magazzino. La spedizione è stata ricevuta dal cliente senza alcun problema, perché l’indirizzo è corretto. La fattura contenuta nel pacchetto era corretta e corrispondeva a ciò che il cliente si aspettava quando l’ordine è stato effettuato. La qualità dei dati significa che ti puoi fidare della tua business intelligence e degli analytics. Ogni volta che si mettono insieme le informazioni relative ai clienti migliori in tutta l’azienda, si può tranquillamente impostare la strategia in base a tali report. Ma se si passa il tempo a discutere quali report sono corretti - quando i numeri dovrebbero essere giusti ma non lo sono - allora c’è un problema di qualità dei dati. Quanto tempo viene sprecato cercando di conciliare i report, invece di agire in base a quello che ci dicono i report stessi?
Ancora una volta, perché queste cose sono importanti? Perché quanto più efficacemente ci prenderemo cura dei nostri clienti, meno tutto questo costerà all’azienda. E soprattutto aumenterà anche la probabilità che i nostri clienti decidano di fare affari di nuovo con noi, con un corrispondente incremento del fatturato.
Se si implementa un nuovo sistema, come per esempio un CRM (customer relationship management) o un ERP (enterprise resource planning), o si sostituisce un’applicazione legacy con le più recenti tecnologie, è molto probabile che si abbiano integrazioni e spostamenti dei dati da diversi sistemi sorgente. Se è così, vi garantisco che si avrà un problema di qualità dei dati.
Buone e cattive notizie - Posso dirlo con sicurezza, perché ogni progetto in cui sono stata personalmente coinvolta o di cui ho sentito parlare - e nel quale vi erano integrazioni e spostamenti di dati - ha avuto problemi di qualità dei dati, che dovevano essere affrontati per fare in modo che l’applicazione funzionasse correttamente una volta messa in produzione. I dati che soddisfacevano le esigenze di una particolare area funzionale sono ora combinati con i dati di altre aree funzionali, con risultati spesso molto scarsi. Molte volte, i problemi di qualità dei dati colgono di sorpresa i progetti. Sia che il progetto si trovi ancora agli inizi oppure che sia già in produzione, non è raro scoprire che i problemi di qualità dei dati e delle informazioni impediscono all’azienda di realizzare i benefici dei loro investimenti in nuovi sistemi. Questa è la cattiva notizia. Ma la buona notizia è che c’è qualcosa che si può fare a questo riguardo, per evitare i problemi che la scarsa qualità dei dati porta con sé. Così come ci sono persone in azienda con conoscenze specifiche nell’ambito tecnologico (come i data architects, gli sviluppatori di applicazioni e i programmatori) e aree di business quali la contabilità (con il chief financial officer, i controller e le persone del finance), vi sono anche conoscenze specialistiche relative alla qualità dei dati e delle informazioni. Una fonte di aiuto per affrontare le sfide della qualità dei dati nei progetti è il mio libro intitolato “Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information” (L’esecuzione di progetti di qualità dei dati: i dieci passi per avere qualità dei dati e informazioni attendibili).
I dieci passi - La metodologia Ten Steps, dei dieci passi, è costituita da un framework di riferimento, da concetti e da processi per creare e migliorare la qualità dei dati e delle informazioni all’interno di qualsiasi organizzazione. Il processo Ten Steps contiene le istruzioni concrete per l’esecuzione dei progetti di miglioramento della qualità dei dati e delle informazioni. Per implementare il processo Ten Steps in modo efficace, è necessario comprendere alcuni concetti relativi alla qualità dei dati: per questo motivo, un framework di riferimento per la qualità delle informazioni e diversi concetti chiave sono presentati nei primi capitoli. Ai lettori sono forniti i concetti di fondo per comprendere i componenti necessari per la qualità delle informazioni e per avere le basi per seguire le istruzioni step-by-step, che a loro volta forniscono la struttura per dare modo ai lettori di comprendere cosa va fatto e perché. La bellezza di questo approccio è che fornisce la struttura necessaria per sapere come procedere, ma lo fa con flessibilità, in modo che chi la utilizza può anche integrarla con le tecniche, strumenti e conoscenze propri. È stato scritto per colmare il divario, oppure anche fungere da complemento, tra i testi esistenti che forniscono concetti e processi di livello superiore e altri libri che entrano più in profondità sugli specifici argomenti riguardanti i dati.
Step-by-step - Le aziende possono scegliere le misure applicabili, le attività e le tecniche specifiche per la loro situazione e utilizzare la metodologia:
Più tempo meno costi - L’utilizzo di questo approccio può far risparmiare tempo e costi all’azienda in quanto il lavoro di base per il processo è già stato fatto. Pertanto, il tempo sarà impiegato per determinare come far funzionare la metodologia per la specifica situazione, per agire e per ottenere risultati. Se la priorità è quella di mostrare perché la qualità dei dati è importante e ottenere supporto per le risorse necessarie, la metodologia include tecniche di impatto sul business. Si tratta di misure qualitative e quantitative per determinare gli effetti di qualità dei dati sull’organizzazione. Queste tecniche vanno da quelle meno complesse, come la raccolta di esempi o di casi riguardanti l’impatto della scarsa qualità dei dati, a quelle più onerose in termini di tempo, come quantificare i costi e l’impatto sul fatturato dei dati di scarsa qualità. Avere i risultati reali dell’impatto sul business, uniti a valide capacità di comunicazione, può rivelarsi molto utile ai fini dell’ottenimento di supporto per le attività ai fini della qualità dei dati.
Anche se ho usato le informazioni dei clienti a titolo di esempio in questo articolo, ciò che ho condiviso funziona con tutti i tipi di dati: finanziari, del personale, dei prodotti, di produzione, medici, di ricerca e così via. Se la vostra organizzazione è un’impresa a scopo di lucro, un ente pubblico, una società di beneficenza, un istituto scolastico, oppure opera nell’assistenza sanitaria, tutte queste idee trovano applicazione in quanto ogni organizzazione dipende dalle informazioni per supportare i propri obiettivi e per mettere in pratica i propri impegni. Se la vostra azienda è preoccupata della qualità dei dati, questo è il momento giusto per iniziare il processo.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James