Data Quality: la gestione dei dati per la creazione di vantaggio competitivo

In un contesto competitivo contraddistinto da una crescita sempre più dirompente dei dati (basti pensare che Forbes stima che ogni giorno ne vengano creati almeno 2,5 quintilioni di byte^[1]), ci sono diverse motivazioni che devono indurre le aziende ad attuare un’attenta valutazione sulle modalità con cui utilizzano e sfruttano questa risorsa, in modo da farne emergere tutto il loro potenziale.

Opportunità e rischi nella gestione dei dati

Una mancata o cattiva gestione del dato può generare impatti negativi su almeno quattro aspetti della vita aziendale, come rappresentato nella figura sottostante:

Figura 1 – Pain points di una Data Quality di bassa qualità

Una profonda conoscenza delle informazioni in proprio possesso permette di trasformare i punti di debolezza in punti di forza, ottenendo così notevoli benefici.

Dal punto di vista delle opportunità, infatti, attraverso dati completi e tempestivi è possibile intraprendere strategie proficue e finalizzate a creare vantaggio competitivo sul mercato. Un’approfondita conoscenza delle abitudini dei clienti, grazie a un’attenta segmentazione del mercato, permette all’azienda di sviluppare strategie di marketing e di Data Driven Communication sempre più focalizzate sui comportamenti e sulle preferenze di acquisto del consumatore.

Per poter sfruttare i dati è importante però garantirne la qualità: sulla base della nostra esperienza, è necessario intraprendere un percorso pragmatico di Data Quality Management, in modo da consentire all’azienda di fondare il proprio vantaggio competitivo su tale nuovo asset.

Data Quality Management

La Data Quality Management (DQM) viene definita come l’insieme delle attività volte a misurare e migliorare la qualità dei dati gestiti, aumentandone l’efficacia e l’usabilità in relazione alle aspettative e finalità del business.

L’efficacia delle attività di Data Quality è strettamente legata alla corretta implementazione di strumenti abilitanti e alla definizione di un modello organizzativo in linea con la struttura organizzativa aziendale. I ruoli e le responsabilità definite per la gestione della Data Quality devono garantire continui miglioramenti della qualità dei dati, disegnando un processo in grado di autoalimentarsi. Solo in questo modo si potrà dare vita a un circolo virtuoso di miglioramento continuo, che comporta l’istituzione di una disciplina viva nel tempo.

Per la nostra esperienza le principali attività che compongono, a livello generale, un processo di Data Quality Management in grado di garantire una puntuale misurazione della qualità e di gestire gli esiti di tali misurazioni sono rappresentate nella figura sottostante:

Figura 2 – Processo di Data Quality Management

L’implementazione di un sistema di Data Quality Management e l’applicazione del processo sopra illustrato permettono l’analisi della qualità dei dati, ma i criteri e le modalità di implementazione di questo processo possono variare in base all’ambito di utilizzo e alle esigenze aziendali. Principalmente si possono distinguere due ambiti diversi: driver di business per l’estrazione di valore dai dati e driver normativi per reportistiche di miglior affidabilità.

Driver di Business: l’utilizzo della Data Quality può essere legato, ad esempio, alla revisione del processo di raccolta dei lead dei clienti, ottenendo informazioni corrette e univoche per ogni cliente ed eliminando il problema di indirizzi e recapiti telefonici doppi, discordanti o perfino errati. Questo evita che le aziende ricorrano sistematicamente alla raccolta di dati da fonti esterne, con evidenti impatti da un punto di vista dei costi.

Driver Normativo: i criteri di Data Quality rappresentano una linea guida indispensabile per sviluppare processi legati alla compliance a normative quali, ad esempio, Solvency II e il Regolamento IVASS n. 38/2018 nel mondo assicurativo o le Circolari della Banca d’Italia (263 prima e 285 poi) e la BCBS239 per il mercato bancario.

In conclusione, la governance e l’implementazione di un attento processo di Data Quality, se effettuati in maniera efficace, possono ridurre costi e rischi in modo da consentire ai dati di essere un vero e proprio asset sui cui l’azienda può fondare il proprio vantaggio competitivo.

Un percorso finalizzato a sviluppare una strategia Data Driven per l’azienda non può prescindere da processi di data management, e in particolare dalla Data Quality. Per fare ciò, le aziende devono sviluppare strutture organizzative in grado di garantire una stretta collaborazione tra business e IT, anche a livello di cultura aziendale (e di Data Literacy), al fine di abilitare e coordinare tutti i flussi di gestione delle informazioni aziendali nel rispetto delle normative di settore.

[1] How Much Data Do We Create Every Day? The Mind-Blowing Stats Everyone Should Read (2018), Forbes

La redazione dell’articolo è stata curata da Andrea Scribano, Davide Pigozzi, Matteo Tortù e Federico Tusa.