Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - Marzo 2003

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)

David Marco by David Marco

Quali sono questi errori? Eccoli:

  1. mancata definizione di obiettivi tangibili sia tecnici che per l'impresa, in relazione al meta data repository
  2. Esame degli strumenti per i meta dati prima di definire le specifiche di questi ultimi.
  3. Scegliere uno strumento di meta dati senza una valutazione preventiva.
  4. Mancata creazione di un team per il meta data repository.
  5. Un eccesso di processi manuali all'interno dell'architettura d'integrazione dei meta dati.
  6. L'accesso al meta data repository risulta difficile.
  7. Lasciare la gestione del progetto ai fornitori di strumenti per i meta dati.
  8. Mancanza di un esperto Capo progetto/Architetto di sistema.
  9. analizzare lo sforzo per la realizzazione del meta data repository.
  10. Il team del meta data repository crea standard che nessuno dei componenti del team di supporto è in grado di seguire (I Parte).

Il segreto della prosperità della vostra organizzazione è nel modo con cui raccogliete, mantenete e distribuite la conoscenza. Un meta data repository è la chiave per raccogliere, mantenere e distribuire la conoscenza.

La realizzazione di un meta data repository è fondamentale per garantire l'accesso, il mantenimento e il controllo delle informazioni vitali memorizzate nei sistemi operativi e della conoscenza dell'impresa.

Mentre i meta dati sono stati sempre un elemento centrale del data warehousing, da un paio di anni a questa parte godono di una nuova e particolare attenzione.

Tale fenomeno è iniziato già da alcuni anni, a partire dal momento in cui la maggior parte delle società della lista Global 2000 ha attivato una qualche sorta di sistema di business intelligence.

La grande maggioranza di queste società ha dovuto misurarsi con il compito di gestire la crescita esponenziale di tali sistemi, con il trascorrere del tempo.

Senza i meta dati, la gestione della crescita diviene estremamente difficoltosa e costosa in termini di tempo. Questa necessità ha indotto i maggiori fornitori di software come Microsoft, Computer Associates e Oracle a entrare nel mercato dei meta dati, con un'offerta di prodotti significativa.

Implementazione del meta data repository

Alla Enterprise Warehousing Solutions, abbiamo una serie di clienti che hanno oltre cento sistemi IT diversi (uno di questi ha oltre 500 sistemi).

Chiaramente, esistono grandi ridondanze tra tali sistemi. Ancora più importante, il costo per supportarli tutti è altissimo. L'obiettivo dei meta data repository è di catturare il flusso dei dati all'interno e all'esterno di tali sistemi.

In aggiunta, memorizziamo elaborazioni tecniche, tipi di dati di natura diversa (clienti, prodotti, ecc.), gruppi di utenti e, infine, sistemi di registrazione dei dati che già esistono in ciascuno di questi sistemi.

Con i meta dati, i clienti saranno in grado di identificare i sistemi ridondanti e di iniziare ad attivare un piano di migrazione per eliminarli.

Quindi, dobbiamo sincerarci che il team del repository operi una revisione di tutte le proposte di nuovi sistemi, per essere sicuri che queste società non realizzino ulteriori sistemi ridondanti.

1. Mancata definizione di obiettivi tangibili sia tecnici che per l'impresa, in relazione al meta data repository

Questo è l'errore più grande commesso dalla maggior parte delle società.

Abbastanza spesso, il team per il meta data repository dimentica di definire con chiarezza i valori specifici di conoscenza, tecnici e per l'impresa, che saranno forniti dal meta data repository da realizzare.

La definizione preventiva di questi obiettivi è fondamentale, perché serviranno da guida all'avanzamento di tutte le attività del progetto.

Nel "vendere" il concetto dei meta dati all'alta direzione, esistono solo due concetti in grado di suscitarne l'interesse: l'incremento del fatturato e la diminuzione dei costi.

Se non siete in grado di impostare il discorso in base a queste due prospettive, sarete visto come la versione IT del maestro di scuola, nel vecchio cartone animato di Peanut: bla, bla, bla, bla,?

Figura 1: Esempio degli obiettivi di un Meta Data RepositoryFigura 1: Esempio degli obiettivi di un Meta Data Repository

Gli obiettivi espressi con chiarezza sono definibili e misurabili. Queste attività sono essenziali poiché, una volta realizzato il meta data repository, il team di gestione deve fornire la giustificazione dei costi sostenuti per l'iniziativa.

Ricordate che un meta data repository, così come un data warehouse, NON è un progetto, ma rappresenta un processo. Il repository avrà bisogno di crescere per supportare il ruolo in continua espansione dei data warehouse e dei data mart, oltre che dei sistemi e applicazioni a cui fa da supporto.

In aggiunta, man mano che il suo utilizzo da parte degli utenti interni all'impresa diviene più sofisticato, le loro richieste tenderanno ad aumentare.

