Attività svolte dal nostro Team:

Attività di Master Data Management – MDM

• Definire driver e requisiti di MDM: Ogni organizzazione presenta diversi driver e criticità legati al MDM, influenzati dal numero e dal tipo di sistemi dalla loro età, dai processi di business che supportano e dal modo in cui i dati vengono utilizzati sia per le transazioni sia per gli analytics. I driver spesso includono opportunità per migliorare il servizio clienti e/o l’efficienza operativa, nonché per ridurre i rischi legati alla privacy e alla conformità. Le criticità includono le differenze nel significato e nella struttura dei dati tra i sistemi.
• Stimare e valutare le origini dati: I dati nelle applicazioni esistenti costituiscono la base delle attività di Master Data Management. È importante capire la struttura e il contenuto di questi dati e dei processi attraverso i quali tali dati vengono raccolti o creati. Un esito delle attività di MDM può essere il miglioramento dei Metadata generati attraverso l’attività di valutazione della qualità dei dati esistenti. Un obiettivo della valutazione è capire quanto completi siano i dati in relazione agli attributi che comprendono i Master Data; questo processo include il chiarimento delle definizioni e della granularità di tali attributi.
• Definire l’approccio architetturale: L’approccio architetturale al MDM dipende dalla strategia di business, dalle piattaforme delle origini di dati esistenti e dai dati stessi, in particolare la loro lineage e volatilità, e le implicazioni di alta o bassa latenza. L’architettura deve tenere conto dell’utilizzo dei dati e dei modelli di condivisione. Gli strumenti di manutenzione dipendono sia dai requisiti di business sia dalle opzioni dell’architettura; tali strumenti aiutano a definire e allo stesso tempo dipendono dall’approccio alla stewardship e manutenzione.
• Modellare i Master Data: Il MDM è un processo di integrazione dei dati. Per ottenere risultati coerenti e gestire l’integrazione di nuove origini man mano che un’organizzazione si espande, è necessario definire un modello dei dati all’interno delle aree tematiche. Un modello logico o canonico può essere definito sulle aree tematiche all’interno dell’hub di condivisione dei dati. Ciò consentirebbe di stabilire definizioni a livello aziendale di entità e attributi dell’area tematica.
• Definire la stewardship e i processi di manutenzione: Le soluzioni tecniche possono fare un notevole lavoro di abbinamento, unione e gestione degli identificativi dei record master. Tuttavia, il processo richiede anche stewardship, non solo per indirizzare i record che sono scartati dal processo, ma anche per rimediare e migliorare i processi che ne causano in primo luogo lo scarto. I progetti di MDM devono tenere conto delle risorse necessarie a supportare la qualità costante dei Master Data. È necessario analizzare i record, fornire feedback ai sistemi di origine e fornire input che possano essere utilizzati per ottimizzare e migliorare gli algoritmi che guidano la soluzione di MDM.
• Stabilire policy di governance per imporre l’utilizzo dei Master Data: Il lancio iniziale di un’attività di Master Data è impegnativo e richiede molta attenzione; i reali vantaggi giungono quando le persone e i sistemi iniziano a utilizzare i Master Data. Lo sforzo complessivo deve includere una roadmap affinché i sistemi adottino valori e identificatori dei master data come input per i processi.

Attività di Reference Data

• Definire driver e requisiti: I driver principali per il Reference Data Management sono l’efficienza operativa e qualità dei dati superiore. La gestione centralizzata dei Reference Data è più conveniente rispetto al fatto che più unità di business mantengano i propri set di dati; questa, inoltre, riduce il rischio di incoerenza tra i sistemi. I set di Reference Data più importanti devono soddisfare i requisiti di un sistema di Reference Data Management. Una volta messo in atto un tale sistema, è possibile impostare nuovi set di Reference.
• Valutare le origini dati: La maggior parte dei set di Reference Data standard di settore può essere ottenuta dalle organizzazioni che li creano e li gestiscono. Alcune organizzazioni forniscono tali dati gratuitamente; altre richiedono il pagamento di una commissione. Anche gli intermediari confezionano e vendono Reference Data, spesso con funzionalità a valore aggiunto. In funzione del numero e del tipo di set di Reference Data necessari a un’organizzazione, potrebbe essere preferibile l’acquisto da un fornitore, soprattutto se quest’ultimo garantisce la consegna di aggiornamenti in base a una pianificazione prestabilita ed esegue il controllo di qualità di base sui dati. Molte organizzazioni si affidano anche a Reference Data creati e gestiti internamente. Determinare l’origine dei dati di riferimento locali o interni è spesso più difficile che farlo per i Reference Data standard di settore.
• Definire l’approccio architetturale: Prima di acquistare o creare uno strumento di gestione dei Reference Data, è fondamentale tenere conto dei requisiti e delle sfide poste dai Reference Data da gestire. Occorre assicurarsi che l’interfaccia per gli aggiornamenti sia semplice e che possa essere configurata per applicare regole di immissione dei dati di base, ad esempio garantire che le relazioni genitore/figlio siano mantenute nei Reference Data che comprendono le gerarchie.
• Modellare i set di Reference Data: Molte persone vedono i Reference Data come semplici codici e descrizioni. Tuttavia, molti Reference Data sono più complicati. Al fine di consentire un uso a lungo termine e stabilire Metadata precisi, nonché per il processo di manutenzione stesso, è utile creare modelli di set di Reference Data. I modelli aiutano gli utilizzatori dei dati a comprendere le relazioni all’interno del set di Reference Data e possono essere utilizzati per stabilire regole sulla qualità dei dati.
• Definire la stewardship e i processi di manutenzione: I Reference Data richiedono stewardship per garantire che i valori siano completi e attuali e che le definizioni siano chiare e comprensibili. In alcuni casi, gli steward saranno direttamente responsabili della manutenzione pratica dei Reference Data; in altri casi, potranno facilitare il processo.
• Stabilire politiche di governance dei Reference Data: Un’organizzazione ottiene valore da un repository di Reference Data gestito a livello centralizzato solo se le persone utilizzano effettivamente i dati di tale repository. A tal fine, è importante attuare policy che disciplinano la qualità e impongono l’uso dei Reference Data da quel repository, sia direttamente attraverso la pubblicazione dallo stesso o indirettamente da un sistema di riferimento popolato con i dati del repository centrale.