Vai al contenuto
Uomo intento a controllare i dati

Che cos'è la gestione dei dati?

I dati sono essenziali per determinare il modo di fare impresa, sul piano operativo e funzionale.  Le aziende sono chiamate a dare un senso ai dati e a stabilire criteri di pertinenza nell'apparente caos generato dai diversi sistemi e tecnologie che supportano le economie globali di oggi altamente connesse. È sui dati che occorre allora puntare i riflettori. I dati di per sé sono inutili: le aziende hanno bisogno di un modello efficace di strategia, governance e gestione dei dati per sfruttarne tutte le forme in modo pratico ed efficiente nelle supply chain, nelle reti di dipendenti, negli ecosistemi di clienti e partner… e molto altro ancora.

 

Cos'è allora la gestione dei dati? La gestione dei dati è l'insieme delle attività di raccolta, organizzazione e consultazione dei dati a supporto della produttività, dell'efficienza e del processo decisionale. Considerato il ruolo centrale che i dati rivestono oggi nel business, una solida strategia di gestione e un sistema evoluto di gestione dei dati sono essenziali per qualsiasi azienda – indipendentemente dalle dimensioni o dal settore.

Che cos'è la gestione dei dati

I fattori chiave della gestione dati

Il processo di gestione dei dati si articola in una serie di attività e procedure diverse, quali:

  • Raccolta, elaborazione, validazione e archiviazione dei dati
  • Integrazione delle diverse tipologie di dati provenienti da fonti disparate, compresi i dati strutturati e non strutturati
  • Garanzia di un'elevata disponibilità di dati, anche con misure di disaster recovery
  • Governo delle modalità d'uso e accesso ai dati da parte di utenti e applicazioni
  • Tutela e protezione dei dati e difesa della privacy

Perché la gestione dei dati è importante?

Ogni applicazione, soluzione analitica e algoritmo che trovano uso in azienda (ossia le regole e i rispettivi processi che permettono ai computer di risolvere i problemi ed eseguire compiti) dipendono dalla continuità dell'accesso ai dati. Nella sua essenza, il sistema di gestione dei dati punta a garantire sicurezza, disponibilità e accuratezza dei dati. Ma l'elenco dei vantaggi della gestione dati non finisce qui.

64,2

 zettabyte

di dati digitali creati nel 2020 – IDC

80

%

dei dati mondiali entro il 2025 non sarà strutturato – IDC

Esplora i vantaggi dell'analisi e della gestione dati.

Trasformare i dati in un asset ad alto valore aggiunto per l'impresa

 

Senza una corretta gestione, si rischia di essere sopraffatti dai dati disponibili in quantità eccessive – e quindi persino inutili. Con gli opportuni strumenti, invece, i Big Data  possono essere sfruttati per rendere le aziende più efficienti grazie a conoscenze mai così approfondite e a previsioni più accurate. Le aziende ne possono trarre un quadro più nitido di ciò che i clienti desiderano e proporre customer experience eccezionali mettendo in pratica gli insegnamenti da essi ricavati. I dati possono anche concorrere a promuovere nuovi modelli di business – come le offerte di servizi basati sui dati in tempo reale dei sensori e delle reti di IoT (Internet of Things) – che non emergerebbero in modo altrettanto evidente senza la capacità di analizzare e interpretare i Big Data.

I Big Data sono set di dati incredibilmente vasti, spesso caratterizzati dalle cosiddette "cinque V": il semplice volume dei dati raccolti, la varietà  dei tipi di dati, la velocità alla quale vengono generati, la veridicità e il loro valore .

È un dato di fatto che le organizzazioni che si lasciano guidare dai dati partono con un importante vantaggio competitivo. Affidandosi a strumenti avanzati, le aziende sono in grado di gestire come mai prima d'ora quantità superiori di dati da più fonti. Possono inoltre sfruttare numerosi tipi diversi di dati, strutturati e non strutturati, in tempo reale – quali i dati dei dispositivi IoT, file audio e video, dati clickstream di Internet e commenti sui social media – aprendo nuove opportunità per monetizzare i dati e trasformarli in asset.

