Questo sito utilizza cookie tecnici e di terze party per migliorare l'esperienza dell'utente ed il sito. Chiudendo questo messaggio accetti il loro uso. Per saperne di più leggi la nostra Privacy policy

 

Migliorare il data management

“In un contesto socio-economico caratterizzato dai servizi digitali e dai Big data, l’information governance è un requisito principe per lo sviluppo di prodotti ed esperienze innovativi, su cui si basano engagement del cliente e differenziale competitivo. Ma come si costruisce un sistema di data management fluido, affidabile e allineato al business? “

 

Tre fattori chiave

Forrester ha individuato tre fattori chiave: culture, competency, capability.

Cultura

“Il primo ostacolo a un’iniziativa di data governance è di matrice culturale: se da un lato la condivisione dei dati oltre il perimetro aziendale (ad esempio, con clienti e partner) è fondamentale per restituire velocità di azione, dall’altra il management teme le implicazioni di sicurezza e compliance.”

Competenze

Le competenze sono collegate alla condivisione interna dei dati: “per alzare i livelli di conoscenza del business sul business e migliorare il decision-making, è necessario che gli utenti aziendali abbiano accesso ai dati grezzi, per trarre il maggior numero possibile di informazioni utili alla loro attività.”

Capability

Il terzo punto è rappresentato dalle capability tecnologiche: un’infrastruttura IT elastica alla base può facilitare l’mpiego di dati destrutturati interni ed esterni all’azienda, per ottenere preziosi insights di business. Questi dati infatti sono fondamentali per il processo decisionale, anche se spesso si incontrano dei limiti legati a questioni di sicurezza e normative.

 

Gli step per un data management efficace

Secondo Forrester, il primo passo da fare è quello di ottenere il consenso dagli “strateghi” del marketing e dagli executive dello sviluppo prodotto, sottolineando il collegamento tra data governance, ottimizzazione della customer experience e quindi profitti.

Si procede poi con la definizione delle policy per gestire dati in aumento per quantità e tipologia, seguendo una matrice 2x2 che consente di classificare i dati in base alla loro provenienza (interna o esterna all’azienda) e alla loro affidabilità. In questo modo è possibile identificare quattro quadranti/categorie di dati su cui lavorare per costruire un sistema di policy.

Vi è poi la necessità di definire un’architettura di data management adatta alle nuove esigenze analitiche e di business. Possiamo identificare vari tipi di aziende sotto questo punto di vista:

  • Data Collectors: la maggioranza delle aziende, che utilizzano ancora fogli Excell e dati provenienti dagli Erp
  • Investor: quelle aziende che si stanno spostando verso l’uso degli strumenti analitici con l’obiettivo di diventare Innovator
  • Innovator: aziende che sfruttano gli open data in modo intelligente e dinamico, nonché soluzioni di data visualization per accelerare le decisioni, prevedere la domanda e aumentare l’ingaggio.

“Con l’introduzione dei system of engagement (email, strumenti di collaboration, social media ecc.) accanto ai system of records (Erp, Crm, Hr che utilizzano dati coerenti e strutturati), i criteri per la gestione delle informazioni devono basarsi sulle esigenze dei decision maker e dei clienti, piuttosto che sulle fonti / tipologie di dati.”

 

Si arriva così al quarto ed ultimo elemento, riguardante la delivery applicativa:

“l’It deve trovare il giusto tradeoff tra livelli accettabili di data quality e security, velocità di time-to-market per servire le esigenze di business e agilità, ovvero abilità di recepire i requirement in continuo cambiamento. La sicurezza e la consistenza dei dati, insomma, non devono ingessare l’innovazione digitale“

 

Fonte: Erpselection