Be updated, subscribe to the OpenKM news

Data Management

Ana Canteli

Written by Ana Canteli on 29 March 2022

Il Data Management si occupa della raccolta dei dati, la custodia e l’uso efficiente e sicuro. La gestione mira a contribuire a ottimizzarne l'utilizzo sulla base delle politiche di gestione aziendale  e del quadro normativo. Non dobbiamo dimenticare che sono sempre di più le aziende il cui fulcro è la gestione dei dati. Non si basano più su materiale tangibile per creare valore.

 Si dice che la gestione dei dati sia iniziata intorno al 1890 con la creazione di schede perforate. Ma in realtà, fino al 1960, il concetto di gestione dei dati o di data warehousing non era inteso come lo usiamo oggi. L'Association of Data Processing Services Organizations (ADPSO) ha iniziato la sua attività di consulenza sulla gestione dei dati master e sul data warehousing. Un decennio dopo, i sistemi di gestione dei dati erano solo operativi; hanno fornito report sulle operazioni in un determinato momento - dati anagrafici estratti da un database relazionale - data warehouse - archiviati in righe e colonne.

Oggi le aziende necessitano di soluzioni di Data Management che forniscano loro un modo unificato di gestione dei dati a più livelli. Infatti gli strumenti di gestione dei dati si basano su piattaforme di gestione e possono includere database master, data lake, data warehousing, sistemi di gestione dei big data, analisi dei dati, ecc.

Una piattaforma di gestione dei dati è il sistema principale per la raccolta e la fornitura di grandi volumi di analisi dei dati. Spesso includono strumenti software per la gestione e possono essere sviluppate dal fornitore del database o da terze parti. Queste soluzioni di gestione dei dati aiutano i team tecnici e gli amministratori di database a svolgere attività quali:

  • Identifica, diagnostica e risolvi gli errori nel sistema di database o nell’infrastruttura.
  • Allocare risorse di archiviazione.
  • Aggiorna il design del database.
  • Ottimizza le risposte alle query del database per prestazioni migliori.

Per quanto riguarda i big data, è esattamente quello che sembra: molti dati, molti dati. Ma i big data sono disponibili in un ampia varietà di formati e vengono anche raccolti ad alta velocità. Ad esempio, pensa a tutti i dati che Meta raccoglie dai tuoi social network. La quantità, la varietà e la velocità di tali dati li rendono così preziosi per le aziende, ma li rendono anche difficili da gestire.

Poiché sempre più dati vengono raccolti da fonti disparate come CCTV, social media, registrazioni audio e dispositivi Internet of Things (IoT), sono emersi sistemi di gestione dei big data.

Un data lake è un sistema di archiviazione dati nel suo formato nativo non elaborato e in genere include backup essenziali dei dati dal sistema di origine.

I dati sono un capitale. Nell’economia odierna, possono creare valore per se stessi. I dati sono molto rilevanti a livello strategico e competitivo. I dati sono anche un capitale definito poiché sono informazioni registrate e necessarie per produrre beni o servizi. E come abbiamo detto sopra, include tutti i dati acquisiti nei vari processi:

  • Organizzazione: transazioni, record clienti, rapporti di supporto.

  • Mobile: interazione con l’applicazione, configurazione del dispositivo, geolocalizzazione.

  • Audio: servizio clienti, servizi vocali e sistemi automatizzati.

  • Video: immagini satellitari, raggi X, filmati di sicurezza.

  • Sensori: temperatura, umidità, vibrazione, accelerazione.

Elementi essenziali di un processo di gestione dei dati

  • Architettura: è progettata e implementata con un sistema di database e altri repository per ospitare i dati di un'organizzazione.

  • Modello: vengono creati per mappare i flussi di lavoro e le relazioni tra i dati in modo che le informazioni possano essere organizzate per soddisfare le esigenze aziendali.

  • Dati: generati, elaborati e archiviati in un database, file system, servizio cloud o altri sistemi di archiviazione.

  • Sistema di transazione: altre origini sono integrate in un data warehouse o data lake contribuendo all’analisi dei dati.

  • Controllo della qualità: viene eseguito per identificare errori e incongruenze e risolverli attraverso attività di normalizzazione e pulizia.

  • Data Governance: crea definizioni e criteri di utilizzo dei dati.