 

Gettare le basi dei dati per la trasformazione digitale

 

Si sente spesso dire che i dati sono la linfa vitale della trasformazione digitale – ed è vero. Per fare ciò che fanno, l'intelligenza artificiale (AI), il machine learningl'Industria 4.0, l'analisi avanzata, l'Internet of Things e l'automazione hanno bisogno di quantità enormi di dati tempestivi, accurati e sicuri.

L'emergenza COVID-19 non ha fatto che accentuare l'importanza dei dati e delle tecnologie basate su di essi. Sono molte ora le aziende che avvertono la forte urgenza di sfruttare meglio i propri dati – per esempio per prevedere gli eventi futuri, orientarsi rapidamente e introdurre criteri di resilienza nei piani e modelli di business.

Il machine learning, per esempio, ha bisogno di set di dati particolarmente vasti e diversificati per poter "apprendere", riconoscere modelli complessi, risolvere problemi e tenere i propri modelli e algoritmi sempre aggiornati ed efficacemente funzionanti. La stessa analisi avanzata (spesso supportata dal machine learning) dipende da grandi set di dati di alta qualità per poter produrre informazioni pertinenti e fruibili su cui agire con sicurezza. Infine, l'IoT e l'Industrial IoT si basano su un flusso costante di dati di macchine e sensori, che attraversano le reti a 1,5 milioni di chilometri al minuto.

I dati sono il comune denominatore di qualsiasi progetto di trasformazione digitale. Prima che le aziende possano trasformare i processi, sfruttare i vantaggi delle nuove tecnologie e diventare imprese intelligenti, hanno bisogno di una solida base di dati. In sostanza, hanno bisogno di un moderno sistema di gestione dati.

La sopravvivenza nel tempo di qualsiasi attività dipenderà da un'architettura agile e incentrata sui dati capace di stare al passo con il ritmo del cambiamento.

Donald Feinberg, vice presidente di Gartner

La sicurezza della conformità alle leggi sulla privacy

 

Una corretta gestione dei dati è essenziale anche per garantire la conformità alle leggi nazionali e internazionali sulla privacy – come il regolamento generale sulla protezione dei dati (GDPR) e il California Consumer Privacy Act negli Stati Uniti – nonché agli obblighi di privacy e sicurezza specifici di settore. E quando tali protezioni devono essere dimostrate o verificate, è fondamentale che siano presenti solide policy e procedure di gestione dei dati.

Sistemi e componenti della gestione dati

I sistemi di gestione dei dati si fondano su apposite piattaforme e includono una serie di componenti e processi il cui funzionamento combinato è studiato per permetterti di estrarre valore dai dati. Si tratta nella fattispecie di sistemi di gestione database, data warehouse e data lake, strumenti di integrazione dati, analisi e altro ancora.

 

Sistema di gestione database (DBMS)

 

Esistono tipi diversi di sistemi di gestione database. I più comuni sono i sistemi di gestione database relazionali (RDBMS), i sistemi di gestione database orientati agli oggetti (OODMBS), i database in-memory e i database colonnari.

