Ma perché i dati sono diversi dagli altri asset aziendali? E quali sono le loro caratteristiche fondamentali? Come il petrolio grezzo, i dati devono essere raffinati per avere valore
Recentemente ho tenuto un seminario in occasione di un evento denominato “Data, the vital enabler of the organisation”, nel corso del quale ho sollevato una questione cruciale: “Ma i dati sono davvero così differenti dagli altri asset?”. Non è da ieri che spesso si sente dire che i dati sono un asset che deve essere gestito, e che poche persone ci capiscono qualcosa e così via. Non intendo essere frainteso, nel senso che non sto cercando di mettere in dubbio l’importanza dei dati come asset, cioè come beni, ma vorrei alzare il livello del dibattito. Innanzitutto, va sottolineato ancora una volta che i dati sono assolutamente al centro del business. Tuttavia, vorrei sollevare qui un tema: quali sono alcune delle caratteristiche degli asset nel business? E se, come tutti dicono, i dati sono uno di quegli asset chiave, come (e se) si differenziano queste caratteristiche nell’asset-dati rispetto ad altri asset che sono frequentemente presenti nelle aziende?
Asset e caratteristiche - Quindi, prima di tutto, è necessario riflettere su altri “asset”. Ne ho selezionati sette, molti dei quali sono presenti regolarmente in numerosi business, e ho cercato di confrontarli con i dati. Si tratta nell’ordine di: petrolio, soldi, sangue, persone, proprietà, materiali, proprietà intellettuale e dati. Le caratteristiche di questi beni richiedevano però maggiori approfondimenti, che ho individuato in questi cinque punti: 1) L’asset è copiabile, cioè lo è senza ricorrere ai “replicatori” tipici della fantascienza? 2) L’uso dell’asset lo esaurisce in qualche modo? 3) È pratica semplice e abituale attribuire un valore monetario al bene? 4) L’asset è una cosa reale tangibile o un concetto astratto? 5) Il bene deve essere elaborato in qualche modo per produrre valore? Sono sicuro che avrei potuto trovare ulteriori tipi di asset e di caratteristiche, ma per ora partiremo da questi. Quindi, analizziamo questi beni rispetto alle caratteristiche e vediamo le conclusioni che se ne possono trarre.
Petrolio - Non è riproducibile e, sicuramente, l’uso lo esaurisce. È assolutamente una consuetudine dare valore al petrolio (per esempio, il barile di 50 dollari) ed è un bene tangibile. Infine deve essere trasformato per trarne qualcosa di utile come benzina, diesel o plastica. Soldi - Sappiamo tutti che non si possono (legittimamente) copiare i soldi, e come io so bene avendo due figli all’università, usare il denaro lo esaurisce. E naturalmente, viene dato un valore al denaro. Inoltre, si tratta per lo più di un concetto reale supportato da riserve di oro e non deve essere “elaborato” per fornire valore.
Sangue - Il sangue non è copiabile a livello mainstream, anche se si parla di sperimentazione di sostanze sostitutive del sangue, e l’uso lo consuma, in quanto deve essere ripulito e ossigenato dopo l’uso. Non è troppo difficile attribuirvi un valore, ed è un concetto reale. Infine, deve essere trattato dai nostri organi per produrre valore.
Persone - Le persone così come le conosciamo non sono riproducibili (anche se è possibile la clonazione biologica). L’uso delle persone non esaurisce la risorsa poiché possiamo applicare molte delle nostre capacità fisiche e intellettuali molte volte. Tuttavia, le persone invecchiano e gli arti e le menti si deteriorano, e forse questo dovrebbe essere definito come “in parte vero”. Non è una pratica diffusa quella di attribuire un valore monetario a una persona se non in alcuni casi (per esempio, gli sportivi professionisti). Le persone sono reali, e senza cercare di diventare troppo filosofici, devono fare qualcosa per produrre un valore.
Proprietà - Proprietà come gli edifici non sono copiabili. La Torre Eiffel in Cina è un falso! Utilizzare una proprietà la erode lentamente, in quanto le cose si consumano e devono essere oggetto di manutenzione continua. La proprietà è un valore riconosciuto. La proprietà è un concetto reale, ma non deve essere trasformata per generare valore.
Materiali - Qui si parla di materie prime. Ancora una volta, senza un replicatore di stampo fantascientifico, queste non sono copiabili, e proprio come i fiammiferi, l’atto del loro utilizzo le consuma. La maggior parte dei materiali ha un valore monetario facilmente attribuito, che poi costituisce la base del mercato delle materie prime. Si tratta di cose non astratte e praticamente per la maggior parte devono essere elaborate per produrre un valore.
Proprietà intellettuale - La proprietà intellettuale non è legalmente copiabile, e prospera nell’essere riutilizzata, tanto che non viene esaurita dall’uso. C’è frequentemente un valore monetario assegnato alla proprietà intellettuale, e in maniera analoga a un pensiero o a un’idea. È principalmente un concetto astratto. Infine, la proprietà intellettuale deve essere utilizzata (o elaborata) per trarne valore reale.
I dati - Cosa dire quindi dei dati? I dati sono copiabili: con supporti digitali è possibile effettuare un numero infinito di copie senza che si degradino. L’utilizzo dei dati non li erode e non li danneggia. Sicuramente, la rilevanza dei dati può diminuire nel tempo, ma non si consuma. Mentre si parla molto di “monetizzare” i dati, ancora non si tratta di una pratica diffusa, ma senza dubbio lo sarà in futuro. I dati sono un concetto astratto poiché rappresentano qualcosa di diverso. I dati devono essere utilizzati dai processi per avere valore (e, viceversa, i processi devono disporre di dati per operare).
In sintesi - I dati sono davvero diversi dagli altri asset aziendali? Avendo esaminato questi otto beni e le loro cinque caratteristiche c’è qualcosa che si impone all’attenzione? Se cerchiamo asset che hanno gli stessi valori dei dati, potremmo andare incontro a una delusione. Delle cinque caratteristiche, tre asset (denaro, proprietà e materiali) hanno in comune con i dati il valore. Due asset, petrolio e sangue, hanno una sola caratteristica in comune con i dati (quella del processo per produrre valore). La proprietà intellettuale ha due caratteristiche comuni. In testa al gruppo, c’è l’asset costituito dalle persone, con tre caratteristiche comuni. È però interessante notare che nessun asset condivide 4 (per non parlare di 5) delle caratteristiche, come invece succede per i dati.
Conclusioni - I dati sono diversi dagli altri asset. La qualità e la gestione dei dati possono influenzare l’esistenza stessa di un’azienda, e di conseguenza, ignorare la gestione dei dati è a proprio rischio e pericolo. Per questo, è ragionevole concludere che i dati sono un asset diverso dagli altri asset aziendali. Non solo. I business dipendono dai dati. Purtroppo, però si incontrano tuttora aziende in cui le varie discipline di gestione dei dati non vengono capite (oppure, cosa peggiore, consapevolmente non vengono affrontate). Anche perché, come ha scritto il professor Joe Peppard, “la stessa esistenza di un’azienda può essere minacciata dalla scarsa qualità dei dati”. Quindi, se come suggeriamo qui, i dati sono un asset differente dagli altri, la gestione dei dati richiede competenze e capacità specifiche, quelle degli Information Professional. Le aziende sagge si stanno rendendo conto che i dati e le informazioni sono davvero un asset vitale, e meritevole di essere gestito in modo professionale e soprattutto differente.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James