Sfide nella gestione dei dati

La maggior parte delle sfide attuali nella gestione dei dati derivano dal ritmo sempre più rapido del business e dalla crescente proliferazione dei dati. La sempre crescente varietà, velocità e volume di dati disponibili per le aziende le spinge a cercare strumenti di gestione più efficaci per sostenersi. Alcune delle principali sfide che le organizzazioni devono affrontare sono:

  • Mancanza di conoscenza dei dati: molti dati vengono raccolti e archiviati in quantità e varietà, ma nessuno di questi dati è utile se l’organizzazione non sa quali dati possiede, dove si trovano e come utilizzarli. Le soluzioni di gestione dei dati richiedono scalabilità e prestazioni per fornire informazioni significative quando necessario.

  • Difficoltà a mantenere i livelli di prestazioni: le organizzazioni acquisiscono, archiviano e utilizzano sempre più dati più a lungo. Per mantenere i tempi di risposta competitivi al massimo livello, le organizzazioni devono monitorare continuamente il tipo di query a cui risponde il database e modificare gli indici man mano che le domande cambiano senza influire sulle prestazioni.

  • Difficoltà nel soddisfare requisiti in evoluzione: i requisiti normativi, come il Regolamento generale sulla protezione dei dati, sono complessi e multigiurisdizionali e costantemente aggiornati. In queste circostanze, le aziende devono poter rivedere rapidamente i propri dati e identificare eventuali elementi che potrebbero violare le nuove normative. In particolare, le informazioni di identificazione personale devono essere rilevate, tracciate e monitorate per conformarsi alle normative globali sulla privacy sempre più rigorose.

  • Necessità di elaborazione e conversione dei dati: la raccolta e l’identificazione dei dati stessi non fornisce valore; l’azienda deve elaborarli. Se ci vuole molto tempo e fatica per convertire i dati in ciò di cui hanno bisogno, l’analisi non accadrà. Di conseguenza, il valore potenziale di tali dati viene perso.

  • Necessità di un’archiviazione adeguata e costante: le organizzazioni oggi archiviano i dati in più sistemi, inclusi data warehouse e data lake non strutturati che archiviano qualsiasi dato in qualsiasi formato in un unico repository. I data scientist in un’organizzazione devono trasformare i dati dal loro formato originale al modulo, o modellarli per soddisfare un’ampia gamma di analisi, seguendo un processo semplice e veloce. Come possiamo immaginare, spesso sembra la quadratura del cerchio.

  • Ottimizzazione costante delle prestazioni e dei costi della tecnologia: con l’avvento dei sistemi di gestione dei dati nel cloud, le aziende possono scegliere se conservare e analizzare i dati in sede, nel cloud o in una struttura ibrida. Le aziende ICT devono valutare il livello di identità tra gli ambienti locali e il cloud. Mantenere la massima agilità a livello tecnologico riducendo i costi e garantire tale equilibrio è francamente difficile.

Best practices per il data management

Un programma di governance dei dati ben progettato è essenziale in una strategia di gestione delle informazioni solida e affidabile, soprattutto nelle aziende con ambienti di dati distribuiti che prevedono molti sistemi. Anche una forte attenzione alla qualità dei dati è fondamentale per l’applicazione delle migliori pratiche. Tuttavia, in entrambi i casi, i team IT e di data managementi non possono fare tutto. La direzione, i dipendenti e gli utenti devono impegnarsi a garantire il corretto utilizzo dei dati e a mantenere la qualità dei dati per applicare le migliori pratiche.

Inoltre, la moltitudine di database e altre piattaforme di dati disponibili per l’implementazione richiede un’attenta progettazione dell’architettura dei dati. La tecnologia deve essere appropriata, valutata e selezionata. Gli addetti ai lavori e gli strumenti di implementazione del data management devono garantire che i sistemi siano adatti al loro scopo e dispongano delle capacità di elaborazione dei dati e delle informazioni analitiche necessarie per le operazioni della loro organizzazione.

Il sistema di gestione dei documenti OpenKM ha tutte le funzionalità e le capacità per elaborare i dati di un’organizzazione per poter configurare, o far parte, del modello di gestione dei dati richiesto. Con OpenKM, la tua azienda sarà in grado di ottenere il massimo dal tuo capitale informativo.

Contattaci

Informazioni generali