Sistemi di gestione dati

I diversi sistemi di gestione dati

  • Sistema di gestione database relazionale (RDBMS): l'RDBMS è un sistema di gestione database che assegna definizioni ai dati affinché i programmi e i sistemi di recupero possano fare riferimento a essi per nome, anziché specificarne di volta in volta la struttura e la posizione. Essendo basati sul modello relazionale, anche i sistemi RDBMS stabiliscono relazioni tra gli elementi dati che migliorano l'accesso ed evitano duplicazioni. La definizione e le caratteristiche di base di un elemento, per esempio, vengono archiviate una sola volta e collegate alle righe di dettaglio dell'ordine cliente e alle tabelle dei prezzi.
  • Sistema di gestione database orientato agli oggetti (OODBMS): l'OODBMS è un approccio alternativo alla definizione e archiviazione dati elaborato e utilizzato dagli sviluppatori dei sistemi di programmazione per oggetti (OOPS, Object Oriented Programming System). Al posto delle tabelle del sistema RDBMS, i dati vengono memorizzati come oggetti, entità autonome e autodescritte.
  • Database in-memory: il database in-memory (IMDB) memorizza i dati nella memoria principale (RAM) del computer, anziché nell'unità disco. Il recupero dalla memoria è molto più veloce rispetto al sistema basato su disco, pertanto i database in-memory trovano comunemente impiego in applicazioni che presuppongono tempi di risposta rapidi. Per esempio, un report che un tempo richiedeva giorni e giorni per essere compilato ora può essere consultato e analizzato in pochi minuti, se non in secondi.
  • Database colonnare: il database colonnare archivia uno accanto all'altro (in "colonne" di informazioni) gruppi di dati correlati per consentire un accesso rapido. Viene utilizzato nelle applicazioni gestionali in-memory più evolute e in numerose soluzioni di data warehouse stand-alone in cui occorre privilegiare la velocità di recupero (di una gamma limitata di dati).
     

Data warehouse e data lake

  • Data warehouse: il data warehouse  è un repository centralizzato di dati accumulati da numerose fonti diverse per scopi di reporting e di analisi.
  • Data lake: il data lake è un vasto bacino di dati archiviati nel loro formato grezzo o naturale. I data lake sono generalmente finalizzati alla memorizzazione dei Big Data, grandi combinazioni di dati strutturati, non strutturati e semi-strutturati.
     

Gestione dati anagrafici (MDM)

 

La gestione dei dati anagrafici è la disciplina che consiste nel creare un unico riferimento anagrafico altamente attendibile (un'unica versione corretta dei fatti) per tutti i dati aziendali più importanti, quali i dati di prodotti, clienti, asset, finanza e altro ancora. Scopo dell'MDM è far sì che in azienda non si utilizzino versioni multiple e potenzialmente incoerenti dei dati nelle diverse aree, che si tratti di processi, operazioni, analisi o reporting. Un efficace MDM poggia su tre pilastri principali: consolidamento, governance e gestione della qualità dei dati.

Una disciplina ad alto contenuto tecnologico in cui il reparto IT e il resto dell'azienda operano in sinergia per garantire uniformità, accuratezza, stewardship, coerenza semantica e rendicontabilità degli asset di dati anagrafici ufficialmente condivisi dall'azienda.

Definizione Gartner di MDM

Gestione dei Big Data

 

Per gestire i Big Data, gli enormi volumi di dati strutturati, non strutturati e semi-strutturati che inondano oggigiorno le aziende, sono stati sviluppati nuovi tipi di database e strumenti. Oltre a tecniche di elaborazione altamente efficienti e a servizi in cloud per gestire i volumi e la velocità, sono stati messi a punto nuovi approcci per interpretare e gestire la varietà dei dati. Affinché gli strumenti di gestione dei dati siano in grado di comprendere e utilizzare proficuamente i diversi tipi di dati non strutturati, vengono per esempio utilizzati nuovi processi di pre-elaborazione che servono a identificare e classificare gli elementi dati per facilitarne la memorizzazione e il recupero.

 

Integrazione dati

 

L'integrazione dati è l'insieme delle operazioni di inserimento, trasformazione, combinazione e messa a disposizione dei dati, dove e quando sono necessari. L'integrazione non avviene unicamente all'interno dell'azienda, ma si estende anche ai partner nonché alle fonti e ai casi di utilizzo dei dati di terze parti, per soddisfare i requisiti di consumo di dati di tutte le applicazioni e di tutti i processi di business. Si basa su tecniche quali il trasferimento dei dati in massa/batch, l'estrazione, la trasformazione e il caricamento (ETL), l'acquisizione dei dati di modifica, la replicazione, la virtualizzazione, l'integrazione dei dati in streaming, l'orchestrazione dei dati e altro ancora.

