I dati hanno un valore, normalmente misurabile o altrimenti stimabile, così come la catena del valore dei dati. Il rischio di perdere questi dati o di corromperli è quindi reale ed è stimabile anch’esso. La gestione di questi asset è quindi non solo un fenomeno tecnologico, ma anche organizzativo e normativo. La qualità dei dati assume una rilevanza critica in tutti i suoi aspetti, anche quello di single point of truth, ovvero: se ho più versioni di un dato, qual è quella di cui mi posso fidare? La proliferazione di applicazioni in azienda (anche su piattaforme e tecnologie differenti) ha comportato la diffusione disordinata di database più o meno interconnessi fra loro.
C’è quindi una crescente esigenza di fare ordine, qualità, conoscenza nel caos dei dati anche alla luce di:
- Nuovi paradigmi (Data Warehouse, Big Data, Open Data, Blockchain);
- Fusioni o riorganizzazioni aziendali;
- Esigenze di auditing e di certificazione dei dati (PCI, GDPR, 285, Solvency …);
- Data Architecture e Data Catalog.
È necessario un governo dei dati, una Data Governance, che affronti questi argomenti per tracciare e coordinare le soluzioni proposte dai vari specialisti aziendali (Modeling, Quality, Security, Privacy …) in un quadro di business aziendale basato sul valore e sul rischio ma non sulla burocrazia. E se la Data Governance sembra un programma non sostenibile si può optare per un progetto di Data Catalog, del tutto Bottom Up a partire dalla discovery dei dati fino a un processo di governo ridotto e agile.
Il corso esamina questi argomenti anche alla luce degli standard internazionali e definisce gli Stakeholder (dal CDO ai Data Steward etc.), le architetture, le soluzioni tecnologiche ed organizzative necessarie alla formulazione del Programma di Data Governance.
Destinatari
• data administrator
• data base administrator
• capi progetto
• analisti e progettisti
• architetti software
Prerequisiti
Conoscenza delle problematiche legate alla gestione dei dati.
Contenuti
• Introduzione - Che cosa è la Data Governance; gli ambiti della Data Governance e i suoi Stakeholder; il Chief Data Office (CDO), i Data Steward, I Data Owner; i Framework di DG: Data Maturity Model (DMM), Data Management Association (DAMA) e altro.
• Gestione dei metadati - Che cosa sono i metadati; standard per la definizione dei metadati; Glossario di business e Dizionario dati, Qualità della documentazione; gestione dei metadati aziendali, modelli e processi organizzativi, tecnologie; definizione delle misure di Security e altri tipi di metadati.
• Data Catalog e Data Governance - Che cosa è un Data Catalog; Metadata Discovery; Reverse Engineering; Lineage semantico e Data Lineage.
• Data Modeling - Il Ciclo di vita di un Modello dati; Foreword Engineering; un modello ed un processo organizzativo, best practice e deliverable di processo.
• Data Architecture - Il processo di ridocumentazione e di ottimizzazione degli asset dati vs. le applicazioni.
• Integrazione dei dati - Basi di dati integrate e basi di dati replicate, problemi formali e semantici; Modelli di sintesi; Master Data, modelli “canonici” per la SOA.
• Qualità dei dati e analisi dei rischi - Il valore dei dati e gli economics: possiamo mette il valore dei dati a bilancio?; la normativa ISO sulla qualità dei dati; analisi del rischio; problemi derivanti dalla non qualità: problemi legali, economici e d’immagine.
• Le normative e la Data Governance - Normative e Data Governance, un’interazione PUSH PULL; Data Governance come fattore abilitante; alcuni esempi di normative: GDPR e 285 BI.
• Il progetto di Data Governance - Approccio incrementale al progetto, partire da ciò che c’è già: ITIL? COBIT? ISO 9001?; passi del progetto e ruoli coinvolti; auditing e reporting; architetture e tecnologie; Data Governance per il Cloud.
Durata
3 giorni