Una volta che si riesca a quantificare una giustificazione dei costi per il rilascio iniziale del repository, il processo di reperimento dei fondi per le versioni successive risulterà grandemente semplificato.

2. Esame degli strumenti per I meta dati prima di definire le specifiche di questi ultimi.

È sorprendente la frequenza con la quale ricevo telefonate da società che mi chiedono di suggerire uno strumento di gestione dei meta dati, da utilizzare nei rispettivi progetti di repository.

La mia risposta standard è: "Quali sono le vostre specifiche per il repository?". Tipicamente, la risposta dall'altro capo del filo è il silenzio. Tale situazione è altamente significativa.

I requisiti del meta data repository debbono guidare il processo di scelta degli strumenti, non seguirlo. Quando gli strumenti sono scelti prima della definizione delle specifiche, molto spesso avviene che queste ultime vengano forzate per renderle corrispondenti alle capacità dello strumento, invece di rispecchiare le necessità di soluzione dei problemi dell'impresa.

Come abbiamo già detto, la chiarezza dei requisiti è fondamentale in un progetto di meta dati, perché questi forniscono le linee guida per tutte le attività successive del progetto stesso. Senza questa guida, il fallimento del progetto diviene molto probabile.

3. Scegliere uno strumento di meta dati senza una valutazione preventiva

Tutti i maggiori venditori di strumenti di meta dati mantengono e controllano il repository in maniera diversa. La definizione dello strumento più adatto per la vostra organizzazione richiede un'analisi accurata.

L'acquirente accorto è sempre il più soddisfatto, perché sa esattamente che cosa sta comprando e che cosa è meglio non comprare.

Ricordate che qualunque sia lo strumento acquistato, nessuno renderà "semplice" l'integrazione dei dati, a prescindere da qualsiasi iperbole di marketing, scritta o dichiarata dal venditore.

Per avere successo con il vostro progetto di meta dati, avete bisogno di conoscenza, disciplina, partecipanti esperti e una forte dose del buon vecchio lavoro, esattamente come per ogni altra importante realizzazione IT.

Mentre nessuno degli strumenti elimina queste necessità, per alcune società è meglio acquistare uno strumento e migliorarne eventualmente le limitazioni, piuttosto che costruire tutto ex novo.

4. Mancata creazione di un team per il meta data repository

Molto spesso, le società non creano un team specifico dedicato al progetto del meta data repository. Un gruppo di questo tipo dovrebbe essere responsabile della manutenzione, controllo e garanzia degli accessi al meta data repository.

Il team dovrebbe essere così composto: 1 - 2 specialisti nella modellazione dei dati, due sviluppatori delle applicazioni di integrazione dei metadati, due sviluppatori per l'accesso ai meta dati, 1 - 2 analisti dei flussi dell'impresa, un esperto nelle architetture di meta data repository e, infine, un capo progetto.

Non dimenticate che alcuni dei ruoli indicati possono essere coperti contemporaneamente da una stessa persona, in base alla dimensione del progetto e alla schedulazione delle attività.

Figura 2: Gerarchia del team del meta data repository

Figura 2: Gerarchia del team del meta data repository

É importante che il capo progetto del meta data repository riporti al manager che ha la responsabilità del sistema di business intelligence.

Questo crea una relazione sul medesimo livello tra i team leader, rispettivamente del meta data repository e del data warehouse. Il team del meta data repository e quello dedicato alla business intelligence debbono necessariamente operare in maniera coordinata, poiché il lavoro dell'uno impatta direttamente sull'altro e viceversa.

Un'architettura del data warehouse poco omogenea e confusa avrà un impatto negativo diretto sulla qualità del meta data repository. Per contro, un repository progettato con scarsa accuratezza diminuirà grandemente l'efficacia del data warehouse.

5. Un eccesso di processi manuali all'interno dell'architettura d'integrazione dei meta dati

Il processo di caricamento e mantenimento del meta data repository deve essere il più automatico possibile. Le implementazioni di meta dati che hanno avuto uno scarso successo, normalmente contengono troppi processi manuali nelle rispettive architetture d'integrazione.

Il compito di inserire manualmente i meta dati assorbe una grande quantità di tempo del team del meta data repository. Mediante un'attenta analisi e alcuni sforzi di sviluppo, la grande maggioranza di tali processi manuali può essere eliminata.

Spesso, molti dei meta dati utili all'impresa richiedono una sorta di attività manuali, nella fase di acquisizione dell'informazione. Nella maggior parte dei casi, bisognerà sviluppare processi aggiuntivi, necessari ai responsabili operativi e agli analisti di business per modificare i meta dati.

Sfortunatamente, alcune società inseriscono manualmente gran parte dei meta data di loro interesse, situazione che rende il repository non scalabile, superato e impossibile da mantenere nel tempo.

Continua nell'articolo del mese di Aprile ...

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte) - Technology Transfer

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 2.0
Ed Yourdon

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

Misurare per Gestire
Ken Rau

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

Articoli del mese - Technology Transfer