 

Governance, sicurezza e conformità dei dati

 

La governance dei dati è un complesso di regole e mansioni finalizzate a garantire disponibilità, qualità, conformità e sicurezza dei dati nell'intera organizzazione. All'interno di un'organizzazione, la governance dei dati definisce l'infrastruttura e designa le persone (o le posizioni) che hanno sia l'autorità che la responsabilità della gestione e della salvaguardia di dati specifici per natura e tipologia. La governance è un aspetto fondamentale della conformità. Se i sistemi presiedono alla meccanica dell'archiviazione, della movimentazione e della sicurezza, spetta alle persone, e in particolare alla governance, garantire innanzitutto che i dati siano accurati e che siano protetti e manipolati correttamente non solo prima di essere inseriti nel sistema, ma anche durante l'uso e quando vengono richiamati dal sistema per essere utilizzati o archiviati altrove. La governance specifica le modalità d'uso dei processi e delle tecnologie da parte dei soggetti responsabili al fine di gestire e proteggere i dati.

 

Quello della sicurezza dei dati è ovviamente un tema di scottante attualità in un mondo in cui imperversano hacker, virus, attacchi cibernetici e violazioni dei dati. La sicurezza è ormai una caratteristica intrinseca di sistemi e applicazioni, ma è la governance dei dati che entra in gioco per garantire che tali sistemi siano adeguatamente configurati e amministrati per proteggere i dati e che le procedure e le responsabilità vengano osservate per proteggere i dati al di fuori dei sistemi e dei database.

 

Business intelligence e analisi

 

Nella quasi totalità dei casi i sistemi di gestione dati includono strumenti di base per il recupero e il reporting, e spesso incorporano o sono combinati con potenti applicazioni di recupero, analisi e reporting. Applicazioni di reporting e analisi sono disponibili anche presso sviluppatori terzi e con ogni probabilità saranno incluse nel pacchetto applicativo come caratteristica standard o come modulo aggiuntivo opzionale per funzionalità più avanzate.

 

La grande forza dei sistemi di gestione dati di oggi risiede, in larga misura, negli strumenti di recupero ad hoc che consentono agli utenti anche con competenze minime di richiamare i dati desiderati a video e stampare report con sorprendente flessibilità a livello di formattazione, calcoli, ordinamenti e riepiloghi. I professionisti, dal canto loro, possono avvalersi di questi stessi tool o di insiemi di strumenti analitici più sofisticati per andare anche oltre in termini di calcoli, confronti, matematica avanzata e formattazione. Con le nuove applicazioni analitiche diventa possibile gettare un ponte tra database tradizionali, data warehouse e data lake, per consentire l'assimilazione dei Big Data nei dati delle applicazioni gestionali e ottenere migliori previsioni, analisi e pianificazioni.

Cos'è una strategia dei dati d'impresa e perché anche tu dovresti averla?

Troppo spesso le aziende si sono dimostrate passive nell'approccio alla strategia dei dati, accettando la prima soluzione già incorporata nei loro sistemi dal fornitore di applicazioni gestionali. Oggi questo atteggiamento non è sufficiente. Con l'esplosione dei dati a cui assistiamo e considerando la loro importanza per il funzionamento di ogni impresa, è sempre più necessario adottare un approccio più proattivo e completo alla gestione dei dati. All'atto pratico ciò significa mettere a punto una strategia di dati che:

  • individui le tipologie specifiche di dati di cui avrà bisogno la tua azienda;
  • assegni le responsabilità per ciascuna di queste tipologie, e
  • stabilisca procedure con cui disciplinare l'acquisizione, la raccolta e la manipolazione di tali dati.

Uno dei vantaggi chiave di una strategia e di un'infrastruttura per la gestione dei dati aziendali consiste nell'effetto di unificazione che produce nell'organizzazione, coordinando tutte le attività e le decisioni a sostegno dello scopo aziendale, ossia fornire ai clienti prodotti e servizi di qualità in modo efficace ed efficiente. Una strategia a 360 gradi basata sulla perfetta integrazione dei dati permette di abbattere i silos delle informazioni. Ogni reparto, manager e dipendente ha la possibilità non solo di vedere e capire il proprio contributo individuale al successo dell'azienda, ma anche di tenere le proprie decisioni e azioni sempre allineate a tali obiettivi.

placeholder

Sviluppa la tua strategia per i dati dell'azienda

Iscriviti alla nostra master class sulla strategia dei dati orientata ai risultati – online e gratuita.

