La scarsa qualità dei dati può ostacolare o danneggiare seriamente l’efficienza e l’efficacia di organizzazioni e imprese. Ma la buona notizia è che c’è qualcosa che si può fare per superare questi problemi
«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:
- Per progetti incentrati sulla qualità delle informazioni, come per esempio una valutazione di base della qualità dei dati di un database particolare o una valutazione dell’impatto di business per aiutare a determinare gli opportuni investimenti in attività relative alla qualità dei dati.
- Per integrare attività specifiche di qualità dei dati in altri progetti e metodologie, come la realizzazione di un data warehouse, l’implementazione di un ERP o la migrazione dei dati per qualsiasi progetto di sviluppo di applicazioni.
- Nel corso del lavoro e delle operazioni quotidiani, ogni volta che si ha la responsabilità di gestire la qualità dei dati oppure che il lavoro svolto impatti la qualità dei dati.
- Come base per creare la propria metodologia di miglioramento, o per integrare le attività di qualità dei dati nel ciclo di vita dei normali progetti aziendali oppure nel ciclo di vita dello sviluppo di software o di soluzioni (SDLC, Software/solution Development Life Cycle).
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.
Danette McGilvray è Presidente di Granite Falls Consulting, società che aiuta le organizzazioni ad aumentare il successo affrontando gli aspetti relativi alla qualità dei dati e delle informazioni. È autrice del libro “Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information”. Il suo metodo chiamato Ten Steps è già stato utilizzato da centinaia di aziende e da migliaia di partecipanti ai suoi workshop, mentre il libro è adottato in numerose università ed è stato tradotto anche in cinese. Oltre che essere un’apprezzata speaker a livello internazionale, Danette McGilvray scrive articoli tecnici su riviste specializzate. È faculty member del TDWI (The Data Warehousing Institute), membro fondatore di IAIDQ (International Association For Information And Data Quality Professionals) e membro attivo del DAMA. Nel 2009 ha ricevuto un Professional Achievement Award dalla Jon M. Huntsman School of Business dell’Università dello Utah. Infine, è stata invitata dal governo cinese a discutere ruoli e opportunità delle donne nel campo del computing.
Danette McGilvray presenterà a Roma per Technology Transfer il seminario “La metodologia Dieci Step per la Data Quality” nei giorni 3-5 giugno 2013.
