Governance dei dati e libertà di analisi

L'evoluzione degli analytics e della data visualization lascia agli utenti
business più libertà e autonomia nell'esplorazione dei dati.
Con un impatto diretto sul governo dei dati e sul ruolo dell'IT.
Ecco alcuni punti fermi sui nuovi scenari e sui paradigmi emergenti.

Articolo tratto da itasascom
Numero 01

Scelte tecnologiche e strategie di ampio respiro

In termini generali, i Sistemi Informativi e il comparto It hanno il compito di esplorare le tecnologie emergenti e di guidare il business nella scelta della soluzione migliore nel contesto di mercato in cui opera l'azienda. Soluzione che da un lato favorisca la razionalizzazione e l'ottimizzazione dei processi It e delle specifiche procedure operative dell'azienda. E dall'altro lasci la più ampia libertà agli utenti business di esplorare i dati di interesse per ricavare le indicazioni utili all'azione. Ogni scelta tecnologica deve indubbiamente recare vantaggi a breve, ma deve anche inserirsi in una strategia di più ampio respiro focalizzata sul business.

Numero 02

Conciliare governo dei dati e diffusione degli analytics

Che cosa significa nel concreto per l'IT? In primo luogo, disegnare un'infrastruttura applicativa che sia semplice, economica da gestire in termini di manutenzione day-by-day, scalabile e modulabile a seconda delle mutevoli necessità operative. In secondo luogo, mantenere saldamente il governo del dato pur garantendo la più ampia autonomia agli utenti business di interagire con questi dati, qualitativamente certificati, per condurre analisi.

Numero 03

Definire ruoli e responsabilità degli attori coinvolti nel processo analitico

Si tratta di definire con le diverse linee di business un modello di servizio che definisca ruoli e responsabilità degli attori coinvolti nell'intero processo di distribuzione del dato: dall'acquisizione alle fonti alimentanti fino all'elaborazione dei kpi di massima aggregazione per l'executive manager. Peraltro, quando si parla di utente finale non si intende solo l'analista del risk o del marketing, ma anche lo stesso comparto IT. Nel senso, ad esempio, che è compito del Direttore IT monitorare variabili e indicatori di performance per garantire il rispetto degli SLA o la funzionalità dei sistemi e delle reti.

Numero 04

I laboratori analitici hanno fatto il loro tempo

Nel recente passato, l'approccio tradizionale alle tematiche dei business analytics era incentrato sul cosiddetto 'laboratorio analitico', un team di specialisti di alta professionalità che recepivano i requisiti del business, elaboravano gli algoritmi opportuni e fornivano i risultati richiesti. C'era un problema, però, sempre più evidente: la scollatura tra chi effettuava le analisi e chi doveva prendere le decisioni in base ai risultati di queste analisi. L'impegno di SAS, in termini di investimenti e di ricerca, è stato determinante per rivoluzionare questo tipo di approccio.

Numero 05

Analytics customizzati sulla tipologia di utente

Il principio che guida questo cambio di paradigma può riassumersi in poche parole: massimizzare la fruibilità dei business analytics in rapporto alla tipologia di utente. Si tratta cioè da un lato di aiutare le persone dotate di skill analitici ad accelerare e a semplificare la definizione degli algoritmi e dei modelli. E dall'altro di applicare tecnologie evolute di data visualization in modo da offrire agli utenti business un ambiente di lavoro semplice e intuitivo per esplorare i dati e trovare autonomamente le risposte ai propri specifici quesiti.

Numero 06

Big Analytics al servizio dei big data

È una decentralizzazione degli analytics che, lungi dal rappresentare una rozza semplificazione della complessità, poggia su un motore analitico estremamente potente e su una infrastruttura di high performance computing. Un'infrastruttura che accelera l'acquisizione e l'elaborazione dei big data, i cui risultati sono accessibili anche in condizioni di mobilità. In questo quadro, tocca solo all'utente, in base alle proprie competenze analitiche e all'interesse del momento, decidere a quale livello di aggregazione e di dettaglio spingere la propria analisi.

Back to Top