L'evoluzione della gestione dati

Sono oltre 50 anni che una gestione efficace dei dati è fondamentale per il successo delle aziende, non solo aiutandole a migliorare l'accuratezza del reporting delle informazioni, a individuare le tendenze e a prendere decisioni migliori, ma anche alimentando la trasformazione digitale e supportando le nuove tecnologie e i modelli di business oggi disponibili. I dati sono diventati una nuova forma di capitale e le organizzazioni capaci di guardare al futuro sono perennemente in ricerca di modi nuovi e migliori per sfruttarli a proprio vantaggio. Ecco allora le ultime tendenze nella moderna gestione dei dati che potrebbero investire anche la tua attività o settore, ed è quindi importante tenere d'occhio:

  • Data fabric: la maggior parte delle organizzazioni oggi distribuisce i propri dati di vario genere tra i sistemi on-premise e il cloud – e si affida a molteplici sistemi di gestione database, tecnologie di elaborazione e strumenti. Il data fabric, una combinazione personalizzata di architettura e tecnologia, sfrutta l'integrazione e l'orchestrazione dinamiche dei dati per consentirne l'accesso e la condivisione senza difficoltà in un ambiente distribuito.
  • Gestione dati nel cloud: molte aziende hanno deciso di trasferire integralmente o parzialmente sul cloud la propria piattaforma di gestione dati. La gestione dei dati in cloud sfrutta tutti i vantaggi offerti dalla "nuvola", che vanno dalla scalabilità alla sicurezza avanzata, dall'accesso migliorato all'automatismo delle operazioni di backup e disaster recovery, passando per i risparmi sui costi e altro ancora. Le soluzioni di database in cloud e DBaaS (database-as-a-service)stanno conoscendo una popolarità crescente così come i data warehouse e i data lake in cloud.
  • Gestione aumentata dei dati: una delle tendenze più recenti prende il nome di gestione “aumentata” dei dati. Definito da Gartner come fenomeno potenzialmente dirompente entro il 2022, la gestione aumentata dei dati sfrutta l'AI e il machine learning per conferire ai processi di gestione dati proprietà di configurazione e ottimizzazione automatiche. La gestione aumentata automatizza i dati - anche anagrafici - sotto ogni aspetto, dalla qualità all'integrazione, lasciando libero il personale tecnico qualificato di concentrarsi su attività a maggior valore aggiunto.

Prima della fine del 2022, grazie all'introduzione del machine learning e della gestione automatizzata del livello di servizio le attività manuali di gestione dati saranno ridotte del 45% .

Gartner

  • Augmented analytics:  l'analisi "aumentata" – un'altra delle tendenze tecnologiche di punta individuate da Gartner – è già tra noi. L'augmented analytics sfrutta l'intelligenza artificiale, il machine learning e l'elaborazione del linguaggio naturale (NLP) non solo per trovare automaticamente gli insight più importanti, ma anche per democratizzare l'accesso all'analisi avanzata in modo che tutti, non solo i data scientist, possano porre domande sui propri dati e ottenere risposte in uno stile naturale e conversazionale.

Esplora ulteriori termini e tendenze nel settore della gestione dati.

In sintesi

Sappiamo che le informazioni sono tratte da dati. E se informazione equivale a potere, allora gestire e capitalizzare in modo efficace i dati significa dotare la tua azienda di un autentico superpotere. In questo quadro, i compiti di gestione dati e il ruolo degli analisti di database (DBA) si stanno evolvendo per trasformarsi in agenti del cambiamento, promuovendo l'adozione del cloud, facendo leva su nuove tendenze e tecnologie e fornendo valore strategico al business.  

placeholder

Data and database management solutions

With SAP, you have the solutions to manage, govern and integrate business data.

Altri capitoli della serie

SAP Insights Newsletter

placeholder
Abbonati subito

Acquisisci informazioni approfondite iscrivendoti alla nostra newsletter.

Approfondimenti

Torna all'inizio