Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - Luglio 2014

La data quality e l’impatto sul business

Danette McGilvray by Danette McGilvray

«Ma a cosa serve la data quality»? E soprattutto «che vantaggi comporta per la mia azienda»? «Non riesco a trovare un significato per la data quality in termini di business».
I top manager della vostra azienda non sono soddisfatti perché non comprendono il valore del lavoro da voi svolto sulla qualità dei dati, e questo costituisce chiaramente un problema, che rende utile dimostrare come la gestione della data quality sia necessaria e soprattutto abbia riflessi concreti sull’azienda.
I decisori vogliono sapere che impatto ha la qualità dei dati sul business e perché è importante. In altre parole, la domanda è: «Che valore c’è nell’avere informazioni di qualità»? Si tratta di domande importanti, anche perché nessuno vuole spendere denaro per qualcosa che non ha valore.
La mia metodologia “Ten steps to quality data and trusted information” (Dieci passi verso la data quality e l’affidabilità dei dati), comprende tecniche di impatto sul business che aiutano a rispondere a queste domande. Utilizzare queste tecniche aiuta a stabilire l’importanza e la rilevanza della qualità dei dati in modo che il management comprenda cosa possono fare con il loro denaro e fornisce input per prendere decisioni informate riguardo un investimento in qualità dei dati.

METODI QUALITATIVI E QUANTITATIVI - Le tecniche di impatto sul business comprendono metodi qualitativi e quantitativi che rendono chiaro il valore della data quality. Le tecniche vengono poste su un continuum di tempo e di sforzi relativi necessari per valutare l’impatto di business. Una delle ragioni per cui le tecniche sono posizionate su una timeline è che troppo spesso le persone pensano di non poter fare tutto ciò che riguarda l’impatto sul business perché non hanno il tempo di quantificare appieno il costo dei dati di bassa qualità. Ma era necessario dimostrare che si può valutare l’impatto di business utilizzando altre tecniche che possono essere ugualmente utili, anche se comportano meno tempo e fatica.
Analizziamo alcune di queste tecniche più in profondità.

ANEDDOTI - La “Tecnica 1” è una delle più semplici, ma può anche essere una delle più efficaci. Gli aneddoti spiegano i concetti di qualità e di gestione dei dati tramite un racconto. Raccogliere aneddoti e creare racconti da questi aneddoti costituisce la maniera più semplice e a minore costo per valutare l’impatto sul business, e soprattutto può già produrre risultati. I racconti suscitano interesse, e questo fa in modo che gli ascoltatori possano correlare l’impatto della qualità dei dati alle proprie esperienze. Un racconto giusto può esercitare rapidamente una leadership, anche se non contiene dati quantitativi. Ma non solo: questa tecnica può essere utilizzata per spiegare chiaramente e fornire un contesto per i fatti e le cifre di altre tecniche.

I CINQUE PERCHÉ - Con la “Tecnica 3”, viene modificata una tecnica spesso utilizzata per l’analisi delle cause e viene applicata per arrivare al vero impatto dei problemi di qualità dei dati. In questo processo si prende un problema noto di qualità delle informazioni e si chiede una variazione del “perché” cinque volte fino a quando si arriva all’impatto vero e proprio sul business, entrando più nello specifico ogni volta. Per fare un esempio, si può illustrare questa tecnica rispetto al problema relativo alla scarsa qualità delle informazioni nei report che provengono dal data warehouse.

  • Dove si trova il problema della qualità dei dati?
  • Nel report dal data warehouse.
  • In quali report?
  • Nei report settimanali sulle vendite.
  • Come vengono utilizzati i report settimanali sulle vendite?
  • I compensi per i commerciali si basano su questi report.
  • Cosa comporta questo?
  • Se i dati sono sbagliati, i commerciali non si fidano dei loro compensi.
  • Cosa comporta questo?
  • Se i commerciali non si fidano dei compensi, perdono tempo a creare i propri fogli di calcolo e a controllare e ricontrollare le cifre dei compensi. E questo tempo potrebbe essere più proficuamente impiegato nelle attività commerciali per portare fatturato in azienda.

Usando la tecnica dei cinque perché, si è in grado di discutere della scarsa qualità delle informazioni in termini di impatto sui commerciali e sul tempo sottratto ad attività capaci di portare ricavi. E questo è molto più utile rispetto a dire frasi del tipo «il report è sbagliato» oppure «c’è un problema di qualità dei dati».
Come si può vedere, l’intento è semplicemente quello di porre la domanda successiva più approfondita. La domanda può iniziare con «Perché», ma si possono usare «Chi, Cosa, Dove, Quando e Come». Per esempio: «Chi è danneggiato da questo problema di qualità dei dati»? «Quando e dove si verifica il problema»? «Quanto spesso si pone il problema»? Questo processo non dovrebbe essere vissuto come un interrogatorio dalla persona con cui si sta parlando, ma come una conversazione collaborativa in cui coinvolgere ed esplorare insieme l’impatto sul business.

COSTI/BENEFICI E CLASSIFICAZIONE DELLE PRIORITÀ - La “Tecnica 4” e la “Tecnica 5” contribuiscono a dare priorità alle esigenze di business e a determinare quali devono essere affrontate per prime. Spesso mi sento chiedere: «Danette, stiamo parlando di tecniche di impatto sul business, ma queste sono le tecniche di prioritizzazione. Perché sono state incluse nel discorso»? Ma quando si ordina per priorità un elenco e qualcosa viene classificato al primo posto e qualcos’altro alla decima posizione, che cosa si sta dicendo in realtà? Semplicemente, che tutto ciò che è al primo posto è più importante o ha un impatto superiore rispetto tutto ciò che è in decima posizione. Con la data quality ci viene sempre chiesto di fare di più rispetto alle risorse e al tempo disponibile, pertanto è fondamentale avere buone tecniche per dimostrare l’impatto sul business attraverso le priorità.

CONCLUSIONI - Tutte le tecniche menzionate qui possono avere successo da sole o in combinazione tra loro. Come si è detto, le tecniche variano sia nei tempi sia nella complessità relativa da valutare. Capire dove si situano nel continuum offre la possibilità di scegliere meglio quelle maggiormente applicabili in qualsiasi situazione, per poi utilizzare le tecniche più valide in base alla quantità di tempo e di risorse che si ha a disposizione, ma sapendo che si può sempre fare qualcosa relativamente all’impatto sul business. L’importanza di essere in grado di mostrare l’impatto sul business non può essere sottolineata abbastanza, dato che è essenziale per ottenere qualsiasi tipo di supporto per la qualità dei dati e delle informazioni, che si tratti di tempo, risorse, denaro o esperienza.

Parti di questo articolo contengono materiale dal libro “Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information” di Danette McGilvray, pubblicato da Morgan Kaufmann Publishers, copyright 2008 Elsevier, Inc.

La data quality e l’impatto sul business - Technology Transfer

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